ETH-Spin-off MESH sammelt 3.8 Mio. Dollar, Project Switzerland startet mit 10 Scale-ups, Digital Shapers Gala 2026 würdigt 100 Ausgezeichnete.
Die Schweizer Tech-Szene zeigt sich in Hochform: Finanzierung, Skalierung und Anerkennung in einer Woche.
Das ETH-Spin-off MESH hat 3.8 Mio. Dollar in der Seed-Finanzierung eingesammelt – und die Runde war überzeichnet! Mit ABB Robotics Ventures und Sika an Bord automatisiert das Startup die Bewehrungskonstruktion. Beeindruckend: Über 1 Million Bewehrungselemente wurden bereits verarbeitet, auch beim Gotthard-Tunnel. Hier zeigt sich, wie KI in der Schweizer Konstruktion Realität wird.
Parallel startet Project Switzerland mit vollem Tempo: 10 Scale-ups wurden für die erste Kohorte ausgewählt – von Futurae bis Voltiris. 270.2 Mio. CHF Gesamtfinanzierung, 550 Mitarbeiter*innen. Das ist die Breite, die wir brauchen.
Und noch was Schönes: Die Digital Shapers Gala 2026 im Zurich Folium würdigt 100 Ausgezeichnete. Keynotes von Allen Cao (Huawei CH), Christoph Aeschlimann (Swisscom) und Bundeskanzler Viktor Rossi. Die Schweizer Tech-Szene rockt.
Roche hat seine Zusammenarbeit mit Nvidia massiv ausgebaut und stellt über 3'500 GPUs bereit – damit verfügt der Basler Pharmakonzern über die grösste KI-Infrastruktur der Branche.
Die grösste GPU-Armada im Pharma-Business: Roche nutzt 3'500 Nvidia-Prozessoren, um Arzneimittelentwicklung zu beschleunigen – kriegt aber auch die Risiken zu spüren.
Das Zürcher Startup GoNina nutzt künstliche Intelligenz, um die Backwaren-Nachfrage präziser vorherzusagen. Die Lösung analysiert Verkaufsdaten, Wetter und Feiertage und reduziert damit Food Waste, ohne Umsätze zu schmälern.
Mit einer monatlichen Gebühr von CHF 200-300 hilft GoNina über 60 Schweizer Bäckereien, Lebensmittelverschwendung zu senken.
ETH-Forscher haben einen Sensorchip entwickelt, der Bilder, Video und Audio im Moment der Aufnahme kryptographisch signiert. Fälschungen werden nicht im Nachhinein erkannt, sondern von Anfang an verunmöglicht.
Der ETH-Chip löst das Deepfake-Problem dort, wo es entsteht: bei der Aufnahme – statt immer bessere Erkennungsalgorithmen gegen immer bessere Generierungsmodelle antreten zu lassen.
