Autonome Labore: Wie ein Berliner Startup die Entdeckung neuer Materialien beschleunigen will
Dunia Innovations entwickelt autonome „Self‑Driving Labs“, in denen KI‑Modelle und Robotik gemeinsam den gesamten Forschungszyklus für neue Materialien automatisieren. Die Plattform integriert den klassischen Design‑Make‑Test‑Analyze‑Prozess in einen geschlossenen Datenkreislauf, wodurch Experimente kontinuierlich l...
Dunia Innovations entwickelt autonome „Self‑Driving Labs“, in denen KI‑Modelle und Robotik gemeinsam den gesamten Forschungszyklus für neue Materialien automatisieren.
Die Plattform integriert den klassischen Design‑Make‑Test‑Analyze‑Prozess in einen geschlossenen Datenkreislauf, wodurch Experimente kontinuierlich laufen und KI‑Modelle schneller lernen.
Frühe Anwendungen konzentrieren sich auf Elektrokatalysatoren für die Energiewende, etwa für grünen Wasserstoff oder CO₂‑Umwandlung, unterstützt durch Initiativen wie das deutsche ASCEND‑Konsortium.
How is Dunia Innovations planning to industrialise AI‑driven materials discovery with its €280 million, 6,000 m² Berlin GigaLab—what technolAutonomous laboratories combine AI, robotics, and continuous experimentation to accelerate materials discovery.
KI-Prompt
Create a landscape editorial hero image for this Studio Global article: How is Dunia Innovations planning to industrialise AI‑driven materials discovery with its €280 million, 6,000 m² Berlin GigaLab—what technol. Article summary: I can verify Dunia’s core strategy—AI plus robotic “self-driving” labs for faster materials discovery—but I found insufficient public evidence for the specific €280 million, 6,000 m² Berlin “GigaLab,” its named partner s. Topic tags: general, general web, user generated, government. Reference image context from search candidates: Reference image 1: visual subject "# Dunia Innovations scores $11.5M for its ‘self-driving lab’ to speed up discovery of new materials. Dunia Innovations, a Berlin-based deeptech startup specialising in AI-driven ma" source context "Dunia Innovations scores $11.5M for its 'self-driving lab' to speed up ..." Reference image 2: visual su
openai.com
Materialwissenschaft ist eine der stillen Grundlagen moderner Technologie. Batterien, Halbleiter, Katalysatoren für Wasserstoff oder CO₂‑Umwandlung – all diese Innovationen hängen von neuen Materialien ab. Doch ihre Entdeckung gilt als notorisch langsam: Experimente werden meist einzeln geplant, durchgeführt und ausgewertet.
Das Berliner Deep‑Tech‑Startup Dunia Innovations versucht, diesen Prozess grundlegend zu verändern. Statt klassischer Laborarbeit setzt das Unternehmen auf autonome Labore, in denen künstliche Intelligenz, Robotik und automatisierte Messsysteme als ein geschlossenes System zusammenarbeiten.
Die Idee: Forschung läuft nicht mehr experimentweise, sondern als kontinuierlicher Daten‑ und Experimentkreislauf.
Das Problem: Der Flaschenhals der experimentellen Bestätigung
Moderne KI kann heute tausende potenzieller neuer Materialien simulieren oder vorhersagen. Doch jede dieser Vorhersagen muss im Labor tatsächlich hergestellt und getestet werden, bevor sie für industrielle Anwendungen relevant wird.
Genau dieser Schritt ist der größte Zeitfresser in der Forschung.
Der klassische Ablauf in der Materialentwicklung folgt dem sogenannten DMTA‑Zyklus:
Design
Make
Test
Analyze
Dieser Prozess kann Jahre dauern, bevor ein brauchbarer Katalysator oder Werkstoff entsteht.
Dunia konzentriert sich darauf, diesen Zyklus vollständig zu automatisieren.
Das autonome Labor: KI trifft Robotik
Im Zentrum der Technologie steht eine Closed‑Loop‑Plattform zur Materialentdeckung, die mehrere Systeme miteinander verbindet.
Studio Global AI
Setzen Sie Ihre Recherche fort
Diese Seite enthält eine quellengestützte Antwort, die Sie in Studio Global fortsetzen können.
Wie lautet die kurze Antwort auf „Autonome Labore: Wie ein Berliner Startup die Entdeckung neuer Materialien beschleunigen will“?
Dunia Innovations entwickelt autonome „Self‑Driving Labs“, in denen KI‑Modelle und Robotik gemeinsam den gesamten Forschungszyklus für neue Materialien automatisieren.
