Ehemalige Goldman-Mitarbeiter und Meta-Gründer entwickeln Sprach-KI für vernachlässigte Märkte

Kundensupport und -service gehören heute zu den gefragtesten Bereichen der Sprach-KI. Doch die Entwicklung eines Produkts, das menschlich klingt und mit minimaler Verzögerung reagiert, ist in manchen Märkten weitaus schwieriger als in anderen – und die meisten großen Anbieter wurden nicht mit Blick auf Afrika und den Nahen Osten konzipiert.

AethexAI, ein im vergangenen Jahr gegründetes Start-up, das diese Lücke schließen will, hat in einer Pre-Seed-Finanzierungsrunde unter der Führung von 4DX Ventures 3 Millionen US-Dollar eingesammelt; beteiligt waren Enza Capital, Dorm Room Fund, Mojo Ventures und der Stanford GSB 26 Fund. Zu den einzelnen Geldgebern zählen Fakultätsmitglieder der Stanford University, Führungskräfte aus der Telekommunikationsbranche sowie KI-Forscher von Anthropic.

Anstatt sich auf bestehende Orchestrierungstools wie Vapi und LiveKit zu verlassen, hat das Unternehmen von Grund auf ein eigenes kompaktes Modell und eine eigene Orchestrierungsschicht entwickelt, um den lokalen Dialekten des Englischen, Französischen und Arabischen gerecht zu werden, die in seinen Zielmärkten gesprochen werden – eine Entscheidung, die, wie wir sehen werden, durch die spezifischen Anforderungen des Betriebs in der Region motiviert ist.

Das Unternehmen bringt zudem seine Plattform für Unternehmen auf den Markt, auf der diese die Technologie testen und Dienste abonnieren können, sowie APIs und SDKs für Entwickler, um mit den Modellen zu experimentieren.

Das Start-up wurde von Mariama Diallo und Ayooluwa Odemuyiwa gegründet. CEO Diallo war zuvor bei Goldman Sachs tätig und wechselte später als Produkt- und Wachstumsexpertin zu dem von YC unterstützten Unternehmen ModelML. CTO Odemuyiwa absolvierte sein Studium am Caltech, arbeitete bei Meta und besuchte die Stanford Business School, bevor er das Unternehmen mitbegründete. Die beiden wollten etwas für Schwellenmärkte entwickeln und begannen, nach Möglichkeiten zu suchen.

Unternehmen weltweit bemühen sich darum, KI-Tools einzuführen, um Teile ihrer Abläufe zu automatisieren. Doch das verläuft nicht immer reibungslos. In Ägypten automatisierte ein Callcenter einen Großteil seiner Anrufe, kehrte jedoch aufgrund schlechter Ergebnisse zum alten System zurück, wie die Gründer herausfanden. Mehrere Supportzentren in Afrika berichteten ihnen, dass es eine ständige Herausforderung sei, Ingenieure für die Automatisierung von Anrufen zu angemessenen Kosten zu finden und einzustellen.

„Die Latenz und der Jitter, die wir bei automatisierten Anrufen in dieser Region beobachteten, waren unzumutbar. Wären wir als Orchestratoren aufgetreten, hätten wir möglicherweise große Modelle nutzen müssen, die außerhalb der Region gehostet werden, was zu höherer Latenz geführt hätte. Uns wurde klar, dass wir, damit dies funktioniert, sehr kleine Modelle verwenden und die Latenz in jedem Schritt reduzieren müssen“, erklärte Odemuyiwa gegenüber TechCrunch die Entscheidung, eigene Modelle und eine eigene Orchestrierungsschicht zu entwickeln.

KI-Labore, die ihre neuesten Modelle einsetzen, geben in der Regel Millionen für deren Training und die Beschaffung von Daten aus. AethexAI fand eine Lösung für beides. Anstatt den größtmöglichen Modellen hinterherzujagen, kam das Unternehmen zu dem Schluss, dass kleine Modelle ausreichen, um das Latenzproblem zu lösen und gleichzeitig die Genauigkeit zu wahren, und entwickelte seine eigene Kora-Serie mit Parametern zwischen 300 Millionen und 1,7 Milliarden. Das ist nur ein Bruchteil der Größe großer Sprachmodelle – und genau darum geht es.

