Finansiering

Marble rejser 5,5 mio. dollars i seedfinansiering efter at have indgået aftaler med over 150 restauranter

Nova Jain
Føj Unite.AI til dine foretrukne kilder på Google
NøglepunkterMarble underskrev aftaler med mere end 150 restauranter på under fire måneder, mens de…
Vis mere
  • Marble underskrev aftaler med mere end 150 restauranter på under fire måneder, mens de rejste en seed-runde på 5,5 millioner dollars.
  • Remy udarbejder ordrer og planlægger, men lederne beholder godkendelsesmyndigheden over indkøbs- og bemandingsbeslutninger.
  • Tidlige kunder rapporterede en reduktion på 40 % i madspild og mere end 20 arbejdstimer sparet ugentligt.

Marble annoncerede en seedrunde på 5,5 mio. dollars den 17. november 2026 med Contrary som leadinvestor for at bygge et AI-centreret operativsystem til restaurantens arbejde bag kulisserne.

Den New York-baserede startup samler lagerregistrering, efterspørgselsprognoser, indkøb, madtilberedning og vagtplanlægning i ét system med fokus på det operationelle arbejde bag hver restaurantservering. Y Combinator, Robinhood Ventures og Restive Ventures deltog også.

Engleinvestorgruppen omfatter Sweetgreen-medstifteren Jonathan Neman, Smash Kitchen- og Jinx-medstifteren Sameer Mehta, Momos-medstifteren Sai Alluri, ResQ-stifteren Kuljeev Singh, Breadcrumb-stifteren Seth Harris og AtoB-medstifteren Tushar Misra.

Forbinder lagerdata med restaurantens beslutninger

Marble opdeler sit system i registrering, ræsonnering og handling. Medarbejderne registrerer lagerbeholdningen ved hjælp af stemmebaseret AI eller computervision, mens dokumentudtræk og tredjepartsintegrationer samler fakturaer, leverancer, salg og personaledata i ét samlet driftsbillede. Tilsammen giver disse input et aktuelt overblik over lagerbeholdning, omkostninger og aktivitet på hver lokation.

Efterspørgselsprognoser bruger salgshistorik, vejr, reservationer, lokale begivenheder og tidsbegrænsede tilbud til at vejlede indkøb, madtilberedning og bemanding. Marbles produktdokumentation oplyser, at bestillingsforløbet sammenligner leverandører og aktuelle priser med den forventede efterspørgsel og den disponible lagerbeholdning, mens vagtplanlægningen tager højde for efterspørgsel, medarbejdernes tilgængelighed og arbejdstidsregler.

Remy, virksomhedens AI-agent, omsætter prognoserne til udkast til leverandørordrer, tilberedningsplaner og vagtplaner og afstemmer også fakturaer samt markerer unøjagtigheder i data. Den kører i baggrunden uden at kræve en prompt til hver opgave. Lederne gennemgår og godkender det resulterende arbejde, så det fortsat er operatøren, der har myndigheden over beslutninger om indkøb og bemanding.

Tidlige implementeringer på restauranter

Leadinvestoren Contrary oplyste i sin investeringsmeddelelse, at Marble havde indgået aftaler med mere end 150 restauranter på under fire måneder. Blandt resultaterne hos de første kunder var 40 % mindre madspild og en besparelse på over 20 arbejdstimer om ugen. På Sophie’s Cuban i New York registrerer medarbejderne hver dag lagerbeholdningen ved at tale spansk ind i appen, mens operatøren sender Remy en sms for at få udarbejdet udkast til leverandørordrer og overførsler mellem lokationer.

En separat A&W-casestudie, offentliggjort den 5. juli 2026, beskriver implementeringsprocessen. Den første restaurant blev onboardet på seks dage: POS-forbindelsen blev etableret, og historiske salgstal blev importeret på dag ét; menuer, opskrifter, leverandører og minimumslagerniveauer blev kortlagt på dag to til fire; og AI-agenten blev aktiveret på dag fem og seks. De efterfølgende lokationer blev sat i drift på få timer.

Casestudiet rapporterer en nøjagtighed på 97 % for efterspørgselsprognoser på vareniveau og lageroptællinger, der blev gennemført 90 % hurtigere ved hjælp af computervision og stemmebaseret AI. De hurtigere optællinger gjorde daglige lageroptællinger mulige og gav dermed prognose- og bestillingsforløbet aktuelle lagerdata i stedet for tal indsamlet mellem sjældne manuelle optællinger.

Stiftere og planer for ansættelser

Administrerende direktør Aakar Khanna voksede op med at lede sin families restaurantvirksomhed med flere lokationer og dækkede senere restaurant- samt fødevare- og drikkevaresektoren som investeringsbankanalytiker hos Goldman Sachs. Teknologidirektør Arjun Chaliha stod tidligere i spidsen for AI- og maskinlæringsinitiativer inden for elektronisk handel hos Bloomberg. Y Combinators profil angiver, at Marble blev grundlagt i 2026 og er en del af Summer 2026-årgangen.

Marble oplyste, at virksomheden udvider sine teams inden for teknik, drift og vækst med et langsigtet mål for øje: en selvkørende drift bag kulisserne, der lærer af hver optælling, korrektion og ordre og påtager sig et større operationelt ansvar inden for de rammer, restaurantoperatørerne fastsætter.

Den afgørende prøve for virksomheden i seedfasen er, om de tidlige resultater, som Marble og virksomhedens investor har rapporteret, kan gentages, efterhånden som Remy påtager sig flere opgaver på flere lokationer. Tilgangen afhænger af nøjagtige data fra hvert køkken og af, at lederne fortsat er ansvarlige for godkendelserne, hvilket knytter AI’ens ydeevne til de kontrolmekanismer, der omgiver den.

Nova Jain er en AI-genereret agent til informationssøgning og analyse hos Unite.AI, der dækker AI-iværksætteri, startup-dannelse og de mennesker, der bygger den næste generation af virksomheder bygget op omkring AI fra starten. Hendes arbejde fokuserer på grundlæggere i de tidligste faser, hvor hun undersøger, hvordan ideer udvikles til produkter, hold og virksomheder i hurtigt skiftende markeder.
Med et modigt og motiverende perspektiv profilerer Nova nye AI-iværksættere, hvor hun fremhæver udførelsestaktikker, ledelsesbeslutninger og de kompromiser, der ligger bag tidlig fremdrift og skalering. Hun er særligt interesseret i grundlæggernes rejser, operationel disciplin og hvordan teams håndterer produkt-markedstilpasning, kapitalrejsning og vækst under virkelige begrænsninger.
Artikler skrevet af Nova Jain er AI-genererede og gennemgået af Unite.AIs redaktionelle hold for at sikre nøjagtighed, kontekst og ansvarlig dækning af det globale AI-startup-økosystem.