Finanzierung
Islo sammelt 15 Mio. US-Dollar ein, um seine Fabrik für Unternehmenssoftware auszubauen

Wichtige PunkteIslo automatisiert Engineering-Arbeit mit KI-Agenten und behält dabei Sicherheit und…
Mehr anzeigen
- Islo automatisiert Engineering-Arbeit mit KI-Agenten und behält dabei Sicherheit und Deployment unter Unternehmenskontrolle.
- Factory Lines machen Prüfungen und Genehmigungen so wiederholbar wie die Codegenerierung selbst.
- Die Plattform testet Modelländerungen anhand historischer Tickets, um kundenspezifische Nachweise zu erzeugen.
Islo gab bekannt, dass das Unternehmen eine von Insight Partners angeführte Investition in Höhe von 15 Millionen US-Dollar erhalten und am 17. November 2026 seine Plattform Enterprise Software Factory gestartet hat. Als Teil der Produktfamilie von Incredibuild wurde Islo entwickelt, um wiederkehrende Entwicklungsarbeiten mit KI-Agenten zu automatisieren und dabei die unternehmerische Kontrolle über Sicherheit, Verifizierung und Bereitstellung zu wahren.
Die Mittel sollen die Produktentwicklung, die Verbreitung und den Ausbau von Islo als eigenständiger Produktlinie innerhalb von Incredibuild unterstützen. Incredibuild übernahm 2025 Kypso, das von Islos Führungsteam gegründete Start-up. Die Plattform integriert Incredibuilds Beschleunigung von Builds, Tests und kontinuierlicher Integration und verbindet so die bestehende Pipeline-Technologie des Unternehmens mit Kontrollmechanismen für von Agenten erstellte Arbeit.
Factory Lines und isolierte Ausführung
Factory Lines verwandeln einen technischen Arbeitsablauf in eine wiederholbare Abfolge von Schritten mit und ohne Agenten. Ein Team kann Implementierung oder Überprüfung einem KI-Agenten übertragen und anschließend Skripte für Builds, Linter und Tests einsetzen, sodass diese Prüfungen nicht vom Urteilsvermögen des Modells abhängen. Läufe können durch ein neues Issue, eine Slack-Nachricht, einen Webhook oder einen Zeitplan ausgelöst werden. Schlägt eine Prüfung fehl, gibt der Prozess die Aufgabe zur erneuten Bearbeitung zurück; gilt eine Aktion als riskant, kann sie bis zur Freigabe durch einen Menschen warten.
Auch die Ausführungsumgebung ist Teil des Produkts. Jede Machine stellt eine dauerhafte, hardwareisolierte Umgebung mit den Repositories, Diensten und Abhängigkeiten bereit, die zum Erstellen und Ausführen der Software des Kunden erforderlich sind. So können Agenten Änderungen anhand des tatsächlichen Technologie-Stacks überprüfen. Dank des Cloud-Hostings können mehrere Machines weiterlaufen, ohne dass ein Entwickler angemeldet bleiben muss.
Die Sicherheitskontrollen sind in diese Umgebung integriert. Ausgehende Verbindungen werden blockiert, sofern sie nicht ausdrücklich erlaubt sind. Durch das Einschleusen über ein Gateway bleiben unverschlüsselte Zugangsdaten außerhalb der Sandbox, und Befehle, Dateiänderungen sowie Netzwerkaktivitäten werden protokolliert. Kunden können Islo außerdem in ihrer eigenen Cloud ausführen, Ausgabenlimits für jede Factory Line festlegen und Sitzungen, Aktionen, ausgehende Aufrufe sowie Nutzungskosten einem prüfbaren Laufprotokoll zuordnen, wie auf der Produktseite angegeben.
Zu den von Islo aufgeführten frühen Anwendungsfällen bei Kunden zählen Refactoring, Code-Reviews, Qualitätssicherung, Fehlerbehebung, die Triage von Issues und die Bereitstellung von Funktionen mit langer Entwicklungsdauer. Teams können Prüfschranken für Sicherheit, Tests, Funktionalität, Schutz, Leistung und Kosten einrichten und festlegen, für welche Aktionen die Freigabe durch einen Menschen erforderlich ist.
„KI kann die Menge an Code, die ein Entwicklungsteam produziert, drastisch erhöhen. Das bedeutet jedoch nicht automatisch, dass dadurch mehr Software sicher ausgeliefert wird“, sagte Adam Gold, Chief Product Officer von Islo. Islo setzt darauf, die Prüfungen und Freigaben rund um Änderungen ebenso wiederholbar zu gestalten wie deren Erstellung.
Partnerschaft mit Databricks und Modelltests
Databricks soll künftig auch Islos Backend-Inferenzpartner werden. Islo zufolge wird die Integration Kunden Zugang zu proprietären und offenen KI-Modellen verschaffen und gemeinsamen Kunden ermöglichen, Fabriken mit ihren eigenen Daten zu betreiben, ohne Datenschutz oder Kontrolle aufzugeben. Die Modellausführung und der Zugriff auf Databricks-Daten werden innerhalb der Software Factory verfügbar sein und diese Ressourcen damit in dieselbe kontrollierte Umgebung wie den Entwicklungsablauf einbinden.
Modellunabhängigkeit ist ein weiterer Bestandteil des Konzepts. Teams können Claude Code, Codex oder andere Agentenwerkzeuge nutzen und für einzelne Phasen unterschiedliche Modelle auswählen, ohne bei einem Wechsel einzelner Komponenten eine ganze Factory Line neu aufbauen zu müssen.
Islo zufolge lassen sich vorgeschlagene Änderungen an einem Modell, Prompt oder Agenten-Harness zunächst anhand historischer Tickets in der Kundenumgebung testen. Simulierte, zustandserhaltende Versionen von GitHub, Slack und Linear verhindern, dass der Agent die spätere Lösung herausfindet. Bei der anschließenden Bewertung werden das Ergebnis, verborgene Tests, Nebenwirkungen, Versuche und Kosten untersucht. So entstehen Nachweise auf Grundlage der Arbeit des Kunden statt eines allgemeinen Anbieter-Benchmarks.
Islo berichtet, dass Rite die Plattform für die Bereitstellung von Funktionen und die Fehlerbehebung nutzt, während Incredibuild den Einsatz von automatisierten Pull-Request-Reviews auf Fehlerbehebung, Funktionsbereitstellung und die Triage in der kontinuierlichen Integration ausgeweitet hat. Ein Pilotprojekt mit ARIMLABS wuchs auf rund 500.000 Bewertungsläufe pro Tag an. Diese Beispiele verweisen auf das anfängliche Einsatzgebiet der Plattform: kontinuierliche, wiederkehrende Aufgaben, deren Eingaben und Abnahmekriterien sich im Voraus festlegen lassen.
Die unmittelbare Chance liegt im Rückstand bei Wartungs-, Test- und Triageaufgaben mit objektiven Prüfkriterien. Die zentrale Frage für die neue Produktlinie lautet, ob Islos Kontrollmechanismen verhindern können, dass Überprüfung und Verifizierung zum nächsten Engpass werden, wenn Kunden Umfang und Autonomie der von Agenten erstellten Änderungen steigern.












