LONDON (IT BOLTWISE) – Trajectory hat 45 Millionen US-Dollar Series A eingesammelt, um Post-Training für KI-Modelle zugänglicher zu machen. Das Startup setzt auf Continual Learning: Fachnutzer geben Feedback, das Modell wird daraufhin retrainiert und verbessert sich bei spezialisierten Aufgaben. Damit will Trajectory den bisherigen Weg über Fine-Tuning-Teams oder teure Beratungen verkürzen. Der Schritt richtet sich besonders an Rechts-, Medizin- und Finanzanwendungen, in denen Domänenwissen zählt.
Der Engpass bei vielen heutigen KI-Anwendungen ist weniger die Erzeugung einer Antwort als die Frage, wie sich Qualität dauerhaft an eine Domäne anpasst. Aktuelle Foundation Models lernen aus Rückmeldungen nicht „nebenbei“ weiter, sondern benötigen nachgelagertes Training oder aufwendige Anpassungen. Genau diese Lücke adressiert Trajectory mit einer Plattform, die Post-Training und kontinuierliche Verbesserung auch für nichttechnische Anwender möglich machen soll. Hintergrund ist ein praktisches Muster, das viele Unternehmen aus dem Alltag kennen: Wenn ein Modell in Recht, Finance oder auch in der Medizin zuverlässiger werden soll, landet man häufig bei Fine-Tuning-Projekten, die entweder internes Forschungspersonal binden oder externe Spezialisten teuer einkaufen.
Trajectory verfolgt dafür einen Ansatz, der unter dem Begriff „continual learning“ zusammengefasst wird. In der Praxis bedeutet das: Unternehmen starten mit einem Open-Source-KI-Modell und verbinden die Trajectory-Plattform mit ihren bestehenden Anwendungen. Danach sammelt das System Feedback dazu, wie das Modell in genau diesen Workflows abschneidet. Anschließend soll Trajectory den Teilprozess des Retrainings automatisieren, sodass das Modell über die Zeit besser auf die spezialisierten Aufgaben zugeschnitten wird. Anders als bei klassischem Fine-Tuning steht nicht primär der einmalige Trainingssprung im Mittelpunkt, sondern eine fortlaufende Schleife aus Nutzung, Bewertung und Verbesserung.
Für die wirtschaftliche Einordnung ist vor allem die Finanzierung ein klares Signal. Trajectory, ein Startup mit rund 18 Mitarbeitenden, wurde vor etwa einem Jahr von drei Stanford-Klassenkameraden gegründet, die zuvor unter anderem bei Google DeepMind und Apple gearbeitet hatten. Jetzt kündigte das Unternehmen eine Series A über 45 Millionen US-Dollar an, bei einer Bewertung von 300 Millionen US-Dollar. Die Runde wurde laut Angaben von Sequoia angeführt; außerdem beteiligten sich unter anderem NVIDIA sowie Bessemer Venture Partners und Bain Capital Ventures. Der Pitch dahinter lässt sich auch inhaltlich greifen: Mit Trajectory soll das Wissen aus wiederkehrenden Fällen – etwa das korrekte Prüfen eines bestimmten Vertragstyps oder die saubere Bewertung nach einer spezifischen Methodik – direkt in iterative Verbesserungen des Modells überführt werden. Ronak Malde bringt diese Idee pointiert auf den Punkt: „But what the economy values is someone who worked on the job for 30 years, “ sagte er. Die Botschaft: Nicht nur „kluge“ Modelle zählen, sondern Systeme, die über längere Zeit zuverlässig im Job lernen und sich daran anpassen.
