TEL AVIV / LONDON (IT BOLTWISE) – Der Startup Keewano hat mit KeewanoDB eine eventorientierte Datenbank vorgestellt, die KI-Agenten statt klassischen Tabellenstrukturen mit Echtzeit-Kontext versorgt. Das Unternehmen sammelte 12 Millionen US-Dollar unter anderem von Hetz Ventures und a16z Speedrun. Technisch setzt Keewano auf Entitäten-basiertes Event-Ordering, Multi-Sharding in Container-Umgebungen und ein Beschleunigungssystem, das Logik dort ausführt, wo die Daten liegen. Für Unternehmen verspricht das eine spürbar geringere Menge an zu verarbeitenden Tokens, ohne den bestehenden Datenstack vollständig zu ersetzen.
Wenn KI-Agenten Entscheidungen treffen oder Ursachen für bestimmte Ergebnisse herleiten sollen, scheitert der Datenzugriff oft nicht an der Modellgüte, sondern an der „Übersetzung“ der Daten in einen Agent-tauglichen Kontext. Keewano adressiert genau diesen Engpass mit KeewanoDB: Die Datenbank ist nicht als klassisches relationales Modell oder als reines Data-Warehouse-Objekt gedacht, sondern als eventorientierter Speicher, in dem die Interaktionshistorie einer Entität so abgelegt wird, dass ein Agent sie direkt prüfen kann. Das Startup, rechtlich als Sandstorm Ltd. geführt, startete die Plattform zusammen mit einer Finanzierungsrunde über 12 Millionen US-Dollar und begründet den Bedarf mit Erfahrungen aus der Entwicklung von Agenten für die Gaming-Branche, in der einzelne Nutzer sehr lange und komplexe Sequenzen von Interaktionen erzeugen können.
Das zentrale Datenmodell von KeewanoDB gruppiert Events um eine Entität wie „Kunde“, „Gerät“ oder „Transaktion“ und hält die Ereignisse in der Reihenfolge ihres Auftretens fest. Dadurch entfällt für den Agenten ein vorheriges Flattening in Tabellen und auch das Warten auf einen neuen ETL-Schritt. Keewano beschreibt seinen Ansatz ausdrücklich als „Live-Daten“-Betrieb: „We’re always running on live data“, sagte Mitgründer und CEO Mark Kardashov. „We don’t have ETLs. We don’t have pipelines. We don’t have lakes.“ Praktisch bedeutet das, dass ein Agent die Chronologie einer Entität statt einer vorab verdichteten Kennzahlenansicht aus dem System herauslesen soll.
Auch auf Infrastrukturseite setzt Keewano eher auf bewährte Servertechnik als auf GPU-lastige Beschleunigung. Die Plattform ordnet sich laut Angaben als verteiltes, multi-shardendes System ein, das in Docker-Containern läuft und über Kubernetes orchestriert wird. Für die Verarbeitung verwendet Keewano vectorisierte Instruktionen auf zentralen CPUs statt auf Grafikprozessoren (GPUs). Als grobe Leistungsmarke nennt das Unternehmen die Abfrage von etwa 250 Millionen Events in weniger als einer halben Sekunde, allerdings ohne unabhängige Verifikation der Performance-Zahlen. Die konkrete Speicherlogik ist dabei kompakt: Keewano zufolge belegt jedes Event rund vier Bytes, und die Daten werden auf Solid-State-Drives organisiert, um insbesondere sequentielles Lesen und wiederholte Kontextabfragen zu beschleunigen.
Für den Anschluss an bestehende Datenpipelines nennt Keewano Unterstützung für Parquet und Apache Iceberg sowie die Ingestion von Event-Streams über Systeme wie Apache Kafka. Gleichzeitig positioniert sich die Datenbank als Ergänzung statt Ersatz: Kunden sollen dieselben Events sowohl für agentisches Analytics in KeewanoDB als auch für konventionelle Business-Intelligence-Systeme wie Snowflake oder vergleichbare Analytical-Engines nutzen können. Kardashov formuliert das als Nebeneinander im Stack: „We can live alongside your existing database.“ Besonders relevant für KI-Teams ist, dass Keewano nicht nur „speichert“, sondern im Datenfluss auch eine Art Vorselektion übernimmt. Das geschieht über ein In-Database Acceleration Engine, die von Agenten über den Model Context Protocol übermittelte Lua-Skripte ausführt. Lua ist dabei eine schlanke, schnelle Skriptsprache, die typischerweise in größere Programme eingebettet wird; die Auswertung und Filterung laufen im System selbst, damit das Modell nur den relevanten Ausschnitt des Eventverlaufs erhält statt die komplette Historie.
