CHICAGO, ILLINOIS / LONDON (IT BOLTWISE) – Der Ex-Uber-Data-Scientist Matt McKinney hat 2021 das Startup Loop gegründet, um die Rechnungsklärung in großen Unternehmen per KI neu zu strukturieren. Die Plattform bündelt unstrukturierte Lieferketten- und Finanzdaten und macht daraus verwertbare Datenbestände für Accounting, Zahlungen und Beschaffung. Loop wächst schnell: Im ersten Quartal lag die jährliche Laufrate (Annualized Run Rate) bei 44 Millionen US-Dollar, parallel schloss das Unternehmen im Q2 eine Series C über 95 Millionen US-Dollar ab. Damit trifft das Team einen Nerv im „Stare-and-Compare“-Backoffice, das bislang stark auf PDFs, Excel und manuelle Abgleicharbeit setzt.
Die Hintergründe hinter Loop wirken zunächst wie eine klassische Start-up-Story aus dem KI-Umfeld: Matt McKinney verließ 2021 seinen Job als Data Scientist bei Uber, um das Problem anzugehen, das im eigenen Unternehmen als „akut, aber keiner wollte darüber reden“ galt. Während Uber zur sichtbaren Wachstumsmaschine für Fahrten und Logistik wurde, konzentrierte sich McKinney mit seinem späteren Mitgründer Shaosu Liu auf das Backoffice: In der Abrechnung türmten sich Papierstapel, Hunderte Beschäftigte erledigten manuelle Buchhaltungsaufgaben, Ledger-Coding und das Abgleichen von Rechnungen. Der entscheidende Punkt war nicht, dass die Technologie im Frontbereich fehlte, sondern dass die Daten dort in unstrukturierter Form vorlagen und damit fehleranfällig wurden.
Loop setzt genau an dieser Engstelle an. Laut McKinney ging es im ersten Schritt darum, Rechnungs- und Belegdaten nicht nur „abzuhaken“, sondern die zugrunde liegende Datenstruktur systematisch zu organisieren. Der Ansatz nutzt Large Language Models, weil sie aus unstrukturiertem Material wie PDFs oder gelegentlich Excel-Tabellen Inhalte extrahieren und in ein Schema überführen können, das sich für nachgelagerte Prozesse verwenden lässt. In der Logistikkette kann ein Fehler in der Rechnungsklärung schnell hohe Folgekosten erzeugen, weil ein Abgleich, der „eigentlich“ trivial sein sollte, erst dann zuverlässig wird, wenn Beleg und Rechnung konsistent sind. McKinney beschreibt das typische Branchenmuster als „Stare-and-Compare“-Industrie: Firmen nehmen Verträge oder Rechnungen inklusive Evidenz auf und gleichen sie ab – häufig ohne dass dadurch die Datenqualität an der Wurzel sichtbar besser wird.
Technisch spannend ist dabei vor allem, dass Loop nicht als reines Automatisierungs-Frontend startet, sondern ein vertikal integriertes Technologiebild verfolgt. McKinney nennt als Prinzip, dass „harte Dinge“ den eigentlichen Burggraben bilden. Das Team beginnt mit Accounting, erweitert danach aber schrittweise in Zahlungen, Procurement und Planung. Aus Anwendersicht bedeutet das: Wenn eine Plattform die gleichen Datenmodelle über mehrere Workflows hinweg nutzt, sinkt der Bedarf, Informationen zwischen Systemen händisch umzusetzen. Gleichzeitig steigt die Wahrscheinlichkeit, dass KI-Ergebnisse nicht nur einzelne Dokumente „interpretieren“, sondern in Workflows wie Zahlungsfreigaben oder Beschaffungslogik einfließen. Gerade in Unternehmen, in denen Daten aus unterschiedlichen Quellen bisher nur schwer konsolidiert werden, ist dieser Pfad oft relevanter als punktuelle Dokumentenklassifikation.
