Autonome Labore: Wie ein Berliner Startup die Entdeckung neuer Materialien beschleunigen will

1. Design: KI‑Modelle schlagen neue Materialkombinationen vor und prognostizieren ihre Eigenschaften.
2. Make: Robotische Laborsysteme synthetisieren diese Materialien automatisch.
3. Test: Automatisierte Messgeräte analysieren ihre Leistungsfähigkeit.
4. 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.

Autonome Labore versprechen:

• deutlich schnellere Entdeckungszyklen
• große experimentelle Datensätze für KI
• niedrigere F&E‑Kosten
• kontinuierliche statt projektbasierter Experimente

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.