Zwei Angehörige der Post-2000-Generation liefern Daten an NVIDIA, mit einer Unternehmensbewertung von 21,5 Milliarden.

Nachrichten von Zhidx am 2. September: Laut zwei mit der Angelegenheit vertrauten Quellen, die von *Forbes* zitiert wurden, hat das US-amerikanische Start-up für KI-Trainingsdaten AfterQuery inzwischen eine Bewertung von 3,2 Milliarden US-Dollar (ca. 21,5 Milliarden Yuan) erreicht. Ein mit der Angelegenheit vertrauter Insider gab an, dass das Unternehmen derzeit bereits profitabel ist und einen Lead-Investor für eine neue Finanzierungsrunde festgelegt hat. Die genaue Höhe der Finanzierung und die Identität der Investoren wurden noch nicht bekanntgegeben, AfterQuery lehnte eine Stellungnahme dazu ab.

Vor fünf Monaten lag die Bewertung von AfterQuery noch nur bei 300 Millionen US-Dollar (ca. 2 Milliarden Yuan), ihre Bewertung stieg innerhalb von fünf Monaten um etwa das Zehnfache. AfterQuery wurde in das Winter-Beschleunigungsprogramm für Start-ups von YC 2025 aufgenommen. Gustaf Alströmer, Partner von YC, erklärte, dass das Unternehmen nur etwa 18 Monate von der Gründung bis zum Erreichen des Unicorn-Status gebraucht hat und damit das am schnellsten wachsende Start-up in der Geschichte von YC ist, das diesen Sprung vollzogen hat.

AfterQuery wurde im Februar 2025 gegründet, hat seinen Hauptsitz in San Francisco, USA, und wurde in die Winter-Kohorte von YC 2025 aufgenommen. Die Mitbegründer von AfterQuery, Spencer Mateega und Carlos Georgescu, gründeten das Unternehmen noch während ihres Universitätsstudiums. Nachdem sie eine Zeit lang versucht hatten, Finanz-KI-Agenten zu entwickeln, richteten sie das Unternehmen auf das Geschäftsfeld aus, fortschrittlichen großen Modellen Experten-Inferenzdaten, Umgebungen für verstärktes Lernen und Dienstleistungen zur Modellevaluierung bereitzustellen.

Nach Angaben von AfterQuery hat seine Plattform inzwischen fast 100.000 Fachkräfte zusammengebracht. Im Juli dieses Jahres veröffentlichte Mateega einen Beitrag auf der Plattform X, dass das annualisierte Umsatzvolumen des Unternehmens inzwischen mehrfach so hoch ist wie die im April dieses Jahres offengelegte 100 Millionen US-Dollar (ca. 672 Millionen Yuan).

▲ Mateega teilte in seinem Beitrag mit, dass der Umsatz des Unternehmens mehrere hundert Millionen US-Dollar erreicht hat (Quelle: X)

Laut dem Bericht von *Forbes* werden die Daten von AfterQuery bereits für das Training von Nvidias Modell Nemotron 3 Ultra verwendet, das Unternehmen arbeitet zudem mit Thinking Machines Lab, dem Rechts-KI-Unternehmen Legora und einigen chinesischen KI-Laboren zusammen.

Vom YC-Projekt zweier Universitätsstudenten zum Unicorn mit einer Bewertung von 21,5 Milliarden Yuan spiegelt das schnelle Wachstum von AfterQuery die Veränderungen auf dem Markt für KI-Trainingsdaten wider: Die Nachfrage von Unternehmen für große Modelle wandelt sich von einfachen grundlegenden Annotationen hin zu komplexen Aufgabendaten, die von Fachkräften bereitgestellt werden.

01 Sich in der Oberschule kennengelernt, gemeinsam bei Meta praktiziert, Wandel von Finanz-KI-Agenten zu Trainingsdaten für große Modelle

Die beiden Mitbegründer von AfterQuery, Spencer Mateega und Carlos Georgescu, sind 23 bzw. 22 Jahre alt. Als sie zu YC stießen, studierten sie noch an der Universität, hatten weder ein Produkt noch eine konkrete Geschäftsidee festgelegt.

