Tsuga sichert 35 Millionen Dollar Series-A-Finanzierung, da KI die Observability-Infrastruktur an ihre Grenzen bringt

Der in Paris ansässige Observability-Startup Tsuga hat 35 Millionen Dollar an Series-A-Finanzierung gesichert, weniger als ein Jahr nach dem Verlassen der Geheimhaltung, da Unternehmen mit der wachsenden Komplexität und den Kosten der Überwachung von künstlicher Intelligenz (KI)-gesteuerten Systemen kämpfen.

Die Runde wurde von Singular geleitet, mit Beteiligung von bestehenden Investoren General Catalyst und neuen Investoren DST Global und QuantumLight, sowie Unterstützung von Picus und Databricks Ventures. Die Finanzierung erfolgt während einer Zeit des schnellen Wachstums für das Unternehmen, das bereits Millionen von Dollar an jährlich wiederkehrenden Umsätzen unterzeichnet hat und Kunden wie Le Monde, Camunda, Buk und Black Forest Labs gewonnen hat.

Das neue Kapital wird verwendet, um das Team auf etwa 100 Mitarbeiter zu erweitern und die Plattformentwicklung zu beschleunigen.

Warum Observability vor einer neuen Herausforderung steht

Observability-Plattformen helfen Organisationen, Anwendungen, Infrastrukturen und zunehmend KI-Systeme zu überwachen, indem sie Telemetriedaten wie Protokolle, Metriken und Spuren sammeln. Da Unternehmen mehr KI-Agents und autonome Systeme bereitstellen, ist die Menge an generierten Telemetriedaten dramatisch gestiegen.

Laut Tsuga waren traditionelle Observability-Architekturen auf ein Modell ausgerichtet, bei dem Kunden Telemetriedaten an eine von einem Anbieter betriebene Cloud-Plattform senden. Während dieser Ansatz funktionierte, als die Datenmengen kleiner waren, produzieren KI-Workloads erheblich mehr Telemetriedaten, was die Inkassokosten erhöht und neue Governance-Herausforderungen im Umgang mit sensiblen Daten aufwirft.

Das Unternehmen argumentiert, dass viele Organisationen jetzt gezwungen sind, zwischen Kostenkontrolle durch Stichproben, was die Sichtbarkeit reduziert, oder der Annahme rapide ansteigender Observability-Rechnungen zu wählen.

Ein anderer Ansatz: Bring Your Own Cloud

Tsuga wurde 2024 von den ehemaligen Datadog-Exekutiven Gabriel-James Safar und Sébastien Deprez gegründet und basiert auf einer Bring-Your-Own-Cloud-(BYOC)-Architektur.

Anstatt Telemetriedaten an einen Drittanbieter-Dienst zu senden, wird die Plattform direkt innerhalb der Cloud-Umgebung des Kunden bereitgestellt. Die Plattform des Unternehmens läuft auf allen großen Cloud-Anbietern, einschließlich AWS, Microsoft Azure, Google Cloud und souveränen Cloud-Umgebungen. Telemetriedaten bleiben innerhalb der Infrastruktur des Kunden, in ihrem Objektspeicher gespeichert und mit ihren eigenen Sicherheitskontrollen verschlüsselt.

Diese Architektur soll mehrere Herausforderungen gleichzeitig angehen: Anforderungen an die Datensouveränität, Compliance-Bedenken, Infrastrukturkosten und Anbieterbindung. Tsuga unterstützt offene Standards wie OpenTelemetry und verwendet offene Datenformate, sodass Kunden die Kontrolle über ihre Telemetriedaten behalten können.

Observability für KI-Systeme aufbauen

Der Aufstieg von KI-Anwendungen verändert auch, was Organisationen überwachen müssen.

Zusätzlich zu traditionellen Protokollen, Metriken und Anwendungsverfolgungen benötigen Unternehmen zunehmend Einblick in KI-spezifische Workflows wie Prompt-Ausführung, Token-Verwendung, Agenten-Interaktionen, Vertrauenswerte und Multi-Agenten-Aufrufketten. Tsugas Plattform kombiniert diese Fähigkeiten in einer einzigen Umgebung, während die Daten innerhalb der Cloud-Grenze des Kunden bleiben.

Das Unternehmen hat sich als “KI-Native Resilient Observability”-Plattform positioniert und bietet Observability-Tools, die speziell für KI-Workloads entwickelt wurden. Funktionen umfassen KI-gestützte Anomalie-Erkennung, automatisierte Root-Cause-Analyse, Bereitstellungsüberwachung und Agenten-Überwachungsfunktionen.

Tsuga bietet auch einen MCP-Server und Befehlszeilen-Tools, die es Entwicklungsteams ermöglichen, ihre eigenen KI-Agents auf Basis von Observability-Daten aufzubauen, ohne diese Daten außerhalb ihres Sicherheitsperimeters zu bewegen.

Eine Services-Schicht neben der Software

Im Gegensatz zu vielen SaaS-Anbietern kombiniert Tsuga Software mit einem vorwärts-eingestellten Ingenieurmodell.

Das Unternehmen arbeitet direkt mit Kunden zusammen, um Telemetrie-Umgebungen zu optimieren, unnötige Datensammlung zu reduzieren und die Observability-Effizienz über die Zeit zu verbessern. Dieser Ansatz spiegelt einen umfassenderen Trend in der Unternehmenssoftware wider, bei dem Anbieter zunehmend operative Expertise neben Technologie bieten.

Da Unternehmen ihre KI-Deployments weiter ausbauen, wird das Management der resultierenden Flut von Telemetriedaten zu einer immer wichtigeren operativen Herausforderung. Tsugas Ansatz konzentriert sich nicht nur auf die Erfassung und Analyse dieser Daten, sondern auch auf die Unterstützung von Kunden bei der Reduzierung des Datenumsatzes, der verarbeitet und aufbewahrt werden muss.

Eine neutralere Version wäre:

Ein Zeichen für sich ändernde Prioritäten in der Observability

Die Finanzierungsrunde erfolgt zu einer Zeit, in der Infrastruktur-Teams die Observability-Systeme in zunehmend KI-getriebenen Umgebungen neu bewerten.

Da Unternehmen mehr KI-Anwendungen und autonome Agenten bereitstellen, wachsen die Telemetrie-Volumina weiter, was Druck auf Architekturen ausübt, die vor diesen Workloads entwickelt wurden. Gleichzeitig sind Daten-Governance, Compliance und Kostenmanagement für Unternehmenskäufer zu wichtigeren Überlegungen geworden.

Der Ansatz von Tsuga spiegelt eine Reaktion auf diese Herausforderungen wider: die Observability-Daten innerhalb der vom Kunden kontrollierten Cloud-Umgebungen zu halten, anstatt sie durch eine von einem Anbieter betriebene Plattform zu leiten. Ob dieses Modell eine breitere Akzeptanz findet, bleibt abzuwarten, aber es unterstreicht, wie sich der Observability-Markt im Zuge von KI-Workloads in der Unternehmensinfrastruktur entwickelt.

Mit seiner neuesten Finanzierung schließt sich Tsuga einer Reihe von Startups an, die neue Ansätze zur Überwachung und Verwaltung moderner Softwaresysteme erkunden. Das Wachstum des Unternehmens legt nahe, dass einige Organisationen aktiv Alternativen zu traditionellen Observability-Architekturen auswerten, während sie sich an die operativen Anforderungen von KI-nativen Anwendungen anpassen.