DataBahn henter inn 40 millioner dollar for å bygge et agenskontrollplan for bedriftsdata

DataBahn har hentet inn 40 millioner dollar i serie B-finansiering, da de søker å utvide infrastrukturen bedrifter bruker for å forberede, styre og levere data til kunstig intelligens-systemer.

Insight Partners ledet runden, med eksisterende investorer Forgepoint Capital, GTM Capital og S3 Ventures også deltok. Investeringen bringer det Dallas-baserte selskapets totale finansiering til 59 millioner dollar, etter en 17 millioner dollar serie A annonsering i juni 2025.

DataBahn planlegger å rette den nye kapitalen mot forskning og utvikling, ytterligere produktfunksjoner og den fortsatte utvidelsen av deres partner-drevne salgsmodell. Selskapet stiller sin plattform som en “agenskontrollplan”, et infrastruktur-lag ment å styre hvordan bedriftsdata flytter mellom operative systemer, sikkerhetsplattformer, lagringsmiljøer og AI-modeller.

Runden kommer når bedrifter genererer mer telemetri enn deres eksisterende sikkerhets- og analyse-systemer kan økonomisk prosessere. Samtidig trenger AI-agenter og co-piloter tilgang til pålitelig bedriftskontekst hvis de forventes å ta beslutninger eller utføre handlinger på vegne av ansatte.

Beveger seg bort fra konvensjonelle datapiper

Tradisjonelle bedriftsdatapiper samler vanligvis informasjon fra en kilde og leverer det til en destinasjon, som en sikkerhetsinformasjon og hendelsesstyringsplattform, datawarehouse eller skytjener.

Denne modellen blir mindre effektiv når antallet datasources, destinasjoner og forbrukere utvides. En bedrift kan trenge å samle inn logger fra skyinfrastruktur, identitetssystemer, endepunkter, applikasjoner, industriutstyr og programvare som tjeneste-plattformer, samtidig som de sender forskjellige deler av informasjonen til sikkerhetstverktøy, analyse-systemer, datainnsjøer og AI-applikasjoner.

Å flytte hver tilgjengelig hendelse til hver nedstrøms-system kan skape betydelige lagrings-, prosesserings- og skydata-overføringskostnader. Det kan også gjøre det vanskeligere for analytikere og AI-modeller å finne informasjonen som virkelig er relevant.

DataBahn setter inn et styringslag mellom disse kilde og destinasjoner. Deres plattform kan samle inn, filtrere, normalisere, berike og rute informasjon mens den flytter, i stedet for å kreve at hver nedstrøms-applikasjon uavhengig prosesserer rådata.

Selskapet sier at deres teknologi for øyeblikket støtter over 600 datasources og er designet for å forbli uavhengig av noen spesifik lagringsplattform, sikkerhetsleverandør eller AI-modell. Dette tillater kunder å endre destinasjoner eller bruke flere systemer uten å bygge om samlelaget rundt hver leverandørs arkitektur.

DataBahn fokuserte opprinnelig tungt på cybersikkerhetstelemetri, men har siden utvidet sin plattform til å dekke applikasjons-, observabilitets- og Internett-of-Things- og operasjonsteknisk data.

Forbereder bedriftsdata for AI-agenter

AI-komponenten i DataBahns strategi er ikke begrenset til å legge til en konversasjonsgrensesnitt til en eksisterende dataplattform.

Deres Cruz AI-system fungerer som en agensdataingeniør som assisterer med arbeid tradisjonelt håndtert gjennom manuelt konfigurerte integrasjoner og parsing-regler. Programvaren overvåker innkommende dataschemer, identifiserer endringer og kan generere oppdaterte parser og kartlegginger når formatet på en kilde endres.

Dette er viktig fordi bedriftsdatasources sjelden forblir statiske. Programvareleverandører introduserer nye felt, endrer hendelsesformater og oppdaterer programmeringsgrensesnitt. Når disse endringene bryter en pipeline, kan sikkerhets- og dataingeniørteamer miste synlighet til integreringen er reparert.

DataBahn beskriver Cruz som en måte å gjøre denne prosessen til en godkjenningsbasert arbeidsflyt. I stedet for at ingeniører bygger hver connector eller parser fra begynnelsen, kan systemet analysere den endrede kilde og forberede en oppdatert konfigurasjon for gjennomgang.

Plattformen normaliserer også informasjon til konsistente schemer, inkludert Open Cybersecurity Schema Framework. Standardisering kan gjøre data lettere for sikkerhetstverktøy og AI-systemer å tolke, fordi samme type hendelse er representert konsistent, uavhengig av hvilket produkt som genererte det.

For AI-agenter, er det bredere målet å forsyne nok kontekst for å støtte en beslutning uten å kopiere en organisasjons hele dataeiendom inn i en annen plattform. DataBahn kan prosessere informasjon kontinuerlig mens de henter ekstra kontekst når en applikasjon eller agent trenger det.

Denne tilnærmingen kan bli mer viktig når bedrifter flytter fra generative AI-systemer som primært besvarer spørsmål til agenter som initierer arbeidsflyter, endrer konfigurasjoner eller reagerer på operative hendelser. Påliteligheten av disse agentene vil avhenge delvis av om den underliggende dataen er aktuell, riktig strukturert og styrt.

