Eine Runde, die auf einer Aussage über Größe beruht

Enrique Lizaso führt ein KI-Unternehmen von Donostia an der baskischen Küste aus, und am 27. Juli hat er einer Wette, die er seit Jahren eingeht, eine Zahl gegeben. Multiverse Computing kündigte eine Series C an, die auf bis zu 570 Millionen Dollar zielt, also 500 Millionen Euro, bei einer Pre-Money-Bewertung von 1,7 Milliarden Dollar oder rund 1,5 Milliarden Euro. Das ist das Fünffache der Series B, die das Unternehmen im Juni 2025 geschlossen hat, und hebt das gesamte eingesammelte Kapital auf etwa 800 Millionen Dollar.

Warum das zählt: Das Geld fließt nicht in ein größeres Modell. Es fließt darin, Modelle kleiner zu machen. Lizaso formulierte die These in der Ankündigung unmissverständlich: Die Branche habe jahrelang eine falsche Restriktion akzeptiert, nämlich dass leistungsfähige Modelle teure Infrastruktur voraussetzen. Eine Runde dieser Größe ist der erste ernsthafte institutionelle Test, ob diese Restriktion überhaupt existiert.

Die Investorenliste liest sich wie eine Karte europäischen Kapitals und nicht wie ein Konsortium aus dem Silicon Valley. Forgepoint Capital International, der BNPP Solar Impulse Venture Fund und Bullhound Capital führen an, dazu kommen Santander Alternative Investments, Tikehau Capital, HP Inc., Orange Ventures, Scania Invest, NAventures, Qatar Development Bank, Zouk Capital, SETT, der Fonds des Europäischen Innovationsrats, der Hazten Scale-Up Fund der baskischen Regierung und Kutxa Fundazioa.

Was Tensornetzwerke mit einem Modell machen

CompactifAI, das Produkt des Unternehmens, überträgt Tensornetzwerke aus der Quantenphysik auf die Kompression. Multiverse gibt an, das Verfahren verkleinere große Sprachmodelle um 80 bis 95 Prozent bei minimalem Genauigkeitsverlust, und die kleineren Modelle liefen schneller und brauchten weniger Strom. Im Mai erklärte das Unternehmen, seine CompactifAI-Schnittstelle bediene führende Coding-Agenten zu bis zu 75 Prozent geringeren Kosten.

Der Einsatzbericht ist der Teil, den man zweimal lesen sollte. Nach Angaben von Multiverse laufen die komprimierten Modelle auf Millionen von Geräten, darunter Drohnen, Kameras, Satelliten, Fahrzeuge und Telekommunikationsinfrastruktur. Das sind keine Rechenzentrumslasten. Das sind Orte, an denen ein Modell in voller Größe nie gepasst hätte und an denen es zu langsam oder schlicht nicht erlaubt ist, die Daten anderswohin zu schicken.

Aber: Kompression ist per Definition verlustbehaftet, und minimaler Genauigkeitsverlust ist die Formulierung des Anbieters, gemessen an seinen eigenen Benchmarks. Für einen Käufer ist die relevante Frage enger als die Schlagzeile. Sie lautet, ob ein komprimiertes Modell die Genauigkeit bei Ihrer Aufgabe hält, nicht auf einer öffentlichen Bestenliste, und das lässt sich vor der Festlegung prüfen.

Der Teil, der im Budget ankommt

Mehr als 100 Organisationen kaufen das bereits, und die Namen sind industriell und nicht experimentell: Iberdrola, Bosch, Telefónica, Indra, Allianz, PwC und die Bank of Canada. Multiverse berichtet von einer Verzehnfachung des annualisierten Umsatzes seit der Series B und einem Anstieg der Verkäufe im ersten Quartal 2026 um das 96-Fache gegenüber dem Vorjahr. Wachstum in dieser Größenordnung bei solchen Kunden ist ein Signal aus dem Einkauf, nicht aus der Forschung.

Die Folge: Für die meisten europäischen Betreiber war die bindende Restriktion beim KI-Einsatz der Zugang zu Rechenleistung, die ihnen nicht gehört. Kompression greift diese Restriktion von der anderen Seite an. Ein Modell, das klein genug für die eigene Hardware ist, ist ein Modell, dessen Daten das eigene Netz nie verlassen. Damit wird aus einer Architekturentscheidung eine Compliance-Entscheidung, die Sie längst getroffen haben.

Der praktische Schritt ist unspektakulär. Bevor Ihr nächster Inferenzvertrag verlängert wird, nehmen Sie eine echte Arbeitslast und messen Sie, ob ein komprimiertes Modell die tatsächlich benötigte Genauigkeit hält. Fällt der Test positiv aus, steht die Hosting-Frage wieder offen, und mit ihr jede Frage zur Rechtsordnung, die Sie am Tag der Unterschrift für erledigt hielten.