Das KI-Startup Simile AI hat den erfolgreichen Abschluss einer Series-B-Finanzierungsrunde über 200 Millionen US-Dollar bekannt gegeben. Angeführt wurde das Investment unter anderem von Index Ventures und Greenoaks. Das Unternehmen setzt auf eine neue Entwicklungsstufe generativer Künstlicher Intelligenz: die Simulation komplexer menschlicher Verhaltensweisen durch interaktive Multi-Agenten-Systeme im industriellen Maßstab.
Geleitet wird das Vorhaben maßgeblich von Joon Sung Park, der als Hauptautor des einflussreichen Stanford-Papers zu generativen Agenten, bekannt als Smallville-Experiment, internationale Bekanntheit erlangte. Während die damalige Forschungsarbeit das Zusammenspiel von 25 KI-Agenten in einer virtuellen Sandbox demonstrierte, transferiert Simile AI dieses Paradigma nun in eine hochskalierbare Infrastruktur für Unternehmen und Forschungseinrichtungen.
Park beschreibt diesen Ansatz als ein neues Skalierungsgesetz der KI-Entwicklung. Anstatt Modelle ausschließlich über größere Datenmengen oder längere Inferenzzeiten zu optimieren, rückt das emergente Verhalten interagierender Agentenpopulationen in den Mittelpunkt. Die Plattform ermöglicht es, tausende heterogene Agenten mit individuellen Gedächtnisstrukturen, Präferenzen und Handlungszielen in virtuellen Umgebungen aufeinandertreffen zu lassen.
Im Finanzsektor stößt die Technologie auf erhebliches Interesse. Traditionelle ökonometrische Modelle stoßen bei abrupten Marktverwerfungen oder unvorhergesehenem Konsumentenverhalten regelmäßig an ihre Grenzen. Durch Multi-Agenten-Simulationen können Banken und Regulierungsbehörden dynamische Stresstests durchführen, Liquiditätsabflüsse bei Bank-Runs modellieren und die Resonanz auf makroökonomische Schocks unter realistischen Verhaltensannahmen erproben.
Die beträchtliche Kapitalausstattung soll vor allem in den Ausbau der Rechenkapazitäten und die Weiterentwicklung deterministischer Auswertungs-Pipelines fließen. Simile AI plant, die Technologie schrittweise für ausgewählte Industriepartner zu öffnen, um verhaltensbasierte Prognosen und quantitative Risikomodellierungen auf eine völlig neue methodische Basis zu stellen.