Um diese Modelle zu trainieren, nutzte das Start-up anonymisierte Aufzeichnungen eines Callcenter-Partners. Außerdem verschickte es Festplatten an Radiosender in ganz Afrika, um weitere Audiodaten zu sammeln. Um die Kosten niedrig zu halten, baute es ein Netzwerk von studentischen Mitwirkenden auf, die Daten annotierten und lokale Namen aussprachen. Das Start-up gibt an, dadurch mittlerweile mehr als 17.000 Anrufe pro Tag zu bearbeiten.

Auf der geschäftlichen Seite achtet das Unternehmen darauf, Kunden, für die Sprach-KI Neuland ist, sorgfältig durch den Prozess zu begleiten, und bietet Vor-Ort-Demos und Workshops an, um ihnen dabei zu helfen, die besten Anwendungsfälle für die Automatisierung zu identifizieren.

„Wir sagen unseren Kunden immer, dass wir derzeit nicht für jeden alles sein können. Wir sind noch klein. Wenn wir Gespräche mit einem Unternehmen aufnehmen, bitten wir es, zunächst einen Anwendungsfall auszuwählen, der für das Unternehmen am wichtigsten ist“, so Diallo.

Das Start-up ist offen für die Zusammenarbeit in allen Branchen, doch derzeit betrifft ein großer Teil seiner Anwendungsfälle Anrufe im Bereich Inkasso, Kundenaktivierung oder KYC – die „Know Your Customer“-Prüfung, das von Banken und Telekommunikationsunternehmen übliche Verfahren zur Identitätsprüfung. Das Unternehmen stellt vor Ort tätige Ingenieure auf Vertragsbasis ein, um lokale Märkte zu bedienen, und baut Vertriebspartnerschaften mit Telekommunikationsanbietern auf, um die Telefonie für Sprach-KI-Anrufe abzuwickeln. Plug-and-Play-Lösungen, so heißt es, würden hier einfach nicht funktionieren.

Walter Badoo, Mitbegründer und geschäftsführender Gesellschafter von 4DX Ventures, argumentiert, dass sich der Markt in Afrika und im Nahen Osten grundlegend von den Märkten unterscheidet, für deren Bedienung die meisten Sprach-KI-Unternehmen ursprünglich konzipiert wurden.

„Unternehmen in Afrika und im Nahen Osten verarbeiten etwa das Dreifache des Anrufvolumens ihrer westlichen Pendants, da Sprache nach wie vor der dominierende Kanal für die Kundeninteraktion ist“, sagte er. „Bestehende Systeme wurden für westliche Märkte entwickelt, die durch eine High-End-GPU-Infrastruktur, Standard-Englisch und europäische Sprachumgebungen sowie in den USA und Europa übliche Unternehmensabläufe gekennzeichnet sind. Das führt zu echten Lücken, wenn Unternehmen Systeme benötigen, die Dialekte, Sprachwechsel und informelle Sprachmuster verarbeiten und die innerhalb ihrer bestehenden Telefonie-Infrastruktur und ihrer tatsächlichen Preisklassen funktionieren.“

Anders ausgedrückt: Während Unternehmen wie ElevenLabs, Deepgram, Sierra und Cognigy weltweit rasant expandieren, sind die Märkte, für die sie entwickelt wurden, und die Märkte, in die sie vordringen, nicht immer dieselben. Start-ups wie AethexAI setzen darauf, dass diese Lücken – auf lokale Dialekte spezialisierte Modelle, Partnerschaften vor Ort, eine für die Region entwickelte Infrastruktur – eine Marktchance darstellen, die die Giganten weder aus eigenem Interesse noch aufgrund ihrer Architektur schließen können.