Interloom sichert 16,5 Mio. $ für KI-Agenten und "stillschweigendes Wissen

Das Münchner Startup Interloom hat eine neue Finanzierungsrunde in Höhe von 16,5 Millionen US-Dollar abgeschlossen. Das Unternehmen will die traditionelle Geschäftsprozessautomatisierung für das Zeitalter der Künstlichen Intelligenz (KI) transformieren, indem es das Problem des sogenannten "stillschweigenden Wissens" für KI-Agenten löst.

Die Finanzierung wurde von DN Capital angeführt, mit Beteiligung von Bek Ventures und dem bestehenden Investor Air Street Capital. Zuvor hatte Interloom im März 2024 bereits eine Seed-Runde von 3 Millionen US-Dollar bekannt gegeben. Die Bewertung des Unternehmens nach der jüngsten Finanzierungsrunde wurde nicht offengelegt.

Interloom sichert sich 16,5 Millionen US-Dollar für KI-Innovation

Die frische Kapitalzufuhr soll Interloom dabei unterstützen, seine Mission voranzutreiben, KI-Agenten in Unternehmen effektiver einzusetzen. Das Startup konzentriert sich darauf, die Lücke zwischen dokumentiertem und undokumentiertem Wissen zu schließen, um die Leistungsfähigkeit von KI-Systemen zu maximieren.

Fabian Jakobi, Gründer und CEO von Interloom, ist ein erfahrener Unternehmer. Er gründete zuvor Boxplot, ein Unternehmen, das er 2021 an Hyperscience, einen auf Datenextraktion aus unstrukturierten Dokumenten spezialisierten KI-Softwareanbieter aus New York, verkaufte.

Das Problem des "stillschweigenden Wissens" in der KI-Ära

Das Konzept des "stillschweigenden Wissens" wurde vom britisch-ungarischen Philosophen, Ökonomen und Wissenschaftler Michael Polyani geprägt, der feststellte, dass ein Großteil der Expertise in jedem Bereich niemals schriftlich festgehalten wird. Polyani fasste dies mit dem berühmten Satz zusammen: „Wir wissen mehr, als wir sagen können.“ Dieses Wissen existiert oft als eine Art professionelle Intuition, die selbst der Experte nicht vollständig artikulieren kann.

Für Unternehmen, die Arbeitsabläufe mit KI-Agenten automatisieren möchten, stellt dieses stillschweigende Wissen eine erhebliche Herausforderung dar. Jakobi betont, dass etwa 70 % der operativen Entscheidungen nie formell dokumentiert wurden. Wenn beispielsweise ein komplexes Support-Ticket auf dem Schreibtisch eines erfahrenen Mitarbeiters landet, kennt dieser die Lösung, das richtige interne Team zur Eskalation und die Auflösung – nicht weil es in einem Handbuch steht, sondern aus Erfahrung.

Interlooms "Kontextgraph": Eine neue Herangehensweise

Interlooms Ansatz besteht darin, Millionen von operativen Aufzeichnungen – wie Support-E-Mails, Service-Tickets, Anrufprotokolle und Arbeitsaufträge – zu erfassen. Daraus wird ein sogenannter "Kontextgraph" erstellt, eine kontinuierlich aktualisierte Karte, wie Probleme innerhalb einer Organisation tatsächlich gelöst werden. Jakobi vergleicht das Konzept mit Google Maps: So wie Google optimale Routen aus Echtzeit-Verkehrsdaten lernt, kartiert Interloom die Wege, die operative Experten zur Problemlösung einschlagen, und nutzt diese Karten, um KI-Agenten und neue Mitarbeiter gleichermaßen zu führen.

Jakobi argumentiert, dass die aktuelle Begeisterung für KI-Agenten den Engpass des stillschweigenden Wissens oft übersieht. Er sieht das als das "Unternehmensgedächtnis"-Problem.

Erfolgreiche Anwendungen bei Großunternehmen

Die Software von Interloom ist bereits bei mehreren großen europäischen Unternehmen im Einsatz. Bei der Commerzbank analysierte Interloom Millionen von Kunden-Support-E-Mails und glich sie mit bestehender interner Dokumentation ab. Dabei stellte sich heraus, dass ein Großteil davon widersprüchlich oder unvollständig war. Das Unternehmen gibt an, die Lücke zwischen dokumentiertem und tatsächlichem operativem Wissen von etwa 50 % auf 5 % reduziert zu haben.

Bei Volkswagen verarbeitet Interloom Kunden-Support-Tickets. Bei Zurich Insurance gewann Interloom einen unternehmensweiten KI-Wettbewerb – Jakobi zufolge gegen 2.000 andere KI-Startups – für einen Underwriting-Anwendungsfall. Eine Underwriting-Entscheidung bei einem Versicherungsunternehmen, so Jakobi, spiegele die spezifische Risikobereitschaft des Unternehmens, die gesammelte Erfahrung mit bestimmten Maklern und Produkten sowie institutionelles Wissen wider, das kein allgemeines Modell besitze.

Investoren sehen großes Potenzial

Die neuen Investoren von Interloom teilen diese These. Guy Ward Thomas, Partner bei DN Capital, erklärte, dass "ein Agent nur so gut ist wie die Expertenentscheidungen, auf die er sich verlassen kann." Er fügte hinzu, dass DN Capital bei anderen KI-Agenten-Startups festgestellt habe, dass diese Agenten selten gut funktionieren, wenn ihnen der richtige Kontext über das Unternehmen fehlt, in dem sie eingesetzt werden.

Mehmet Atici von Bek Ventures unterstützte zuvor UiPath, einen führenden Anbieter in der vorherigen Welle der Robotic Process Automation (RPA). Atici merkte an, dass RPA auf Agenten basierte, die größtenteils fest programmiert waren, um denselben Arbeitsablauf immer auf die gleiche Weise zu befolgen. Er ist überzeugt, dass KI nun eine neue Welle der schnellen Einführung in Unternehmen auslöst.

Der Markt und die Wettbewerbslandschaft

Interlooms Zeitpunkt könnte günstig sein. Die sogenannte "Great Retirement" führt dazu, dass in den USA täglich etwa 10.000 Babyboomer in den Ruhestand gehen. Mit ihnen geht jahrzehntelanges institutionelles Wissen verloren, gerade während Unternehmen versuchen, KI in großem Maßstab einzusetzen.

Jakobi beschreibt die Wettbewerbslandschaft in klaren Worten. Sein größter Rivale sei die Trägheit – die Annahme in großen Unternehmen, dass der Betrieb so weiterlaufen werde, wie er es in den letzten zehn Jahren getan hat. Obwohl viele Unternehmen wie OpenAI, ServiceNow und Microsoft an ähnlichen Produkten für das Management und die Orchestrierung von KI-Agenten arbeiten, ist Jakobi überzeugt, dass Interlooms "Kontextgraph" einen entscheidenden Vorteil gegenüber diesen größeren Akteuren bietet, da diese selten Einblicke in einen gesamten komplexen Prozess haben.

Interlooms nächster Produktschritt ist intern als "Chief of Staff" bekannt. Diese Ebene soll Managern Echtzeit-Einblicke in die Leistung ihrer KI-Agenten ermöglichen, komplett mit Versionskontrolle für agentengesteuerte Prozesse.