Was sind die wichtigsten Punkte, die zuerst validiert werden müssen?
Dunia Innovations entwickelt autonome „Self‑Driving Labs“, in denen KI‑Modelle und Robotik gemeinsam den gesamten Forschungszyklus für neue Materialien automatisieren. Die Plattform integriert den klassischen Design‑Make‑Test‑Analyze‑Prozess in einen geschlossenen Datenkreislauf, wodurch Experimente kontinuierlich laufen und KI‑Modelle schneller lernen.
Was soll ich als nächstes in der Praxis tun?
Frühe Anwendungen konzentrieren sich auf Elektrokatalysatoren für die Energiewende, etwa für grünen Wasserstoff oder CO₂‑Umwandlung, unterstützt durch Initiativen wie das deutsche ASCEND‑Konsortium.
Autonome Labore: Wie ein Berliner Startup die Entdeckung neuer Materialien beschleunigen will
Dunia Innovations entwickelt autonome „Self‑Driving Labs“, in denen KI‑Modelle und Robotik gemeinsam den gesamten Forschungszyklus für neue Materialien automatisieren. Die Plattform integriert den klassischen Design‑Make‑Test‑Analyze‑Prozess in einen geschlossenen Datenkreislauf, wodurch Experimente kontinuierlich l...
Dunia Innovations entwickelt autonome „Self‑Driving Labs“, in denen KI‑Modelle und Robotik gemeinsam den gesamten Forschungszyklus für neue Materialien automatisieren.
Die Plattform integriert den klassischen Design‑Make‑Test‑Analyze‑Prozess in einen geschlossenen Datenkreislauf, wodurch Experimente kontinuierlich laufen und KI‑Modelle schneller lernen.
Frühe Anwendungen konzentrieren sich auf Elektrokatalysatoren für die Energiewende, etwa für grünen Wasserstoff oder CO₂‑Umwandlung, unterstützt durch Initiativen wie das deutsche ASCEND‑Konsortium.
How is Dunia Innovations planning to industrialise AI‑driven materials discovery with its €280 million, 6,000 m² Berlin GigaLab—what technolAutonomous laboratories combine AI, robotics, and continuous experimentation to accelerate materials discovery.
KI-Prompt
Create a landscape editorial hero image for this Studio Global article: How is Dunia Innovations planning to industrialise AI‑driven materials discovery with its €280 million, 6,000 m² Berlin GigaLab—what technol. Article summary: I can verify Dunia’s core strategy—AI plus robotic “self-driving” labs for faster materials discovery—but I found insufficient public evidence for the specific €280 million, 6,000 m² Berlin “GigaLab,” its named partner s. Topic tags: general, general web, user generated, government. Reference image context from search candidates: Reference image 1: visual subject "# Dunia Innovations scores $11.5M for its ‘self-driving lab’ to speed up discovery of new materials. Dunia Innovations, a Berlin-based deeptech startup specialising in AI-driven ma" source context "Dunia Innovations scores $11.5M for its 'self-driving lab' to speed up ..." Reference image 2: visual su
openai.com
Materialwissenschaft ist eine der stillen Grundlagen moderner Technologie. Batterien, Halbleiter, Katalysatoren für Wasserstoff oder CO₂‑Umwandlung – all diese Innovationen hängen von neuen Materialien ab. Doch ihre Entdeckung gilt als notorisch langsam: Experimente werden meist einzeln geplant, durchgeführt und ausgewertet.
Das Berliner Deep‑Tech‑Startup Dunia Innovations versucht, diesen Prozess grundlegend zu verändern. Statt klassischer Laborarbeit setzt das Unternehmen auf autonome Labore, in denen künstliche Intelligenz, Robotik und automatisierte Messsysteme als ein geschlossenes System zusammenarbeiten.
Die Idee: Forschung läuft nicht mehr experimentweise, sondern als kontinuierlicher Daten‑ und Experimentkreislauf.
Das Problem: Der Flaschenhals der experimentellen Bestätigung
Moderne KI kann heute tausende potenzieller neuer Materialien simulieren oder vorhersagen. Doch jede dieser Vorhersagen muss im Labor tatsächlich hergestellt und getestet werden, bevor sie für industrielle Anwendungen relevant wird.
Genau dieser Schritt ist der größte Zeitfresser in der Forschung.
Der klassische Ablauf in der Materialentwicklung folgt dem sogenannten DMTA‑Zyklus:
Design
Make
Test
Analyze
Dieser Prozess kann Jahre dauern, bevor ein brauchbarer Katalysator oder Werkstoff entsteht.