Marktseitig wird Loop jedoch nicht im luftleeren Raum aufgebaut. McKinney ordnet die Lage in den „white-hot“-KI-Wettbewerb ein und nennt als Engpass weniger Rechen- oder Modelltechnik, sondern Talent. Für den Investorenseite wirkt diese Dynamik zweischneidig: Startup-Teams, die aus etablierten Tech-Ökosystemen kommen, gelten häufig als besonders schnell in der Umsetzung, weil sie die Geschwindigkeit hyperwachsender Organisationen bereits erlebt haben. Im Fall von Loop kommen mehrere zentrale Personen aus Uber-Kreisen; auch Investoren haben Uber-Verbindungen, darunter Garrett Camp als Mitgründer der Ride-Hailing-Organisation sowie Ryan Graves als erster Mitarbeiter. Dass gleichzeitig andere Teile des Marktes stark um Engineering-Kapazitäten konkurrieren, erklärt, warum die Entstehungs- und Wachstumsphase von Loop so eng mit dem Thema Geschwindigkeit verknüpft wird: Wer den Kunden durch messbaren Nutzen überzeugt, zieht leichter die gesuchten Profile an.
Die Zahlen, die McKinney in der Entwicklung beschreibt, unterstreichen diesen Fokus auf Tempo und Umsetzungskraft. Für 2025 nennt er 15,7 Millionen US-Dollar Umsatz; im ersten Quartal liegt die jährliche Laufrate (Annualized Run Rate) bei 44 Millionen US-Dollar. Zusätzlich schloss Loop im Q2 eine Series C über 95 Millionen US-Dollar ab. Der Weg dahin war nicht nur inhaltlich, sondern auch prozessual forciert: Für die Seed-Runde hätten sie nach acht Wochen Term Sheets in der Tasche gehabt, später folgte die Series A im gleichen Jahr, finanziert unter anderem durch Founders Fund. Für Unternehmen heißt das vor allem: Loop tritt nicht als reines Konzept an, sondern als Plattform, die bereits in einem frühen Stadium wiederholbar Wert liefert und damit in eine Phase übergeht, in der Skalierung, Integration und Datenqualität zur eigentlichen Differenzierung werden.
Aus der Perspektive von CIOs und Finance- bzw. Supply-Chain-Leitungen ist damit besonders relevant, wie Loop den Datenlebenszyklus adressiert. Statt Dokumente als Endprodukt zu behandeln, zielt das Modell darauf, aus Evidenz und Aufträgen einen zusammenhängenden Datenbestand zu machen, der nicht jedes Mal neu mühsam interpretiert werden muss. Genau hier liegt der Unterschied zu vielen Angeboten, die zwar Rechnungen „lesen“, aber kaum in Procurement- oder Planungslogik durchgängig überführen. Wenn Loop tatsächlich schafft, solche Modelle als Kernkomponente in mehreren Funktionsbereichen zu etablieren, werden Implementierungen künftig weniger „einmalige Projektaufwände“ und mehr fortlaufende Datenpipeline-Disziplin erfordern. Dann ist die nächste Frage nicht mehr, ob KI in der Lage ist, unstrukturierte Dokumente zu strukturieren, sondern wie zuverlässig, nachvollziehbar und wartbar sich die Systeme im produktiven Betrieb verhalten.
Für die weitere Marktentwicklung bedeutet das: Der Wettbewerb verlagert sich von Modellmagie hin zu Operating Model und Datenengineering. Die Kombination aus LLM-gestützter Strukturierung, vertikaler Integration und schneller Produktiterationen kann dazu führen, dass etablierte Abrechnungsdienstleister unter Druck geraten, weil sie stärker auf das „Symptom“ fokussieren, während neue Anbieter die Datenbasis im Kern angreifen. Gleichzeitig profitieren Kunden, wenn sich Fehlerquoten senken lassen und Abgleichprozesse kürzer werden. Loop zeigt damit, wie eine KI-Initiative vom Backoffice aus starten kann und trotzdem in den Kern monetarisierbarer Workflows vordringt.
💳 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 "Loop AI: Ex-Uber-Teams automatisieren Rechnungsklärung mit LLM-Datenstruktur" 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 "Loop AI: Ex-Uber-Teams automatisieren Rechnungsklärung mit LLM-Datenstruktur" 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: »Loop AI: Ex-Uber-Teams automatisieren Rechnungsklärung mit LLM-Datenstruktur« bei Google Deutschland suchen, bei Bing oder Google News!