DataBahn erhält 40 Millionen US-Dollar, um eine agente Kontrollschicht für Unternehmensdaten aufzubauen

DataBahn hat 40 Millionen US-Dollar in Series-B-Finanzierung aufgenommen, um die Infrastruktur zu erweitern, die Unternehmen verwenden, um Daten für künstliche Intelligenz-Systeme vorzubereiten, zu verwalten und bereitzustellen.

Insight Partners führte die Runde an, an der auch bestehende Investoren wie Forgepoint Capital, GTM Capital und S3 Ventures teilnahmen. Die Investition bringt die Gesamtfinanzierung des in Dallas ansässigen Unternehmens auf 59 Millionen US-Dollar, nachdem im Juni 2025 eine Series-A-Finanzierung von 17 Millionen US-Dollar angekündigt worden war.

DataBahn plant, das neue Kapital für Forschung und Entwicklung, zusätzliche Produktfunktionen und die weitere Expansion seines partnergeführten Vertriebsmodells zu verwenden. Das Unternehmen positioniert seine Plattform als “agente Datenkontrollschicht”, eine Infrastrukturschicht, die darauf abzielt, zu verwalten, wie Unternehmensdaten zwischen operativen Systemen, Sicherheitsplattformen, Speicherumgebungen und KI-Modellen fließen.

Die Finanzierungsrunde erfolgt zu einem Zeitpunkt, an dem Unternehmen mehr Telemetriedaten generieren als ihre bestehenden Sicherheits- und Analyse-Systeme wirtschaftlich verarbeiten können. Gleichzeitig benötigen KI-Agenten und Copiloten Zugriff auf verlässliche Unternehmenskontexte, wenn sie nützliche Entscheidungen treffen oder im Auftrag von Mitarbeitern handeln sollen.

Jenseits herkömmlicher Datenpipelines

Traditionelle Unternehmensdatenpipelines sammeln in der Regel Informationen von einer Quelle und liefern sie an ein Ziel, wie z.B. eine Sicherheitsinformationen- und Ereignismanagement-Plattform, ein Data-Warehouse oder ein Cloud-Speichersystem.

Dieses Modell wird weniger effektiv, wenn die Anzahl der Datenquellen, Ziele und Verbraucher zunimmt. Ein Unternehmen muss beispielsweise Logs von Cloud-Infrastrukturen, Identitätssystemen, Endgeräten, Anwendungen, industriellen Geräten und Software-as-a-Service-Plattformen sammeln, während es gleichzeitig unterschiedliche Teile dieser Informationen an Sicherheitswerkzeuge, Analyse-Systeme, Data-Lakes und KI-Anwendungen sendet.

Das Verschieben aller verfügbaren Ereignisse in jedes nachgelagerte System kann erhebliche Speicher-, Verarbeitungs- und Cloud-Datenübertragungskosten verursachen. Es kann auch für Analysten und KI-Modelle schwieriger werden, die Informationen zu finden, die tatsächlich relevant sind.

DataBahn fügt eine Verwaltungsschicht zwischen diese Quellen und Ziele ein. Ihre Plattform kann Informationen sammeln, filtern, normalisieren, anreichern und routen, während sie sich bewegen, anstatt jedes nachgelagerte Anwendungsprogramm unabhängig die rohen Daten verarbeiten zu lassen.

Das Unternehmen behauptet, dass seine Technologie derzeit mehr als 600 Datenquellen unterstützt und so konzipiert ist, dass sie unabhängig von jeder Speicherplattform, Sicherheitsanbieter oder KI-Modell bleibt. Dies ermöglicht es Kunden, Ziele zu ändern oder mehrere Systeme zu verwenden, ohne die Sammelschicht um die Architektur jedes Anbieters neu aufzubauen.

DataBahn konzentrierte sich ursprünglich stark auf Cybersicherheits-Telemetrie, hat seine Plattform jedoch inzwischen auf Anwendungs-, Observability- und Internet-of-Things- sowie OT-Daten erweitert.

Unternehmensdaten für KI-Agenten vorbereiten

Der KI-Komponente von DataBahns Strategie ist nicht darauf beschränkt, eine konversationale Schnittstelle zu einer bestehenden Datenplattform hinzuzufügen.

Ihr Cruz-KI-System fungiert als agente Daten-Ingenieur, der bei der Arbeit traditionell manuell konfigurierte Integrationen und Parsing-Regeln unterstützt. Die Software überwacht eingehende Daten-Schemata, erkennt Änderungen und kann aktualisierte Parser und Zuordnungen generieren, wenn sich das Format einer Quelle ändert.