Dass der Schwerpunkt auf Fachanwendungsfällen liegt, zeigt auch der Blick auf die bisherigen Kunden. Laut dem Unternehmen nutzen bereits mehrere Akteure Trajectory, um Open-Source-Modelle nach dem initialen Training weiter aufzupolieren („post-train“). Genannt werden unter anderem Harvey und Rogo, die ihre Modelle für typische Tätigkeiten wie das Überprüfen standardisierter Vertragsarten oder das Bewerten von Unternehmen nach wiederkehrenden Kriterien schärfen. Zusätzlich werden Decagon und Mercor als Kunden erwähnt; außerdem zählt NVIDIA zu den genannten Nutzern. Auffällig ist dabei der Zielkonflikt, den Continual Learning lösen will: Während ein Team aus Data Scientists häufig dafür zuständig ist, die Trainingsdaten aufzubereiten und die Trainingsjobs zu betreuen, möchte Trajectory diese Schritte in einen Produktfluss überführen, bei dem die Anwender „was gut aussieht“ definieren und daraus Verbesserungen ableiten. Genau an dieser Stelle wird „Design“ zur strategischen Komponente, denn ohne passende Benutzeroberflächen bleibt die kontinuierliche Trainingslogik in der Praxis häufig wieder eine Aufgabe für Spezialisten.
Technisch steht Trajectory damit nicht völlig isoliert da. Das Unternehmen verknüpft seine Idee mit dem breiteren Feld des „recursive self-improvement“ (RSI) – dem Gedanken, dass KI-Systeme ihre eigenen Fähigkeiten verbessern könnten. Michael Elabd macht jedoch einen wichtigen Unterschied stark: Trajectory setzt weiterhin auf menschliche Beteiligung im Trainingsprozess. Damit zielt das Startup auf eine kontrolliertere Form der Anpassung, in der Feedback, Bewertung und Trainingsentscheidungen nachvollziehbar bleiben. Für Unternehmen ist das vor allem deshalb relevant, weil „autonom“ optimierende Systeme je nach Kontext neue Risiken erzeugen können, etwa durch Drift in Richtung unerwünschter Verhaltensweisen. Trajectory versucht diese Risiken abzufedern, indem es den Menschen als Gate in der Lernschleife beibehält.
Der Markt um automatisiertes Post-Training wird zudem offenbar dichter. Als Konkurrenten werden unter anderem Thinking Machines Lab genannt, das von der ehemaligen OpenAI-CTO Mira Murati gegründet wurde; außerdem wird die Firma Tinker als Anbieter eines Fine-Tuning-ähnlichen Ansatzes erwähnt. Daneben tauchen Applied Compute und Prime Intellect als weitere Namen auf, die jeweils in angrenzenden Bereichen aktiv sein sollen – etwa beim Aufbau und Training eigener KI-Agenten beziehungsweise beim skalierbaren Training. Für die Praxis entscheidet dabei nicht nur die Modellarchitektur, sondern die Frage, wie schnell Unternehmen in einen stabilen Verbesserungszyklus kommen: Welche Daten werden wirklich als Feedback verwertbar, wie werden Trainingsläufe orchestriert, und wie lässt sich der Nutzen in Produktivumgebungen messen. Wenn Trajectory tatsächlich den Einstieg für nichttechnische Teams reduziert, könnte sich die Geschwindigkeit der Spezialisierung in vielen Branchen spürbar verändern – vom Prototyp im Lab bis zur wiederkehrenden Verbesserung in der Fachabteilung.
Auch deshalb macht die Entscheidung, die Post-Training-Plattform öffentlich verfügbar zu machen, strategisch Sinn. Sie verschiebt die Hürde von „zugang zu Trainingskapazität“ hin zu „zugang zu einer kontinuierlichen Lernpipeline“. Für Anwender bedeutet das: Der Unterschied zwischen einem einmaligen Fine-Tuning-Projekt und einer dauerhaft lernenden Anwendung liegt nicht nur in der Technik, sondern in der Betriebslogik. Trajectory setzt genau dort an und versucht, den Weg von Feedback zur Modellverbesserung zu standardisieren – damit spezialisierte KI schneller, konsistenter und mit weniger Reibungsverlust in bestehende Tools integriert werden kann.
🔥 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 "Trajectory: KI-Modelle mit Continual Learning für Fachbereiche nachtrainieren" 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 "Trajectory: KI-Modelle mit Continual Learning für Fachbereiche nachtrainieren" 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: »Trajectory: KI-Modelle mit Continual Learning für Fachbereiche nachtrainieren« bei Google Deutschland suchen, bei Bing oder Google News!