Hvorfor Zalando investerte: Returer er et problem verdt 60 millioner

Zalando bidro med omtrent 60 millioner kroner (6 millioner dollar) som strategisk investor, og løftet runden fra 1,15 milliarder kroner (110 millioner dollar) som ble ledet av Headline i april 2026 . Betydningen er todelt. For det første løser investeringen Zalandos eget akutte problem: hver returnerte vare må åpnes, inspiseres, brettes og legges på lager – en prosess som Sereacts toarmede stasjon er bygget for å håndtere fra start til slutt . For det andre fungerer Zalandos deltakelse som et kraftig valideringssignal. Zalando er ikke en passiv finansiell støttespiller; det er en strategisk kunde-investor som setter sin egen operasjonelle tyngde bak den fysiske KI-tesen .

Cortex-hjernen: Én KI-kjerne for alle roboter

I hjertet av Sereacts plattform ligger Cortex, en syn-språk-handling-modell (VLA) som fungerer som et universelt KI-operativsystem for robotikk . Cortex kjører på tvers av flere maskinvaretyper – enarmede plukkceller, toarmede returstasjoner, humanoide roboter og faste celler – uten å måtte trenes om for hver formfaktor . Fordi den planlegger i visuelt latensrom i stedet for robot-spesifikke kommandoer, overføres en ferdighet lært på én robottype direkte til en annen .

Toarmet returautomatisering: Løsningen på netthandelens største hodepine

Sereacts toarmede stasjon er spesialbygget for returhåndtering . Den åpner autonomt pakker og skoesker, trekker ut varer, inspiserer for skader eller avvik, bretter klær (inkludert jeans), skanner strekkoder og etiketter, og sender varer videre til lager, oppussing eller kasting . Systemet etterligner vurderingsevnen til en erfaren lagerarbeider, men opererer konsekvent på hvert skift og for hvert merke . Dette treffer direkte mot moteindustriens mest gjenstridige logistiske flaskehals: uforutsigbarheten og arbeidsintensiteten ved returhåndtering .

Dataflythjulet: Over én milliard virkelige plukk

Sereacts viktigste strukturelle fordel er det lukkede dataflythjulet . Mer enn 200 Sereact-systemer er i drift i Europa hos kunder som Daimler Truck, Mercedes-Benz, BMW, PepsiCo, Austrian Post og Rohlik Group . Disse systemene har gjennomført over én milliard virkelige produksjonsplukk – ikke simulerte eller laboratoriedata, men faktiske plukk fra levende operasjoner . Hvert plukk, enten det er en suksess, en feil eller en gjenoppretting, fanges opp med synkroniserte observasjoner, robotstatus og krafttilbakemelding, og mates deretter inn i en sentralisert modell som kontinuerlig trenes på nytt og distribueres på tvers av flåten . Flåten oppnår allerede en pålitelighetsrate på omtrent én intervensjon per 53.000 plukk som krever menneskelig hjelp .

Cortex 2.0: Fra 'prøv og se' til 'planlegg og prøv'

Cortex 2.0, neste generasjons modell som serie B-midlene spesifikt er allokert til å skalere, utvider den nåværende VLA-modellen med en lært verdensmodell som simulerer fysikk og objektatferd . I stedet for å handle og korrigere feil reaktivt, genererer roboten nå flere mulige fremtidige baner fra sin nåværende tilstand, scorer hver mot verdensmodellen for stabilitet, risiko og effektivitet, og forplikter seg kun til den best scorede grenen – og oppdaterer i sanntid etter hvert som scenen endres . Dette paradigmeskiftet fra 'prøv-og-se' til 'planlegg-og-prøv' er avgjørende for høyrisiko oppgaver som montering av komponenter under spenning, plassering av skjøre gjenstander og kitting, ikke bare plukking . Planleggingsberegningen kan justeres per oppgave, og bruker mer fremsyn der feil er kostbart og mindre der gjenoppretting er billig . Serie B-kapitalen finansierer også Sereacts internasjonale ekspansjon, inkludert et nytt kontor i Boston .