Dies ist wichtig, weil Unternehmensdatenquellen selten statisch bleiben. Software-Anbieter fügen neue Felder hinzu, ändern Ereignisformate und aktualisieren Schnittstellen. Wenn diese Änderungen eine Pipeline brechen, können Sicherheits- und Daten-Engineering-Teams die Sicht verlieren, bis die Integration repariert ist.

DataBahn beschreibt Cruz als eine Möglichkeit, diesen Prozess in einen genehmigungsorientierten Workflow umzuwandeln. Anstatt Ingenieure jeden Connector oder Parser von Anfang an zu erstellen, kann das System die geänderte Quelle analysieren und eine aktualisierte Konfiguration für die Überprüfung vorbereiten.

Die Plattform normalisiert auch Informationen in konsistente Schemata, einschließlich des Open Cybersecurity Schema Framework. Die Standardisierung kann es Sicherheitswerkzeugen und KI-Systemen erleichtern, die Daten zu interpretieren, da dieselbe Art von Ereignis konsistent dargestellt wird, unabhängig davon, welches Produkt es generiert hat.

Für KI-Agenten ist das breitere Ziel, genügend Kontext bereitzustellen, um eine Entscheidung zu unterstützen, ohne den gesamten Datenbestand eines Unternehmens in eine andere Plattform zu kopieren. DataBahn kann Informationen kontinuierlich verarbeiten und zusätzlichen Kontext abrufen, wenn eine Anwendung oder ein Agent ihn benötigt.

Dieser Ansatz könnte wichtiger werden, wenn Unternehmen von generativen KI-Systemen, die in erster Linie Fragen beantworten, zu Agenten übergehen, die Workflows initiieren, Konfigurationen ändern oder auf operative Ereignisse reagieren. Die Zuverlässigkeit dieser Agenten hängt teilweise davon ab, ob die zugrunde liegenden Daten aktuell, korrekt strukturiert und verwaltet sind.

Intelligenz bewegt sich in den Datenstrom

DataBahn hat auch eine sogenannte Autonome In-Stream-Datenintelligenz entwickelt, eine Architektur, die Analyse und Entscheidungsfindung anwendet, während die Informationen noch durch die Pipeline fließen.

Das System soll mehr tun, als nur Daten für die Analyse vorzubereiten, nachdem sie ihr Ziel erreicht haben. Es kann die Datenqualität bewerten, fehlende Informationen identifizieren und bestimmen, wie einzelne Ereignisse in Echtzeit gehandhabt werden sollen.

In einer Sicherheitsumgebung kann beispielsweise eine Pipeline ein eingehendes Ereignis mit Bedrohungsintelligenz anreichern, hochwertige Telemetriedaten in eine Analyseplattform routen und weniger priorisierte Informationen in weniger teure Speicherumgebungen verschieben. Die Anwendung dieser Entscheidungen, bevor die Daten eine Sicherheitsplattform erreichen, kann die Einzugskosten reduzieren, ohne dass ein Unternehmen auf Informationen verzichten muss, die möglicherweise später für eine Untersuchung benötigt werden.

Das Unternehmen hat argumentiert, dass die Intelligenz innerhalb der Pipeline sitzen sollte, anstatt nur nachdem die Daten gesammelt und gespeichert wurden.

Diese Architektur spiegelt auch eine umfassendere Änderung in der Unternehmensdatenverwaltung wider. Die Pipeline wird zu einer aktiven Richtlinien- und Orchestrierungsschicht und nicht nur zu einer passiven Verbindung zwischen zwei Systemen.

Unternehmensadoption treibt die Series-B voran

DataBahn berichtet, dass sein Umsatz um mehr als 400 % im Vergleich zum Vorjahr gestiegen ist, wobei die Nettoumsatzretention 180 % erreicht hat. Das Unternehmen gibt auch an, dass es keine Kundenverluste zu verzeichnen hatte und eine Erfolgsrate von 97 % bei Proof-of-Concept-Einsätzen erzielte.

Das Unternehmen bedient Kunden in den Bereichen Gesundheitswesen, Finanzdienstleistungen, Fertigung und Transport, darunter mehrere Fortune-100-Unternehmen. Zu den bekannten Kunden gehören MVB Bank und die Canada Pension Plan Investment Board.

