Enact erhält 30 Mio. Dollar – Tastsinn ist die große Wette

|Autor: QUASA-Redaktion|5 Min. Lesezeit| 1
Enact erhält 30 Mio. Dollar – Tastsinn ist die große Wette

Das Zürcher Robotikunternehmen Enact Intelligence hat am 22. Oktober 2026 eine Pre-Seed-Finanzierung über 30 Millionen US-Dollar bekannt gegeben, die Notion Capital gemeinsam mit der Schweizer Beteiligungsgesellschaft Redalpine anführt. Das Geld soll die Entwicklung eigener Roboterantriebe und KI-Modelle sowie den Ausbau des Teams ermöglichen. Enact tritt mit der Runde aus dem Stealth-Modus und stellt seinen Ansatz für Kraft- und Berührungswahrnehmung öffentlich vor.

Die technische Wette ist konkret: Ein Roboter soll beim Kontakt mit einem Gegenstand Widerstand über seine eigenen Aktuatoren erfassen und diese Information für seine nächste Bewegung nutzen. Enact will dafür Hardware, Sensordaten und Lernmodell gemeinsam entwickeln. Die Finanzierung verschafft dem jungen Unternehmen Mittel für diesen Aufbau; öffentlich dokumentierte Leistungswerte oder ein verbindlicher Lieferplan für Industriekunden sind damit noch nicht verbunden.

Wer die Runde trägt und was sie finanzieren soll

Das Zürcher Team von Enact Intelligence entwickelt ein Robotersystem und plant mit der Finanzierung einen deutlichen Personalaufbau.

Neben den beiden federführenden Fonds beteiligt sich firstminute capital. Als Einzelinvestoren werden Yann LeCun, Arthur Mensch, Andrew Lonsberry und Thomas Wolf genannt. Ihre Beteiligung bringt der Zürcher Firma Kontakte aus der KI- und Robotikszene; wie groß die jeweiligen Anteile sind und welche Bewertung der Runde zugrunde liegt, wurde nicht offengelegt. Für die Einordnung ist die Phase wichtiger als die Prominenz der Namen: Das Kapital fließt in ein Vorhaben, dessen industrielle Leistungsfähigkeit erst noch nachgewiesen werden muss.

Der Bericht von EU-Startups nennt ein derzeit zwölfköpfiges Team, dessen Größe bis Ende 2027 ungefähr verfünffacht werden soll; Redalpine-Partner Harald Nieder beschreibt darin Feinmotorik mit den Worten „Dexterity is the next frontier in robotics“. Vorgesehen sind zusätzliche Arbeiten an Antrieben, Modellen und Forschung sowie erste Einsätze mit Industriepartnern. Philip Kneis, zuvor Investor bei Redalpine, soll das Wachstum von Enact vorantreiben. Diese Personal- und Einsatzpläne sind Ziele der finanzierten Entwicklungsphase, keine bereits nachgewiesenen Ergebnisse im Industrieeinsatz.

Die Höhe der frühen Runde erklärt sich aus dem Umfang dieser Aufgaben. Wer eigene Antriebe baut, muss die Mechanik, die Messung und die Steuerung zusammenbringen; bei einem lernenden System kommt die Aufbereitung von Daten aus physischen Kontakten hinzu. Erst wenn diese Teile bei wechselnden Aufgaben zusammenspielen, lässt sich beurteilen, ob der Ansatz wirtschaftlich trägt. Die Runde finanziert somit Entwicklung und Erprobung zugleich, während ein belastbarer Vergleich mit bestehenden Lösungen noch aussteht.

Wie Enact den Tastsinn in den Antrieb verlegt

Ein eigener Aktuator von Enact Intelligence steht im Mittelpunkt der geplanten Kraftmessung beim Kontakt eines Roboters.

Die Darstellung von Redalpine beschreibt eigens entwickelte Aktuatoren, deren Drehmoment- und Berührungsdaten zusammen mit Bild- und Sprachinformationen in ein KI-Modell eingehen sollen. Der Antrieb wird dadurch nicht nur für die Bewegung gebraucht, sondern auch als Ort der Kraftrückmeldung. Enact will erkennen, wie ein Gegenstand auf Druck reagiert oder ob eine Bewegung auf Widerstand trifft, und die Bewegung entsprechend anpassen.

Eine Kamera zeigt dem Roboter Lage und sichtbare Form eines Bauteils. Ob eine Steckverbindung bereits sitzt oder bei weiterem Druck beschädigt würde, hängt zusätzlich vom mechanischen Kontakt ab. Genau an dieser Stelle setzt Enacts Konzept an: Kraftinformationen sollen aus dem Inneren der Bewegung kommen, statt ausschließlich aus zusätzlich angebrachten Sensoren an einzelnen Berührungspunkten. Das Unternehmen verspricht sich davon weniger empfindliche Zusatzhardware und Daten, die während einer Handlung unmittelbar für die Steuerung nutzbar sind.

Der Unterschied ist für die geplante Montage entscheidend. Beim Einstecken eines Kabels, Einlegen einer Dichtung oder Ansetzen einer Schraube können Lage und Widerstand leicht variieren. Ein starr programmierter Bewegungsablauf muss solche Abweichungen einzeln berücksichtigen. Enact setzt darauf, dass ein Modell aus Bild, Sprache und Kraftsignal eine Anpassung während des Handgriffs lernt. Ob das mit eigenen Aktuatoren präzise und zuverlässig genug gelingt, lässt sich aus der beschriebenen Architektur allein nicht ableiten.

Der Zürcher Aufbau zielt auf variable Montage

Enact wurde von Manuel Yves Galliker in Zürich gegründet. Er arbeitete zuvor bei 1X am humanoiden Roboter NEO und später bei Physical Intelligence. Das Team vereint Erfahrung aus Robotik, Hardware und KI; mit dem frischen Kapital sollen diese Disziplinen enger in einem System zusammenarbeiten. Der Zürcher Standort verbindet die Entwicklung mit potenziellen Kunden in der europäischen Industrie.

Als mögliche Anwendungsfelder werden Fertigung, Infrastruktur, Handel und Lebensmittelverarbeitung genannt. Gemeinsam ist ihnen der Bedarf an Handgriffen, bei denen Material, Position oder Widerstand variieren. In der Montage betrifft das besonders Aufgaben, die bisher Menschen übernehmen, weil ein Roboter für jede Abweichung gesondert eingerichtet werden müsste. Enacts wirtschaftliche These lautet, dass fühlende Antriebe den Aufwand für solche wechselnden Aufgaben senken und damit zusätzliche Arbeitsschritte automatisierbar machen.

Enact plant erste Einsätze bei Industriepartnern und führt Gespräche mit europäischen Unternehmen. Namen von Kunden, Preise und feste Liefertermine sind öffentlich nicht genannt. Auch Angaben zu Erfolgsquote, Lernaufwand oder Zuverlässigkeit über längere Betriebszeiten fehlen. Für Abnehmer wird gerade diese Verbindung aus technischer Leistung und Kosten ausschlaggebend sein: Ein Kontakt kann erkannt werden, ohne dass damit schon ein vollständiger Montageprozess schnell genug oder verlässlich genug läuft.

Der nächste konkrete Schritt ist ein benannter industrieller Einsatz mit nachvollziehbaren Messwerten für eine variable Aufgabe. Dann ließe sich erkennen, welche Handgriffe das System tatsächlich beherrscht, wie häufig es eingreifen oder neu lernen muss und welche Rolle die selbst entwickelten Antriebe für die Betriebskosten spielen.

Lesen Sie auch:

Teilen:

Newsletter abonnieren

Erhalten Sie die neuesten Nachrichten zu Web3, KI und Krypto direkt in Ihren Posteingang.

0