LONDON (IT BOLTWISE) – Der Startup Keenable.ai geht mit 26 Millionen US-Dollar frischem Seed-Kapital an den Aufbau einer neuen Agentic-Web-Suche. Im Zentrum steht ein unabhängiger Suchindex mit mehr als 100 Milliarden Dokumenten, optimiert für sehr schnelle, hochfrequente Abfragen. Über APIs liefert das Unternehmen auch „model-ready inputs“ sowie gesäubertes Content-Fetching mit minimaler Verzögerung. Zusätzlich will eine eigene Web Query Language Antworten aus mehreren Quellen zusammensetzen, selbst wenn einzelne Seiten nicht alle nötigen Informationen enthalten.
Agentic Search soll in vielen KI-Setups bald nicht mehr nur eine Art „Web-Nachschlagewerk“ sein, sondern ein Bestandteil der Ausführungslogik: Ein Agent stellt eine Anfrage, prüft Antworten, verknüpft Quellen und handelt daraus. Genau an dieser Stelle setzt das Startup Keenable.ai Inc. an und will die Web-Suche stärker an die Arbeitsweise autonomer Systeme anpassen. Laut Unternehmensangaben startet Keenable mit 26 Millionen US-Dollar in einer Seed-Runde und positioniert sich dabei explizit gegen klassische Suchinfrastrukturen, die ursprünglich für Menschen optimiert wurden und die für Milliarden paralleler Agenten-Anfragen in der Praxis schnell an Grenzen stoßen.
Technisch betrachtet baut Keenable eine eigenständige Informationsabruf-Schicht auf: Der Index umfasst mehr als 100 Milliarden Dokumente und ist auf niedrige Latenz sowie hohe Abfragefrequenzen ausgelegt. Das ist besonders relevant, wenn ein Modell nicht nur einmalig recherchiert, sondern wiederholt nachlädt, Zwischenschritte verifiziert und dabei viele kurze Queries absetzt. Die APIs sind dabei auf zwei typische Arbeitsmuster zugeschnitten: Abfragen per natürlicher Sprache sowie das Abrufen von Content in bereinigter Form („cleaned content fetching“). Im Ergebnis soll das System „model-ready inputs“ mit minimaler Verzögerung liefern, sodass Entwickler nicht mehr jedes Mal eine eigene Pipeline für Abruf, Bereinigung und Formatierung aufbauen müssen.
Für die Kosten- und Skalierungsrechnung nennt Keenable einen klaren Preisanker: 1 US-Dollar pro 1.000 API Requests, adressiert offenbar vor allem Nutzer mit „frontier-scale“, also großen, ständig laufenden Workloads. Zusätzlich unterstützt das Produkt sogenannte point-in-time historische Queries. Dabei geht es nicht nur um „bessere Treffer“, sondern um die Fähigkeit, das Internet aus Sicht eines Modells so zu durchsuchen, wie es zu einem bestimmten Zeitpunkt verfügbar war. Für Anwendungsfälle wie Recherchen mit Zeitbezug, Compliance-nahe Auditierbarkeit oder die Nachvollziehbarkeit von Aussagen über Marktgeschehen kann diese Dimension entscheidend sein, weil sich Inhalte im Web fortlaufend verändern oder verschwinden.
Der operative Kern liegt weniger im Crawling als in der Frage, wie schnell ein Index einen Suchraum auf die relevante Teilmenge einschränkt. Der CEO Andrey Styskin beschreibt den Engpass dabei als Kostenproblem: „If you do not fine-tune your index structures for a specific task, the cost of serving and scanning the whole internet is enormous because of the volume, “, sagte er. „That’s why you need to innovate on how you can narrow the search space based on your query very fast. This is what we are bringing to the table.“ Styskins Aussage zielt auf das strukturelle Problem traditioneller Retrieval-Ansätze: Ohne task-spezifische Index- und Zugriffsanpassungen steigt die Rechenlast, weil das System zu viele Datenabschnitte systematisch prüfen muss, statt gezielt zu filtern.
