Jedify sichert sich 24 Millionen Dollar, um KI-Agenten mit geschäftlichem Kontext auszustatten

KI-Anbieter vermarkten ihre Unternehmensprodukte oft als einsatzbereite Lösungen, doch die Wahrscheinlichkeit, dass KI-Agenten vom ersten Tag an effektiv arbeiten, ist gering. Ohne eine Anpassung des Modells an die spezifischen Abläufe Ihres Unternehmens kann es nicht nachvollziehen, wie Ihr Unternehmen Umsatz definiert oder welche Mitarbeiter Zugriff auf bestimmte Dateien haben. Dies ist ein Grund, warum KI-Unternehmen Ingenieure entsenden, um bei der Integration ihrer Tools in die Kundenumgebungen zu helfen.

Jedify, ein Start-up mit Sitz in New York, widmet sich genau dieser Herausforderung. Nach Angaben des Unternehmens nutzt seine Plattform APIs, um eine Verbindung zu Wissensquellen des Unternehmens herzustellen und einen „Kontextgraphen“ des Geschäfts zu erstellen, wodurch KI-Agenten effektiver arbeiten können. Zu diesen Quellen gehören Datenbanken, Data Warehouses, Data Lakes, SaaS-Anwendungen, BI-Tools sowie unstrukturierte Quellen wie Berichte, Dokumentationen, Codebasen, Slack-Kanäle und Besprechungsaufzeichnungen.

Um diese Entwicklung voranzutreiben, hat Jedify, wie TechCrunch exklusiv berichtet, eine Serie-A-Finanzierung in Höhe von 24 Millionen US-Dollar unter der Führung von Norwest gesichert. Die bisherigen Investoren S Capital VC und Cerca Partners beteiligten sich an der Finanzierungsrunde, ebenso wie der neue Investor Oceans Ventures. Auch der Datenriese Snowflake beteiligte sich als strategischer Investor und integriert die Technologie von Jedify in seine eigenen KI-Angebote, darunter Cortex AI, Semantic Views und CoWork.

Jedifys Kernthese lautet, dass KI-Agenten die Beziehungen zwischen Entitäten, Daten, Berechtigungen, Fachwissen, Arbeitsabläufen, operativen Annahmen und unternehmensspezifischer Terminologie verstehen müssen, um in einem Unternehmensumfeld wirklich von Nutzen zu sein. Dieser Kontext, so erklärt das Unternehmen, ermöglicht es einem KI-Agenten, sich auf Informationen zu konzentrieren, die für eine bestimmte Aufgabe relevant sind, anstatt die Daten des gesamten Unternehmens zu durchforsten.

Mitbegründer und CEO Assaf Henkin (oben im Bild ganz rechts) nannte Kiteworks, ein auf Compliance spezialisiertes Unternehmen, als Beispiel dafür, wie Kunden Jedify nutzen. Kiteworks integrierte Snowflake, Tableau, Notion und interne Playbooks – einschließlich Dokumenten und Screenshots – in Jedify und entwickelte anschließend agentenbasierte Tools für verschiedene Kunden-Workflows.

„Ihr Ziel war es, ihre Vertriebs- und Kundenbetreuungsteams mit einer ausgeklügelten Anwendung auszustatten – stellen Sie sich ein Dashboard in Kombination mit einem Echtzeit-Kommunikationstool vor. Wenn sie ein Kundengespräch beginnen, generiert Jedify dynamisch alles, was sie wissen müssen. Während des Gesprächs liefert es proaktiv hochspezifische Details in Echtzeit“, sagte Henkin.

Der Kontextgraphen von Jedify. Bildnachweis:JedifyBildnachweis:Jedify /

Henkin argumentiert, dass sich der Kontextgraph von Jedify von bestehenden semantischen Ebenen, Metadatenkatalogen und Wissensgraphen unterscheidet, da er mehrdimensional ist – er erfasst Beziehungen zwischen Entitäten, Daten, Personen, Berechtigungen und Kunden. Außerdem ist er modellunabhängig und wird in Echtzeit aktualisiert, während Informationen in verbundene Systeme ein- und aus diesen fließen.

„Wenn man eine agentenbasierte Lösung benötigt, die autonom arbeitet – also Entscheidungen auf der Grundlage von CRM-Daten, Zendesk-Tickets und möglicherweise Echtzeit-Telemetriedaten trifft –, bietet ein Kontextgraph im Vergleich zu einer semantischen Ebene weitaus überlegene Fähigkeiten“, sagte er.

Berechtigungen stellen eine klare Herausforderung dar. So sollte ein Mitarbeiter beispielsweise einem Praktikanten keinen Zugriff auf die Umsatzprognosen des Finanzvorstands gewähren. Henkin erklärt, dass seine Plattform dieses Problem löst, indem sie Berechtigungen aus Identitätssystemen, Dateisystemen, SaaS-Tools und Datenbanken – einschließlich Regeln auf Zeilen-, Spalten- und Tabellenebene – übernimmt und es den Kunden anschließend ermöglicht, zusätzliche Gruppen anzulegen, die festlegen, auf welche Daten Agenten oder Workflows zugreifen dürfen. Die Plattform bietet zudem Observability- und Governance-Tools, mit denen Kunden überprüfen können, ob sich ihre KI-Agenten wie erwartet verhalten.

Jedify richtet sich derzeit an mittelständische und große Unternehmenskunden mit ausgereiften Daten-Stacks und mehreren Datenbanken oder Data Warehouses. Laut Henkin hat das Unternehmen zwischen 10 und 20 erste Kunden, darunter The Weather Company, und stößt auf Interesse in datenintensiven Branchen wie Gaming, Industrie und Konsumgüter.

Die Investition und Partnerschaft von Snowflake sind bemerkenswert, da auch große Datenplattformen ähnliche Funktionen entwickeln. Henkin betont jedoch, dass Jedify diese Bemühungen ergänzt, da ein erheblicher Teil der Daten eines Unternehmens und der Großteil seines institutionellen Wissens in der Regel bei mehreren Anbietern und nicht in einer einzigen Cloud gespeichert sind.

„[Die großen Datenunternehmen] werden Ihnen sagen: ‚Oh ja, bringen Sie einfach alles mit.‘ Aber in Wirklichkeit verfügen Unternehmen über mehrere Datenbanken, Data Warehouses und Datenlösungen. Der entscheidende Punkt ist, dass nicht alle Ihre Daten in diesen Umgebungen gespeichert sind und auch der Großteil Ihres Wissens nicht dort zu finden ist – daher ist das für sie eigentlich ein Nachteil“, sagte er.

Henkin wies außerdem darauf hin, dass für Unternehmen, die versuchen, eine vergleichbare Kontextschicht eigenständig aufzubauen, das Trainieren eines KI-Modells unerschwinglich teuer sein kann, insbesondere da Unternehmen beim Verbrauch von KI-Token immer vorsichtiger werden.

Darüber hinaus untermauert das rasante Tempo der KI-Modellentwicklung die allgemeine These des Unternehmens: Da Modelle immer leistungsfähiger und austauschbarer werden, könnte firmeneigener Kontext, der ihre Leistung innerhalb von Unternehmen verbessert, zu einem wertvollen und dauerhaften Wettbewerbsvorteil werden.

Das Start-up plant, das neue Kapital für die Produktentwicklung, die Einstellung neuer Mitarbeiter und Markteinführungsmaßnahmen zu verwenden. Damit beläuft sich die Gesamtfinanzierung des Unternehmens auf rund 33 Millionen US-Dollar.