MVB Bank Chief Information Security Officer Parrish Gunnels sagte, dass die Plattform dem Unternehmen half, mehrere Datenformate, regulatorische Anforderungen und Audit-Controllen in eine gemeinsame Umgebung zu bringen, die seine KI-Agenten unterstützt.

Bei der Canada Pension Plan Investment Board wird die Technologie verwendet, um die Onboarding von Sicherheitstelemetrie zu standardisieren. Die Organisation sagte, dass dies die benutzerdefinierte Ingenieursarbeit reduzierte, die zuvor erforderlich war, um neue Logquellen zu verbinden, und es einfacher machte, Systeme zu identifizieren, die nicht die erwarteten Daten sendeten.

DataBahn hat diese Kunden in erster Linie durch Channel- und Technologiepartner gewonnen und nicht ausschließlich durch direkten Vertrieb. Zu den jüngsten Initiativen gehören eine tiefere Integration mit Microsofts Sicherheitssystem und ein Vertriebsabkommen für den asiatisch-pazifischen Raum mit dem Cybersicherheitsvertriebspartner M.Tech.

Finanzierung zielt auf eine wachsende Infrastruktur-Flaschenhals ab

Die Series-B-Finanzierung ermöglicht es DataBahn, ein Produkt an der Kreuzung mehrerer zunehmend teurer Unternehmensprobleme zu erweitern.

Sicherheitsteams sammeln mehr Telemetriedaten, um Angriffe zu erkennen und regulatorische Anforderungen zu erfüllen. Daten- und Observability-Teams verarbeiten größere Datenmengen an Anwendungs- und Infrastrukturinformationen. KI-Teams benötigen nun Zugriff auf operative Daten und Geschäftskontext.

Jede Gruppe kann zusätzliche Speicher- und Verarbeitungskapazitäten erwerben, aber das löst nicht das zugrunde liegende Problem der Duplizierung und Fragmentierung. Daten können immer noch mehrmals gesammelt, unterschiedlich von jeder Plattform transformiert und in Systemen gesperrt werden, die es teuer machen, sie anderswo wiederzuverwenden.

DataBahn setzt darauf, dass Unternehmen stattdessen eine unabhängige Kontrollschicht zwischen den Systemen, die Daten produzieren, und denen, die sie verbrauchen, platzieren werden.

Die Gelegenheit ist größer als die Reduzierung von Speicherkosten. Eine effektive Kontrollschicht könnte bestimmen, auf welche Informationen ein KI-Agent zugreifen darf, diese Informationen mit dem notwendigen Kontext anreichern und eine Aufzeichnung darüber führen, wie die Daten transformiert und geroutet wurden.

Dies würde der Pipeline eine zentrale Rolle in der KI-Governance geben, insbesondere in regulierten Branchen, in denen Unternehmen die Informationen erklären müssen, die von automatisierten Systemen verwendet werden.

Aufbau der Datenbasis für agente KI

Die Herausforderung für DataBahn wird darin bestehen, zu demonstrieren, dass die aufkommende Kategorie “agente Datenkontrollschicht” ausreichend von bestehenden Datenpipeline-, Sicherheitsdaten-Fabric- und Observability-Plattformen zu unterscheiden ist, um eine weitere Schicht in der Unternehmens-Technologie-Stack zu rechtfertigen.

Große Cloud- und Sicherheitsanbieter erweitern auch ihre Datenroutings-, Speicher- und KI-Fähigkeiten. DataBahns Gegenargument ist, dass eine neutrale Plattform den Kunden eine größere Kontrolle darüber gibt, wo Informationen gespeichert werden und welche Anwendungen oder Modelle sie verbrauchen.

Ihre Fähigkeit, diese Neutralität zu bewahren, während sie sich mit einer wachsenden Anzahl von Unternehmenssystemen integriert, wird wichtig sein, wenn das Unternehmen skaliert.

Die Series-B-Finanzierung gibt DataBahn zusätzliche Ressourcen, um diese Architektur zu entwickeln, während KI-Agenten tiefer in die Unternehmensoperationen eingebettet werden. Die zentrale Prämisse ist einfach: Unternehmen müssen nicht unbedingt mehr Daten sammeln und kopieren. Sie benötigen eine bessere Möglichkeit, die Informationen zu identifizieren, zu verwalten und zu aktivieren, die im Moment benötigt werden.

DataBahn plant, seine nächsten Fähigkeiten der agenten Datenkontrollschicht auf der Black Hat USA 2026 vorzustellen.