Was ist ein Labor für angewandte Forschung?

AfterQuery ist ein Labor für angewandte Forschung, das Datenlösungen entwickelt, um die Entwicklung von Grundmodellen zu beschleunigen. Bildquelle: AfterQuery

AfterQuery wird von Altos Ventures und Y Combinator unterstützt und ist ein Labor für angewandte Forschung, das menschliches Fachwissen in Daten umwandelt, um zuverlässige KI-Modelle zu trainieren

Als Spencer Mateega und Carlos Georgescu sich daran machten, KI-Agenten für den Finanzbereich zu entwickeln, stießen sie auf eine Hürde. Das Problem lag nicht im Code, sondern in den Daten.

Als sie feststellten, dass generische Web-Scrapes den Modellen die Nuancen der realen Welt vorenthielten, erkannten die beiden, dass intelligentere KI eher bessere Erfahrungen als mehr Text benötigte.

Spencer und Carlos gründeten AfterQuery im Jahr 2025 noch während ihres Studiums und verlagerten den Fokus von der Entwicklung von Endbenutzeranwendungen auf die Lösung des branchenweiten Datenengpasses.

Die Zukunft der KI wird nicht auf mehr Daten basieren, sondern auf besserem Denken

– AfterQuery

AfterQuery ist ein Labor für angewandte Forschung, das sich der Einbindung menschlichen Expertenurteils in KI-Modelle widmet.

Da Daten im Web-Maßstab an ihre Grenzen stoßen, hängt die Modellleistung grundlegend von der Qualität der Trainingsdaten ab.

Aus diesem Verständnis heraus entwickelt die Organisation spezialisierte Datensätze, Umgebungen für verstärktes Lernen und Bewertungsrahmen, mit denen zuverlässige KI-Modelle trainiert werden.

So funktioniert ein angewandtes Forschungslabor

Traditionelle akademische Einrichtungen konzentrieren sich auf theoretische Durchbrüche, während Anbieter von Unternehmensdaten einfache Texte beschriften. Ein angewandtes Forschungslabor arbeitet direkt an der Schnittstelle zur praktischen Umsetzung.

AfterQuery betrachtet die Datenkuratierung als strenge Forschungsdisziplin. Das Labor untersucht, wie Modelle lernen, wo sie versagen und wie sich menschliche Intuition in algorithmische Rückkopplungsschleifen umsetzen lässt.

Durch die Verbindung von Softwareentwicklung und Fachwissen schafft AfterQuery Umgebungen, in denen Modelle das logische Denken üben können. Diese Systeme ermöglichen es der KI, aus Fehlerbehebungszyklen zu lernen und professionelle Standards zu erfüllen.

Das Labor richtet seine Forschung auf reale Anwendungen aus, statt auf abstrakte Tests. Dieser Ansatz stellt sicher, dass KI-Systeme in professionellen Arbeitsabläufen mit hohem Risiko zuverlässig funktionieren.

Spencer Mateega gründete AfterQuery im Jahr 2025 gemeinsam mit Carlos Georgescu. Bildnachweis: Spencer Mateega/LinkedIn

Forschungsbereiche zur Verbesserung der Datenqualität

Um eine Brücke zwischen allgemeiner Sprachkompetenz und fachlicher Intelligenz zu schlagen, konzentriert sich AfterQuery auf fünf zentrale Forschungssäulen. Jede Säule befasst sich mit einer spezifischen Lücke in der aktuellen Modellentwicklung.

• Entwicklung von Computerumgebungen, die KI-Agenten beibringen, sich in Software-Workflows und Randfällen zurechtzufinden
• Aufbau multimodaler Datensätze, die Sprache mit komplexen Dokumenten, Schnittstellen und technischen Diagrammen verknüpfen
• Zusammenarbeit mit Sicherheitsspezialisten, um adversarische Szenarien aufzudecken und Schutzdaten zu erstellen
• Entwicklung von Kurationsmethoden, die gewährleisten, dass jedes Beispiel das fachliche Urteil von Experten widerspiegelt
• Erstellung von Benchmarks zur Modellbewertung, die messen, ob die Schlussfolgerungsschritte mit den mentalen Modellen von Experten übereinstimmen.

Produkte für das Modelltraining

AfterQuery wandelt Forschungserkenntnisse in praktische Trainingswerkzeuge für KI-Labore um. Die Produktsuite konzentriert sich darauf, menschliche Nuancen, Werkzeuginteraktionen und Fachwissen in jeder Phase der Modellentwicklung zu erfassen.

