Trajectory sammelt 45 Millionen Dollar für KI, die aus eigenen Fehlern lernt: ein ein Jahr altes Start-up mit 18 Mitarbeitern ist schon 300 Millionen Dollar wert

Heutige Modelle künstlicher Intelligenz, ob von OpenAI, von Anthropic oder Open Source, haben einen gemeinsamen Mangel: Sie lernen nicht aus ihren Fehlern, solange sie niemand neu trainiert. Firmen, die sie für Recht oder Finanzen anpassen, lösen das mit Nachtraining - und das heißt eigenes Forschungsteam oder teure externe Ingenieure, die direkt beim Kunden arbeiten.

In diese Lücke stieß Trajectory, ein Start-up, das vor etwa einem Jahr von drei Stanford-Kommilitonen mit Erfahrung bei Google DeepMind und Apple gegründet wurde. Die Firma mit 18 Mitarbeitern gab bekannt, in einer Serie-A-Runde 45 Millionen Dollar (rund 39 Millionen Euro) eingesammelt zu haben, bei einer Bewertung von 300 Millionen Dollar (rund 260 Millionen Euro). Angeführt wird die Runde von Sequoia, dabei sind auch Nvidia, Bessemer Venture Partners und Bain Capital Ventures.

Die Idee heißt kontinuierliches Lernen. Ein Unternehmen nimmt ein Open-Source-Modell, die Plattform verbindet sich mit seinen Anwendungen und sammelt Rückmeldungen dazu, wie das Modell arbeitet, dann trainiert Trajectory es neu. Mitgründer Ronak Malde vergleicht große Modelle mit einem sehr klugen Doktoranden, der ständig einen neuen Job anfängt. „Und die Wirtschaft bewertet den Menschen, der diesen Job 30 Jahre lang gemacht hat“, sagt er.

Die Kunden sind bekannte Namen unter den KI-Tools: Harvey und Rogo bringen Modellen bei, wie erfahrene Anwälte und Finanzanalysten zu arbeiten, bei Aufgaben wie der Prüfung eines bestimmten Vertragstyps oder der Bewertung eines Unternehmens nach einer genau festgelegten Methode. Auf der Liste stehen auch Decagon, Mercor und Nvidia selbst - der Investor ist zugleich Käufer. Die Plattform wird jetzt öffentlich zugänglich.

Den interessantesten Satz sagte der zweite Mitgründer, Michael Elabd. Der Ansatz ähnle der rekursiven Selbstverbesserung von KI, räumt er ein, doch Menschen blieben im Trainingsprozess, und das mache ihn sicherer, weil autonome Selbstverbesserung in unvorhergesehenen, sogar gefährlichen Folgen enden könne. Die Konkurrenz ist dicht: Thinking Machines Lab der früheren OpenAI-Technikchefin Mira Murati, dann Applied Compute, im vergangenen Monat mit 3,25 Milliarden Dollar bewertet, und Prime Intellect. Wie viele von ihnen stehen noch, wenn das Kapital nicht mehr so leicht fließt?