Nachfrage nach Trainingsdaten verdreifacht Bewertung von Snorkel AI

Die steigende Nachfrage nach KI-Trainingsdaten fördert das Wachstum von Start-ups in diesem Bereich. Das vor sieben Jahren gegründete Unternehmen Snorkel AI hat eine Series-E-Finanzierungsrunde über 350 Millionen US-Dollar abgeschlossen und seine Bewertung damit auf 3,5 Milliarden US-Dollar verdreifacht. Die Finanzierung erfolgt in einer Phase, in der der Datenbedarf für betriebliche KI-Anwendungen zunehmend an Bedeutung gewinnt. Für Unternehmen macht diese Entwicklung deutlich, dass neben der Modellauswahl auch die Qualität der Trainingsdaten im Mittelpunkt stehen muss.

Snorkel AI wird das neue Kapital nutzen, um seinen Data-as-a-Service-Ansatz auszubauen und Trainingsdatensätze für KI-Anwendungen in Unternehmen zu stärken. Dabei geht es nicht nur darum, mehr Daten zu sammeln, sondern auch darum, Datenquellen zu unterstützen, die sich in der KI-Entwicklung einsetzen lassen. Unternehmen sollten bei der Bewertung dieses Ansatzes gemeinsam betrachten, welchen Bedarf die Daten decken sollen, wie sie genutzt werden und in welchem Zusammenhang sie mit bestehenden Geschäftsprozessen stehen.

Trainingsdaten bilden die Beispiele, anhand derer ein KI-Modell lernt. Daher ist es wichtig, dass die Daten korrekt und konsistent sind und den vorgesehenen Einsatzbereich repräsentieren. Unvollständige oder widersprüchliche Datensätze können den Lernprozess des Modells erschweren. Eine solidere Ausgangsbasis entsteht, wenn die Datenaufbereitung nicht lediglich als technische Übertragung verstanden wird, sondern als Prozess, der geschäftliches Wissen in eine verständliche und auswertbare Struktur überführt.

Für KMU bedeutet diese Entwicklung in der Praxis, vor dem KI-Einsatz den Zustand ihrer internen Daten zu bewerten. Es sollte geklärt werden, welche Datensätze aktuell sind, wie dieselben Informationen in unterschiedlichen Systemen gespeichert werden und wer auf die Daten zugreifen kann. Anschließend lässt sich präzisieren, welchen Informationsumfang die geplante Anwendung benötigt. So wird die Datenaufbereitung von einer unspezifischen Archivbereinigung zu einem gezielten Vorbereitungsschritt, der einem konkreten betrieblichen Bedarf dient.

Nicht jede betriebliche KI-Anwendung erfordert das Training eines neuen Modells. Deshalb muss zwischen dem Bedarf an Trainingsdaten und dem Bedarf an Unternehmenswissen, auf das die Anwendung zugreifen soll, unterschieden werden. Bei X Mind Solutions halten wir diese Unterscheidung im Zusammenhang mit KI-Agenten, Automatisierungsabläufen und Systemintegrationen für wichtig. Der durch die Finanzierung von Snorkel AI in den Fokus gerückte Datenaspekt erinnert Unternehmen daran, zunächst den Einsatzzweck festzulegen und anschließend die passende Datenaufbereitung zu planen.