Finanzierung
42AI sichert sich 62,5 Mio. US-Dollar Startkapital für Verhaltensweltmodell
Unite.AI zu deinen bevorzugten Quellen auf Google hinzufügen
TechCrunch berichtete am 2. November 2026, dass das israelische Start-up 42AI mit 62,5 Millionen US-Dollar Startkapital und einem Verhaltensweltmodell für Finanzbroker aus dem Stealth-Modus hervorgetreten sei. Die Gründer erklärten, das System schätze die Wahrscheinlichkeiten dafür, wie einzelne Kunden unter veränderten Umständen handeln könnten.
Der CEO und Mitgründer Amit Gal-Or sagte, die Finanzierung sei über einen Zeitraum von drei Jahren von den Gründern und der Infinity Group gekommen und nicht vollständig von externen Investoren aufgebracht worden. Infinity wurde von seinem Vater Amir Gal-Or gegründet, der auch Vorsitzender von 42AI und Mitgründer des Unternehmens ist. Ehud Ezra ist Chief Technology Officer und Mitgründer.
Gal-Or sagte, 42AI arbeite mit 10 großen Brokerhäusern zusammen, nehme weitere Kunden auf und erziele einen Umsatz von mehr als sieben Stellen, nannte jedoch keine genaue Zahl. Kunden zahlen entweder eine Pauschalgebühr oder einen Anteil an dem Wert, zu dessen Erwirtschaftung die Plattform ihnen verhilft. Ein Brokerhaus erzielte durch dynamisches Hedging einen zusätzlichen Wert von etwa 30 Millionen US-Dollar.
So funktioniert das Verhaltensmodell
Gal-Or und Ezra beschreiben Verhalten als probabilistisch und nicht als deterministisch. 42AI versucht, die zugrunde liegenden Beweggründe zu erkennen, statt einfach frühere Handlungen fortzuschreiben. Dabei weist das Modell möglichen Entscheidungen unter verschiedenen Umständen Wahrscheinlichkeiten zu.
Bei Brokerkunden können zu den Eingaben Know-your-Customer- und Onboarding-Prozesse, Interaktionen mit dem Support und Vertrieb, Geldtransfers und Handelsgeschäfte zählen. Zu den untersuchten Signalen gehören Stimmung, Stimme, Gesprächshäufigkeit, der Zeitpunkt von Käufen und Verkäufen sowie die gleichzeitigen Marktbedingungen.
Diese Beobachtungen werden in mathematische Darstellungen von Eigenschaften umgewandelt und in ein transformerbasiertes Weltmodell eingespeist. Ein separates Sprachmodell erstellt Erklärungen zu den Vorhersagen. Ezra sagte, die Trainingsbelohnungen seien so ausgelegt, dass sie die zugrunde liegenden Tendenzen in Simulationen bewahren: Eine normalerweise risikoscheue Person sollte nicht plötzlich als risikofreudig modelliert werden.
Trainingsdaten und gemeldete Ergebnisse
Gal-Or sagte, 42AI habe drei Jahre an der Entwicklung des Ansatzes gearbeitet, psychologische Forschung mit Neurowissenschaften und Genetik kombiniert und sich von Experten für Psychologie und PTBS sowie dem Chemiker Dan Shechtman beraten lassen. Das Team untersuchte zunächst Tausende Menschen mithilfe psychologischer Tests und Verhaltensszenarien und ergänzte die Daten anschließend um Regierungs- und Biobank-Datensätze, die mehr als 2 Millionen Menschen abdeckten. Die Kundendatensätze wurden später auf fast 30 Millionen Menschen ausgeweitet.
42AI beziffert die Genauigkeit seiner Vorhersagen von Marktgeschäften auf 98 %. Gal-Or stellte klar, dass damit gemessen werde, ob Handelsströme innerhalb einer vorhergesagten Spanne liegen – nicht, ob jedes einzelne Geschäft korrekt vorhergesagt wird. Außerdem gab er F1-Werte von 0,8 bis 0,85 für Handelsrichtung und -volumen an. Der F1-Wert misst, wie ein Klassifikationsmodell korrekte Vorhersagen gegen Fehlalarme und übersehene Ereignisse abwägt.
