Foundational sammelt 8 Millionen Dollar zur Optimierung der Dateninfrastruktur
Das Startup Foundational, das sich auf die Verbesserung moderner Dateninfrastrukturen konzentriert, hat erfolgreich eine Seed-Finanzierungsrunde in Höhe von 8 Millionen Dollar abgeschlossen. Diese Runde wurde von Viola Ventures und Gradient Ventures, dem KI-Investmentfonds von Google, angeführt, mit Beteiligungen von Angel-Investoren und weiteren Wagniskapitalgesellschaften. Die Plattform des Unternehmens kartiert, analysiert und optimiert automatisch den Code von Datenteams, um potenzielle Probleme zu identifizieren, Lösungen vorzuschlagen und Daten für KI-Anwendungen vorzubereiten.
Nach 18 Monaten im Stealth-Modus ist Foundational nun bereit, seine Technologie der Öffentlichkeit vorzustellen. Bekannte Unternehmen wie Ramp und Lemonade haben die Plattform bereits übernommen. In einem exklusiven Interview betonte der CEO und Mitgründer Alon Nafta die Bedeutung, ihre Geschichte in dieser Phase zu teilen.
„Im letzten Jahr und einem halben haben wir die Fähigkeit entwickelt, den Code, den Datenteams schreiben, automatisch zu kartieren und zu verstehen, und ihn mit dem heutigen KI-Ökosystem zu verknüpfen“, sagte Nafta. „Wir wollen diese Technologie für KI-Tools nutzen und Daten für die Verwendung durch KI optimieren.“
Bewältigung der Datenqualitätskrise
Nafta, der Erfahrung in der Cybersicherheit und Dateninfrastruktur hat, gründete Foundational, um die Herausforderungen zu bewältigen, mit denen Organisationen konfrontiert sind, wenn sie ihre Datenoperationen skalieren. Während Tools wie Snowflake, Databricks und dbt Daten zugänglicher gemacht haben, haben sie auch komplexe Datenpipelines geschaffen, die schwer zu warten sind.
„In einer Organisation wechseln Daten oft mehrfach den Besitzer“, erklärte Nafta. „Ingenieure nehmen sie auf, Dateningenieure bereinigen sie, und Analytics-Engineers modellieren sie – was zu zahlreichen Übergaben führt.“
Dies führt oft dazu, dass Datenteams die Abhängigkeiten innerhalb ihrer Datensysteme aus den Augen verlieren, was zu Verwirrung, Qualitätsproblemen und fehlerhaften Dashboards führt. Eine Umfrage von Gartner zeigt, dass schlechte Datenqualität Organisationen jährlich durchschnittlich 12,8 Millionen Dollar kostet, mit einem Gesamtschaden von über 510 Millionen Dollar bei 40 Unternehmen.
Automatisierung der Datenverwaltung durch Code-Analyse
Foundational zielt darauf ab, diese Herausforderungen zu meistern, indem die Plattform automatisch den Quellcode von Datenteams analysiert, um die Datenherkunft zu kartieren und Probleme vor der Bereitstellung zu identifizieren. Die Plattform integriert sich in Tools wie GitHub und bietet umsetzbare Einblicke und Vorschläge direkt in den Arbeitsabläufen der Entwickler.
„Sie werden unsere Einblicke, Warnungen oder Vorschläge in den Tools sehen, die sie bereits verwenden“, bemerkte Nafta. Foundational benötigt lediglich Zugriff auf die Metadaten im Code, was Bedenken hinsichtlich Datenschutz und Sicherheit minimiert.
Die Plattform nutzt statische Code-Analyse, dynamische Laufzeitanalyse und KI-Techniken, um eine umfassende Karte der Datenpipelines einer Organisation zu erstellen. Sie kann Probleme wie zirkuläre Referenzen, ineffiziente Abfragen, die Cloud-Kosten erhöhen, und ungenutzte Felder, die entfernt werden können, erkennen.
„Sobald wir eine vollständige Karte Ihres Datenökosystems haben, können wir leistungsstarke Automatisierungen implementieren“, erklärte Nafta. „Wir können Sie auf Änderungen hinweisen, die nachgelagerte Abhängigkeiten stören könnten, Leistungsempfehlungen abgeben und sogar automatisch Dokumentationen und Datenkataloge aus dem Code generieren.“
Daten für eine KI-gesteuerte Zukunft vorbereiten
Da Unternehmen bestrebt sind, datengestützt zu arbeiten und KI zu integrieren, hat der Bedarf an Datenqualität und Konsistenz zugenommen. Gartner prognostiziert, dass bis 2024 50 % der Organisationen moderne Lösungen zur Datenqualität einführen werden, um ihre digitalen Initiativen zu unterstützen.
Allerdings reicht Datenqualität allein nicht aus. Wenn Unternehmen maschinelles Lernen implementieren, stellen sie häufig fest, dass ihre Daten unzureichend vorbereitet sind. Datenwissenschaftler verbringen bis zu 80 % ihrer Zeit mit Datenbereinigung, -kennzeichnung und -strukturierung, bevor sie Modelle erstellen.
Foundational hat sich zum Ziel gesetzt, diesen Prozess durch seine Code-Analyse-Strategie zu optimieren. Durch das Verständnis des Datenkontexts und der Datenherkunft kann die Plattform viele Aufgaben der Datenvorbereitung automatisieren und Empfehlungen zur Strukturierung von Daten für eine optimale Modellleistung abgeben.
„Der Datenaspekt ist entscheidend für die Verbesserung von KI-Initiativen“, sagte Nafta. „Es geht aber auch darum, KI zu nutzen, um Daten zu verbessern. Es ist ein kontinuierlicher Zyklus mit großem technologischem Potenzial.“
Wachstum und Zukunftsperspektiven
Mit den neuen 8 Millionen Dollar in der Finanzierung plant Foundational, sein Ingenieurteam zu erweitern und die Markteinführungsstrategie zu stärken. Das Unternehmen beschäftigt derzeit 16 Mitarbeiter, hauptsächlich in San Francisco und Israel. Angesichts der zunehmenden Annahme von KI und maschinellem Lernen ist Nafta überzeugt, dass Foundational eine Schlüsselrolle bei der Verbesserung des Datenmanagements von Organisationen spielen wird.
Die Seed-Runde wurde von Viola Ventures und Gradient Ventures geleitet, mit zusätzlichen Beiträgen von Asymmetric Venture Partners sowie Führungskräften von Datadog, Intuit, Meta, Wiz und anderen.
Mit dem Wachstum von Datenvolumina und der Verbreitung von KI in Geschäftsabläufen wird die Fähigkeit, Datenpipelines effektiv zu verwalten und Qualität sicherzustellen, unerlässlich sein. Durch seine umfassende Code-Analyse will Foundational sich als fundamentale Grundlage für eine neue Ära datengestützter Innovation etablieren.
„Wir möchten jede Organisation mit hochwertigen, vertrauenswürdigen Daten ausstatten, auf deren Grundlage sie aufbauen kann“, schloss Nafta. „Das ist erst der Anfang für uns.“
Rangliste