Dunia konzentriert sich darauf, diesen Zyklus vollständig zu automatisieren.
Das autonome Labor: KI trifft Robotik
Im Zentrum der Technologie steht eine Closed‑Loop‑Plattform zur Materialentdeckung, die mehrere Systeme miteinander verbindet.
Studio Global AI
Setzen Sie Ihre Recherche fort
Diese Seite enthält eine quellengestützte Antwort, die Sie in Studio Global fortsetzen können.
Wie lautet die kurze Antwort auf „Autonome Labore: Wie ein Berliner Startup die Entdeckung neuer Materialien beschleunigen will“?
Dunia Innovations entwickelt autonome „Self‑Driving Labs“, in denen KI‑Modelle und Robotik gemeinsam den gesamten Forschungszyklus für neue Materialien automatisieren.
Was sind die wichtigsten Punkte, die zuerst validiert werden müssen?
Dunia Innovations entwickelt autonome „Self‑Driving Labs“, in denen KI‑Modelle und Robotik gemeinsam den gesamten Forschungszyklus für neue Materialien automatisieren. Die Plattform integriert den klassischen Design‑Make‑Test‑Analyze‑Prozess in einen geschlossenen Datenkreislauf, wodurch Experimente kontinuierlich laufen und KI‑Modelle schneller lernen.
Was soll ich als nächstes in der Praxis tun?
Frühe Anwendungen konzentrieren sich auf Elektrokatalysatoren für die Energiewende, etwa für grünen Wasserstoff oder CO₂‑Umwandlung, unterstützt durch Initiativen wie das deutsche ASCEND‑Konsortium.
Design: KI‑Modelle schlagen neue Materialkombinationen vor und prognostizieren ihre Eigenschaften.
Make: Robotische Laborsysteme synthetisieren diese Materialien automatisch.
Test: Automatisierte Messgeräte analysieren ihre Leistungsfähigkeit.
Analyze: Die Ergebnisse fließen zurück in die KI‑Modelle und verbessern die nächsten Vorhersagen.
Dieser Kreislauf läuft kontinuierlich. Dadurch entstehen deutlich mehr experimentelle Datensätze, die wiederum bessere KI‑Modelle ermöglichen.
Das Unternehmen beschreibt dieses Konzept als Materials Acceleration Platform – eine Infrastruktur, in der KI direkt aus realen Laborergebnissen lernt statt nur aus Simulationen oder historischen Daten.
Warum „Physics‑Informed AI“ entscheidend ist
Viele KI‑Ansätze in Chemie und Materialforschung basieren ausschließlich auf statistischen Mustern.
Dunia kombiniert maschinelles Lernen dagegen mit physikalischen und chemischen Randbedingungen.
Dieser Ansatz reduziert unrealistische Vorschläge und erhöht die Wahrscheinlichkeit, dass KI‑entworfene Materialien auch experimentell tatsächlich herstellbar sind.
Laut dem Climate‑Tech‑Accelerator Third Derivative kann diese Kombination aus KI und Robotik die Entdeckung neuer elektroaktiver Materialien bis zu zehnmal schneller und zu etwa einem Drittel der bisherigen Kosten ermöglichen.
Fokus auf Energie‑ und Klimaanwendungen
Die ersten Forschungsfelder des Unternehmens liegen in Bereichen, die für die Energiewende besonders wichtig sind.
Dazu gehören beispielsweise:
Elektrokatalysatoren für grünen Wasserstoff oder Ammoniak
Materialien zur Umwandlung von CO₂ in Chemikalien oder Kraftstoffe
neue Katalysatoren für energieintensive Industrien
Viele dieser Anwendungen fallen unter sogenannte Power‑to‑X‑Technologien – Verfahren, die erneuerbaren Strom in chemische Energieträger oder industrielle Rohstoffe umwandeln.
Gerade in der Katalyse müssen oft tausende Materialvarianten getestet werden, weshalb automatisierte Labore hier besonders viel Zeit sparen können.
Zusammenarbeit im deutschen ASCEND‑Konsortium
Ein konkretes Beispiel für industrielle Zusammenarbeit ist das ASCEND‑Projekt in Deutschland.
Zu den Partnern gehören:
Dunia Innovations
BASF
Siemens Energy
Helmholtz‑Zentrum Berlin
Fritz‑Haber‑Institut der Max‑Planck‑Gesellschaft
Technische Universität Berlin
Die Bundesregierung unterstützt das Projekt mit 30 Millionen Euro, um KI‑gestützte Katalysatorentwicklung für energieintensive Industrien zu beschleunigen.