Damit verlagert sich ein Teil des „Reasoning“-Aufwands vom Modellserver hin zur Datenebene. Kardashov beschreibt den Effekt so: „Part of the reasoning happens inside the database and not by the engine“. „So the database becomes an extension of an agent.“ Für Teams bedeutet das: Sie können Agentenabläufe bauen, die zuerst im Datenstore gezielt filtern, Muster extrahieren und dann nur die aussagekräftigen Eventsequenzen in den Kontext für das KI-Modell geben. Zusätzlich bietet Keewano einen semantischen Layer, der aus eingehenden Events eine Art Business-Schicht ableitet; Kunden können diese Mappings und das Business-Kontextwissen jedoch auch manuell nachziehen. Wichtig ist zudem eine klare Grenze: Die Datenbank allein unterscheidet nach Angaben nicht zwischen Korrelation und Kausalität. Entwickler müssen diese Annahmen im Agenten- oder Analytics-Design explizit definieren, wenn aus Sequenzen überzeugende Begründungen werden sollen.
Für die analytische Ebene ergänzt KeewanoDB eine separate Schicht namens „Signal“, die als Agent mit Machine-Learning- und statistischen Methoden arbeitet. Signal soll Hypothesen testen und passende Eventsequenzen als Evidenz präsentieren. Keewano plant dabei zwei Produktlinien: zum einen die allgemeine KeewanoDB für agentisches Analytics und Reasoning; zum anderen eine darüberliegende Analytics-Komponente für Product Analytics und Echtzeit-Entscheidungen im Betrieb. Interessant ist außerdem das kommerzielle Preismodell: Keewano berechnet laut Ankündigung nach Anzahl der aktiven Entitäten statt nach der reinen Eventmenge. In der Praxis wirkt das wie ein Anreiz, Datenzugriff eher an produktrelevante Objekte zu koppeln und nicht jede Rohsequenz pauschal in KI-Kontexte zu ziehen.
Aus Marktsicht passt das Timing in eine Phase, in der sich „Agentic Analytics“ vom Konzept zur Infrastrukturfrage entwickelt. Viele Organisationen haben zwar bereits Data Lakes, Warehouses oder Query-Engines im Einsatz, aber genau diese Systeme sind oft für von Menschen formulierte, tabellarische Abfragen optimiert. Keewano versucht, diese Lücke mit einem eventnahen, agentenzentrierten Speicher zu schließen und damit Token-Kosten sowie Latenzen zu reduzieren, die entstehen, wenn Modelle zu große Kontextfenster verarbeiten müssen. Kardashov nennt als Ergebnisberichte eine Token-Ersparnis von etwa 84% bei Kunden, die Daten aus Snowflakes Data Cloud oder Google BigQuery ingestieren und danach über KeewanoDB abfragen. Für Entscheider ist dabei weniger die einzelne Prozentzahl ausschlaggebend als die Architektur-Idee: Beschleunigung und Vorselektion dort, wo Events liegen, kombiniert mit klarer Semantik und einem modularen Analytics-Layer, der Modellarbeit gezielt unterstützt.
💳 Amazon-Kreditkarte mit 2.000 Euro Limit bestellen!
🔥 Heutige Hot Deals bei Amazon: Bis zu 80% Rabatte!
🎉 Amazon Haul-Store für absolute Schnäppchenjäger!
- ★ 23-stufiges KI-Go-Training – Für Spieler mit Grundkenntnissen der Regeln – Entwickelt als intelligenter Trainingspartner passt sich die KI Spielern von 18K bis 9D an. Ideal für alle, die die Grundregeln bereits beherrschen und ihr Spiel verbessern möchten.
