QueryStory mahnt zur Vorsicht bei KI-generierten Inhalten

Im Jahr 2009 entdeckte Shapor Naghibzadeh während seiner Tätigkeit als Sysops-Ingenieur bei Google die Kraft fesselnder Geschichten. Während der „Operation Aurora“, als staatlich geförderte Hacker den Technologieriesen ins Visier nahmen, wurde er in einen Krisenstab gerufen, um Serveraktivitäten zu klären. Dabei lernte er aus erster Hand, dass verifiziertes Wissen für die Rückverfolgung von Cyberangriffen über fragmentierte Netzwerke hinweg unerlässlich ist – ein Prozess, den er als kostspielig und langsam empfand. Er ist davon überzeugt, dass große Sprachmodelle diese Verifizierungsfähigkeit über verschiedene Datenbanken hinweg in einem Bruchteil der Zeit nachbilden können.

In den folgenden sechs Jahren konzentrierte sich Naghibzadeh auf die Verschmelzung von Daten und Cybersicherheit und nutzte die Infrastruktur von Google, um Tools zu entwickeln, mit denen Sicherheitsanalysten komplexe Datensätze abfragen können. Im Jahr 2016 war er Mitbegründer von Chronicle, einem Start-up innerhalb von Googles X Labs, um diese Fähigkeiten auf externe Unternehmen auszuweiten.

Im vergangenen Jahr erkannte Naghibzadeh die wachsende Bedeutung großer Sprachmodelle für die Datenanalyse und sah darin eine Chance, seine Cybersicherheitstechniken für breitere Analyseanwendungen anzupassen. Er gründete gemeinsam mit CTO Stanley Yang, einem ehemaligen Google-Kollegen und leitenden Ingenieur bei EvolutionIQ, sowie CPO David Glusic, einem Accenture-Veteranen, das Unternehmen QueryStory, das heute aus der Geheimhaltung hervorgeht.

„Untersuchungen folgen einem Muster: Man stellt den Daten eine Reihe von Fragen und fasst diese Antworten dann zu einer schlüssigen Erzählung zusammen“, erklärte Naghibzadeh. „Dieses Konzept inspirierte den Namen QueryStory. Es geht darum, wahrheitsgetreue, datengestützte Erzählungen zu konstruieren.“

QueryStory sicherte sich Ende 2025 eine Startkapitalrunde in Höhe von 6 Millionen US-Dollar von Brightmind Ventures und New York Life Ventures, wodurch das Unternehmen mit 60 Millionen US-Dollar bewertet wurde. In dieser Zeit hat das Start-up sein Produkt durch Kundenpilotprojekte weiterentwickelt. QueryStory richtet sich an große Unternehmen mit umfangreichen firmeneigenen Datenbanken und dient als einheitliche Plattform für die Datenanalyse und -auswertung, die Teams wie Vertrieb und Betrieb unterstützt.

„Wir überbrücken die Vertrauenslücke bei KI, indem wir Unternehmen umsetzbare, zuverlässige Antworten liefern“, erklärte Naghibzadeh. „Anstatt uns auf menschliches Urteilsvermögen zu verlassen oder Heerscharen von Ingenieuren einzusetzen, haben wir dieses Fachwissen in ein Produkt umgesetzt.“

Tim Del Bello, Partner bei New York Life Ventures, hat in das Unternehmen investiert und nutzt die Plattform bereits, um manuelle Berichtsprozesse zu ersetzen, mit dem Ziel, vierteljährliche Geschäftsüberprüfungen in Echtzeit-Dashboards umzuwandeln.

„Dieses Produkt richtet sich an Entscheidungsträger, die fundierte Erkenntnisse aus komplexen, heterogenen Datenquellen benötigen, aber über keine eigenen Data-Science- oder BI-Teams verfügen – insbesondere in stark regulierten Branchen“, erklärte er gegenüber TechCrunch.

Das Problem instabiler KI-Systeme lösen

Ich habe eine Datenbank mit Daten zu Weltraumaktivitäten geteilt, um die Orbitaloperationen von Unternehmen wie SpaceX besser zu verstehen. QueryStory erstellte innerhalb weniger Stunden eine Visualisierung dieser Daten – eine Aufgabe, für die zuvor ein Entwickler und mehrere Wochen erforderlich waren. Die Plattform erzeugte ausgefeilte Dashboards und enthielt insbesondere einen Konfidenzindikator, der erklärte, warum die KI-Agenten die Analysen als zutreffend einstuften.

Eine Visualisierung von Satelliten in der Erdumlaufbahn. Bildnachweis: QueryStory / QueryStory

Eine Reihe von Abfragen, die aus den Weltraumdaten abgeleitet wurden. Bildnachweis: QueryStory / QueryStory

Ein QueryStory. Bildnachweis: QueryStory / QueryStory

Der Konfidenzindikator von QueryStory. Bildnachweis: QueryStory / QueryStory

Zwar bieten Pionierlabore Co-Working-Tools an, doch sind diese in ihrer Benutzererfahrung bewusst eingeschränkt. Die Strategie von QueryStory geht davon aus, dass Unternehmensanwender bei der Integration von KI in ihre Arbeitsabläufe mehr Transparenz, Zuverlässigkeit und Kontrolle verlangen.

So beschrieb beispielsweise ein Führungskraft aus der Tech-Branche kürzlich, wie er „Claude Cowork“ nutzte, um eine Unternehmensdatenbank abzufragen, und anschließend die generierten SQL-Abfragen manuell überprüfte, bevor er sie zur Überprüfung an einen Datenanalysten weiterleitete. In QueryStory werden diese SQL-Abfragen automatisch angezeigt, und Nutzer können Analysen zur manuellen Überprüfung markieren, wobei das gesamte Feedback direkt auf der Plattform erfasst wird.

„KI ist anfälliger, als den meisten bewusst ist, wenn es darum geht, robuste Systeme aufzubauen, auf die große Unternehmen angewiesen sind“, erklärte Tayler Sipperly, Partner bei Brightmind Partners, gegenüber TechCrunch.

Naghibzadeh merkt an, dass die Anbindung von Unternehmensdaten an die Chat-Oberfläche eines LLM oft dazu führt, dass Hunderte oder Tausende von Mitarbeitern Fragen stellen, was zu widersprüchlichen Versionen der Wahrheit führt und unüberschaubare Tabellenkalkulationen ohne zentrale Datenquelle erzeugt.

Auch wirtschaftliche Faktoren spielen eine Rolle. Obwohl QueryStory modellunabhängig ist und derzeit die neuesten Modelle aus den „Frontier Labs“ nutzt, glaubt Naghibzadeh, dass Kunden Dienstleister bevorzugen, die keinen Anreiz haben, den KI-Verbrauch zu maximieren.

„Wir haben einen deutlichen Vorteil darin, dass wir unser Geschäft nicht auf den Verbrauch von Rechenleistung, Speicherplatz oder Token ausrichten“, sagte Naghibzadeh. Er argumentiert, dass speziell entwickelte Tools wie QueryStory durch die Wahrung des Kontexts eine höhere Effizienz und Genauigkeit erzielen können als Allzweck-Agenten.

„Was wir verkaufen, ist Vertrauen in die Antworten“, sagte er. „Wir schaffen geschäftlichen Mehrwert, indem wir Finanzvorständen die Möglichkeit geben, genau zu verstehen, was diese Lösungen kosten werden.“