Die JuliaHub Series B Finanzierung markiert einen wichtigen Schritt für die Weiterentwicklung agentenbasierter KI im industriellen Umfeld. Mit Dyad 3.0 bringt das Unternehmen eine Plattform auf den Markt, die digitale Zwillinge und Engineering-Prozesse grundlegend verändert.

JuliaHub Series B Finanzierung für Dyad 3.0

JuliaHub schließt Series-B-Finanzierung über 65 Millionen Dollar ab und bringt mit Dyad 3.0 agentenbasierte KI in industrielle Digitale Zwillinge

Dyad, die weltweit erste agentenbasierte KI-Plattform für Hardware-Engineering, bringt Physical AI in den Entwurf und Test komplexer Systeme. F&E-Zyklen, die bisher Monate dauerten, schrumpfen auf Tage.

JuliaHub gibt heute den Start von Dyad 3.0 und den Abschluss einer Series-B-Finanzierungsrunde über 65 Millionen US-Dollar bekannt. Angeführt wird die Runde von Dorilton Capital, beteiligt sind General Catalyst, AE Industrial Partners sowie der Technologieinvestor und ehemalige Snowflake-CEO Bob Muglia. Dyad verändert grundlegend, wie physische Systeme entworfen und gebaut werden: Autonome KI-Agenten übernehmen den digitalen Entwurf und Test industrieller Maschinen. Von der Wärmepumpe über den Satelliten bis zum Halbleiter können Ingenieurteams Entwicklungszyklen von Monaten auf Minuten verkürzen. Mehrere Fortune-100-Unternehmen setzen Dyad und Julia bereits in der Luft- und Raumfahrt, der Verteidigung, der Automobilindustrie, der Gebäudetechnik und der Versorgungswirtschaft ein.

„Systemmodellierung ist eine der strategisch wichtigsten Schichten im KI-nativen Engineering-Stack – dort, wo Physik, Regelungslogik und KI zusammentreffen. JuliaHub hat mit Dyad etwas Außergewöhnliches geschaffen: eine Plattform, die Systeme nicht nur modelliert, sondern kompiliert. Ingenieure gelangen vom Konzept bis zum produktionsreifen Steuerungscode in einer einzigen Umgebung. Wir glauben, dass JuliaHub das Potenzial hat, eines der prägenden Unternehmen im Bereich Physical AI zu werden, und unterstützen das Team mit Überzeugung auf dem Weg zur Marktreife von Dyad.“

– Daniel Freeman, Dorilton Capital

JuliaHub Series B Finanzierung und das Problem im Engineering

Das ungelöste Problem der Hardware-Innovation

Der Maschinenbau und die physische Produktentwicklung gehören zu den größten Wirtschaftssektoren, die von der KI-Revolution bisher kaum profitiert haben. Während Werkzeuge wie Claude Code, Codex und Gemini die Softwareentwicklung transformiert haben, arbeiten Ingenieure in der Industrie weiter mit veralteten Werkzeugen. McKinsey schätzt, dass bis 2040 kumulierte Investitionen von 106 Billionen US-Dollar nötig sind, um den Bedarf an neuer und modernisierter Infrastruktur zu decken. Die Ingenieure, die diese Projekte planen und umsetzen, brauchen Werkzeuge, die mit dem Tempo KI-gestützter Software mithalten. Genau hier setzt Dyad an.

JuliaHub hat Dyad als KI-native Umgebung, in der Ingenieurteams industrielle Systeme modellieren, testen und validieren können, im Juni 2025 erstmals veröffentlicht. Man kann es sich vorstellen wie Claude Code für die physische Welt. Dyad verbindet autonome Agenten mit skalierbaren Physiksimulationen, Regelungstechnik, Sicherheitsanalysen und der Fähigkeit, Code für eingebettete Systeme zu erzeugen. So schließt es die Lücke zwischen Software und realer Welt. Ob Kläranlage oder Automobil: Für die Entwicklung detaillierter Digitaler Zwillinge, die Anpassung von Reglern an spezifische Einsatzszenarien und die Iteration von Hardware-Entwürfen braucht es keinen Doktortitel mehr.