Daneben treibt Keenable ein zweites Produktkonzept voran, das eher auf die Orchestrierungsebene von Agenten abzielt: Web Query Language. Diese Sprache soll es KI-Systemen ermöglichen, Antworten zu erzeugen, indem sie Daten aus mehreren Webquellen ziehen und dabei die fehlenden Teile aus unterschiedlichen Seiten kombinieren. Genau dieser Schritt ist im Agentenbetrieb häufig der Stolperpunkt: Ein einzelner Webauftritt enthält selten alles, was für eine konsistente Schlussfolgerung nötig ist. Keenable positioniert Web Query Language daher als Baustein, der Retrieval- und Zusammensetzungsarbeit näher an die Abfrage- und Antwortlogik der Agenten heranrückt.
Für Entwickler und Unternehmen ist die Marktwirkung zweigeteilt. Einerseits liefert Keenable mit dem dedizierten Index eine Alternative zu klassischen Such-APIs oder zu komplett selbstgebauten Crawler-Stacks, die in der Praxis hohen Engineering- und Wartungsaufwand verursachen. Andererseits verlagert das Angebot den Fokus stärker auf den Agent selbst: Teams können sich darauf konzentrieren, welche Tools der Agent nutzt, wie er Quellen bewertet und wie er Ergebnisse strukturiert ausgibt, statt die gesamte Retrieval-Infrastruktur neu zu erfinden. Keenable nennt dabei auch konkrete Use-Cases wie Market Mapping, Pricing Monitoring und Lead Enrichment sowie eine Zielgruppe, die bereits mit APIs im Produktionsbetrieb arbeitet, ohne jedoch Kundennamen öffentlich zu nennen.
Die aktuelle Finanzierung unterstreicht zudem, dass der Aufbau von Index- und Retrieval-Systemen mittlerweile als infrastrukturelle Wettbewerbsposition verstanden wird. Keenable will nach eigenen Angaben das Team von 15 Mitarbeitenden verdoppeln, um die Go-to-Market-Strategie zu beschleunigen. Wettbewerber wie Tavily, Exa Labs und Perplexity AI werden in der Außendarstellung als Referenzpunkte genannt; entscheidend dürfte für viele Teams aber weniger die reine Ergebnisqualität sein, sondern die Kombination aus Latenz, Textbereinigung, historischer Suchfähigkeit und einer Schnittstelle, die sich direkt in Agenten-Workflows integrieren lässt. Wenn Agentic Web Search damit von einem „Feature“ zu einem zentralen Baustein wird, gewinnt auch die Frage an Gewicht, wie verlässlich sich Retrieval-Anforderungen in großen Flotten stabil betreiben lassen.
Am Ende entscheidet sich der Nutzen für Unternehmen daran, wie gut sich das System in bestehende Modell- und Tooling-Architekturen einfügt. APIs, die „model-ready inputs“ liefern, reduzieren die Friktion zwischen Datenabruf und Prompt-/RAG-Logik; historische Queries können Workflows robuster machen, sobald Zeitbezug oder Nachvollziehbarkeit ein Muss sind. Gleichzeitig ist Web Query Language besonders dann relevant, wenn Agenten nicht nur lesen, sondern aus verstreuten Quellen zusammenhängende Antworten bauen sollen. Genau dieser Mix aus Index-Engineering, Retrieval-APIs und Orchestrierungslogik könnte in den kommenden Monaten darüber bestimmen, welche Teams Agenten-Research schneller in die Produktion bringen.
💳 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 "Keenable: Agentic Web Search mit eigenem Index und Web Query Language" 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 "Keenable: Agentic Web Search mit eigenem Index und Web Query Language" 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: »Keenable: Agentic Web Search mit eigenem Index und Web Query Language« bei Google Deutschland suchen, bei Bing oder Google News!