Das unternehmensweite kontextbezogene Betriebssystem ContextOS hat die Seed-Finanzierungsrunde abgeschlossen, die Investoren wurden vorübergehend nicht offengelegt.

Da die Fähigkeiten großer Sprachmodelle zunehmend konvergieren, verlagert sich der Wettbewerb im Bereich der künstlichen Intelligenz für Unternehmen von der „Jagd nach Modellparametern“ zur „Tiefe des Verständnisses für die Geschäftsabläufe“. Von der Prompt-Engineering zur Kontext-Engineering durchläuft die KI-Entwicklung einen Paradigmenwechsel. Kontextbetriebssysteme, die KI ein einheitliches Verständnis der Unternehmensgeschäftssemantik ermöglichen und die Rolle einer Basisinfrastruktur übernehmen, sind zu einem neuen Wachstumsmarkt im Bereich der Unternehmenssoftware geworden. Das auf Ontologie basierende einheitliche unternehmensweite Kontextbetriebssystem ContextOS wurde genau zur Schließung dieser Marktlücke entwickelt.

Die Entstehung von ContextOS geht auf die praktische Branchenerfahrung des Gründers Xu Weiting zurück: Mehr-Agenten-Systeme fehlen seit langem eine einheitliche Kontextunterstützung, und bestehende KI-Anwendungen können die Geschäftssemantik von Unternehmen nicht wirklich verstehen. Xu Weiting ist ein Serienunternehmer und Technikeexperte mit etwa zehn Jahren Erfahrung in Produktentwicklung und Unternehmensgründung. Er arbeitete bereits bei namhaften Unternehmen wie EY und Trip.com und ist seit vielen Jahren im Bereich unternehmensweiter hochvertrauenswürdiger KI tätig. Die von ihm zuvor entwickelte „Engine zur Erkennung von Zeitreihengraphen“ hat die technische Machbarkeit bereits in mehreren anspruchsvollen Branchen nachgewiesen. Nach der Erkennung der Schwachstellen der unternehmensweiten KI wurde das Projekt offiziell gestartet. Die Inbetriebnahme ist für Oktober 2026 geplant, und es befindet sich derzeit in der späten Phase der MVP-Validierung und der Vorstufe der Kommerzialisierung. Die größte Herausforderung für das Team während der Projektumsetzung bestand darin, große Sprachmodelle, die im Wesentlichen Wahrscheinlichkeitsmodelle sind, in Geschäftsszenarien mit Null-Toleranz für Fehler zu beherrschen und das Problem der KI-Halluzinationen systematisch zu lösen. Dazu hat das Team ein kombiniertes Konzept entwickelt: Das Risiko von fiktiven Inhalten durch KI wird durch den vertrauenswürdigen Verifizierungsmechanismus VeriCore um 90 % gesenkt, ergänzt durch eine Engine zur Erkennung von Zeitreihengraphen, die die Entwicklung von Informationen dynamisch verfolgt. Gleichzeitig wird eine zweischichtige Entkopplungsarchitektur entworfen, um Absichtsanalyse und Datenabruf zu trennen, sodass die technischen Herausforderungen schrittweise überwunden werden. Bis heute hat das Projekt das Design des zentralen technischen Architektur abgeschlossen und die technische Prüfung bestanden; es hat POC-Pilotprojekte bei einem Fertigungsunternehmen und einem FinTech-Unternehmen abgeschlossen und die Fähigkeit zur Vereinheitlichung der Semantik verschiedener Datenquellen und zur Rückverfolgbarkeit von Schlussfolgerungen validiert. Die Entwicklung der zentralen Engine ist abgeschlossen, und die Open-Source-Community-Version soll im nächsten Quartal offiziell veröffentlicht werden.