Hvorfor Zalando investerte: Returer er et problem verdt 60 millioner

Zalando bidro med omtrent 60 millioner kroner (6 millioner dollar) som strategisk investor, og løftet runden fra 1,15 milliarder kroner (110 millioner dollar) som ble ledet av Headline i april 2026 . Betydningen er todelt. For det første løser investeringen Zalandos eget akutte problem: hver returnerte vare må åpnes, inspiseres, brettes og legges på lager – en prosess som Sereacts toarmede stasjon er bygget for å håndtere fra start til slutt . For det andre fungerer Zalandos deltakelse som et kraftig valideringssignal. Zalando er ikke en passiv finansiell støttespiller; det er en strategisk kunde-investor som setter sin egen operasjonelle tyngde bak den fysiske KI-tesen .

Cortex-hjernen: Én KI-kjerne for alle roboter

I hjertet av Sereacts plattform ligger Cortex, en syn-språk-handling-modell (VLA) som fungerer som et universelt KI-operativsystem for robotikk . Cortex kjører på tvers av flere maskinvaretyper – enarmede plukkceller, toarmede returstasjoner, humanoide roboter og faste celler – uten å måtte trenes om for hver formfaktor . Fordi den planlegger i visuelt latensrom i stedet for robot-spesifikke kommandoer, overføres en ferdighet lært på én robottype direkte til en annen .

Toarmet returautomatisering: Løsningen på netthandelens største hodepine

Sereacts toarmede stasjon er spesialbygget for returhåndtering . Den åpner autonomt pakker og skoesker, trekker ut varer, inspiserer for skader eller avvik, bretter klær (inkludert jeans), skanner strekkoder og etiketter, og sender varer videre til lager, oppussing eller kasting . Systemet etterligner vurderingsevnen til en erfaren lagerarbeider, men opererer konsekvent på hvert skift og for hvert merke . Dette treffer direkte mot moteindustriens mest gjenstridige logistiske flaskehals: uforutsigbarheten og arbeidsintensiteten ved returhåndtering .

Dataflythjulet: Over én milliard virkelige plukk

Sereacts viktigste strukturelle fordel er det lukkede dataflythjulet . Mer enn 200 Sereact-systemer er i drift i Europa hos kunder som Daimler Truck, Mercedes-Benz, BMW, PepsiCo, Austrian Post og Rohlik Group . Disse systemene har gjennomført over én milliard virkelige produksjonsplukk – ikke simulerte eller laboratoriedata, men faktiske plukk fra levende operasjoner . Hvert plukk, enten det er en suksess, en feil eller en gjenoppretting, fanges opp med synkroniserte observasjoner, robotstatus og krafttilbakemelding, og mates deretter inn i en sentralisert modell som kontinuerlig trenes på nytt og distribueres på tvers av flåten . Flåten oppnår allerede en pålitelighetsrate på omtrent én intervensjon per 53.000 plukk som krever menneskelig hjelp .

Cortex 2.0: Fra 'prøv og se' til 'planlegg og prøv'

Cortex 2.0, neste generasjons modell som serie B-midlene spesifikt er allokert til å skalere, utvider den nåværende VLA-modellen med en lært verdensmodell som simulerer fysikk og objektatferd . I stedet for å handle og korrigere feil reaktivt, genererer roboten nå flere mulige fremtidige baner fra sin nåværende tilstand, scorer hver mot verdensmodellen for stabilitet, risiko og effektivitet, og forplikter seg kun til den best scorede grenen – og oppdaterer i sanntid etter hvert som scenen endres . Dette paradigmeskiftet fra 'prøv-og-se' til 'planlegg-og-prøv' er avgjørende for høyrisiko oppgaver som montering av komponenter under spenning, plassering av skjøre gjenstander og kitting, ikke bare plukking . Planleggingsberegningen kan justeres per oppgave, og bruker mer fremsyn der feil er kostbart og mindre der gjenoppretting er billig . Serie B-kapitalen finansierer også Sereacts internasjonale ekspansjon, inkludert et nytt kontor i Boston .