Nach dem Wandel positioniert sich AfterQuery als angewandtes Forschungslabor, das die Entwicklung von Grundmodellen unterstützt. Es bietet hauptsächlich Inferenzdaten, Umgebungen für verstärktes Lernen und Dienstleistungen zur Modellevaluierung an, die von Fachkräften für fortschrittliche große Modelle erstellt werden, statt dem traditionellen Geschäft der Datenannotation. Derzeit hat AfterQuery ein Team von etwa 30 Mitarbeitern.

▲ Mitglieder des AfterQuery-Teams (Quelle: AfterQuery)

Die beiden Kerngründer von AfterQuery lernten sich schon in der Oberschule kennen. Damals nahmen beide an einem Sommerprogramm für Informatik teil, das von Google veranstaltet wurde, und absolvierten anschließend gemeinsam ein Praktikum bei Meta.

Mateega, Mitbegründer und CEO von AfterQuery, arbeitete als Software-Ingenieur bei Meta und Google, absolvierte zudem Praktika in der Technologie-Investmentbank-Abteilung von Morgan Stanley und bei der Private-Equity-Gesellschaft Silver Lake. Er erwarb einen Bachelor in Finanzen und Statistik an der Wharton School der University of Pennsylvania sowie einen Master in Informatik an der University of Pennsylvania.

▲ Der berufliche Werdegang von Mateega, Mitbegründer und CEO (Quelle: LinkedIn)

Georgescu, Mitbegründer und CTO, studierte Informatik an der University of British Columbia in Kanada. Während seines Studiums gründete und verkaufte er ein EdTech-Unternehmen, arbeitete als Software-Ingenieur bei Meta und absolvierte zudem zweimal Praktika bei dem quantitativen Handelsunternehmen Citadel Securities. Nach dem Eintritt bei YC beschloss Georgescu, der noch ein Jahr seines Studiums vor sich hatte, das Studium abzubrechen, um ein Unternehmen zu gründen.

▲ Der berufliche Werdegang von Georgescu, Mitbegründer und CTO (Quelle: LinkedIn)

Laut dem Bericht von *Forbes* reichten die beiden Anfang 2025 innerhalb von 48 Stunden vor der Bewerbungsfrist von YC ihre Unterlagen ein. Damals hatten sie kein Produkt und keine klare Geschäftsidee, nur die Absicht, nach San Francisco zu ziehen, um in die KI-Branche einzusteigen. Nach der Aufnahme in YC versuchten die beiden zuerst, KI-Agenten für die Finanzbranche zu entwickeln, die Modelle dazu bringen sollten, professionelle Arbeiten wie Investitionsanalysen automatisch zu erledigen.

Im Testprozess stellten sie jedoch fest, dass selbst die fortschrittlichsten großen Modelle zu dieser Zeit in komplexen Arbeitsabläufen von Angestellten mit Hochschulabschluss häufig scheiterten. Das Problem lag nicht vollständig in der Modellarchitektur, sondern darin, dass die Modelle nicht ausreichend für professionelle Arbeiten trainiert wurden und nicht wussten, wie Praktiker mit Aufgaben umgehen, bei denen Informationen unvollständig sind, Standards unscharf sind oder Urteile auf Grundlage von Erfahrung getroffen werden müssen.

Aus diesem Grund beschlossen die beiden, sich umzuorientieren: Statt direkt Finanzanwendungen zu entwickeln, die auf großen Modellen aufbauen, lieferten sie grundlegende Trainingsdaten für große Modelle. Sie begannen, die Urteilsprozesse und schrittweisen Inferenzdaten von Experten aus Bereichen wie Finanzen, Software-Entwicklung, Recht und Medizin zu sammeln, um das implizite Wissen, das Fachkräfte über lange Zeit angesammelt haben, in Materialien umzuwandeln, die Modelle lernen können.

