Snorkel AI steigt auf 3,5 Milliarden Dollar – Daten werden zum Produkt

30. September 2026 um 07:00|Autor: QUASA-Redaktion|5 Min. Lesezeit

Snorkel AI hat am 22. September 2026 laut der Ankündigung von Mitgründer Alex Ratner eine von Insight Partners und S32 geführte Series E über 350 Millionen US-Dollar bei einer Bewertung von 3,5 Milliarden US-Dollar bekannt gegeben; Ratner nennt zudem eine annualisierte Umsatzrate von 375 Millionen US-Dollar. Hinter der gestiegenen Bewertung steht ein verändertes Angebot: Snorkel entwickelt für Kunden fertige Daten, Aufgaben und Umgebungen zum Trainieren und Bewerten von KI-Modellen.

Der Bericht von TechCrunch vom 22. September 2026 stellt dem neuen Wert die Series D über 100 Millionen US-Dollar bei 1,3 Milliarden US-Dollar Bewertung vor 17 Monaten gegenüber und beschreibt den Wechsel von Beschriftungssoftware zu fertigen Datensätzen. Die neue Bewertung beträgt damit rechnerisch etwa das 2,7-Fache der früheren. Zahlungen an Fachleute werden bei Snorkel als Herstellungskosten des Datenangebots erfasst.

Warum Snorkel fertige Trainingsdaten verkauft

Snorkels ursprüngliche Software half Kunden, eigene Trainingsdaten zu kennzeichnen. Beim neuen Modell übernimmt das Unternehmen mehr von der Arbeit selbst und liefert das Ergebnis als Dienstleistung. Für einen Modellentwickler ist das ein anderer Einkauf: Er beschafft nicht allein ein Werkzeug für seine Teams, sondern Aufgaben samt Material und Bewertungsmaßstäben, die sich für ein konkretes Trainingsziel einsetzen lassen. Damit wird die Qualität dieser Ergebnisse zum Kern des Produkts.

Besonders deutlich wird das bei Aufgaben für Reinforcement Learning. Ein Modell erhält ein Ziel, bearbeitet es in einer passenden Umgebung und bekommt Rückmeldung zur Qualität seiner Lösung. Bei Programmieraufgaben kann die Umgebung einen realistischen Entwicklungsprozess nachbilden; ein Bewertungsraster muss dann mehr erfassen als die bloße Frage, ob Code ausgeführt wird. Es muss auch Anforderungen an das Ergebnis und mögliche Wege berücksichtigen, auf denen das Modell eine Aufgabe scheinbar löst, ohne ihren Zweck zu erfüllen.

Der Wert eines solchen Datensatzes hängt deshalb nicht nur von seiner Größe ab. Entscheidend ist, ob die Aufgaben genau jene Fehler sichtbar machen, die ein Kunde bei seinem Modell verbessern will, und ob die Bewertung verlässlich zwischen einer brauchbaren und einer unbrauchbaren Lösung unterscheidet. Die fertigen Daten können damit spezifischer sein als herkömmliche Sammlungen einfacher Frage-Antwort-Paare. Das macht sie für fortgeschrittene Modelle interessant, erschwert aber eine standardisierte Massenproduktion.

Der Engpass hinter dem Datenprodukt

Die Darstellung von SiliconANGLE beschreibt Zehntausende beteiligte Fachleute sowie Bewertungsraster und virtuelle Trainingsumgebungen; bei Programmieraufgaben müssen die Kriterien auch Leistung und Sicherheitsanforderungen des erzeugten Codes erfassen. Unterschiedliche Urteile menschlicher Prüfer können auf unklare Kriterien hindeuten, die nachgearbeitet werden müssen.

Snorkel verbindet diese Expertenarbeit mit eigener Software und spezialisierten Modellen. Solche Systeme können Entwürfe erweitern, Varianten einer Aufgabe erzeugen und Teile der Qualitätskontrolle vorbereiten; die fachliche Beurteilung schwieriger Fälle bleibt trotzdem ein eigener Arbeitsschritt. Gerade bei neuen Aufgabentypen muss festgelegt werden, welche Antwort als Erfolg zählt und welche Abkürzung das Modell nicht nehmen darf. Diese Regeln sind Teil des verkauften Ergebnisses und nicht bloß eine interne Kontrolle.