Die Gründer räumten ein, dass der Genauigkeit eine Grenze gesetzt sei, weil das System keinen Zugriff auf alles habe, was eine Person erlebt. Die Genauigkeit nehme außerdem ab, wenn wichtiger situativer Kontext fehle, etwa der Rat eines Freundes oder Kollegen, der eine Handelsentscheidung verändert.
Ein von Ben Yellin, Ezra, Mark Foreman und Shula Grinapol verfasster Vorabdruck, der am 19. Februar 2026 bei arXiv eingereicht wurde, stellte ein großes Verhaltensmodell vor, das darauf abgestimmt wurde, individuelle strategische Entscheidungen anhand strukturierter, hochdimensionaler Profile psychometrischer Merkmale vorherzusagen. Die Autoren beschrieben ein Training mit einem proprietären Datensatz, der stabile Dispositionen, motivationale Zustände und situative Einschränkungen mit beobachteten Entscheidungen verknüpft.
In einer Evaluation anhand zurückgehaltener Szenarien berichteten die Autoren von verbesserten Verhaltensvorhersagen gegenüber dem nicht angepassten Llama-3.1-8B-Instruct-Basismodell sowie von einer mit führenden Basismodellen vergleichbaren Leistung, wenn das Modell anhand der Big-Five-Merkmale konditioniert wurde. Ihr Modell profitierte außerdem weiterhin von dichteren Merkmalsprofilen, während promptbasierte Basismodelle eine Komplexitätsgrenze zeigten.
Einsatz in Brokerhäusern und erklärte Grenzen
Auf der Website von 42AI beschreibt das Unternehmen einen Verhaltens-Stack, der Rohdaten in Verhaltensfaktoren umwandelt, Reaktionen auf bestimmte Ereignisse und das Verhalten im Zeitverlauf vorhersagt, veränderliche Variablen simuliert und Erklärungen liefert. Für das Weltmodell nennt das Unternehmen Reaktionszeiten von 1–10 Millisekunden, für das große Verhaltensmodell 2–12 Millisekunden.
Laut Website kann das Angebot für Brokerhäuser die Geschäfte jedes Kunden bis zu 24 Stunden im Voraus nach Finanzinstrument, Richtung und Volumen vorhersagen. Zu den weiteren aufgeführten Einsatzmöglichkeiten für Brokerhäuser gehören ein frühzeitiger Überblick über das Exposure, dynamisches Hedging, das Management extremer Risiken sowie die Verringerung von Slippage und Value at Risk. Gal-Or sagte, Kunden nutzten das System, um Liquidität, Margin-Anforderungen und das Hedging-Exposure zu steuern.
Gal-Or sagte, das eingesetzte System benötige keine personenbezogenen Daten und das Modell wisse nie, um wen es sich handelt. TechCrunch berichtete, dass 42AI dennoch individuelle Verhaltensprofile aus verknüpften Kundenaktivitäten erstellt.
Als TechCrunch die Möglichkeit ansprach, dass Kunden Vorhersagen über ihre eigenen Klienten ausnutzen könnten, bezeichnete Ezra dies als berechtigte Sorge. Die Gründer verwiesen auf Vorschriften, Überwachung und einen internen Ethikausschuss, während Gal-Or sagte, die Technologie könne dazu beitragen, solchen Risiken zu begegnen. Sie erläuterten jedoch keinen konkreten Mechanismus, der Kunden daran hindern würde, Vorhersagen zu ihrem Vorteil gegenüber den Personen zu nutzen, über die Profile erstellt werden.
Die Gründer sagten, 42AI erkunde Einsatzmöglichkeiten in den Bereichen Gaming, Betrugsprävention und Cybersicherheit und wolle künftig, dass Roboter und KI-Agenten das Modell nutzen, um Menschen zu verstehen. Ezra sagte, das Modell müsse mit den Regeln und dem Kontext jedes neuen Bereichs trainiert werden. Das Unternehmen plant außerdem, weitere Mittel aufzunehmen.
Eine Expansion über die Implementierungen im Brokerage-Bereich hinaus erfordert ein solches domänenspezifisches Training; der Finanzierungsplan sieht außerdem vor, weitere Mittel aufzunehmen.