02 Hohe Nachfrage nach hochwertigen Daten, Bewertung steigt innerhalb von fünf Monaten um das Zehnfache

Im April dieses Jahres schloss AfterQuery eine Serie-A-Finanzierung in Höhe von 30 Millionen US-Dollar (ca. 202 Millionen Yuan) ab, die Nach-Finanzierungs-Bewertung betrug 300 Millionen US-Dollar (ca. 2 Milliarden Yuan). Diese Finanzierungsrunde wurde von Altos Ventures angeführt, The Raine Group, Y Combinator, BoxGroup und Latitude Capital beteiligten sich daran. Zu den Investoren gehörten zudem private Investoren von Googles DeepMind, OpenAI, Anthropic, dem Superintelligence-Labor von Meta und der KI-Abteilung von Microsoft.

Wenn die von *Forbes* nun offengelegte Bewertung von 3,2 Milliarden US-Dollar bestätigt wird, bedeutet das, dass die Bewertung von AfterQuery innerhalb von fünf Monaten um etwa das Zehnfache gestiegen ist.

Das schnelle Wachstum von AfterQuery wird von der Nachfrage fortschrittlicher KI-Unternehmen nach hochwertigen Trainingsdaten angetrieben. Allgemeine große Modelle haben bereits eine große Menge öffentlich zugänglicher Texte, Bilder und Codes aus dem Internet verarbeitet, und auch die synthetischen Daten, die von Modellen generiert werden, weisen Grenzen in der Qualität auf.

Um Modelle dazu zu bringen, professionelle Aufgaben wie Finanzanalysen, Software-Entwicklung, rechtliche Prüfungen und medizinische Beurteilungen zu erledigen, benötigen KI-Labore vollen Zugriff auf die vollständigen Prozesse, in denen Fachkräfte in ihrer tatsächlichen Arbeit Urteile fällen, Ausnahmefälle bearbeiten und Software-Tools verwenden.

Aus diesem Grund wandelt sich das Geschäft der Datenannotation, das früher hauptsächlich auf einer großen Anzahl von kostengünstigen Mitarbeitern beruhte, allmählich zu einem Geschäft für „Inferenzdaten“, an dem Fachkräfte wie Software-Ingenieure, Anwälte, Finanzanalytiker und Ärzte beteiligt sind. Datenanbieter verkaufen nicht mehr nur einfache Klassifizierungs-Tags, sondern die Denkprozesse, Betriebsabläufe, Beurteilungsstandards und Feedback-Ergebnisse von Experten bei der Bearbeitung komplexer Aufgaben.

Aus diesem Grund sind menschlich erstellte Daten eines der Felder mit dem schnellsten Bewertungswachstum im KI-Start-up-Bereich. Alexandr Wang, Gründer von Scale AI, wurde einst mit dem Geschäft der Datenannotation zum jüngsten selbstgemachten Milliardär der Welt. Drei Gründer des anderen KI-Datenunternehmens Mercor stellten diesen Rekord später im Alter von 22 Jahren ein. Laut einem Bericht von *The Information* im August verhandelt Mercor mit Nvidia über eine neue Finanzierungsrunde mit einer Zielbewertung von 20 Milliarden US-Dollar (ca. 134,4 Milliarden Yuan).

03 Fast 100.000 Fachkräfte versammelt, Daten mit angepassten Softwaresystemen überprüft

Nach Angaben von AfterQuery bringt seine Plattform fast 100.000 überprüfte Fachkräfte aus Bereichen wie Ingenieurwesen, Medizin, Recht und Finanzen zusammen. Diese Praktiker liefern fachliche Urteile, Betriebsabläufe und Aufgaben-Feedback, um Modellen dabei zu helfen, praktische Arbeitserfahrungen zu erlernen, die mit öffentlich zugänglichen Internetdaten kaum zu erlernen sind.

