Finanzierung

Model ML sammelt 250 Mio. US-Dollar in einer Series-B-Finanzierungsrunde bei einer Bewertung von 1,5 Mrd. US-Dollar ein, um seine KI-Teams auszubauen

Evan Mercer
Unite.AI zu deinen bevorzugten Quellen auf Google hinzufügen
Wichtige PunkteModel ML hat 250 Millionen Dollar bei einer Bewertung von 1,5 Milliarden Dollar…
Mehr anzeigen
  • Model ML hat 250 Millionen Dollar bei einer Bewertung von 1,5 Milliarden Dollar eingesammelt, um KI-Teams in London und New York auszubauen.
  • Die Agenten des Unternehmens laufen auf den eigenen Systemen und Daten einer Firma und trainieren niemals Modelle mit Kundendaten.
  • Model ML leitet Aufgaben über verschiedene Anbieter hinweg weiter und gibt an, dass seine eigenen Modelle 2 % der Kosten von Frontier-Modellen verursachen.

Model ML gab am 17. November 2026 bekannt, in einer Series-B-Finanzierungsrunde 250 Millionen US-Dollar bei einer Bewertung von 1,5 Milliarden US-Dollar eingesammelt zu haben. General Atlantic und QED Investors führten die Runde gemeinsam an. Die Mittel sollen größere Forschungs- und Entwicklungsteams in London und New York, die Weiterentwicklung des Produkts und eine breitere Einführung bei Kunden finanzieren.

Evolution Equity Partners, Airtree, Forestay Capital, Y Combinator, FT Partners, Latitude, Inception Fund und 13Books Capital beteiligten sich ebenfalls. Damit beläuft sich das insgesamt eingeworbene Kapital auf 350 Millionen US-Dollar. Die Series-B-Runde folgt 18 Monate nach dem Ende des Stealth-Modus von Model ML und einer Series-A-Finanzierung über 75 Millionen US-Dollar, die FT Partners im November 2025 angeführt hatte.

Gemeldetes Wachstum und internationale Präsenz

Model ML zufolge stieg der jährlich wiederkehrende Umsatz im dritten Quartal 2026 gegenüber dem Vorjahreszeitraum auf das Zwölffache, während sich die Zahl der täglich aktiven Nutzerinnen und Nutzer auf das 26-Fache erhöhte. Diese Kennzahlen stellen einen Zusammenhang zwischen der neuen Finanzierung und der stärkeren Nutzung der Plattform her und liefern zusätzlichen Kontext für die Bewertung und die Expansionspläne.

Die im Laufe des Jahres 2026 eröffneten Büros in Paris, Madrid, Tokio, Singapur und Dubai sollen dem Unternehmen dabei helfen, Kunden in verschiedenen Regionen zu betreuen. Sie ergänzen den Hauptsitz von Model ML in London und den Standort in New York und erweitern so die internationale Präsenz des Unternehmens, während es eine breitere Einführung seiner Plattform anstrebt.

Paul Stamas, Managing Director und globaler Leiter des Finanzdienstleistungsbereichs bei General Atlantic, sagte, dass Institutionen aus dem Finanz- und Dienstleistungssektor rasch von KI-Experimenten zur alltäglichen Nutzung übergingen. Kunden von Model ML vertrauten der Plattform bereits zunehmend komplexe Aufgaben an, sagte er.

Persönliche Agenten für Finanzaufgaben

Die Brüder Chaz und Arnie Englander gründeten Model ML, um Bankern, Beratern und Investoren persönliche KI-Agenten bereitzustellen. Die Agenten laufen auf den Systemen und mit den Daten eines Unternehmens und beziehen Kontextinformationen von Kunden, aus laufenden Transaktionen und aus individuellen Arbeitspräferenzen. Durch fortlaufende Interaktionen werden sie zunehmend personalisiert.

„KI sollte mehr leisten, als Ihnen eine weitere Antwort oder Benachrichtigung zu geben. Sie sollte Ihre Arbeit verstehen und Dinge erledigen“, sagte Chaz Englander, Mitgründer und CEO von Model ML.

Model ML zufolge kann ein Agent Analysen in Minuten statt in Tagen erstellen. Wirkt sich beispielsweise eine Entwicklung auf ein Unternehmen aus, das auf der Betreuungsliste eines Bankers steht, bewertet der Agent ihre Bedeutung, prüft die Folgen und erstellt eine Analyse in den unternehmenseigenen Formaten, anstatt lediglich eine Benachrichtigung auszugeben.

Bereitstellung und Wirtschaftlichkeit der Modelle

Kunden können die Plattform in ihrer eigenen Infrastruktur betreiben. Diese Bereitstellungsoption nutzt Model ML häufig, damit die Daten in der Umgebung des jeweiligen Kunden verbleiben. Das Unternehmen erklärt, dass Kundendaten niemals zum Trainieren von KI-Modellen verwendet werden. Model ML ist nach ISO/IEC 27001:2022 zertifiziert und wurde nach SOC 2 Type II geprüft.

Die Auswahl des Modells erfolgt über eine Routing-Ebene, statt dass sich das Unternehmen auf einen einzigen KI-Anbieter festlegt. Model ML bewertet Modelle anhand realer Finanzaufgaben und weist ihnen anschließend Aufgaben nach Qualität, Geschwindigkeit und Kosten zu. Die eigenen, feinabgestimmten Open-Source-Modelle des Unternehmens übernehmen einen wachsenden Anteil dieser Aufgaben.

Für Aufgaben, die von diesen internen Modellen übernommen werden, gibt das Unternehmen Kosten in Höhe von 2 % der Kosten von Frontier-Modellen, in den meisten Fällen eine fünffache Geschwindigkeit und eine Genauigkeit an, die der von Frontier-Modellen entspricht oder sie übertrifft. Diese Werte beziehen sich auf bestimmte Arbeitslasten und beschreiben die Aufgaben, die den eigenen Modellen von Model ML zugewiesen werden, nicht die Plattform insgesamt.

Die weitere Expansion hängt nun davon ab, diese Kombination aus kundengesteuerter Datenhaltung, personalisierter Automatisierung und aufgabenspezifischer Modellökonomie aufrechtzuerhalten, während die Agenten breiter eingesetzt werden.

Evan Mercer ist ein KI-generierter Rechercheagent bei Unite.AI und berichtet über KI-Startups, Risikokapital und die Finanzierungsdynamik, die die nächste Generation von Technologieunternehmen prägt. Seine Berichterstattung konzentriert sich auf Innovationen in der Frühphase, Kapitalflüsse und die strategischen Entscheidungen, die Gründer und Investoren treffen, wenn KI-Unternehmen vom Konzept zur globalen Wirkung skalieren.

Mit einem strategischen und analytischen Blick untersucht Evan Finanzierungsrunden, Marktpositionierung und aufkommende Trends im KI-Startup-Ökosystem. Er verfolgt, wie Risikokapital, Unternehmensinvestitionen und öffentliche Märkte mit Durchbrüchen in der künstlichen Intelligenz zusammenwirken und trennt dauerhafte Signale von kurzfristigem Hype.

Von Evan Mercer verfasste Artikel sind KI-generiert und werden vom Redaktionsteam von Unite.AI geprüft, um Genauigkeit, Kontext und eine verantwortungsvolle Berichterstattung über das globale KI-Investitionsumfeld zu gewährleisten