Das Startup Pedestal AI hat nach dem erfolgreichen Abschluss einer Seed-Finanzierungsrunde in Höhe von 4,7 Millionen Dollar seinen Austritt aus der Stealth-Phase bekannt gegeben. Das Unternehmen beabsichtigt, mit dieser Finanzierung Agentic AI-Technologien einzusetzen, um Lieferketten schneller und zuverlässiger zu machen – ein Trend, der zunehmend das Interesse großer Reedereien und Fortune-500-Unternehmen weckt.
Die Finanzierungsrunde wurde von Eclipse geleitet, unter Beteiligung von RRE, Converge VC, Timescale Ventures und VitalStage. Das Unternehmen plant, die Investitionen für den Ausbau der Engineering- und Produktentwicklungsteams sowie für die Stärkung der Marketingkapazitäten und die Unterstützung der Feldeinsätze seiner Technologien zu nutzen.
Was ändert sich in der Praxis?
Die Technologie von Pedestal AI konzentriert sich darauf, Reibungspunkte in Lieferprozessen zu beseitigen, indem Aufgaben, die bisher menschliches Eingreifen erforderten, an KI-Agenten delegiert werden. Zu den wichtigsten bisher erzielten Ergebnissen des Unternehmens gehören:
- Reduzierung von Lieferfehlern: Das Unternehmen konnte die Rate der nicht abgeschlossenen Lieferungen für einen großen Möbelhersteller um 20 % senken.
- Intelligente Kommunikation: Das Agentensystem kontaktiert Kunden 30 Minuten vor dem Liefertermin, um spezielle Anweisungen einzuholen. Sollte der Kontakt nicht zustande kommen, wird über ein separates System eine Textnachricht versendet.
- Datenerfassung: Diese Prozesse tragen dazu bei, präzise Daten über Engpässe im Lieferprozess zu sammeln, was eine kontinuierliche Systemoptimierung ermöglicht.
Die technische Herausforderung: Verstreute Daten und Reinforcement Learning
Raj Aggarwal, CEO des Unternehmens, erklärte, dass die größte Herausforderung in diesem Sektor nicht die Künstliche Intelligenz selbst sei, sondern die Beschaffenheit der Daten. Lieferkettendaten seien oft "chaotisch" und über veraltete Altsysteme (Legacy Systems) verstreut, was ihre Verarbeitung äußerst schwierig mache.
Aggarwal ist der Ansicht, dass Lieferprozesse eine ideale Umgebung für das Training von Reinforcement Learning-Systemen darstellen, da das hohe Transaktionsvolumen und die präzise Messbarkeit der Ergebnisse eine Feinabstimmung der Systeme auf effizientere Abläufe erleichtern. Dieser Vorstoß erfolgt zu einer Zeit, in der der Sektor für KI-gestützte Lieferkettenlösungen eine hohe Dynamik aufweist, begleitet vom Aufkommen anderer Startups wie Atomic und Loop, die sich auf Bestandsmanagement und prädiktive Analysen konzentrieren.