Als einheitliche Kontextbasisinfrastruktur für Unternehmens-KI verfügt ContextOS über mehrere differenzierte Kerntechnologien. Das Projekt verwendet eine ontologiegesteuerte bidirektionale Steuerungsarchitektur, die das Verhalten von Agenten nach oben hin einschränkt und die Weiterentwicklung von Wissensgraphen nach unten unterstützt. Dadurch wird die Ontologie von der traditionellen „passiven Semantikmarkierung“ zu einer „aktiven Steuerungsengine“ aufgewertet. In Kombination mit einem Beweisnetzwerk wird eine durchgängige Prüfung der Schlussfolgerungen erreicht. Mit kostenbewusster föderaler Suche und dynamischer Kontextzusammenstellung wird ein kontrollierbarer und rückverfolgbarer Verständnis der Unternehmensgeschäftssemantik realisiert. Die technische Architektur des Systems ist fünfschichtig aufgebaut. Basierend auf dem KARMA-Multi-Agent-Framework arbeiten neun spezialisierte Agenten zusammen, um die automatische Erstellung von Wissensgraphen durchzuführen. Es wird eine gemischte 54-Speicherarchitektur verwendet, bei der Neo4j für die Verarbeitung von Graphenbeziehungen und Qdrant für die Verwaltung von Vektoreinbettungen zuständig ist. Das System unterstützt die Prüfung und Bewertung der Konformität mit dem KI-Gesetz der EU. In Kombination mit einem ontologiegeführten Rahmenwerk für umgekehrtes Denken wurde bei öffentlichen Testdatensätzen ein Hit@1-Wert von 89,43 % und ein F1-Wert von 71,83 % erreicht, was einer Verbesserung von über 25 % gegenüber der direkten Antwort des LLM entspricht. Die Validierungsgenauigkeit bei der Erstellung von Wissensgraphen beträgt 83,1 %, wobei 18,6 % der Konfliktkanten reduziert werden, was einen deutlichen Leistungsvorteil darstellt. ContextOS kann sowohl auf bestehenden Betriebssystemen ausgeführt als auch mit einem gekapselten Kernel direkt auf Bare-Metal-Systemen bereitgestellt werden. Nach unten verwaltet es einheitlich Unternehmensdaten, Wissen, APIs, Tools und intelligente Agenten, nach oben stellt es standardisierte Semantikdienste und eine Kontextlaufumgebung für alle KI-Anwendungen bereit.

Der Kernmarkt, auf den ContextOS abzielt, sind mittelständische und große Unternehmen mit ausgereifter Datengrundlage wie aus den Bereichen Finanzen, Technologie und fortschrittliche Fertigung sowie Plattformunternehmen mit hohem Bedarf an der Zusammenarbeit mehrerer Agenten. Laut Branchenanalysen wird nach der offiziellen Umsetzung des EU-KI-Gesetzes allein der globale Markt für KI-Konformitätstools einen Wert von über 10 Milliarden US-Dollar erreichen. In Verbindung mit dem Bedarf an der Modernisierung der unternehmensweiten KI-Basisinfrastruktur wird der globale Markt für unternehmensweite Kontextbetriebssysteme in den nächsten fünf Jahren voraussichtlich schnell wachsen. Es gibt einen festen Bedarf in mehreren vertikalen Bereichen wie der Finanzkonformität, der klinischen Entscheidungsfindung im Gesundheitswesen und der Qualitätskontrolle in der intelligenten Fertigung. Angesichts der branchenüblichen Schwachstellen hat ContextOS die beiden Risiken unzureichender Marktakzeptanz und Wettbewerb durch Großkonzerne im Voraus antizipiert und differenzierte Gegenstrategien umgesetzt: Zuerst werden Branchen mit ausgereiften Daten erschlossen, um Referenzprojekte zu erstellen, und leichte Tools werden eingeführt, um die Eintrittsbarriere für die Nutzung zu senken. Mit dem Open-Source- und privaten Bereitstellungsmodell wird der Fokus auf Datensouveränität und Offenheit gelegt, um der Ökosystembindung großer Technologieunternehmen entgegenzuwirken.

