42AI sichert sich 62,5 Mio. US-Dollar Seed-Finanzierung für Verhaltens-Weltmodell

TechCrunch berichtete am 2. November 2026, dass das israelische Start-up 42AI mit einer Seed-Finanzierung von 62,5 Millionen US-Dollar und einem Verhaltens-Weltmodell für Finanzmakler aus dem Stealth-Modus hervorgetreten sei. Die Gründer erklärten gegenüber TechCrunch, das System schätze die Wahrscheinlichkeit ein, mit der einzelne Kunden unter veränderten Umständen handeln könnten.

Der CEO und Mitgründer Amit Gal-Or sagte TechCrunch, die Finanzierung sei über einen Zeitraum von drei Jahren von den Gründern und der Infinity Group gekommen und nicht vollständig bei externen Investoren eingeworben worden. Infinity wurde von seinem Vater Amir Gal-Or gegründet, der zugleich Vorsitzender von 42AI und Mitgründer ist. Ehud Ezra ist Chief Technology Officer und Mitgründer.

Gal-Or sagte, 42AI arbeite mit 10 großen Maklerunternehmen zusammen, nehme weitere Kunden auf und erziele einen Umsatz von mehr als sieben Stellen, nannte jedoch keine genaue Zahl. Kunden zahlen entweder eine Pauschalgebühr oder einen Prozentsatz des Werts, zu dessen Steigerung die Plattform beiträgt. Ein Maklerunternehmen habe durch dynamisches Hedging einen zusätzlichen Wert von rund 30 Millionen US-Dollar erzielt, sagte er.

So funktioniert das Verhaltensmodell

Gal-Or und Ezra erklärten gegenüber TechCrunch, Verhalten sei probabilistisch und nicht deterministisch. 42AI versuche, die zugrunde liegenden Beweggründe zu erkennen, statt lediglich frühere Handlungen fortzuschreiben. Das Modell weise möglichen Entscheidungen unter verschiedenen Umständen Wahrscheinlichkeiten zu.

Bei Kunden aus dem Maklergeschäft können laut Ezra zu den Eingabedaten Informationen aus KYC- und Onboarding-Prozessen sowie aus Support- und Verkaufsgesprächen, Geldtransfers und Transaktionen gehören. Zu den untersuchten Signalen zählen Stimmung, Stimme, Häufigkeit von Anrufen, Zeitpunkt von Käufen und Verkäufen sowie die gleichzeitigen Marktbedingungen.

TechCrunch berichtete, dass diese Beobachtungen in mathematische Darstellungen von Merkmalen umgewandelt und einem transformerbasierten Weltmodell zugeführt werden. Ein separates Sprachmodell erstellt Erklärungen zu den Vorhersagen. Ezra sagte, die Belohnungssignale beim Training seien darauf ausgelegt, die zugrunde liegenden Tendenzen in Simulationen zu bewahren: Eine normalerweise risikoaverse Person sollte nicht plötzlich als risikofreudig modelliert werden.

Trainingsdaten und gemeldete Ergebnisse

Gal-Or sagte, 42AI habe drei Jahre an der Entwicklung des Ansatzes gearbeitet, psychologische Forschung mit Neurowissenschaften und Genetik kombiniert und sich von Fachleuten für Psychologie und PTBS sowie vom Chemiker Dan Shechtman beraten lassen. Das Team untersuchte zunächst Tausende Menschen mithilfe psychologischer Bewertungen und Verhaltensszenarien und ergänzte die Daten anschließend um Regierungs- und Biobank-Datensätze zu mehr als 2 Millionen Menschen. Später seien die Kundendatensätze auf fast 30 Millionen Menschen angewachsen, sagte er.

TechCrunch berichtete, dass 42AI eine Genauigkeit von 98 % bei der Vorhersage von Markttransaktionen angibt. Gal-Or stellte klar, dass damit gemessen werde, ob Handelsströme innerhalb einer vorhergesagten Bandbreite liegen, nicht, ob jede einzelne Transaktion korrekt vorhergesagt wird. Außerdem nannte er F1-Werte von 0,8 bis 0,85 für Handelsrichtung und -volumen. Der F1-Wert misst, wie ein Klassifikationsmodell korrekte Vorhersagen gegen Fehlalarme und übersehene Ereignisse abwägt.

