Mercor nimmt in Series-D-Finanzierungsrunde 750 Mio. US-Dollar bei einer Bewertung von 20 Mrd. US-Dollar auf, um das KI-Training auszubauen

Mercor gab am 10. November 2026 eine Series-D-Finanzierungsrunde über 750 Millionen US-Dollar bekannt und wurde dabei mit 20 Milliarden US-Dollar bewertet. Die Finanzierung umfasste ein Mitarbeiter-Tenderangebot sowie die Beteiligung von NVIDIA, Salesforce, Zoom und weiteren Investoren.

Auch Benchmark, Felicis, Fundomo, von Apollo-Tochtergesellschaften verwaltete Fonds, G Squared, General Catalyst, Glade Brook Capital, Sapphire Ventures, StepStone Group und XTX Ventures beteiligten sich. Die Finanzierung soll den Ausbau der Infrastruktur und die Forschung zu Modellevaluierungen und zum Nachtraining – also dem zusätzlichen Training eines bereits bestehenden Modells – beschleunigen und zugleich weitere Umgebungen schaffen, in denen Agenten komplexe Arbeitsabläufe erlernen können. Mercor eröffnete 2026 außerdem Büros in New York und London und expandierte damit über San Francisco hinaus, um näher an Kunden aus Unternehmen und Laboren zu sein und Mitarbeitende zu gewinnen.

Evaluierungen für Unternehmen und Training mit Experten

Mercor hat in den vergangenen zwei Jahren eine Infrastruktur aufgebaut, um Spitzenmodelle mithilfe menschlicher Expertise anhand realer Arbeit zu trainieren und zu evaluieren. Jetzt überträgt das Unternehmen diese Fähigkeiten auf Unternehmen. Die Evaluierungen sollen ermitteln, was Agenten leisten können, welche Kosten dabei entstehen und wie sich ihre Leistung verbessern lässt. Bei den maßgeschneiderten Evaluierungen werden Modelle anhand der tatsächlichen Arbeitsabläufe eines Arbeitgebers an den Anforderungen des Unternehmens gemessen. So lässt sich feststellen, wo zusätzliches Training oder Übung in realistischen Umgebungen helfen könnte.

Nach Angaben von Mercor umfasst das Netzwerk des Unternehmens mehr als fünf Millionen Experten, die dafür bezahlt werden, KI-Spitzenmodelle zu trainieren. In den Vereinigten Staaten gibt es demnach mehr als 800 verschiedene Berufe mit Arbeitsabläufen, anhand derer Modelle noch nicht evaluiert wurden. Mercors Ansatz für Unternehmen beginnt mit einem leistungsfähigen offenen Modell, erstellt öffentliche Evaluierungen und senkt mithilfe von Nachtraining die Kosten, bevor Modelle für Kunden trainiert werden.

Der Ansatz unterscheidet zwischen dem Wissen darüber, wie eine Aufgabe allgemein ausgeführt wird, und dem Wissen darüber, wie ein bestimmter Arbeitgeber sie mit seinen eigenen Systemen, Richtlinien und Qualitätsstandards erledigt. Mercor zufolge erfordert das Nachtraining nur einen Bruchteil der Ressourcen, die an der Spitze benötigt werden. Die Arbeit des Unternehmens mit Spitzenlaboren und Unternehmen stützt sich auf dasselbe Expertennetzwerk, dieselben Evaluierungsmethoden und dieselbe Nachtrainingsinfrastruktur. Dadurch können Erkenntnisse aus jedem Bereich in den jeweils anderen einfließen.

Deeptunes Rolle beim Training von Agenten

Anfang 2026 übernahm Mercor Deeptune, ein Unternehmen für Umgebungen zum bestärkenden Lernen. Die Ankündigung vom 9. Juli 2026 umriss die geplante Übernahme und Deeptunes zweijährige Arbeit daran, Hunderte von Unternehmensanwendungen – von Tabellenkalkulationen bis hin zu Salesforce – für Trainingsumgebungen für Agenten nachzubilden. In diesen Umgebungen können Agenten berufliche Arbeitsabläufe üben.

Jede Umgebung besteht aus drei Komponenten: der Software, in der die Arbeit stattfindet, Aufgaben, die festlegen, was der Agent erledigen muss, und Prüfinstanzen, die feststellen, ob er erfolgreich war. Die Experten von Mercor erstellen Aufgaben und Prüfinstanzen, die menschliche Urteile in Lernsignale übersetzen. Laut der Ankündigung vom Juli misst das APEX-System die Leistung von Modellen bei wirtschaftlich wertvollen Aufgaben in Tausenden von Arbeitsabläufen aus der Praxis. Deeptune liefert die Softwareebene, die benötigt wird, um diese Expertise in Trainingsumgebungen zu überführen.

Interne KI-Ausgaben

Mercor zufolge gibt das Unternehmen dreimal so viel für Inferenz aus – also für die Rechenleistung, mit der Modelle ausgeführt werden – wie für die Gehälter der Mitarbeitenden. Diese Ausgaben amortisieren sich, weil sie die Mitarbeitenden bei ihrer Arbeit leistungsfähiger machen.

Mitgründer und CEO Brendan Foody sagte, wenn dieses Verhältnis Bestand habe, während sich KI in der Wirtschaft verbreite, deute das in den nächsten fünf Jahren auf ein eher zweistelliges Wachstum des Bruttoinlandsprodukts hin – nahezu dreimal so hoch wie die von ihm als üblich bezeichnete Rate.

Die Finanzierung unterstützt ein einziges Angebot für Unternehmen: die Umgebung aufbauen, die Experten bereitstellen und messen, ob ein Agent einsatzbereit ist. Für Mercor besteht der Praxistest darin, ob ein Agent in den eigenen Arbeitsabläufen eines Kunden zuverlässig funktioniert, denn allgemeines Wissen über eine Aufgabe allein reicht dafür nicht aus.