Niobia setzt KI-Agenten in Fabriken ein, um Defekte an Chips und Batterien zu erklären (Interview)

Software zur KI-gestützten Fehlererkennung und Ursachenanalyse für Fertigungslinien von Batterien und Halbleitern.

Dass Hersteller eigenständige KI-Agenten direkt auf Produktionsanlagen bringen – und die Daten aus der Cloud heraushalten –, um die Ursachenanalyse von Defekten von Tagen auf Minuten zu verkürzen.

Gaurav Jha und Harveen Kaur, beide promovierte Chemiker, die bei Chipherstellern und Batterieproduzenten gearbeitet haben, gründeten das Unternehmen in San Francisco aufgrund der teuren, langsamen Fehleruntersuchungen, die sie selbst erlebt hatten.

In einem Gespräch vor der Disrupt sagt Mitgründer Gaurav Jha, die Agenten liefen auf eigenständigen GPUs, die wie Sensoren an Produktionsanlagen montiert seien, erkennten nadelstichgroße Fehler und bündelten Daten, sodass Ingenieure einen Chatbot in Minuten nach Ursachen fragen könnten.

Ingenieure in Chip- und Batteriewerken verbringen Tage oder länger mit der Diagnose von Ausfällen, bevor die Produktion wieder anläuft, und jeder Fehler kann Millionen kosten.

Nadelstichgroße Defekte wie Kratzer entgehen der konventionellen Inspektion, sodass die Ursachenanalyse langsamer manueller Arbeit überlassen bleibt.

Die Weigerung der Kunden, proprietäre Daten in Cloud-KI zu überführen, erzwang die Architektur: GPUs auf dem Gerät, Open-Source-Modelle und kundenseitig gehaltene Verschlüsselungsschlüssel.

In der industriellen KI ist der Hemmschuh nicht die Modellqualität, sondern die Datenverwahrung: eigenständige Hardware und kundenseitig gehaltene Verschlüsselungsschlüssel sind der Preis des Eintritts, wo Prozessdaten das Kronjuwel sind.

Stand 13. Oktober 2026 präsentiert sich Niobia auf der TechCrunch Disrupt 2026 als Battlefield-Finalist; es wurden keine Kundennamen, Umsatzzahlen oder Finanzierungsrunden offengelegt, und der kurzfristige Fokus liegt auf den drei Spezialprozessen sowie darauf, die Technologie autonomer zu machen.