Während die amerikanischen Konzerne ihre Kontrolle über die außer Kontrolle geratenen KI-Ausgaben verschärfen, setzt ein kaum acht Monate altes Startup darauf, dass es ein Vermögen verdienen kann, wenn es Unternehmen dabei hilft, mit weniger Token mehr zu erreichen. Engram, das sich selbst als das „gelernte Gedächtnis“ der KI bezeichnet, gab am 23. Juni 2026 bekannt, dass es 98 Millionen US-Dollar von einer großen Investorenliste eingesammelt hat.
Die Runde wurde von General Catalyst, Kleiner Perkins und Sequoia sowie vom OpenAI-Mitbegründer Andrej Karpathy unterstützt, der sich kürzlich dem Konkurrenzlabor Anthropic angeschlossen hat. Die Finanzierung deutet darauf hin, dass erstklassiges Risikokapital immer noch Raum für einen neuen Akteur in einem immer dichter werdenden Feld sieht – vorausgesetzt, es kann ein Problem lösen, das die größten Namen der Branche nicht haben: die steigenden Kosten für den Betrieb von KI-Modellen. Weitere Informationen zu dieser Geschichte finden Sie in unserer mehr KI-Geschichten.
Das Kostenproblem-Engramm zielt ab
Neue und ausgefeiltere KI-Modelle erweisen sich als teurer als die Generationen vor ihnen und stellen die einst vorherrschende Annahme in Frage, dass ein größerer Maßstab unweigerlich die Kosten senken würde. Unternehmen, die KI-Tools eifrig eingeführt haben, sehen sich nun mit der Rechnung konfrontiert, wobei einige die Nutzung durch Entwickler einschränken, da der Token-Verbrauch die Budgets belastet.
Der Vorteil von Engram besteht darin, dass seine Modelle organisationsspezifische Arbeitsabläufe und Kontexte abrufen können, um Fragen zu antizipieren und intelligentere Antworten zu einem Bruchteil der Kosten zu liefern. Das Unternehmen behauptet, dass seine Modelle mit bis zu 100-mal weniger Tokens **, der Rechenwährung, die bestimmt, wie viel die Ausführung jeder KI-Abfrage kostet, mit Frontier Labs mithalten oder diese übertreffen können.
Leigh Marie Braswell, Partnerin bei Kleiner Perkins, formulierte die Gelegenheit unverblümt. „Es gibt eine Datenexplosion, eine Kostenexplosion“, sagte sie laut CNBC. „Engram kommt ins Spiel und bildet im Grunde Ihre Organisation ab und bietet um Größenordnungen günstigere Ergebnisse.“
Frühe Anziehungskraft mit großen Namen
Obwohl das 13-köpfige Unternehmen erst vor weniger als einem Jahr gegründet wurde, hat es bereits einen Kundenstamm aufgebaut, um den es weitaus größere Konkurrenten beneiden würden. Zu den Kunden gehören Microsoft, Notion und Harvey, das legale KI-Startup. Diese frühe Einführung durch Unternehmen – und durch ein weiteres KI-Unternehmen in Harvey – deutet darauf hin, dass die Technologie von Engram nicht als Neuheit, sondern als Kerninfrastruktur für echte Workloads genutzt wird.
Der Name des Startups geht auf die Neurowissenschaften zurück, wobei sich ein „Engramm“ auf die physische Spur bezieht, die eine Erinnerung im Gehirn hinterlässt. Die Metapher ist treffend: Die Technologie von Engram ist darauf ausgelegt, KI-Systemen eine dauerhafte Erinnerung an das spezifische Wissen einer Organisation zu geben, sodass sie den Kontext nicht bei jeder Interaktion von Grund auf neu erlernen müssen.
Ein Gründer, der von Erinnerungen besessen ist
Der Mitbegründer und CEO von Engram, Dan Biderman, hat eine persönliche Verbindung zu dem Problem, das sein Unternehmen löst. Laut CNBC begann Bidermans Interesse am Gedächtnis bereits als Kind, als er versuchte, seiner Großmutter – die ihr Gedächtnis verloren hatte – dabei zu helfen, sich an kleine Fakten über ihn und seine Geschwister zu erinnern. Diese lebenslange Faszination für die Funktionsweise des Gedächtnisses untermauert nun den technischen Ansatz des Unternehmens, KI kostengünstiger und kontextbewusster zu machen.
Biderman ist auch eine bekannte Persönlichkeit in der KI-Forschungsgemeinschaft, bekannt für seine Arbeit zum Verständnis und zur Verbesserung großer Sprachmodelle. Diese technische Glaubwürdigkeit hat Engram wahrscheinlich in den ersten Betriebsmonaten dabei geholfen, sowohl Elite-Investoren als auch anspruchsvolle Unternehmenskunden anzuziehen.
Was man mit Geld kauft
Engram sagte, es plane, die neue Finanzierung zur Unterstützung von Rechnung und Talent zu verwenden – den beiden Ressourcen, die die Fähigkeit eines Startups definieren, KI-Modelle zu trainieren, zu verfeinern und bereitzustellen. Für ein Unternehmen, das dramatische Effizienzsteigerungen verspricht, verdeutlicht der Bedarf an erheblicher Rechenleistung, dass der Aufbau besserer Speichersysteme immer noch erhebliche Investitionen in Technik und Infrastruktur erfordert.
Die Runde spiegelt auch einen breiteren Trend bei der KI-Risikofinanzierung wider: Investoren fühlen sich zunehmend zu Pick-and-Shovel-Unternehmen hingezogen, die bestehende KI-Implementierungen billiger oder effektiver machen, anstatt ausschließlich auf ein weiteres Basismodell zu setzen. Startups, die sich auf Inferenzeffizienz, Speicher und Kostenoptimierung konzentrieren, erregen gerade deshalb Aufmerksamkeit, weil die Ära der uneingeschränkten KI-Ausgaben zu Ende zu gehen scheint.
Die Wettbewerbslandschaft
Engram betritt einen Markt, in dem die Definition von „KI-Speicher“ immer noch umstritten ist. Einige Unternehmen gehen das Kostenproblem durch eine bessere Modellweiterleitung an, indem sie einfache Abfragen an günstige Modelle senden und teure Modelle für anspruchsvolle Aufgaben reservieren. Andere komprimieren den Kontext mithilfe von Abruftechniken oder speziellem Caching. Der Ansatz von Engram – der Aufbau dedizierter Gedächtnismodelle, die die Muster einer Organisation lernen – stellt eine eindeutige Wette dar, dass das effiziente Erinnern an Kontext selbst eine Produktkategorie ist.
Es bleibt abzuwarten, ob die kühne Behauptung des Unternehmens, die Grenzleistung zu einem Hundertstel der Token-Kosten zu erreichen, einer Prüfung standhält. Aber da Microsoft und andere große Unternehmen bereits an Bord sind und Investoren wie Karpathy – dessen Karriere die Gründung von OpenAI und eine Station bei Tesla umfasst – ihr Kapital dahinter stecken, hat sich Engram schnell als Startup etabliert, das man im Rennen um die Ökonomie der KI im Auge behalten sollte.
---
Bleib vorne bei KIDie neuesten KI-Nachrichten, Analysen und Durchbrüche – alles an einem Ort.
Mehr KI-Nachrichten lesen →