Darin liegt die wirtschaftliche Spannung der Runde. Wiederverwendbare Werkzeuge, Vorlagen und automatisierte Prüfungen könnten die Kosten eines zusätzlichen Auftrags senken. Neue Fachgebiete, Kundenvorgaben und Fehlerbilder verlangen dagegen erneut Menschen mit passendem Wissen. Ob Snorkel eher wie ein Softwareanbieter oder wie eine aufwendige Dienstleistung skaliert, hängt davon ab, wie oft sich bereits entwickelte Bausteine nutzen lassen und wie viel Expertenzeit jede neue Lieferung bindet. Öffentlich bezifferte Stückkosten für diese Arbeit liegen nicht vor.

Was die Umsatzrate über die Bewertung aussagt

Die gemeldete annualisierte Umsatzrate beschreibt ein gegenwärtiges Geschäftstempo, auf ein Jahr hochgerechnet. Sie ist kein veröffentlichter Umsatz eines abgeschlossenen Geschäftsjahres und keine Aussage über Gewinn. Rechnet man die neue Bewertung gegen diese Rate, ergibt sich ungefähr das 9,3-Fache. Das ist eine Rechengröße für die Erwartungen an künftiges Wachstum, kein belegtes Verhältnis von Unternehmenswert zu tatsächlich erzieltem Jahresumsatz.

Für die Einordnung ist auch wichtig, wo die Arbeit der Fachleute in der Rechnung erscheint. Wird ein Datensatz als fertiges Produkt verkauft, sind die Zahlungen an die Personen, die Aufgaben und Bewertungen erstellen, Kosten für dessen Herstellung. Eine hohe Umsatzrate kann daher mit sehr unterschiedlichen Bruttomargen einhergehen. Ohne Angaben zu diesen Kosten lässt sich aus dem gemeldeten Tempo nicht ableiten, wie viel vom Erlös nach der Herstellung der Daten verbleibt.

Hinzu kommt die Frage, welcher Teil der Aufträge wiederkehrt. Ein Kunde kann fortlaufend neue Aufgaben für dasselbe Modell benötigen, während ein anderer nur ein einzelnes, stark angepasstes Projekt bestellt. Beides kann die aktuelle Umsatzrate erhöhen, hat aber unterschiedliche Folgen für Planbarkeit und Aufwand. Die bisher veröffentlichten Zahlen trennen wiederkehrende Erlöse und individuell entwickelte Datenprojekte nicht. Eine Bewertung auf Basis des aktuellen Tempos setzt damit Annahmen voraus, die Außenstehende noch nicht prüfen können.

Was nach der Series E offenbleibt

Bestätigt sind die Finanzierung, die höhere Bewertung und der strategische Schwerpunkt auf fertigen Trainingsdaten. Offen bleiben realisierte Jahresumsätze, Bruttomargen und die Kosten je Datenauftrag. Auch aus dem schnellen Anstieg der Bewertung folgt nicht, dass die Facharbeit bereits weitgehend automatisiert wäre. Der Finanzierungsbetrag zeigt, wie viel Kapital Investoren für den Ausbau des Geschäfts bereitstellen; er misst weder die Qualität jedes gelieferten Datensatzes noch die Profitabilität der Lieferung.

Snorkels nächste wirtschaftliche Bewährungsprobe liegt daher in der Wiederholbarkeit. Wenn dieselben technischen Komponenten viele anspruchsvolle Aufträge unterstützen, kann das Geschäft wachsen, ohne dass der Personalaufwand im gleichen Verhältnis steigt. Müssen Aufgaben, Umgebungen und Prüfmaßstäbe dagegen für jeden Kunden weitgehend neu entwickelt werden, begrenzt Expertenarbeit die Marge. Die vorliegenden Angaben dokumentieren den Bewertungsanstieg und das von Snorkel gemeldete Geschäftstempo; wie tragfähig das Modell ist, werden erst spätere Finanzzahlen und Angaben zur Herstellung der Datensätze zeigen.

Lesen Sie auch: