Resolve AI sichert 40-Millionen-Dollar-Serie-A-Erweiterung bei einer Bewertung von 1,5 Milliarden US-Dollar, um das härteste Problem in der Software zu lösen: Produktion

Resolve AI hat eine 40-Millionen-Dollar-Serie-A-Erweiterung bei einer Bewertung von 1,5 Milliarden US-Dollar gesichert, angeführt von DST Global und Salesforce Ventures (CRM ). Die Finanzierung erfolgt in einem Moment, in dem künstliche Intelligenz die Art und Weise, wie Software entwickelt wird, dramatisch beschleunigt hat – aber nicht, wie sie einmal bereitgestellt wird.

Zusammen mit der Finanzierung hat das Unternehmen Resolve AI Labs vorgestellt, eine spezielle Forschungsinitiative, die darauf abzielt, eine der kritischsten Lücken in der AI-Stack zu schließen: die Fähigkeit, Software in Produktionsumgebungen zuverlässig zu betreiben.

Die Engstelle, die niemand gelöst hat: Produktion

Künstliche Intelligenz hat es ermöglicht, Code schneller zu schreiben als je zuvor. Tools, die von großen Sprachmodellen angetrieben werden, können jetzt ganze Anwendungen in Minuten generieren. Aber sobald dieser Code bereitgestellt wird, wird die Realität viel komplexer.

Produktionsumgebungen sind fragmentierte Systeme, die aus Infrastruktur, Telemetrie, Protokollen, Abhängigkeiten und ständig wechselnden Diensten bestehen. Ingenieure müssen Signale über alle diese Komponenten interpretieren, um Fehler zu diagnostizieren, oft unter Zeitdruck und mit unvollständigen Informationen.

Genau hier konzentriert sich Resolve AI. Die Plattform verbindet Code, Infrastruktur und Telemetrie, um Vorfälle zu untersuchen, Ursachen zu identifizieren und Maßnahmen zu ergreifen – im Wesentlichen als autonomer Produktionsingenieur.

Die Herausforderung ist nicht nur technische Komplexität. Es ist auch Skalierbarkeit. Wenn künstliche Intelligenz Code-Generierung beschleunigt, produzieren Organisationen mehr Software, als ihre Teams realistisch verwalten können. Das Ergebnis ist eine wachsende Lücke zwischen Entwicklungs- und Betriebsgeschwindigkeit.

Warum allgemeine KI-Modelle nicht ausreichen

Eine zentrale These hinter dem Ansatz von Resolve AI ist, dass allgemeine KI-Modelle nicht für Produktionsumgebungen konzipiert sind.

Während Grundmodelle sich schnell verbessern, sind sie nicht für die Realitäten operativer Systeme optimiert. Produktion erfordert eine Argumentation über lautstarke, unvollständige und oft widersprüchliche Datenströme. Sie erfordert auch hohe Genauigkeit, Zuverlässigkeit und Kontrolle, da Fehler zu Ausfällen, finanziellen Verlusten oder Sicherheitsrisiken führen können.

Resolve AI geht dieses Problem an, indem es domänen-spezifische Modelle und agentische Systeme entwickelt, die auf Produktionsworkflows zugeschnitten sind. Diese Systeme können Protokolle interpretieren, Systemänderungen analysieren, Ereignisse korrelieren und mehrstufige Korrekturprozesse über Tools hinweg ausführen – Aufgaben, die traditionell erfahrene Ingenieure erfordern.

Innerhalb von Resolve AI Labs

Das neu gestartete Resolve AI Labs ist darauf ausgerichtet, diese Vision voranzutreiben, indem es die grundlegenden Technologien entwickelt, die erforderlich sind, um AI-Systeme Produktionsumgebungen von Anfang bis Ende zu betreiben.

Das Labor wird von Dhruv Mahajan geleitet, ehemals von Meta, wo er an der Post-Training für Llama-Modelle arbeitete.