Die von dem Unternehmen angebotenen Produkte umfassen Daten für überwachtes Fine-Tuning und verstärktes Lernen mit menschlichem Feedback, Umgebungen für verstärktes Lernen bei Tool-Aufrufen und Computer-Bedienung sowie angepasste Trainingssätze und Modellevaluierung. Beispielsweise kann AfterQuery auf Grundlage echter APIs, MCP-Server und Entwicklungstools Trainingsumgebungen aufbauen, die es KI-Agenten ermöglichen, das Aufrufen von Tools, die Bearbeitung von Fehlern und die Erledigung von mehrstufigen Aufgaben zu erlernen.

Mateega sagte in einem Interview mit *Forbes* im April dieses Jahres, dass sich AfterQuery von Konkurrenten wie Mercor dadurch unterscheidet, dass es angepasste Softwaresysteme verwendet, um von Menschen generierte Daten zu überprüfen. Das System führt mehrstufige Prüfungen durch und hält den Schwierigkeitsgrad der Aufgaben in einem angemessenen Bereich: Die Aufgaben stellen eine Herausforderung für fortschrittliche Modelle dar, ohne dass die Modelle sie völlig nicht lösen können.

AfterQuery führt zudem selbst einen Post-Trainings-Prozess durch, bevor die Daten ausgeliefert werden, um zu beobachten, ob die Daten die Benchmark-Ergebnisse der Modelle verbessern können. Nach Angaben von Mateega können Kunden so die Qualität der Daten anhand der Veränderungen der Modellleistung beurteilen, bevor sie die Daten einsehen.

04 Einsatz im Training von großen Modellen von Nvidia, Rechtsevaluierungssätze decken 5161 Fälle ab

Die Daten von AfterQuery sind bereits in den tatsächlichen Trainingsabläufen fortschrittlicher Modelle integriert. Der technische Bericht zu Nvidias Veröffentlichung von Nemotron 3 Ultra im Juni dieses Jahres zeigt, dass das Modell mit von AfterQuery bereitgestellten Daten zu Büro- und Arbeitsaufgaben trainiert wurde. Die zugehörigen Daten decken dateibasierte Inferenz, Generierung professioneller Arbeitsergebnisse, mehrstufige Analysen und Ergebnisbeurteilungen ab. Nach Angaben von AfterQuery sind sie der einzige namentlich genannte Datenpartner in diesem technischen Bericht.

▲ Ein Teil des Trainings von Nvidias Nemotron 3 Ultra verwendet Daten von AfterQuery (Quelle: Nvidia)

Nach Angaben von AfterQuery stieg in einem Ablation-Test von Nvidia die Leistung von Nemotron 3 Ultra auf dem Evaluierungssatz für echte berufliche Aufgaben GDPval von 35,3 Punkten auf 46,7 Punkte, nachdem das zugehörige Vorwärm-Training hinzugefügt wurde. GDPval deckt die neun Branchen mit dem größten BIP der USA, 44 Berufe und 1320 echte Arbeitsaufgaben ab.

Im Rechtsbereich entwickelte AfterQuery gemeinsam mit dem Rechts-KI-Start-up Legora das Evaluierungs-Benchmark BAR für KI-Agenten-Inferenz. Dieser Evaluierungssatz enthält 5161 Fälle und 11075 Quelldokumente aus 28 Rechtsbereichen, um zu testen, ob KI-Agenten in der Tool-Umgebung von Legora Ende-zu-Ende-Rechtsarbeiten erledigen können. Nach Angaben von Legora verbesserte sich die Ausgabequalität seines Produkts auf dem gleichen Modell innerhalb eines Monats um 5 %, nachdem das System anhand der Probleme angepasst wurde, die bei dieser Evaluierung festgestellt wurden.

Laut dem Bericht von *Forbes* arbeitete AfterQuery mit Thinking Machines Lab zusammen, das von Mira Murati, der ehemaligen Chief Technology Officer von OpenAI, gegründet wurde. Im Gegensatz zu einigen US-amerikanischen KI-Datenan