Das Labor baut Umgebungen für das toolgestützte Reinforcement Learning (RL) unter Verwendung echter APIs und Model Context Protocol (MCP)-Servern auf. Diese maßgeschneiderten Sandboxen bringen Software-Agenten bei, wie sie Aktionen verketten, externe Dienste aufrufen und sich innerhalb realistischer Arbeitsabläufe von Fehlern erholen können.

Umgebungen für die Computernutzung und die Browsernutzung kombinieren originalgetreue Software-Schnittstellen mit Demonstrationsabläufen von Experten. Datensätze für das überwachte Feintuning (SFT) liefern hochwertige Prompt-Antwort-Paare und Denkverläufe, um grundlegende Fähigkeiten zu etablieren, bevor das RL beginnt.

Rubriken- und verifikatorbasiertes RL kombiniert von Experten erstellte Kriterien mit automatisierten Verifikatoren, um Modellausgaben zu bewerten. Gleichzeitig erfasst RLHF subtile menschliche Vorlieben anhand von Tausenden von Expertenvergleichspaaren.

Um domänenspezifisches Urteilsvermögen einzubetten, stützen sich die Deep-Research-Lösungen auf fast 100.000 verifizierte Fachleute aus den Bereichen Medizin, Recht, Finanzen und Ingenieurwesen. Systematische Verlustanalysen identifizieren präzise Modellausfallmodi, während Standard-Datensätze sofortigen Zugriff auf vorab validierte Trainingsdaten bieten.

Die Trainingsdaten von AfterQuery umfassen:

• Überwachtes Fine-Tuning (SFT)
• Verstärkendes Lernen + Bewertungsrubriken
• Agentenumgebungen (API/MCP)
• Computer-Nutzungsverläufe

Investoren, die das Labor unterstützen

Im Jahr 2025 schloss AfterQuery eine Serie-A-Finanzierungsrunde in Höhe von 30 Mio. US-Dollar ab, die von der Silicon-Valley-Investmentfirma Altos Ventures angeführt wurde. Die Finanzierungsrunde bewertete das Unternehmen mit 300 Mio. US-Dollar.

Anschließend erreichten die Marktentwicklungen im September 2026 eine Unternehmensbewertung von 3,2 Mrd. US-Dollar. Dieser Meilenstein machte AfterQuery zum schnellsten Start-up in der Geschichte von Y Combinator, das den „Unicorn“-Status erreichte.

Das rasante Wachstum der Unternehmensbewertung spiegelt einen jährlichen wiederkehrenden Umsatz (Run Rate) von über 100 Mio. US-Dollar wider. Diese Kapitalspritze ermöglicht es AfterQuery, seine Forschungsinfrastruktur zu skalieren und sein Netzwerk an verifizierten Fachexperten auszubauen.

Das Unternehmen wird von namhaften Risikokapitalgesellschaften aus dem gesamten Technologiesektor unterstützt. Die frühe Förderung durch Y Combinator sorgte für den grundlegenden Schwung, während die Folgefinanzierung von Risikokapitalspezialisten wie The Raine Group, BoxGroup und Latitude Capital kam.

Auch einzelne Angel-Investoren aus führenden KI-Unternehmen, darunter Google DeepMind, OpenAI, Anthropic und Meta, unterstützen das Labor. Ihr Engagement bringt spezialisierte technische Expertise mit sich, die die finanzielle Unterstützung von AfterQuery ergänzt.

Wichtige Partner

AfterQuery arbeitet mit Hardware-Anbietern, KI-Plattformen und akademischen Forschungseinrichtungen zusammen, um die Leistungsfähigkeit der Modelle weiterzuentwickeln. Dazu gehören:

• NVIDIA: Das Unternehmen für Unternehmenssoftware und GPU-beschleunigtes Rechnen nutzt AfterQuery-Datensätze, um das Training von Spitzenmodellen zu unterstützen.
• Legora: Eine KI-Plattform für den Rechtsbereich, die gemeinsam mit AfterQuery rechtliche Bewertungen für Forschungs- und Due-Diligence-Aufgaben erstellt.
• Thinking Machines Lab: Ein Forschungskonsortium, das bei der Bewertung fortschrittlicher Modelle und der Entwicklung von Datenmethodiken mitwirkt.
• Akademische Forschungslabore: Forschungseinrichtungen wie die UC Berkeley, das Stanford AI Lab und das Allen Institute for AI, die bei Benchmarks für offene Datensätze zusammenarbeiten.