Snorkel AI sammelt $350 Millionen Serie‑E-Finanzierung bei einer Bewertung von $3,5 Milliarden, um das Frontier Lab für KI‑Daten aufzubauen

Snorkel AI kündigte am 22. September 2026 eine Finanzierung in Höhe von $350 Millionen Serie E bei einer Bewertung von $3,5 Milliarden an, in einem Unternehmensblogbeitrag, der vom Mitbegründer und CEO Alex Ratner verfasst wurde. Insight und S32 führten die Runde.

An der Runde beteiligten sich außerdem Third Point, March, Blumberg, Allegis, Standard VC und Frontline, neben den bestehenden Investoren Addition, Lightspeed, Greylock, GV, P7, Wells Fargo, Walden Catalyst Ventures und Factory.

Ratner sagte, das Data-as-a-Service‑Angebot des Unternehmens, das vor fast einem Jahr gestartet wurde, sei um mehr als das 18‑fache gewachsen und habe in der Woche der Ankündigung eine annualisierte Umsatzrate von $375 Millionen überschritten. Er erklärte, dass Snorkel nun mit Frontier Labs, Hyperscalern, Neolab‑Einrichtungen, führenden Unternehmen im vertikalen KI‑Bereich, Unternehmen und US‑Regierungsbehörden zusammenarbeite.

Frühere Finanzierungen und Unternehmenshintergrund

Die Serie E folgt auf Snorkels Serie‑D in Höhe von $100 Millionen bei einer Bewertung von $1,3 Milliarden, die in einer Unternehmensmitteilung vom 29. Mai 2025 angekündigt wurde. Addition führte diese Runde an, mit Beteiligung von Prosperity 7 Ventures, den bestehenden Investoren Greylock und Lightspeed sowie strategischen Investoren wie BNY und QBE Ventures. Die Mitteilung von 2025 erklärte, dass die Runde die Gesamtkapitalisierung von Snorkel seit der Gründung im Jahr 2019 auf $237 Millionen erhöhte.

Diese Mitteilung, datiert in Redwood City, Kalifornien, kündigte zudem die allgemeine Verfügbarkeit von Snorkel Evaluate und Snorkel Expert Data-as-a-Service an, zwei neue Angebote auf der KI‑Datenentwicklungsplattform des Unternehmens zur Bewertung und Feinabstimmung spezialisierter KI‑Systeme. Sie erklärte, dass das Kapital aus Serie D die Erweiterung der Ingenieur‑, Forschungs‑ und Markteinführungsaktivitäten des Unternehmens unterstützen werde.

Data 2.0 und die Agentic Data Platform

Ratrens Beitrag stellt die neue Finanzierung im Kontext dessen dar, was er Data 2.0 nennt. Snorkel habe vor etwa einem Jahrzehnt als Forschungsprojekt an der Stanford-Universität begonnen, schrieb er, mit der These, dass der Fortschritt im Bereich KI zunehmend daten‑zentriert sein werde und dass die Datenentwicklung als Forschungs‑ und Technologieproblem untersucht werden sollte, anstatt lediglich als Personal‑ und Crowdsourcing‑Aufgabe.

Der Beitrag beschreibt die erste Phase der KI‑Datenentwicklung, bezeichnet als Data 1.0, die von großen Mengen einfacher Daten getrieben wird und weitgehend ein Personal‑ und Logistikproblem darstellt, sowie die letzte Phase, bezeichnet als Data 2.0, die von der Qualität komplexerer Daten abhängt und primär ein Forschungs‑ und Technologieproblem ist. Am Beispiel von Programmierdaten heißt es, dass Frontier‑Reinforcement‑Learning‑Datensätze und -Umgebungen nun Softwareprobleme approximieren müssen, mit denen ein erfahrener Ingenieur tag- oder wochenlang kämpfen würde, feine Belohnungssignale über produkt‑skalierte Ausgaben erfassen, spezifische Fehlermodi von Modellen anvisieren, Versuchen fortgeschrittener Modelle, zu hacken oder zu betrügen, widerstehen und mehrere hundert Qualitätskontrollen bestehen müssen.

Um diese Daten zu erzeugen, beschreibt der Beitrag eine interne Agentic Data Platform, in der menschliche Experten von spezialisierten KI‑Modellen und Agenten unterstützt werden, teilweise Hunderte pro Aufgabentyp. Diese Agenten erweitern Skizzen der Experten zu vollständigen Umgebungen und Dateninstanzen, lenken menschliche Anstrengungen auf Verteilungsziele und Fehlermodi von Modellen, liefern Live‑Feedback und Nach‑Einreichungs‑Qualitätskontrolle und leiten Teilkomponenten an die richtigen Experten zur Überprüfung weiter. Menschliches Feedback in großem Umfang wird dann als schwache Aufsicht genutzt, um die Agenten zu messen und zu verbessern – ein sich verstärkender Kreislauf, den Ratner als RSI‑ oder rekursiver Selbstverbesserungs‑Motor für Daten bezeichnet.

Ratner berichtete, dass bei der Arbeit mit Programmierdaten spezialisierte Agenten, die die Qualitätskontrolle parallel zur menschlichen Expertenprüfung durchführen, die Effizienz der Qualitätskontrolle um mehr als 50 % steigern und die Prüfungsgenauigkeit um über 15 Punkte im Vergleich zu einer Basislinie von menschlichen Prüfern, die nur Standard‑LLMs verwenden, verbessern. Er erklärte, dass das skalierte menschliche Feedback, das als schwache Aufsicht eingesetzt wird, derzeit eine Genauigkeitssteigerung von mehr als dem 2‑fachen gegenüber einer nicht‑spezialisierten Frontier‑LLM‑Basislinie liefert und dass solche Kennzahlen kontinuierlich besser werden, je länger der Kreislauf läuft.

Offene Benchmarks und Forschungspläne

Snorkel erklärte zudem, dass es sein Open Benchmarks Grants‑Programm, das offene, unabhängige KI‑Benchmarks finanziert, erheblich ausbauen werde. Die Seite des Programms gibt an, dass das Vorhaben durch ein Engagement von $3 Millionen unterstützt wird, um Open‑Source‑Datensätze, Benchmarks und Evaluationsartefakte zu finanzieren, und dass Bewerbungen fortlaufend geprüft werden. Vorschläge werden mit Input eines Lenkungsausschusses aus akademischen und industriellen Forschern bewertet, und die Seite weist darauf hin, dass Snorkel die Entscheidungen des Ausschusses nicht lenkt.

Auf der Seite aufgeführte Benchmarks umfassen die Terminal‑Bench‑Reihe, OSWorld 2.0 mit dem XLANG‑Lab der University of Hong Kong, Agent’s Last Exam mit dem RDI von UC Berkeley, Continual Learning Bench mit dem SkyLab von UC Berkeley und UW‑Madison, SlopCode Bench mit UW‑Madison, DARPA und der National Science Foundation sowie Senior SWE‑bench mit der University of Wisconsin und der Princeton University.

Über die Benchmarks hinaus sagte Ratner, dass Snorkel stark in die Unterstützung spezialisierter KI‑Modelle investieren werde und schrieb, dass das Unternehmen erwartet, dass in den nächsten Jahren ein immer größerer Anteil der weltweiten Datenentwicklung auf spezialisierte KI ausgerichtet sein wird. Er fügte hinzu, dass ein bedeutender Teil von Snorkels Forschung und Entwicklung in den kommenden Jahren auf die Entwicklung von Daten und Umgebungen für KI‑Ausrichtung und -Sicherheit fokussiert sein wird.