Interloom sammelt 16.5 Millionen Dollar ein, um KI-Agenten in Unternehmen mit „Speicher“ auszustatten

KI-Systeme für Unternehmen werden immer leistungsfähiger, aber eine große Einschränkung hält sie weiterhin zurück: Sie erinnern sich nicht wirklich daran, wie die Arbeit innerhalb einer Organisation abläuft.

Diese Lücke befindet sich im Zentrum von Interlooms neueste Finanzierung AnkündigungDas Münchner Startup hat in einer von angeführten Seed-Finanzierungsrunde 16.5 Millionen US-Dollar eingesammelt. DN Kapital, mit Teilnahme von Bek Ventures und Hauptstadt der Air StreetDas Unternehmen konzentriert sich auf den Aufbau einer Plattform, die erfasst, wie Teams tatsächlich arbeiten, und dieses Wissen in etwas umwandelt, das KI-Systeme zuverlässig nutzen können.

Je stärker Unternehmen KI in ihre Kernprozesse integrieren, desto deutlicher wird die Herausforderung. KI kann zwar Anweisungen befolgen, Informationen zusammenfassen und Ergebnisse generieren, doch fehlt ihr oft der Kontext, der für konsistente Entscheidungen in komplexen, realen Umgebungen notwendig ist. Dieser Kontext ist größtenteils nirgends dokumentiert – er existiert in Fallbeispielen, internen Diskussionen und den Einschätzungen erfahrener Mitarbeiter.

Die fehlende Ebene in der KI von Unternehmen

Die meisten Organisationen gehen davon aus, dass ihre Prozesse gut dokumentiert sind, doch in der Praxis ist oft das Gegenteil der Fall. Wichtiges operatives Wissen ist über E-Mails, Support-Tickets, interne Tools und informelle Arbeitsabläufe verstreut. Selbst wenn Dokumentationen vorhanden sind, hinken diese der Realität oft hinterher oder vereinfachen die tatsächlichen Entscheidungsprozesse zu stark.

Dies stellt ein großes Problem für die Einführung von KI dar. Ohne Zugriff auf dieses implizite Wissen fällt es KI-Systemen schwer, über eng gefasste, vordefinierte Aufgaben hinauszugehen. Sie können zwar unterstützen, aber nicht selbstständig und sicher agieren.

Interloom versucht dieses Problem durch die Einführung einer sogenannten persistenten Speicherschicht zu lösen. Anstatt auf statische Anweisungen zu setzen, lernt die Plattform kontinuierlich aus der Vorgehensweise von Teams bei der Lösung realer operativer Fälle. So entsteht mit der Zeit ein sich stetig weiterentwickelndes Modell der Entscheidungsprozesse im gesamten Unternehmen, das es sowohl Menschen als auch KI-Systemen ermöglicht, vergangene Ergebnisse als Orientierungshilfe zu nutzen.

Von statischer Dokumentation zu lebenden Systemen

Der von Interloom vorgeschlagene Wandel ist subtil, aber bedeutsam. Traditionelle Unternehmenssysteme basieren stark auf Dokumentation, Arbeitsabläufen und im Voraus definierten Regeln. Interlooms Ansatz geht den umgekehrten Weg: Wissen wird nachträglich erfasst, indem reale Arbeitsprozesse beobachtet werden.

Das bedeutet, dass das System nicht auf die Erwartungen der Teams beschränkt ist, sondern vielmehr die tatsächlichen Geschehnisse widerspiegelt. Unter Druck getroffene Entscheidungen, manuell bearbeitete Ausnahmen und im Laufe der Zeit entwickelte Workarounds werden Teil eines wachsenden operativen Gedächtnisses.

In der Praxis ermöglicht dies Folgendes: AI-Agenten Sie handeln auf der Grundlage von Präzedenzfällen statt Annahmen. Anstatt Antworten isoliert zu entwickeln, können sie ihre Maßnahmen auf ähnliche, bereits gelöste Fälle stützen. Für die Mitarbeitenden reduziert sich dadurch auch der Aufwand, Lösungen erneut zu finden, da frühere Entscheidungen sofort verfügbar und wiederverwendbar sind.