„Es geht nicht darum, Ingenieuren bei einer Aufgabe nach der anderen zu helfen. Es geht um agentenbasiertes Engineering im großen Maßstab: Teams geben eine vollständige Spezifikation in Dyad ein, und die Plattform entwirft das komplette System. Spezifikation rein. Entwurf raus.“

– Viral Shah, CEO von JuliaHub

JuliaHub Series B Finanzierung treibt Physical AI voran

Digitale Zwillinge mit Scientific Machine Learning

Dyads cloudbasierte Agenten durchsuchen kontinuierlich das wissenschaftliche Wissen der Welt, um Modelle stetig zu verbessern. KI-automatisiertes Labortesting wächst, um sicherzustellen, dass Modelle der physischen Realität entsprechen. Streaming-Daten in Verbindung mit Scientific Machine Learning (SciML) ermöglichen es, dass Modelle automatisch dazulernen, während das System Erfahrungen aus der realen Welt sammelt. Dyads Simulationsumgebung und Modellierungssprache bilden das Fundament, auf dem all diese Erkenntnisse an die Ingenieure zurückfließen. Sie prüfen die Prozesse, gleichen Annahmen mit Kundenanforderungen ab und bleiben als Mensch in der Schleife, der die Sicherheit des Endprodukts gewährleistet. Dyads Architektur bedeutet: Ingenieure müssen nicht jede Zeile Code selbst schreiben, um Millionen von Designvarianten zu testen – und behalten trotzdem die Werkzeuge in der Hand, die sicherstellen, dass Flugzeuge in der Luft bleiben.

„Im Engineering-Softwaremarkt findet gerade ein disruptiver Umbruch statt, und Dyad ist an vorderster Front. Frühere Werkzeuggenerationen konnten weder die versprochene Produktivität liefern noch die Integration, um den Wert von KI freizusetzen. Mit Dyad kann man die Physik modellieren, Regelungsalgorithmen mit automatischer Codegenerierung entwickeln und präzise Digitale Zwillinge und Surrogatmodelle für Deep-Learning-Inferenz erstellen – alles KI-gestützt. Dyad arbeitet dort, wo Physik auf Analytik trifft. Davon profitieren Kunden und Aktionäre gleichermaßen.“

– David Joyce, ehemaliger CEO von GE Aviation und Vice Chair von GE

Physical AI im industriellen Einsatz

Allgemeine KI-Systeme können nicht garantieren, dass ein Modell den Gesetzen der Physik gehorcht. Im Maschinenbau ist ein Fehler kein Bug, den man behebt – sondern ein Brückeneinsturz oder ein Batteriebrand. Genau das hat bisher verhindert, dass KI im Hardware-Engineering eine tragende Rolle spielt. Bei einem kürzlich veröffentlichten Benchmark für die Modellierung chemischer Prozesse kamen allgemeine LLM-Systeme wie Codex, Claude Code (Opus) und Gemini kaum über die Grundkonfiguration hinaus. Dyad automatisierte die Erstellung modellprädiktiver Regler zur Optimierung der Ausbeute einer Chemieanlage nahezu vollständig – eine Aufgabe, die manuell Wochen dauert.

Dyads Modellierungssprache ist so gebaut, dass KI-Agenten sie verstehen können. Die zugrundeliegende Logik fußt auf physikalischen Gesetzen: Die Agenten können nachvollziehen, wie Flüssigkeiten durch Maschinen strömen, wie Windgeschwindigkeit und Temperatur Bauteile beeinflussen und wie Grundkräfte wie die Schwerkraft das Design bestimmen. Das Ergebnis sind physikalisch valide Modelle, denen Ingenieure vertrauen können. So hat etwa Binnies – ein Unternehmen mit über 100 Jahren Erfahrung in der Wasserwirtschaft – in Zusammenarbeit mit Williams Grand Prix Technologies und JuliaHub einen SciML-gestützten Digitalen Zwilling entwickelt, der mit nur vier Sensoreingaben Pumpenausfälle in Wasserverteilungssystemen mit über 90 Prozent Genauigkeit vorhersagt.

„Dyad bedeutet einen Paradigmenwechsel für die Wasserwirtschaft: weg vom reaktiven Betrieb, hin zu vorausschauenden, systemweiten Entscheidungen. Es hat das Potenzial, grundlegend zu verändern, wie Unternehmen reale Komplexität modellieren, Ausfälle vorhersagen und ihre Leistung täglich optimieren.“

– Tom Ray, Director of Digital Products & Services, Binnies

Dyad 3.0 Launch-Event

Dyad 3.0 wird am 19. Mai bei einem Live-Event offiziell vorgestellt. Erleben Sie Produktdemonstrationen und hören Sie von Kunden, wie sie Dyad branchenunabhängig einsetzen – von der Luft- und Raumfahrt über Gebäudetechnik und Versorgungswirtschaft bis zur Robotik. Zur Anmeldung: juliahub.com/events/dyad-3.0-launch

Bild Product Screenshot JuliaHub-Dyad

Quelle Milk & Honey PR GmbH für JuliaHub

• Vention sammelt 110 Mio. US-Dollar für Physical AI ein
• Löse ein Problem, das für dich von Bedeutung ist
• Warum verlieren Fachkräfte täglich Stunden mit Aufgaben, die längst automatisiert sein könnten
• 17,5 Millionen Euro für Blockbrain: KI rettet Unternehmenswissen vor dem Vergessen
• Warum kämpfen selbst Top Entwickler täglich mit ihren eigenen Daten?