Hier sollen Simulation, automatisierte Experimente und industrielle Erfahrung kombiniert werden, um effizientere Materialien zu entwickeln.
Finanzierung und Investoren
Das 2022 gegründete Startup hat rund 10,6 Millionen Euro (etwa 11,5 Millionen US‑Dollar) an Kapital eingesammelt.
Zu den Investoren gehören unter anderem:
Elaia
redalpine
European Innovation Council (EIC)
Pace Ventures
Kindred Capital
Deep Science Ventures
Anglo American
Diese Mischung aus Venture‑Kapital, Industrie und europäischen Innovationsprogrammen spiegelt einen wachsenden Trend wider: KI‑gestützte wissenschaftliche Infrastruktur wird zunehmend als strategische Schlüsseltechnologie gesehen.
Ein wachsendes Ökosystem für industrielle KI
Autonome Labore benötigen mehr als nur Software – sie basieren auf einem ganzen Technologie‑Stack aus Robotik, Simulation und Hochleistungs‑KI.
Beispiele aus diesem Umfeld zeigen, wie sich solche Systeme entwickeln könnten:
Siemens und NVIDIA arbeiten gemeinsam an digitalen Zwillingen und industriellen KI‑Simulationen, um komplexe Systeme virtuell zu modellieren.
ABB Robotics integriert NVIDIA‑Omniverse‑Technologie in RobotStudio, um Robotik‑Systeme realistischer zu trainieren und zu steuern.
Solche Technologien – digitale Zwillinge, Simulation und physische KI – sind zentrale Bausteine für die Skalierung autonomer Forschungslabore.
Bedeutung für Europas Deep‑Tech‑Strategie
Sollten sich Plattformen wie die von Dunia durchsetzen, könnten sie die Ökonomie wissenschaftlicher Forschung verändern.
Gerade für Europa ist das relevant. Der Kontinent verfügt über starke Forschung in Chemie und Materialwissenschaft, lag bisher aber bei großen KI‑Infrastrukturen hinter den USA und China.
Die Verbindung aus KI‑Software und automatisierter physischer Forschung könnte helfen, diese Lücke zu schließen.
Fazit
Dunia Innovations steht für eine neue Generation wissenschaftlicher Infrastruktur: Labore, in denen Algorithmen Experimente entwerfen und Roboter sie rund um die Uhr durchführen.
Die Technologie – ein geschlossener KI‑Robotik‑Kreislauf für Materialentdeckung – ist bereits dokumentiert und wird in Projekten rund um Katalyse und Energietechnologien eingesetzt.
Ob solche autonomen Labore tatsächlich zum industriellen Standard werden, ist noch offen. Klar ist jedoch: Wenn sie funktionieren, könnte sich die Entdeckung neuer Materialien von einer langsamen Laborarbeit zu einer Art automatisierter Forschungsfabrik entwickeln.
bebeez.euBerlin-based Dunia.ai raises €10.6 million to accelerate clean energy innovations
Design: KI‑Modelle schlagen neue Materialkombinationen vor und prognostizieren ihre Eigenschaften.
Make: Robotische Laborsysteme synthetisieren diese Materialien automatisch.
Test: Automatisierte Messgeräte analysieren ihre Leistungsfähigkeit.
Analyze: Die Ergebnisse fließen zurück in die KI‑Modelle und verbessern die nächsten Vorhersagen.
Dieser Kreislauf läuft kontinuierlich. Dadurch entstehen deutlich mehr experimentelle Datensätze, die wiederum bessere KI‑Modelle ermöglichen.
Das Unternehmen beschreibt dieses Konzept als Materials Acceleration Platform – eine Infrastruktur, in der KI direkt aus realen Laborergebnissen lernt statt nur aus Simulationen oder historischen Daten.
Warum „Physics‑Informed AI“ entscheidend ist
Viele KI‑Ansätze in Chemie und Materialforschung basieren ausschließlich auf statistischen Mustern.
Dunia kombiniert maschinelles Lernen dagegen mit physikalischen und chemischen Randbedingungen.
Dieser Ansatz reduziert unrealistische Vorschläge und erhöht die Wahrscheinlichkeit, dass KI‑entworfene Materialien auch experimentell tatsächlich herstellbar sind.
