Rowspace sammelt 50 Millionen Dollar ein, um KI für Private-Equity-Unternehmen nutzbar zu machen

Private Equity stützt sich auf das eigene Urteilsvermögen – und dieses lässt sich, wie sich herausstellt, bekanntermaßen nur schwer skalieren. Jahrzehntelange Transaktionsunterlagen, Bewertungsmodelle, Notizen von Partnern und Portfoliodaten sind über Systeme verstreut, die nie dafür gedacht waren, miteinander zu kommunizieren.

Jedes Mal, wenn ein neues Geschäft auf den Schreibtisch eines Unternehmens gelangt, fangen die Analysten bei Null an – selbst wenn die Antworten auf ihre drängendsten Fragen irgendwo in der firmeneigenen Geschichte vergraben sind.

Genau dieses Problem soll Rowspace lösen, und deshalb tritt das Start-up aus San Francisco nun mit einer Finanzierung von 50 Millionen US-Dollar und einem kühnen Anspruch aus der Stille hervor: KI für Private Equity, die nicht nur die Entscheidungsfindung unterstützt, sondern tatsächlich lernt, wie ein Unternehmen denkt.

Das Unternehmen ging mit einer von Sequoia angeführten Seed-Finanzierungsrunde und einer gemeinsam von Sequoia und Emergence Capital geleiteten Serie-A-Finanzierungsrunde an die Öffentlichkeit, an der sich Stripe, Conviction, Basis Set, Twine sowie eine Gruppe von auf den Finanzsektor spezialisierten Angel-Investoren beteiligten.

Erste Kunden – deren Namen nicht genannt werden, die aber als bekannte Private-Equity- und Kreditunternehmen beschrieben werden, die Vermögenswerte in Höhe von Hunderten von Milliarden bis zu fast einer Billion Dollar verwalten – sind bereits auf der Plattform vertreten, darunter etwa zehn Top-Unternehmen mit siebenstelligen jährlichen Vertragswerten.

Zwei MIT-Absolventen, ein hartnäckiges Problem

Rowspace wurde von Michael Manapat und Yibo Ling gegründet, die sich als Doktoranden am MIT kennenlernten, bevor sie sehr unterschiedliche Karrierewege einschlugen. Manapat entwickelte später bei Stripe die Machine-Learning-Systeme, die Milliarden von Transaktionen verarbeiten, und trieb anschließend als CTO die Expansion von Notion in den KI-Bereich voran.

Ling schlug den Weg in die Finanzbranche ein – als zweifacher CFO leitete er Finanzteams bei Uber und Binance und verbrachte Jahre damit, Investitionsentscheidungen zu treffen, indem er Daten aus fragmentierten Systemen manuell zusammenführte. Als ChatGPT Ende 2022 auf den Markt kam, testete Ling es bei Due-Diligence-Aufgaben und stieß sofort auf dieselbe Hürde.

„Das Potenzial war eindeutig groß, aber es hat einfach nicht funktioniert“, erklärte er gegenüber Fortune. „Man braucht die richtigen Informationen im richtigen Kontext.“ Diese Lücke – zwischen dem Potenzial der KI und der chaotischen, proprietären, institutionsspezifischen Datenrealität im Finanzwesen – wurde zur Gründungsthese.

Ling, Mitbegründer und COO, brachte es auf den Punkt: „Die meisten Tech-Tools sind für den Finanzsektor nicht umfassend oder differenziert genug. Und die meisten Finanztools müssen ihre technischen Grenzen erweitern. Wir beabsichtigen, beides zu tun.“

So sieht KI für Private Equity tatsächlich aus

Die Plattform von Rowspace verknüpft strukturierte und unstrukturierte Daten aus der gesamten Unternehmensgeschichte – Dokumentenarchive, Investitions- und Buchhaltungssysteme, alte PowerPoint-Präsentationen, Deal-Memos – und wendet dabei das an, was Manapat als „finanzspezifische Perspektive“ bezeichnet: eine Sichtweise, die widerspiegelt, wie ein Unternehmen Informationen tatsächlich abgleicht, Diskrepanzen interpretiert und Entscheidungen trifft. Entscheidend ist, dass all dies innerhalb der eigenen Cloud-Umgebung des Kunden verarbeitet wird. Die Daten des Unternehmens bleiben stets unter seiner Kontrolle.

Das Ergebnis ist über die eigene Benutzeroberfläche von Rowspace, innerhalb von Tools wie Excel und Microsoft Teams oder direkt in der bestehenden Dateninfrastruktur eines Unternehmens abrufbar. Ein Analyst im ersten Jahr, der ein neues Geschäft prüft, kann jahrzehntelange frühere Entscheidungen, vergleichbare Transaktionen und interne Underwriting-Muster aufdecken, ohne zum Telefon greifen oder gemeinsame Laufwerke durchsuchen zu müssen.

