Catch kommt aus dem Stealth‑Modus mit 5 Mio. $ Seed‑Finanzierung und entwickelt einen autonomen KI‑Executive‑Assistenten

Catch ist aus dem Stealth‑Modus mit 5 Millionen US‑Dollar Seed‑Finanzierung hervorgetreten, um einen agentenbasierten KI‑Assistenten auszubauen, der die administrativen Aufgaben übernimmt, die einen erheblichen Teil des Tages eines Executives beanspruchen.

Die Finanzierungsrunde wurde gemeinsam von Entrée Capital und Pitango geleitet, mit Beteiligung von Seedcamp und Factorial Capital. Anstatt ein weiteres KI‑Tool zu entwickeln, das E‑Mails zusammenfasst oder empfiehlt, was ein Nutzer als Nächstes tun sollte, versucht Catch etwas Schwierigeres: Führungskräften zu ermöglichen, komplette administrative Aufgaben an Software zu delegieren und diese erledigen zu lassen.

Gegründet von Nir Sabato und Yoav Ramon, konzentriert sich Catch speziell auf die Verwaltung von Führungskräften, einschließlich Terminplanung, E‑Mail‑Management, Reisen, Nachverfolgungen, Kalenderkonflikten, Erinnerungen und ausgehenden Telefonaten. Das Unternehmen gibt an, dass sein System bereits mehr als 12.000 Meetings terminiert, über 200.000 E‑Mails bearbeitet und mehr als 20.000 delegierte Aufgaben abgeschlossen hat.

KI von der Unterstützung zur Delegation bewegen

Der Unterschied zwischen der Unterstützung bei einer Aufgabe und deren tatsächlicher Ausführung ist zu einer der zentralen Herausforderungen für agentenbasierte KI geworden.

Große Sprachmodelle können bereits ein Postfach zusammenfassen, eine E‑Mail entwerfen, Flüge vorschlagen oder ermitteln, wann zwei Personen verfügbar sind. Diese einzelnen Fähigkeiten zu einem System zu verbinden, das zuverlässig mit einer anderen Person koordiniert, einen Kalender aktualisiert, eine Reservierung vornimmt und bei veränderten Umständen nachfasst, erfordert jedoch eine wesentlich tiefere Ausführungsebene.

Catch ist genau um diese Lücke herum aufgebaut.

Anstatt Nutzer zu bitten, Workflows zu konfigurieren oder eigene Agenten zu erstellen, verbindet das System sich mit den Tools, die Führungskräfte bereits nutzen. Die Website von Catch zeigt Unterstützung für Dienste wie Gmail, Outlook, Google Calendar, Slack, WhatsApp, iMessage und Telefon, sodass Nutzer mit dem Assistenten genauso kommunizieren können, wie sie mit einem menschlichen Executive‑Assistenten kommunizieren würden.

Nach der Verbindung entwickelt das System ein Verständnis für Präferenzen wie Meeting‑Gewohnheiten, Kalenderprioritäten und Reiseanforderungen. Catch gibt an, daraufhin proaktiv handeln zu können. Ein abgesagtes Meeting kann beispielsweise eine Neuplanung auslösen, während eine bevorstehende Reise den Assistenten veranlassen kann, fehlende Hotelbuchungen zu erkennen, anstatt auf eine explizite Aufforderung zu warten.

Dies stellt einen wichtigen Wandel in der Gestaltung von KI‑Produkten dar. Anstatt eine weitere Oberfläche zu schaffen, die Führungskräfte verwalten müssen, versucht Catch, in den bereits genutzten Kommunikationskanälen und Softwarelösungen zu verschwinden.

Autonomie bedeutet nicht, ohne Grenzen zu handeln

Das schwierigere Problem bei administrativen Agenten besteht nicht darin, ob ein KI‑Modell eine Anfrage verstehen kann, sondern darin zu bestimmen, wann Software autonom handeln soll und wann ein Mensch weiterhin eingebunden bleiben muss.

Catch scheint einen gestuften Ansatz zu verfolgen.

Bei routinemäßigen administrativen Aufgaben besteht das Ziel darin, unnötige Genehmigungen zu minimieren. Aktionen mit finanziellen oder anderen bedeutenden Konsequenzen können jedoch eine Bestätigung erfordern. Im Reise‑Workflow des Unternehmens kann Catch beispielsweise ein Reise‑Briefing interpretieren, Flüge und Hotels anhand von Vorgaben vergleichen und einen Reiseplan zusammenstellen, wobei der Nutzer vor Abschluss einer Buchung ausdrücklich zustimmt.

Ähnlich kann das Inbox‑Produkt von Catch Nachrichten priorisieren und Antworten auf Basis des bisherigen Schreibstils des Nutzers entwerfen, während der aktuelle Workflow den Nutzer einbezieht, bevor bestimmte Nachrichten versendet werden.

Diese Grenze könnte für die Einführung von agentenbasierter KI entscheidend sein. Vollständige Autonomie klingt verlockend, doch in der Praxis werden Unternehmen Agenten wahrscheinlich schrittweise einsetzen und deren Befugnisse ausweiten, sobald Systeme zuverlässig Entscheidungen in klar definierten Bereichen treffen können.

Administrative Arbeit könnte ein besonders nützliches Testfeld sein, da sie wiederkehrende Aufgaben mit ausreichender kontextueller Entscheidungsfindung kombiniert, um zu prüfen, ob KI‑Systeme über einfache Automatisierung hinausgehen können.