Laut dem Climate‑Tech‑Accelerator Third Derivative kann diese Kombination aus KI und Robotik die Entdeckung neuer elektroaktiver Materialien bis zu zehnmal schneller und zu etwa einem Drittel der bisherigen Kosten ermöglichen.
Fokus auf Energie‑ und Klimaanwendungen
Die ersten Forschungsfelder des Unternehmens liegen in Bereichen, die für die Energiewende besonders wichtig sind.
Dazu gehören beispielsweise:
Elektrokatalysatoren für grünen Wasserstoff oder Ammoniak
Materialien zur Umwandlung von CO₂ in Chemikalien oder Kraftstoffe
neue Katalysatoren für energieintensive Industrien
Viele dieser Anwendungen fallen unter sogenannte Power‑to‑X‑Technologien – Verfahren, die erneuerbaren Strom in chemische Energieträger oder industrielle Rohstoffe umwandeln.
Gerade in der Katalyse müssen oft tausende Materialvarianten getestet werden, weshalb automatisierte Labore hier besonders viel Zeit sparen können.
Zusammenarbeit im deutschen ASCEND‑Konsortium
Ein konkretes Beispiel für industrielle Zusammenarbeit ist das ASCEND‑Projekt in Deutschland.
Zu den Partnern gehören:
Dunia Innovations
BASF
Siemens Energy
Helmholtz‑Zentrum Berlin
Fritz‑Haber‑Institut der Max‑Planck‑Gesellschaft
Technische Universität Berlin
Die Bundesregierung unterstützt das Projekt mit 30 Millionen Euro, um KI‑gestützte Katalysatorentwicklung für energieintensive Industrien zu beschleunigen.
Hier sollen Simulation, automatisierte Experimente und industrielle Erfahrung kombiniert werden, um effizientere Materialien zu entwickeln.
Finanzierung und Investoren
Das 2022 gegründete Startup hat rund 10,6 Millionen Euro (etwa 11,5 Millionen US‑Dollar) an Kapital eingesammelt.
Zu den Investoren gehören unter anderem:
Elaia
redalpine
European Innovation Council (EIC)
Pace Ventures
Kindred Capital
Deep Science Ventures
Anglo American
Diese Mischung aus Venture‑Kapital, Industrie und europäischen Innovationsprogrammen spiegelt einen wachsenden Trend wider: KI‑gestützte wissenschaftliche Infrastruktur wird zunehmend als strategische Schlüsseltechnologie gesehen.
Ein wachsendes Ökosystem für industrielle KI
Autonome Labore benötigen mehr als nur Software – sie basieren auf einem ganzen Technologie‑Stack aus Robotik, Simulation und Hochleistungs‑KI.
Beispiele aus diesem Umfeld zeigen, wie sich solche Systeme entwickeln könnten:
Siemens und NVIDIA arbeiten gemeinsam an digitalen Zwillingen und industriellen KI‑Simulationen, um komplexe Systeme virtuell zu modellieren.
ABB Robotics integriert NVIDIA‑Omniverse‑Technologie in RobotStudio, um Robotik‑Systeme realistischer zu trainieren und zu steuern.
Solche Technologien – digitale Zwillinge, Simulation und physische KI – sind zentrale Bausteine für die Skalierung autonomer Forschungslabore.
Bedeutung für Europas Deep‑Tech‑Strategie
Sollten sich Plattformen wie die von Dunia durchsetzen, könnten sie die Ökonomie wissenschaftlicher Forschung verändern.
Gerade für Europa ist das relevant. Der Kontinent verfügt über starke Forschung in Chemie und Materialwissenschaft, lag bisher aber bei großen KI‑Infrastrukturen hinter den USA und China.
Die Verbindung aus KI‑Software und automatisierter physischer Forschung könnte helfen, diese Lücke zu schließen.
Fazit
Dunia Innovations steht für eine neue Generation wissenschaftlicher Infrastruktur: Labore, in denen Algorithmen Experimente entwerfen und Roboter sie rund um die Uhr durchführen.
Die Technologie – ein geschlossener KI‑Robotik‑Kreislauf für Materialentdeckung – ist bereits dokumentiert und wird in Projekten rund um Katalyse und Energietechnologien eingesetzt.
Ob solche autonomen Labore tatsächlich zum industriellen Standard werden, ist noch offen. Klar ist jedoch: Wenn sie funktionieren, könnte sich die Entdeckung neuer Materialien von einer langsamen Laborarbeit zu einer Art automatisierter Forschungsfabrik entwickeln.
bebeez.euBerlin-based Dunia.ai raises €10.6 million to accelerate clean energy innovations
