Beobachtetes Signal · 10. Okt. 2026 · Funding · Quelle: Trending Topics (DACH/CEE Innovation & Tech) · Relevanz: 4/5 · Sentiment: Positiv
Sabi sammelt 50 Mio. Dollar für Gedanken lesende Kappe
Sabi, ein Startup aus dem Silicon Valley, hat eine Seed-Finanzierung in Höhe von 50 Millionen Dollar unter der Führung von Khosla Ventures eingeworben, um eine Baseballkappe zu entwickeln, die Hirnsignale in Text und Befehle für KI-Assistenten übersetzt. Die Kappe nutzt berührungslose EEG-Sensoren, die durch die Haare hindurch messen, ohne Gel oder Operation. Das Unternehmen hat einen eigenen EEG-Chip entwickelt und trainiert ein Brain Foundation Model mit über 100.000 Stunden EEG-Daten. Die Kappe soll Gedanken als Text anzeigen, trainierte Gedankenbefehle an KI-Assistenten weiterleiten und die nächste Tasteneingabe vorhersagen. Ein Prototyp wird auf der CES im Januar gezeigt. Die Technologie steht jedoch vor großen Herausforderungen, da eine Meta-Studie eine Fehlerquote von 67 % bei der EEG-Dekodierung zeigte. Unabhängige Messwerte zur Genauigkeit der Sabi-Kappe liegen noch nicht vor.
Diese bedeutende Seed-Finanzierung für ein neuartiges Brain-Computer-Interface-Startup könnte zukünftige KI-gesteuerte Interaktionsformen beeinflussen, auch wenn die Technologie noch in den Kinderschuhen steckt und Genauigkeitsprobleme bestehen.
Marktsignale zu Khosla Ventures in Echtzeit verfolgen
Polaris7 erfasst behördliche Registrierungen, Primärquellen, Führungswechsel und Deal-Aktivitäten rund um die Uhr. Erstellen Sie Ihren kostenlosen Explorer-Workspace, um automatisierte Executive Briefings zu erhalten.
Wichtigste Kernpunkte & Evidenz
- Sabi hat 50 Millionen Dollar in einer Seed-Finanzierung unter der Führung von Khosla Ventures eingesammelt; beteiligt sind Accel, Initialized Capital, DST Global, Collaborative Fund und Ascend.
- Auch der frühere OpenAI-Produktchef Kevin Weil investiert in die Runde.
- Sabi entwickelt eine Baseballkappe mit berührungslosen EEG-Sensoren, die durch die Haare messen.
- Das Unternehmen hat einen eigenen EEG-Chip entwickelt und trainiert ein Brain Foundation Model mit über 100.000 Stunden EEG-Daten.
- Ein Prototyp soll auf der CES im Januar gezeigt werden; Preise sind noch nicht bekannt.
Verknüpfte Unternehmen
10 verknüpfte Unternehmen“Sabi has just raised a $50 million seed round led by Khosla Ventures...”
“participation from Accel, Initialized Capital, DST Global, Collaborative Fund, Ascend and Kevin Weil...”
“participation from Accel, Initialized Capital, DST Global, Collaborative Fund, Ascend and Kevin Weil...”
“participation from Accel, Initialized Capital, DST Global, Collaborative Fund, Ascend and Kevin Weil...”
“Kevin Weil, OpenAI’s former chief product officer...”
“The team includes alumni of Kernel, Apple, Microsoft, Meta and Nike....”
“Kameraspezialist Nikon hat das Siegervideo seines renommierten Mikroskopie-Wettbewerbs Small World in Motion nachträglich disqualifiziert...”
“The team includes alumni of Kernel, Apple, Microsoft, Meta and Nike....”
“The team includes alumni of Kernel, Apple, Microsoft, Meta and Nike....”
“The team includes alumni of Kernel, Apple, Microsoft, Meta and Nike....”