Catch entwickelt spezialisierte KI unterhalb des Assistenten

Hinter der konversationellen Oberfläche entwickelt Catch zudem seine eigene KI‑Architektur, anstatt ausschließlich auf ein generisches Grundmodell zu setzen.

Das Unternehmen beschreibt ein System eng begrenzter „Splinter‑Agenten“, bei denen einzelne Agenten nur Zugriff auf die für eine bestimmte Aufgabe benötigten Informationen erhalten. Ziel ist es, die Menge sensibler Kontextdaten, die während der Ausführung offengelegt werden, zu reduzieren und gleichzeitig Latenz und Zuverlässigkeit zu verbessern.

Catch gibt an, dass anonymisierte Interaktionsdaten dazu genutzt werden können, die eigenen Modelle mittels überwachtem Lernen und Reinforcement Learning zu verbessern. Gleichzeitig heißt es in der Sicherheitsdokumentation, dass externe KI‑Anbieter vertraglich daran gehindert sind, Kundendaten zu speichern oder zur Schulung ihrer eigenen Modelle zu verwenden.

Da ein Executive‑Assistent Zugriff auf Kalender, E‑Mails, Reisepläne und potenziell sensible Unternehmensinformationen haben kann, wird Sicherheit wesentlich bedeutender, sobald ein KI‑System Aktionen ausführen kann und nicht nur Text generiert. Catch gibt an, SOC 2 Type II konform zu sein, zusätzlich zu CASA Tier‑2 und Google‑Verifizierung, und verschlüsselt gespeicherte sowie übertragene Daten, während es feingranulare Berechtigungen für verbundene Dienste verwendet.

Gründer mit Hintergründen in KI und Risikokapital

Das Unternehmen wurde von zwei Führungskräften gegründet, die das administrative Problem aus unterschiedlichen Blickwinkeln angingen.

CEO Nir Sabato verbrachte zuvor mehrere Jahre mit Investitionen bei Entrée Capital, wo er sich auf Bereiche wie Künstliche Intelligenz und Enterprise‑Technologie konzentrierte. Vor dem Einstieg in das Risikokapital hatte er Strategiepositionen bei Fiverr und BLEND inne. Catch gibt an, dass Sabatos Erfahrung in der Zusammenarbeit mit Gründern aufzeigte, wie viel wertvolle Zeit von Führungskräften noch für relativ routinemäßige Koordinationsarbeit aufgewendet wird.

CTO Yoav Ramon hingegen arbeitet seit über einem Jahrzehnt mit Machine‑Learning‑Systemen. Sein Hintergrund umfasst Sprach‑ und Technologie‑Entwicklung bei Hi Auto sowie die Tätigkeit als CTO des Gesundheits‑KI‑Unternehmens Nym, wo Teams große Sprachmodelle in regulierten Gesundheitsumgebungen einsetzten.

Diese Kombination ist relevant, weil der Aufbau eines administrativen Agenten mehr erfordert als einen effektiven Chatbot. Das System muss Präferenzen verstehen, Kontext über Interaktionen hinweg aufrechterhalten, mit externer Software interagieren und entscheiden, wann es ausreichend Vertrauen hat, um zu handeln.

Der nächste Einsatzbereich agentenbasierter KI könnte gewöhnliche Arbeit sein

Catch tritt in einen schnell wachsenden Markt für agentenbasierte KI ein, doch seine größere Bedeutung könnte daraus resultieren, wie eng das Unternehmen das Problem definiert hat.

Viele KI‑Unternehmen versuchen, immer allgemeinere Agenten zu schaffen, die Dutzende oder Hunderte von Arbeitsarten ausführen können. Catch verfolgt den gegenteiligen Ansatz: Es konzentriert sich auf ein relativ enges Gebiet und versucht, das System so zuverlässig zu machen, dass Nutzer die betreffenden Aufgaben tatsächlich nicht mehr selbst erledigen.

Das könnte ein wichtiges Muster für die nächste Phase von Enterprise‑KI werden.

Die kommerziell nützlichsten Agenten werden zunächst vielleicht nicht autonome digitale Angestellte sein, die jede Aufgabe erledigen können. Stattdessen könnten sie als hochspezialisierte Systeme entstehen, die eine Arbeitskategorie so gut verstehen, dass ihnen schrittweise mehr Befugnisse anvertraut werden.

Die Verwaltung von Führungskräften bietet einen aufschlussreichen Test. Die Terminplanung, das Reisemanagement und die Koordination von E‑Mails mögen im Vergleich zu Programmierung oder wissenschaftlicher Forschung banal klingen, doch diese Arbeitsabläufe erfordern, dass KI mit echten Menschen interagiert, unvollständige Anweisungen versteht, individuelle Präferenzen erinnert und Entscheidungen trifft, die reale Konsequenzen haben.

Wenn Systeme wie Catch diese Arbeitsabläufe zuverlässig bewältigen können, geht die Bedeutung über das Einsparen einiger Stunden für Führungskräfte hinaus. Es würde zeigen, dass KI‑Agenten beginnen, die Grenze zwischen der Bereitstellung nützlicher Informationen und der Übernahme der Verantwortung für die Erledigung von Arbeit zu überschreiten.

Die neue Seed‑Finanzierungsrunde in Höhe von 5 Millionen US‑Dollar gibt Catch zusätzliches Kapital, um zu prüfen, ob dieser Übergang skalierbar ist.