Die Gründer räumten ein, dass der Genauigkeit eine Obergrenze gesetzt sei, weil das System nicht auf alles zugreifen könne, was eine Person erlebt. Ezra sagte, die Genauigkeit nehme außerdem ab, wenn wichtige situative Zusammenhänge fehlten – etwa der Rat eines Freundes oder Kollegen, der eine Handelsentscheidung verändert.

Ein am 19. Februar 2026 bei arXiv eingereichter Preprint von Ben Yellin, Ezra, Mark Foreman und Shula Grinapol stellte ein großes Verhaltensmodell vor, das darauf feinabgestimmt wurde, individuelle strategische Entscheidungen anhand strukturierter, hochdimensionaler psychometrischer Merkmalsprofile vorherzusagen. Die Autoren beschrieben ein Training mit einem proprietären Datensatz, der stabile Dispositionen, motivationale Zustände und situative Einschränkungen mit beobachteten Entscheidungen verknüpft.

Bei einer Evaluation anhand zurückgehaltener Szenarien berichteten die Autoren von verbesserten Verhaltensvorhersagen gegenüber dem nicht angepassten Llama-3.1-8B-Instruct-Backbone sowie von einer vergleichbaren Leistung mit führenden Baselines, wenn das Modell anhand der Big-Five-Merkmale konditioniert wurde. Sie berichteten außerdem, dass ihr Modell weiterhin von dichteren Merkmalsprofilen profitierte, während promptbasierte Baselines an eine Komplexitätsgrenze stießen.

Einsatz bei Maklern und genannte Einschränkungen

Auf der Website von 42AI beschreibt das Unternehmen eine Verhaltensmodellierungsarchitektur, die Rohdaten in Verhaltensfaktoren umwandelt, Reaktionen auf bestimmte Ereignisse und das Verhalten im Zeitverlauf vorhersagt, veränderliche Variablen simuliert und Erklärungen liefert. Für das Weltmodell nennt das Unternehmen Reaktionszeiten von 1–10 Millisekunden, für das große Verhaltensmodell 2–12 Millisekunden.

Laut Website kann das Angebot für Maklerunternehmen die Transaktionen einzelner Kunden bis zu 24 Stunden im Voraus nach Finanzinstrument, Richtung und Volumen vorhersagen. Als weitere Einsatzmöglichkeiten nennt das Unternehmen einen frühzeitigen Überblick über Risikopositionen, dynamisches Hedging, das Management von Extremrisiken sowie die Verringerung von Slippage und Value-at-Risk. Kunden nutzten das System, um Liquidität, Margin-Anforderungen und Hedging-Risiken zu steuern, sagte Gal-Or gegenüber TechCrunch.

Gal-Or sagte, das eingesetzte System benötige keine personenbezogenen Informationen und das Modell wisse nie, um wen es sich handelt. TechCrunch berichtete, dass 42AI dennoch anhand verknüpfter Kundenaktivitäten individuelle Verhaltensprofile erstellt.

Als TechCrunch die Möglichkeit ansprach, dass Kunden Vorhersagen über ihre eigenen Kunden ausnutzen könnten, bezeichnete Ezra dies als berechtigte Sorge. Die Gründer verwiesen auf Vorschriften, Überwachung und einen internen Ethikausschuss, während Gal-Or sagte, die Technologie könne helfen, solchen Risiken zu begegnen. TechCrunch berichtete, dass sie keinen konkreten Mechanismus erläuterten, der Kunden daran hindern würde, Vorhersagen zu nutzen, um sich gegenüber den Personen, über die Profile erstellt werden, einen Vorteil zu verschaffen.

Die Gründer erklärten gegenüber TechCrunch, dass 42AI die Bereiche Gaming, Betrugsprävention und Cybersicherheit erkundet und dass sie langfristig möchten, dass Roboter und KI-Agenten das Modell nutzen, um Menschen zu verstehen. Ezra sagte, das Modell müsse anhand der Regeln und des Kontexts jedes neuen Bereichs trainiert werden. Gal-Or sagte außerdem, das Unternehmen plane, weiteres Kapital aufzunehmen.

Eine Ausweitung über die dokumentierten Einsätze bei Brokerhäusern hinaus setzt das von Ezra beschriebene bereichsspezifische Training voraus; zugleich plant 42AI nach eigenen Angaben, weiteres Kapital aufzunehmen.