Finanzierung · 25. September 2026

Auch veröffentlicht auf 日本語, Bahasa Indonesia, Nederlands, עברית, Polski, हिन्दी

Snorkel AI verdreifacht Bewertung auf 3,5 Milliarden Dollar bei steigender Nachfrage nach KI-Trainingsdaten

looking up at two tall buildings in a city
Marta Serrano / Unsplash

Snorkel AI, ein Startup, das KI-Labore und Unternehmen bei der Erstellung von Trainingsdatensätzen und simulierten Umgebungen unterstützt, hat im September 2026 eine Serie-E-Finanzierung in Höhe von 350 Millionen Dollar abgeschlossen. Die Runde wurde von Insight Partners und S32 angeführt und bewertete das Unternehmen mit 3,5 Milliarden Dollar, was nahezu dreimal so hoch ist wie die Bewertung von 1,3 Milliarden Dollar aus der Serie-D-Finanzierung vor 17 Monaten. Bestehende Investoren wie Addition, Lightspeed, Greylock, GV und Wells Fargo beteiligten sich ebenfalls.

Das Unternehmen, das ursprünglich Software für die Automatisierung der Datenannotation bereitstellte, hat im vergangenen Jahr auf ein Angebot von fertiggestellten Datensätzen umgestellt, das es als Daten-as-a-Service bezeichnet. Statt einem reinen Marktplatz für menschliche Experten setzt Snorkel auf einen hybriden Ansatz, der Software und Modelle zur synthetischen Datenerzeugung mit Fachwissen kombiniert.

Snorkel gibt an, dass sein aktueller jährlicher Umsatzlauf von 375 Millionen Dollar beträgt, ein 18-facher Anstieg im Vergleich zum Vorjahr. Dieses Wachstum wird durch die unstillbare Nachfrage von KI-Labors nach hochwertigen Trainingsdaten getrieben.

Andere Datenunternehmen, die sich als KI-Datenlabore positionieren, erleben ebenfalls ein ähnliches Wachstum. Mercor hat ein jährliches Bruttoumsatz von 2 Milliarden Dollar erreicht, Handshake hat die Marke von 1 Milliarde Dollar geknackt und Micro1 hat sich auf 500 Millionen Dollar skaliert, wie TechCrunch berichtete. Da diese Unternehmen etwa 60 bis 70 Prozent ihres Umsatzes direkt an Domain-Experten zahlen, sind ihre tatsächlichen Nettoeinnahmen deutlich niedriger als die genannten Bruttufiguren.

Snorkel verkauft Reinforcement-Learning-Umgebungen und vollständige Datensätze statt menschlicher Arbeitskraft, weshalb Zahlungen an Experten in den Kosten der verkauften Waren eingerechnet werden und nicht in den headline-generierenden Umsatzzahlen.

Das Unternehmen startete 2019 kommerziell nach vier Jahren Forschung von Mitbegründer und CEO Alex Ratner und seinem Team an der Stanford University.

Marina Temkin, Venture-Capital- und Startup-Reporterin bei TechCrunch, hat die Geschichte berichtet.