Zum Inhalt springen

KI

Snorkel AI verdreifacht Bewertung: 3,5 Mrd. $ für KI-Hausaufgaben

Das Trainingsdaten-Startup sammelt 350 Millionen Dollar bei 3,5 Milliarden Bewertung ein, nach 1,3 Milliarden vor 17 Monaten. Maschinen füttern ist offenbar ein verdammt gutes Geschäft.

TL;DR

  1. Snorkel AI sammelt in einer Series E 350 Mio. $ bei 3,5 Mrd. $ Bewertung ein.
  2. Das ist fast das Dreifache der 1,3 Mrd. $ von vor 17 Monaten.
  3. Snorkel verkauft jetzt fertige Datensätze und nennt einen Run-Rate-Umsatz von 375 Mio. $.

Was passiert ist

Snorkel AI baut Trainingsdatensätze und simulierte Umgebungen für KI-Labs und Großunternehmen. Jetzt hat die Firma eine Series E über 350 Millionen Dollar abgeschlossen, die sie mit 3,5 Milliarden Dollar bewertet. Angeführt wird die Runde laut TechCrunch von Insight Partners und S32.

Die Bewertung liegt fast beim Dreifachen dessen, was Snorkel vor 17 Monaten wert war: damals 1,3 Milliarden Dollar, bei einer Series D über 100 Millionen Dollar. Die Bestandsinvestoren Addition, Lightspeed, Greylock, GV und Wells Fargo haben gleich nachgelegt.

Dieser Run-Rate-Umsatz sei in den vergangenen 12 Monaten außerdem um das Achtzehnfache gewachsen, sagt Snorkel. Das ist eine Herstellerangabe, also behandle sie auch so. Die Begeisterung der Geldgeber erklärt sie trotzdem.

Unterwegs hat sich das Geschäftsmodell verändert. Snorkel hat mal Software verkauft, die das Labeln von Daten automatisiert. Letztes Jahr kam der Schwenk: Kunden bekommen jetzt fertige Datensätze, ein Angebot, das die Firma Data-as-a-Service nennt.

Ein reiner Marktplatz für menschliche Experten ist das auch nicht. Snorkel kombiniert eigene Software und Modelle, die Daten synthetisch erzeugen, mit Fachexperten.

Insight Partners nennt das Kernprodukt eine „agentic data factory". Die Story dahinter: KI-Tooling plus ein gemanagtes Expertennetzwerk baut die komplexen Trainingsdaten und Reinforcement-Learning-Umgebungen, die Frontier-Labs inzwischen haben wollen.

Warum es zählt

Alle reden über Chips und Modelle. Der leisere Engpass ist das, was in die Modelle hineinkommt.

Insight Partners argumentiert: Je längere und folgenreichere Aufgaben KI übernimmt, desto weniger generische und desto mehr spezialisierte Daten, Umgebungen und Evaluierungen brauchen Labs und Unternehmen. Vieles davon muss man von Grund auf bauen, statt es einfach zu scrapen.

Genau darauf wettet diese Runde. Wenn Agenten mehrstufige Aufgaben in Spezialgebieten abarbeiten sollen, muss ihnen erst mal jemand realistische Übungswelten bauen.

Zu Snorkels Kunden zählen Frontier-KI-Labs, aufstrebende Forschungslabs, KI-native Apps und große Unternehmen.

Snorkel ist nicht allein. TechCrunch weist darauf hin, dass andere Firmen, die sich als KI-Datenlabs positionieren, ähnlich explosiv wachsen.

Das Muster ist simpel: Die Modelle haben die Woche gewonnen, und die Leute, die ihr Lernmaterial liefern, schreiben die Rechnungen.

Was du damit machst

  • Behalte die Datenschicht im Blick.Solche Finanzierungsrunden zeigen, wo die Labs ihr Geld ausgeben. Verfolge Anbieter von Trainingsdaten und RL-Umgebungen also neben den Modell-News.
  • Umsatzangaben sind Behauptungen.Die 375 Millionen $ Run-Rate und das Achtzehnfache stammen von Snorkel selbst. Warte auf unabhängige Bestätigung, bevor du sie als Fakt zitierst.
  • Prüfe deine eigenen Daten.Wenn du Agenten für ein Spezialgebiet bauen willst, frag dich: Hast du Daten und Evaluierungen auf Expertenniveau, um sie zu trainieren und zu testen?
  • Denk an den Experten-Hebel.Snorkel koppelt Software mit Fachexperten. Tiefes Domänenwissen ist also nicht nur eine Stellenbeschreibung, sondern ein Produkt.

Ciao, sapiens. Die Roboter büffeln fleißig, und die Nachhilfelehrer kriegen gerade Gehaltserhöhung.