Finanzierung
Noeri nimmt 110 Millionen US-Dollar auf, um selbstverbessernde KI für Unternehmen zu entwickeln

Wichtige PunkteNoeris System verbessert Modelle und Werkzeuge rund um Kundenworkflows, statt ein…
Mehr anzeigen
- Noeris System verbessert Modelle und Werkzeuge rund um Kundenworkflows, statt ein allgemeines Modell zu verkaufen.
- Jede vorgeschlagene Änderung wird einem Menschen zur Genehmigung durch einen Prüfprozess vorgelegt, der einer Code-Überprüfung ähnelt.
- Die Gründer argumentieren, dass Intelligenz auf viele spezialisierte, kundeneigene Systeme verteilt werden sollte statt auf eine zentrale Superintelligenz.
Noeri gab am 16. November 2026 seinen Start und eine Finanzierung in Höhe von 110 Millionen US-Dollar bekannt. Menlo Ventures führte die Finanzierungsrunde an, mit der Noeri seine Arbeit an selbstverbessernder KI für Unternehmen und wissenschaftliche Entdeckungen vorantreibt.
Auch Madrona Venture Group, Kindred Ventures, Wing Venture Capital und NEA beteiligten sich; Cisco Investments, NVIDIA und Snowflake stiegen als strategische Investoren ein. Die Stanford-Professoren für Informatik Yejin Choi und Carlos Guestrin gründeten Noeri 2026 und führen das Unternehmen als Co-CEOs. Das Unternehmen hat seinen Sitz in Palo Alto und ein Büro in Zürich.
KI auf die Arbeit der Kunden spezialisieren
Noeri geht eine Herausforderung an, vor der Unternehmen häufig stehen: Sie müssen sich entscheiden, ob sie mehr für das leistungsfähigste Allzweckmodell zahlen oder bei einer günstigeren Alternative schwächere Ergebnisse in Kauf nehmen. Nach Angaben des Unternehmens analysiert sein System die Daten und Arbeitsabläufe einer Organisation und verbessert anschließend die dazugehörige Software, Fähigkeiten, Anweisungen, Werkzeuge und die Modellauswahl für jeden einzelnen Schritt – bei Bedarf auch die zugrunde liegenden Parameter der Modelle.
Die Produktübersicht beschreibt Agenten, die anhand von Aufgaben, Fehlern, Korrekturen und echtem Produktivbetrieb lernen, ohne dass dafür ein großer annotierter Datensatz erforderlich ist. Sie können ihre Fähigkeiten, Werkzeuge und Orchestrierung weiterentwickeln, bei Bedarf neue Werkzeuge erstellen, wenn vorhandene nicht ausreichen, und Modelle anhand der Arbeit der Kunden trainieren. Qualität und Kosten werden anhand des eigenen Datenverkehrs und der Kennzahlen des jeweiligen Kunden statt anhand öffentlicher Benchmarks gemessen. Dadurch beziehen sich die angestrebten Verbesserungen konkret auf den jeweiligen Einsatz.
Noeri zufolge wird jede Änderung erläutert und einer Person in einem Verfahren zur Genehmigung vorgelegt, das einer Codeüberprüfung ähnelt. Das System funktioniert mit geschlossenen Modellen und Modellen mit offenen Gewichten und ist darauf ausgelegt, sich an neue Modelle anzupassen, sobald diese verfügbar werden. Der Kunde behält seine Daten und ist Eigentümer der mit dem System entwickelten Arbeitsabläufe und Modelle; geltende Lizenzen für Modelle Dritter bleiben jedoch weiterhin maßgeblich.
Forschung für kontinuierliches Lernen und Entdecken
Noeri will dieselben technischen Grundlagen auch nutzen, um in der wissenschaftlichen Forschung zu Molekülen, Proteinen und komplexen technischen Systemen Hypothesen aufzustellen, Experimente durchzuführen und aus den Ergebnissen zu lernen. Das Unternehmen argumentiert, dass offene Entdeckungsprozesse die Wirtschaftlichkeit großer Modelle belasten, weil eine fortgesetzte Suche wesentlich mehr Rechenleistung erfordert als eine einzelne Antwort. Kleinere, spezialisierte Modelle sollen diese Suche erschwinglich machen.
Die Forschungsagenda des Unternehmens umfasst die Automatisierung der KI-Entwicklung, die effiziente Spezialisierung auf Grundlage begrenzter Daten, kontinuierliches Lernen ohne Vergessen sowie Entdeckungen durch Suche, Schlussfolgern und Modellteams. Diese Schwerpunkte knüpfen an die Arbeit der Gründer zu Training zur Inferenzzeit, Selbst-Destillation und agentischer Orchestrierung an: Dabei lernen Modelle nach ihrer Bereitstellung, aus eigenen Fehlern oder koordinieren andere Modelle und Werkzeuge.
In einer Visionserklärung vertreten Choi und Guestrin die Ansicht, Intelligenz solle auf viele spezialisierte, kundeneigene Systeme verteilt sein, statt in einer zentralisierten Superintelligenz gebündelt zu werden. Außerdem stellen sie aufgabengerecht dimensionierte Modelle als kostengünstiger und energieeffizienter dar und zweckgebundene Systeme als leichter zu spezifizieren, zu testen und zu überwachen.
Noeri zufolge erstrecken sich die ersten Proof-of-Concept-Partnerschaften des Unternehmens auf Bereiche der Wirtschaft und der Wissenschaft. Außerdem arbeitet das Unternehmen mit strategischen Partnern aus verschiedenen Branchen zusammen, darunter auch einige Investoren. Die Gruppe wurde bewusst vielfältig zusammengestellt, damit die Technologie zunächst lernt, sich zu verallgemeinern, bevor sie für einzelne Kunden spezialisiert wird.
Gründungsteam und erste Erprobung
Guestrin war zuvor Mitgründer von Turi, einer Plattform für maschinelles Lernen, die Apple 2016 übernahm. Später baute er Apples zentrale Organisation für maschinelles Lernen und KI auf und leitete sie. Choi ist MacArthur-Stipendiatin; ihre Forschung konzentriert sich darauf, kleinere KI-Modelle leistungsfähiger zu machen. Zuvor war sie Professorin an der University of Washington und Senior Director am Allen Institute for AI. Noeri stellt in Palo Alto und Zürich Forschende und Ingenieure ein.
Die unmittelbare Bewährungsprobe für das neue Labor besteht darin, ob sich seine Forschung mithilfe dieser Partnerschaften in wiederholbare Verbesserungen bei Qualität und Kosten umsetzen lässt, gemessen an den eigenen Kennzahlen der Kunden – und ob sich dabei die menschliche Genehmigung und die Eigentumsrechte wahren lassen, die im Zentrum des Produkts stehen.