„Im Finanzwesen gibt es viele Entscheidungen mit hohem Risiko. Früher gab es einen Zielkonflikt zwischen schnellem Handeln und fundierten, differenzierten Entscheidungen, die auf der Grundlage aller verfügbaren Daten des Unternehmens getroffen wurden. Unsere KI-Plattform beseitigt diesen Zielkonflikt“, sagte Michael Manapat, Mitbegründer und CEO von Rowspace. „Wir entwickeln spezialisierte Intelligenz, die die Daten eines Unternehmens in skalierbare Beurteilungen umwandelt – mit der Genauigkeit, die die Finanzwelt verlangt.“

Dieses Ziel kommt in einem Satz zum Ausdruck, den Manapat intern verwendet: „Stellen Sie sich ein Unternehmen vor, das niemals vergisst. In dem die Arbeitsabläufe eines erfahrenen Investors – bei denen viele verschiedene Tools auf spezifische Weise zum Einsatz kommen – kodifiziert und vervielfacht werden können. Wenn das möglich ist, kann ein Analyst im ersten Jahr auf jahrzehntelanges institutionelles Wissen zurückgreifen, und die Entscheidungsfähigkeit wächst mit dem Unternehmen, anstatt verwässert zu werden.“

Warum Sequoia und Emergence auf vertikale KI setzen

Die Überzeugung der Investoren hinter dieser Finanzierungsrunde ist an sich schon ein Signal, das es zu beachten gilt. Alfred Lin, der Sequoia-Partner, der die Investition leitete, positionierte Rowspace als direkte Antwort auf die Frage, welche KI-Anwendungen den Aufstieg immer leistungsfähigerer Grundmodelle überstehen werden.

„Michael hat bei Stripe die Machine-Learning-Systeme entwickelt, die Milliarden von Transaktionen verarbeiten, und hat dazu beigetragen, die Expansion von Notion in den KI-Bereich voranzutreiben. Yibo war als Finanzleiter und Investor tätig und hat sich genau mit den Herausforderungen auseinandergesetzt, die Rowspace nun löst“, sagte Lin und fügte hinzu, dass sowohl Michael als auch Yibo das Problem von beiden Seiten kennen und technische Fachkenntnis mit einem Verständnis aus erster Hand dafür verbinden, was Kunden tatsächlich benötigen.

Jake Saper, General Partner bei Emergence Capital, ging noch weiter auf die These zur Dateninfrastruktur ein: „Sie leisten die bisher unmögliche Arbeit, proprietäre Daten zu verknüpfen und diese mit echter Stringenz abzugleichen und zu analysieren. Ohne diese Grundlage spielt es keine Rolle, welche anderen KI-Tools man einsetzt.“

Dieses Argument ist eine gelungene Umkehrung der Befürchtung, die derzeit einen Großteil der Softwarebranche erfasst hat: dass Fundamentmodelle Anwendungen letztendlich zu Massenware machen werden. Lins Ansicht ist genau das Gegenteil – dass sich gerade in vertikalen KI-Systemen, die auf tiefen, proprietären Datenschichten aufbauen, ein nachhaltiger Wettbewerbsvorteil entwickeln wird.

Speziell im Bereich der KI für Private Equity, wo Alpha per Definition unternehmensspezifisch und nicht reproduzierbar ist, lässt sich diese Logik nur schwer widerlegen. Das Backoffice der Vermögensverwaltung war still und leise eine der letzten Bastionen, die die allgemeine KI nur schwer knacken konnte. Rowspace hat gerade 50 Millionen US-Dollar aufgebracht – unter der Prämisse, dass das Unternehmen weiß, warum das so ist – und was dagegen zu tun ist.

Siehe auch: Santander und Mastercard führen Europas erstes Pilotprojekt für KI-gesteuerte Zahlungen durch

Möchten Sie mehr über KI und Big Data von Branchenführern erfahren? Besuchen Sie die AI & Big Data Expo in Amsterdam, Kalifornien und London. Die umfassende Veranstaltung ist Teil der TechEx und findet gemeinsam mit anderen führenden Technologieveranstaltungen statt, darunter die Cyber Security & Cloud Expo. Klicken Sie hier für weitere Informationen.

AI News wird von TechForge Media bereitgestellt. Entdecken Sie hier weitere bevorstehende Veranstaltungen und Webinare zum Thema Unternehmenstechnologie