Plato sammelt 16 Millionen Dollar für simulierte Arbeitsplätze zum Training von KI ein
Plato, ein Unternehmen aus San Francisco, das simulierte Arbeitsplätze für das KI-Training entwickelt, hat eine Series A über 16 Millionen Dollar eingesammelt. Angeführt wurde die Runde von Nava Ventures. Die Gesamtfinanzierung steigt damit nach Angaben des Unternehmens auf 19 Millionen Dollar.
- Plato hat eine von Nava Ventures angeführte Series A über 16 Millionen Dollar eingesammelt, die Gesamtfinanzierung beträgt damit 19 Millionen Dollar.
- Auch Gradient Ventures, Transpose Platform und Mustafa Suleyman, CEO von Microsoft AI, beteiligten sich.
- Plato baut zurücksetzbare Simulationen von Jobs in Kundensupport, Personalwesen, Finanzen, Buchhaltung und Gesundheitsverwaltung.
- Die Auswertungen prüfen, wie ein Modell eine Aufgabe erledigt, einschließlich Budgetgrenzen und dem Ausnutzen von Schwächen der Simulation.
- Mit dem Geld soll die Bibliothek wachsen: Fachleute werden für das Nachstellen ihrer Jobs bezahlt, zudem kommen KI-Agenten bei echten Aufgaben zum Einsatz.
Finanzierung und Investoren
Plato gab die Series A am 28. Oktober 2026 bekannt. Ebenfalls beteiligt waren Gradient Ventures, Transpose Platform und Mustafa Suleyman, CEO von Microsoft AI. Freddie Martignetti, Gründer von Nava Ventures, zieht in den Verwaltungsrat von Plato ein. Die vorherige Seed-Runde des Unternehmens hatte Gradient Ventures angeführt.
Plato wurde 2025 von Robert Farlow und Pranav Putta gegründet und hat seinen Sitz in San Francisco. Farlow ist Mitgründer und CEO, Putta Mitgründer und CTO.
Warum Simulationen für handelnde KI wichtig sind
Platos Angebot beruht auf einem Wandel in der Nutzung von KI. Da Modelle nicht mehr nur Fragen beantworten, sondern selbst handeln, müssten sie nach Angaben des Unternehmens den Umgang mit Software üben, auf veränderte Umstände reagieren und mehrstufige Aufgaben erledigen. Plato bietet KI-Labs realistische, wiederholbare Umgebungen, in denen Modelle aus Feedback lernen können, bevor sie in Livesystemen arbeiten.
Das Unternehmen verweist auf die Risiken des Trainings in Livesoftware. Ein Modell, das lernt, eine Bestellung aufzugeben, könnte echtes Geld ausgeben, und eines, das eine Verwaltungsaufgabe übt, könnte echte Datensätze verändern. Plato bildet solche Arbeitsabläufe in Simulationen nach, die sich zurücksetzen und wiederverwenden lassen. So können Labs Modelle trainieren und testen, ohne den Live-Betrieb zu beeinträchtigen.
„Die Beherrschung echter, komplexer Arbeit entsteht durch Erfahrung mit diesen Aufgaben“, sagte Farlow laut der Mitteilung.
Was die Umgebungen abdecken und wie bewertet wird
Plato arbeitet mit Fachleuten zusammen, um die Werkzeuge, Situationen und Erwartungen von Jobs in Kundensupport, Personalwesen, Finanzen, Buchhaltung und Gesundheitsverwaltung nachzubilden. KI-Labs nutzen die Umgebungen für Reinforcement Learning, ein Verfahren, bei dem Modelle Aufgaben versuchen und Rückmeldungen erhalten, die ihnen helfen, besser zu werden. Das Unternehmen sagt, es entwickle reichhaltigere Simulationen mit längeren Arbeitsabfolgen und Interaktionen mit simulierten Personen.
Plato bewertet nach eigenen Angaben sowohl das Ergebnis als auch den Weg, auf dem ein Modell es erreicht. Ein abgeschlossener Kauf zählt beispielsweise nicht als Erfolg, wenn das Modell das Budget überschreitet. Die Auswertungen prüfen außerdem, ob Modelle Schwächen einer Simulation ausnutzen, um eine hohe Punktzahl zu erzielen.
„Das Feedback, das ein Modell erhält, prägt, was es lernt“, sagte Putta. Die Auswertungen sollen Entwicklern helfen, „eine hohe Punktzahl von korrekt erledigter Arbeit zu unterscheiden“, indem sie prüfen, ob ein Modell Anweisungen befolgt, Vorgaben eingehalten und die Aufgabe erledigt hat.
Hintergrund der Gründer und Verwendung der Mittel
Laut Unternehmen baute Farlow bei Yutori eine Annotationsplattform zur Unterstützung des Trainings von Computer-Use-Modellen auf. Putta hat in den Bereichen Computer Vision, Robotik und Reinforcement Learning geforscht und bei MultiOn am Training von Computer-Use-Modellen gearbeitet.
Martignetti sagte, die Gründer hätten „eine einzigartige Methode entwickelt, hochgetreue Umgebungen in großem Maßstab zu erstellen“, und bezeichnete Plato als „im Grunde ein Daten-Labor“, das an der Spitze des Feldes arbeite.
Plato will die Mittel einsetzen, um seine Bibliothek an realer Arbeitserfahrung auszubauen. Das Unternehmen will Fachleute dafür bezahlen, ihre Jobs in simulierten Umgebungen nachzustellen, und KI-Agenten bei echten Aufgaben einsetzen, um zusätzliche Erfahrungen zu sammeln.
Was das für KI-Entwickler bedeutet
Für KI-Labs besteht das Angebot in einem geschützten Raum, um Agenten an jobähnlichen Aufgaben etwa in Finanzen und Gesundheitsverwaltung zu trainieren und zu bewerten, ohne echtes Geld oder echte Datensätze zu gefährden. Der Fokus darauf, nicht nur zu bewerten, ob eine Aufgabe erledigt wird, sondern auch wie, zielt auf eine bekannte Schwäche des belohnungsbasierten Trainings: Modelle können hohe Punktzahlen auf Wegen anstreben, die keine korrekte Arbeit widerspiegeln. Die Quelle nennt weder Kunden noch Leistungskennzahlen, die praktische Wirkung muss sich daher erst noch zeigen.