- IHR EMOTIONALER AI-BEGLEITER: Eiliko ist mehr als nur ein Anhänger, es ist ein charismatischer KI-Freund. Mit einem dynamischen LED-Bildschirm, der eine Vielzahl von animierten Gesichtern und Ausdrucksformen anzeigt, reagiert er auf Ihre Interaktionen mit einzigartiger Persönlichkeit und Charme.
- 【MEHR LEBEN FÜR DEINEN SCHREIBTISCH】 Lerne Eilik kennen – deinen kleinen Roboter-Freund mit Persönlichkeit. Mit liebevollen Animationen, ausdrucksstarken Reaktionen und spielerischen Interaktionen bringt Eilik mehr Freude in deinen Alltag. Ob auf dem Schreibtisch, im Büro oder am Nachttisch – Eilik wird schnell zu einem vertrauten Begleiter für besondere Momente.
- 【XL-Größe für gedeihende Pflanzen】Geben Sie Ihren Pflanzen den Raum, den sie verdienen! Unser verbessertes, großes 13,7 cm großes Design bietet Platz für Pflanzen mit einem Durchmesser von bis zu 8,9 cm und damit deutlich mehr Platz für Wurzelwachstum und Pflanzengesundheit im Vergleich zu kleineren, veralteten Modellen. Die Produktabmessungen betragen 13,6 x 13,6 x 13,2 cm und das Gerät wiegt nur 355 g.
- V28 Update - JETZT MIT NEUEN FUNKTIONEN! Als Reaktion auf das Ladeproblem von Loona haben wir das automatische Aufladen 2.0 verbessert. Diese Optimierung hilft Loona, die Ladewege in verschiedenen Szenarien zu erkennen und anzupassen, um die Erfolgsquote beim automatischen Aufladen zu erhöhen. Mobile Hotspots können sich mit Loona verbinden und überwinden WLAN-Einschränkungen, sodass Sie jederzeit und überall mit Loona interagieren können.
- Die besten Bücher rund um KI & Robotik!
- Die besten KI-News kostenlos per eMail erhalten!
- Zur Startseite von IT BOLTWISE® für aktuelle KI-News!
- IT BOLTWISE® kostenlos auf Patreon unterstützen!
- Aktuelle KI-Jobs auf StepStone finden und bewerben!
- Künstliche Intelligenz: Dem Menschen überlegen – wie KI uns rettet und bedroht | Der Neurowissenschaftler, Psychiater und SPIEGEL-Bestsellerautor von »Digitale Demenz«
Du hast einen wertvollen Beitrag oder Kommentar zum Artikel "KeewanoDB: Eventorientierte KI-Datenbank für agentisches Analytics und 12 Mio. USD" für unsere Leser?
#Sophos
#AmazonPrime
#Bestseller
Es werden alle Kommentare moderiert!
Für eine offene Diskussion behalten wir uns vor, jeden Kommentar zu löschen, der nicht direkt auf das Thema abzielt oder nur den Zweck hat, Leser oder Autoren herabzuwürdigen.
Wir möchten, dass respektvoll miteinander kommuniziert wird, so als ob die Diskussion mit real anwesenden Personen geführt wird. Dies machen wir für den Großteil unserer Leser, der sachlich und konstruktiv über ein Thema sprechen möchte.
Du willst nichts verpassen?
Du möchtest über ähnliche News und Beiträge wie "KeewanoDB: Eventorientierte KI-Datenbank für agentisches Analytics und 12 Mio. USD" informiert werden? Neben der E-Mail-Benachrichtigung habt ihr auch die Möglichkeit, den Feed dieses Beitrags zu abonnieren. Wer natürlich alles lesen möchte, der sollte den RSS-Hauptfeed oder IT BOLTWISE® bei Google News wie auch bei Bing News abonnieren.
Nutze die Google-Suchmaschine für eine weitere Themenrecherche: »KeewanoDB: Eventorientierte KI-Datenbank für agentisches Analytics und 12 Mio. USD« bei Google Deutschland suchen, bei Bing oder Google News!