Intelligensen flytter inn i datastrømmen

DataBahn har også utviklet det de kaller Autonomous In-Stream Data Intelligence, en arkitektur som anvender analyse og beslutning mens informasjonen flyter gjennom pipelinen.

Systemet er ment å gjøre mer enn å forberede data for analyse etter at det når en destinasjon. Det kan evaluere datakvalitet, identifisere manglende informasjon og bestemme hvordan enkelt hendelser skal håndteres i sanntid.

I en sikkerhetsmiljø, for eksempel, kunne en pipeline berike en innkommende hendelse med trusselintelligens, rute høyverdi-telemetri inn i en analyseplattform og flytte lavere-prioritetsinformasjon inn i billigere lagring. Å anvende disse beslutningene før data når en sikkerhetsplattform, kunne redusere innføringskostnader uten å tvinge en organisasjon til å oppgi informasjon som kan være nødvendig for en etterforskning.

Selskapet har argumentert for at intelligensen bør sitte inne i pipelinen, i stedet for å kun bli anvendt etter at data allerede er samlet inn og lagret.

Denne arkitekturen reflekterer også en bredere endring i bedriftsdatastyring. Pipelinen blir en aktiv politikk- og orkestreringslag, i stedet for passivt rørledning som kobler to systemer sammen.

Bedrifts-adoptsjon driver Serie B

DataBahn rapporterer at deres omsetning har økt med over 400% år-for-år, med en netto omsetningsbevarelse på 180%. De hevder også null kunde-avhopping og en 97% suksessrate over proof-of-concept-utplasseringer.

Selskapet betjener organisasjoner i helse, finansielle tjenester, produksjon og transport, inkludert flere Fortune 100-selskaper. Deres avdekkede kunder inkluderer MVB Bank og Canada Pension Plan Investment Board.

MVB Bank Chief Information Security Officer Parrish Gunnels sa at plattformen hjalp banken med å bringe flere dataformater, regulatoriske krav og revisjonskontroller inn i en fellesmiljø som støtter deres AI-agenter.

Ved Canada Pension Plan Investment Board, brukes teknologien til å standardisere innføringen av sikkerhetstelemetri. Organisasjonen sa at dette reduserte den tilpassede ingeniørvirksomheten som tidligere var nødvendig for å koble nye loggkilder og gjorde det lettere å identifisere systemer som ikke sendte den forventede data.

DataBahn har i stor grad fulgt disse kundene gjennom kanal- og teknologipartnere, i stedet for å bare stole på direkte salg. Nylige initiativer inkluderer en dypere integrasjon med Microsofts sikkerhetsekosystem og en Asia-Stillehavet-distribusjonsavtale med sikkerhetsdistributøren M.Tech.

Finansiering retter seg mot en voksende infrastrukturflaskehals

Serie B vil tillate DataBahn å utvide et produkt på skjæringspunktet mellom flere økonomisk vanskelige bedriftsproblemer.

Sikkerhetsteam samler inn mer telemetri for å oppdage angrep og møte regulatoriske krav. Data- og observabilitetsteam prosesserer større volumer av applikasjons- og infrastrukturinformasjon. AI-team trenger nå tilgang til både operative data og bedriftskontekst.

Hver gruppe kan kjøpe ekstra lagrings- og prosesseringskapasitet, men det løser ikke den underliggende dupliseringen og fragmenteringen. Data kan fortsatt samles inn flere ganger, transformeres forskjellig av hver plattform og låses inn i systemer som gjør det kostbart å gjenbruke andre steder.

DataBahn vedder på at bedrifter i stedet vil plassere et uavhengig styringslag mellom systemene som produserer data og de som forbruker det.

Muligheten er større enn å redusere lagringsregninger. En effektiv styringsplan kunne bestemme hva slags informasjon en AI-agent er tillatt å få tilgang til, berike informasjonen med den nødvendige konteksten og vedlikeholde en rekord over hvordan data ble transformert og routet.

Dette ville gi pipelinen en sentral rolle i AI-styring, spesielt i regulerte industrier hvor organisasjoner må forklare informasjonen som brukes av automatiserte systemer.

Bygger datafundamentet for agens-ai

Utfordringen for DataBahn vil være å demonstrere at den nye “agenskontrollplan”-kategorien er distinkt nok fra eksisterende datapipeline-, sikkerhetsdata- og observabilitetsplattformer til å rettferdiggjøre et annet lag i bedriftsteknologistakken.

Store sky- og sikkerhetsleverandører utvider også deres data-ruting-, lagrings- og AI-kapasiteter. DataBahns motargument er at en nøytral plattform kan gi kundene større kontroll over hvor informasjonen lagres og hvilke applikasjoner eller modeller som forbruker det.

Deres evne til å bevare denne nøytraliteten mens de integrerer med en økende mengde bedriftssystemer, vil være viktig når selskapet skalerer.

Serie B gir DataBahn ytterligere ressurser til å utvikle denne arkitekturen mens AI-agenter blir mer dypt integrert i bedriftsoperasjoner. Den sentrale premissen er enkel: organisasjoner trenger ikke nødvendigvis å samle inn og kopiere mer data. De trenger en bedre måte å identifisere, styre og aktivere informasjonen som betyr noe på det øyeblikket det er nødvendig.

DataBahn planlegger å forhåndsvise deres neste agenskontrollplan-kapasiteter på Black Hat USA 2026.