Die beiden abgeschlossenen Pilot-Seed-Nutzer haben bereits positive Rückmeldungen gegeben. Der verantwortliche Leiter eines Pilotprojekts bei einem Fertigungsunternehmen erklärte, dass ContextOS die bisherige Schwachstelle der fragmentierten Daten in mehreren Abteilungen und des fehlenden einheitlichen Verständnisses der Geschäftssemantik durch KI behoben hat. Die Entscheidungseffizienz im Szenario der Lieferkettenkooperation wurde um über 40 % gesteigert, und die Ergebnisse der Schlussfolgerungen sind rückverfolgbar und prüfbar, wodurch die Bedenken beseitigt wurden, KI bisher nicht für wichtige Kernentscheidungen einsetzen zu können. Das Pilot-FinTech-Unternehmen berichtete, dass die automatisierte Konformitätsprüfungsfähigkeit des Systems den Arbeitsaufwand für manuelle Prüfungen erheblich reduziert und die Anforderungen der Aufsichtsbehörden an die Erklärbarkeit von KI erfüllt.

ContextOS verfolgt ein Geschäftsmodell, das auf „Open Source für das Ökosystem, Enterprise-Version für Einnahmen und das Ökosystem als Wettbewerbsvorteil“ basiert. Als Vorbild dienen Red Hat und Palantir, wobei ein gemischtes Modell aus Open-Source-Kommerzialisierung und hohen Stückpreisen für Unternehmenskunden verfolgt wird. Im Wesentlichen verkauft das Unternehmen „kognitive Fähigkeiten von KI“, um sich im Zeitalter der konvergierenden Fähigkeiten großer Modelle die Preisgestaltungsgewalt im Bereich der KI-Infrastruktur zu sichern. Informationen zur Finanzierung wurden bisher nicht bekannt gegeben.

Für die zukünftige Entwicklung wird das Projekt in den nächsten 6 bis 12 Monaten kurzfristig in drei Phasen vorangetrieben: Im nächsten Quartal wird die Open-Source-Community-Version offiziell veröffentlicht und ein Mitgestaltungsprogramm für Seed-Nutzer gestartet. Im ersten Halbjahr 2027 wird die Beta-Version der Enterprise-Version auf den Markt gebracht, die Auslieferung von 1 bis 2 branchenspezifischen Referenzprojekten abgeschlossen und der Aufbau von branchenspezifischen Ontologie-Bibliotheken für die Bereiche Finanzen, Automobilindustrie und Elektronikfertigung gestartet. Im zweiten Halbjahr 2027 wird die offizielle Kommerzialisierung eingeleitet, Vertriebs- und Kundenerfolgsteams aufgebaut, Kooperationen mit Cloud-Anbietern angebahnt und die Marktexpansion gestartet. Langfristig strebt ContextOS an, mit einem ontologiegesteuerten bidirektionalen Steuerungssystem durch kontinuierliche Wissensentwicklung und Echtzeit-Konformitätsprüfung zur zentralen Infrastruktur für unternehmensweite KI-Anwendungen zu werden, sodass KI die Geschäftsabläufe jedes Unternehmens wirklich versteht.

Auf die Frage nach seinen Erfahrungen als Gründer erklärte Xu Weiting: Die nächste Phase des Wettbewerbs im Bereich der Unternehmens-KI dreht sich nie um Modellparameter, sondern um die Tiefe des Verständnisses für die Geschäftssemantik. Die fragmentierten Unternehmenswissen in einen einheitlichen, von KI lesbaren Kontext umzuwandeln, ist der Kernwert der Existenz von ContextOS. Während des Gründungsprozesses muss man zwar ständig zwischen technischer Innovation und praktischen Anforderungen an die Umsetzung abwägen, aber die Tatsache, dass man echte, bestehende Schwachstellen von Unternehmen lösen kann, ist die größte Motivation, weiterzumachen.