Eine weitere Folge ist die Bewahrung des institutionellen Wissens. Wenn erfahrene Mitarbeiter das Unternehmen verlassen, geht ein Großteil ihres Fachwissens verloren. Indem Interloom dokumentiert, wie diese Personen komplexe Situationen bewältigt haben, möchte das Unternehmen dieses Wissen erhalten und zukünftigen Teams und Systemen zur Verfügung stellen.

Frühe Markteinführung in komplexen Branchen

Obwohl Interloom sich noch in einer frühen Phase seiner Entwicklung befindet, arbeitet das Unternehmen bereits mit großen Firmen wie Zurich Insurance und Volkswagen zusammen. Diese Unternehmen stellen einen idealen Testfall für die Plattform dar, da sie ein hohes Volumen komplexer, kontextabhängiger Entscheidungen beinhalten.

In Branchen wie der Versicherungswirtschaft, der Fertigungsindustrie und dem Finanzdienstleistungssektor folgen Prozesse selten einfachen Regeln. Jeder Fall kann zahlreiche Variablen, Ausnahmen und systemübergreifende Abhängigkeiten beinhalten. Dies erschwert die Automatisierung mit traditionellen Ansätzen, die auf starren Arbeitsabläufen basieren.

Durch die Verarbeitung von Millionen operativer Fälle ist die Plattform von Interloom darauf ausgelegt, Muster in Entscheidungsprozessen aufzudecken und diese zur Verbesserung von Geschwindigkeit und Konsistenz zu nutzen. Der neu eingeführte „Chief of Staff“-Agent des Unternehmens baut darauf auf, indem er Arbeitsabläufe systemübergreifend koordiniert, anstatt lediglich einzelne Aufgaben auszuführen.

Was dies für die Zukunft der KI im Unternehmen bedeutet

Das Aufkommen von Systemen wie Interloom deutet auf einen umfassenderen Wandel in der Entwicklung von KI in Unternehmen hin. Frühe Automatisierungswellen konzentrierten sich auf strukturierte Prozesse und klar definierte Aufgaben. Neuere Fortschritte in der generativen KI erweiterten das Verständnis und die Leistungsfähigkeit von Maschinen. Die nächste Phase wird möglicherweise davon bestimmt, wie gut KI-Systeme Kontext im Laufe der Zeit integrieren können.

Sollen KI-Systeme in Organisationen mehr Verantwortung übernehmen, benötigen sie etwas, das dem Organisationsgedächtnis ähnelt. Ohne dieses bleiben selbst die fortschrittlichsten Modelle auf Unterstützung beschränkt, anstatt selbstständig agieren zu können. Mit einem solchen Gedächtnis verschwimmt die Grenze zwischen menschlicher Entscheidungsfindung und maschineller Ausführung.

Dies wirft auch neue Fragen zur Verwaltung und Steuerung des internen Wissens von Unternehmen auf. Ein System, das Entscheidungen kontinuierlich erfasst und wiederverwendet, könnte einen starken Wettbewerbsvorteil darstellen, birgt aber auch Herausforderungen hinsichtlich Transparenz, Voreingenommenheit und Kontrolle. Werden KI-Systeme mit vergangenen Entscheidungen trainiert, können sie bestehende Muster – sowohl positive als auch negative – verstärken.

Gleichzeitig könnte die Möglichkeit, operatives Wissen in großem Umfang zu erfassen und wiederzuverwenden, die Denkweise von Organisationen hinsichtlich Expertise grundlegend verändern. Anstatt in Einzelpersonen oder Teams konzentriert zu sein, wird Wissen zu einem gemeinsamen Gut, das sich im Laufe der Zeit weiterentwickelt. Dies könnte die Hürden für die Automatisierung in Bereichen senken, die sich ihr bisher widersetzt haben, insbesondere in solchen, die Urteilsvermögen und Erfahrung erfordern.

Interlooms Dieser Ansatz legt nahe, dass die Zukunft von KI in Unternehmen nicht allein durch bessere Modelle, sondern durch bessere Systeme zur Erfassung und Anwendung realen Wissens bestimmt wird. Ob sich diese Vision als skalierbar erweist, bleibt abzuwarten, doch die Tendenz verdichtet sich zunehmend: Damit KI über die reine Unterstützung hinausgeht und Aufgaben ausführt, ist das Gedächtnis möglicherweise genauso wichtig wie die Intelligenz selbst.