Anstatt sich eng auf Agenten zu konzentrieren, wird das Labor einen vollständigen Ansatz für operative künstliche Intelligenz verfolgen. Dazu gehören die Entwicklung von:

• Domänen-spezifischen Modellen, die auf Produktionsdaten trainiert werden
• Systemen, die über Protokolle, Metriken, Spuren und Infrastrukturereignisse argumentieren
• Bewertungsrahmen, um Zuverlässigkeit in realen Workflows zu messen
• Simulationsumgebungen für das Testen und Verbessern von Modellen
• Governance-Schichten, um sichere und kontrollierte Automatisierung zu gewährleisten

Dies spiegelt eine breitere Verschiebung in der AI-Entwicklung wider: von der rohen Modellfähigkeit hin zu Systemen, die sicher in realen Umgebungen mit hohen Risiken operieren können.

Von Unterstützung zu Autonomie

Resolve AI ist Teil einer wachsenden Kategorie, die oft als “KI für Produktion” oder AI-gestützte Site-Reliability-Engineering (SRE) bezeichnet wird. Im Gegensatz zu Codierhilfen sind diese Systeme darauf ausgelegt, Live-Umgebungen zu betreiben – Warnungen zu triagieren, Fehler zu diagnostizieren und Vorfälle in Echtzeit zu lösen.

Die Plattform des Unternehmens ermöglicht es Ingenieurteams bereits, Vorfälle wesentlich schneller zu untersuchen, wobei KI-Systeme in der Lage sind, Systemverhalten zu analysieren und Ursachen über komplexe Abhängigkeiten hinweg zu identifizieren.

Langfristig ist das Ziel, von Unterstützung zu Autonomie überzugehen. Anstatt dass Ingenieure manuell auf Warnungen reagieren, könnten KI-Systeme die meisten operativen Arbeiten übernehmen, wobei menschliche Aufsicht basierend auf Risiko und Kontext angewendet wird.

Früher Erfolg bei Unternehmenskunden

Die schnelle Finanzierungsbahn von Resolve AI spiegelt die starke Nachfrage von Unternehmen nach dieser Fähigkeit wider. Das Unternehmen hat in weniger als zwei Jahren über 190 Millionen US-Dollar gesammelt und arbeitet bereits mit Unternehmen wie Coinbase, DoorDash (DASH ), Salesforce, MSCI und Zscaler zusammen.

Das sind Umgebungen, in denen Ausfallzeiten teuer sind und Zuverlässigkeit kritisch ist. Selbst kleine Verbesserungen in der Reaktionszeit auf Vorfälle oder der Systemstabilität können sich in einen signifikanten Geschäftseinfluss übersetzen.

Das Auftauchen von Unternehmen wie Resolve AI signalisiert eine breitere Evolution im AI-Ökosystem.

Die erste Welle der generativen KI konzentrierte sich auf die Erstellung: Code schreiben, Inhalte generieren und Workflows beschleunigen. Die nächste Phase konzentriert sich auf den Betrieb – sicherzustellen, dass das, was gebaut wird, zuverlässig im großen Maßstab laufen kann.

Diese Verschiebung stellt neue technische Herausforderungen dar. Sie erfordert Systeme, die über die Zeit argumentieren, Unsicherheit handhaben, mit mehreren Tools interagieren und innerhalb strenger Einschränkungen operieren können. Sie erfordert auch neue Bewertungsmethoden, da traditionelle Benchmarks die Leistung in realen Umgebungen nicht erfassen.

Was dies für die Zukunft bedeutet

Wenn künstliche Intelligenz weiterhin die Softwareentwicklung beschleunigt, wird Produktion zunehmend zum limitierenden Faktor. Die Fähigkeit, komplexe Systeme zuverlässig zu betreiben, kann die nächste Generation von Unternehmens-AI-Plattformen definieren.

Die jüngste Finanzierung und der Start des Forschungslabors von Resolve AI deuten darauf hin, dass dieses Problem immer mehr in den Vordergrund rückt. Wenn das Unternehmen erfolgreich ist, baut es nicht nur ein weiteres AI-Tool – es hilft mit, neu zu definieren, wie Software-Systeme betrieben werden.

Die langfristige Implikation ist eine Verschiebung hin zu Umgebungen, in denen KI-Systeme und menschliche Ingenieure gemeinsam arbeiten, wobei Maschinen die Komplexität der Produktion handhaben und Menschen sich auf höhere Design-, Strategie- und Innovationsaspekte konzentrieren.