Ontologie & Marktkonzepte
Verwandte Marktsignale & Trends
Aktuelle verifizierte Unternehmensentwicklungen und Deal-Aktivitäten in diesem Marktsegment.
Cerebionics entwickelt nicht-invasive BCI zur Maschinensteuerung durch menschliche Intention
Das norwegische Startup Cerebionics, gegründet von Agnessa Pedersen, entwickelt eine nicht-invasive Brain-Computer-Interface-Plattform (BCI), die mithilfe von EEG-Elektroden menschliche Intentionen in Maschinenbefehle übersetzt. Das System dient als zusätzlicher Steuerungskanal für Drohnen, unbemannte Bodenfahrzeuge und C2-APIs. Im Gegensatz zu Neuralinks invasivem Ansatz konzentriert sich Cerebionics auf übergeordnete Befehle anstelle von Feinmotorik. Die Technologie wurde bereits mit ukrainischen Soldaten getestet, um die Robustheit zu verbessern. Mit Absichtserklärungen untermauertes kommerzielles Interesse ist vorhanden, während das Team skaliert wird. Zukünftige Anwendungsbereiche liegen neben dem Verteidigungssektor im Gesundheitswesen, der Industrie und im Consumer-Bereich, einschließlich Gaming und der Integration in Wearables wie Smart Glasses.
Goodfire sammelt 150 Millionen US-Dollar zur Entschlüsselung von KI ein
Das auf mechanistische Interpretierbarkeit spezialisierte KI-Forschungs-Startup Goodfire hat in einer Serie-B-Finanzierungsrunde 150 Millionen US-Dollar bei einer Bewertung von 1,25 Milliarden US-Dollar eingeworben. Das von Dan Balsam, Eric Ho und Tom McGrath mitgegründete Unternehmen entwickelt Tools, um neuronale Repräsentationen in Large Language Models zu untersuchen und gezielt einzugreifen. Goodfire hat bereits praxisnahe Ergebnisse erzielt: Gemeinsam mit Primmamenta wurden potenzielle epigenetische Biomarker zur Früherkennung von Alzheimer identifiziert. Zudem implementierte das Unternehmen gemeinsam mit Partnern wie Rakuten Interpretability-Guardrails zur Laufzeit und entdeckte neuronale Halluzinations-Signaturen, die als Trainingssignale zur Reduzierung von Halluzinationen dienen. Der Ansatz positioniert sich als sicherheits- und zuverlässigkeitsorientierte Ergänzung zu herkömmlichen LLM-Skalierungsstrategien.
Encord testet Gehirnwellen-Daten für das Training von physischer KI
Encord führt in einem Lagerhaus in San Leandro Versuche durch, um neue Trainingsdaten für die Robotik zu generieren. Dabei werden egozentrische Videos, Armmuskelsensoren, Leader-Follower-Rigs und Gehirnwellenmessungen kombiniert. Das im Test eingesetzte Headset stammt von dem deutschen Startup Zander Labs. Encord plant, Datensätze mit mentalen Zuständen wie Fehlern, Absichten und Überraschungen zu versehen, um deren Einfluss auf die Leistung von Roboter-Modellen zu prüfen. Da physische Trainingsdata knapp und teuer in der Herstellung sind, treibt das Unternehmen ein Geschäftsmodell zur Produktion spezifischer Datensätze für Manipulationsaufgaben voran. Führungskräfte schätzen, dass der für Fortschritte in der physischen AI erforderliche Umfang die heutigen Korpora um Größenordnungen übertrifft. Encord experimentiert daher mit dichter Annotation und multimodalen Signalen, um den Wert der Datensätze zu steigern.
Marktsignale & Strategische Shifts in Echtzeit verfolgen
Erstellen Sie benutzerdefinierte Watchlists, um automatisierte, evidenzbasierte Executive Briefings zu erhalten, sobald wesentliche Signale oder Marktverschiebungen auftreten.