Über uns
Echte Probleme lösen
mit einzigartigen Technologien
Die Verbindung von Künstlicher Intelligenz und Robotik bietet ein unendliches technologisches Potenzial. Wir nutzen die Kraft dieser Symbiose und entwickeln Lösungen für die großen Herausforderungen, mit denen unsere Kunden tagtäglich zu tun haben.
Standorte
HQ
Das Headquarter von Sereact liegt in Stuttgart-Vaihingen. Das großflächige Büro bietet den Mitarbeitenden vielfältige Möglichkeiten, ihre persönliche work routine auszuleben – inklusive rückenfreundlich gestalteter Arbeitsplätze, Raum für kollaboratives Arbeiten sowie einer gemütlichen Coffee Lounge. Im integrierten Robotics Lab können wir außerdem unsere Produkte testen, weiterentwickeln und vorführen.
Gründer
Ralf Gulde
Ralfs Herz schlägt für die intelligente Robotik. Während seines Studiums der Mechatronik entdeckte er die Faszination für die Umsetzung wissenschaftlicher Erkenntnisse in die Anwendung. Bei FESTO arbeitete er an Montageprozessen mit kollaborativer Robotik. Zusammen mit Marc forschte Ralf an der Universität Stuttgart an der Kombination von Robotik und künstlicher Intelligenz. Nach mehreren Jahren der Forschung gründeten Ralf und Marc schließlich Sereact, um Probleme der realen Welt zu lösen und der Gesellschaft zu helfen, grundlegende Herausforderungen wie den Arbeitskräftemangel zu überwinden.
Marc Tuscher
Marc ist passionierter Deep-Learning Ingenieur und hat es sich zum Ziel gesetzt, intelligente Roboter zu entwickeln. Nach seinem Informatikstudium an der Universität Stuttgart forschte er im Bionik-Team von FESTO an autonomen Robotern und entwickelte eine Cloud-Edge-Umgebung für KI in der Automobilindustrie. Marcs Traum, ein eigenes Unternehmen zu gründen, entstand vor allem aus dem Drang, große und komplexe Probleme zu lösen und einen technologischen Beitrag zum gesellschaftlichen Fortschritt zu leisten.
Partner
Publikationen
- Maintenance Automation: Methods for Robotics Manipulation Planning and Execution Friedrich, C. / Gulde, R. / Lechler, A. / Verl, A. W.
- Deep 6-DoF Tracking of Unknown Objects for Reactive Grasping Tuscher, M. / Horz, J. / Driess, D. / Toussaint, M.
- Deep Reinforcement Learning using Cyclical Learning Rates Gulde, R. / Tuscher, M. / Csiszar, A. / Riedel, O. / Verl, A. W.
- Reinforcement Learning Approach to Vibration Compensation for Dynamic Feed Drive Systems Gulde, R. / Tuscher, M. / Csiszar, A. / Riedel, O. / Verl, A. W.