SandboxAQ: Quantitative Modelle revolutionieren Unternehmens-KI

SAN FRANCISCO / MÜNCHEN (IT BOLTWISE) – SandboxAQ, ein führendes Unternehmen im Bereich der quantitativen Modelle, hat kürzlich eine bedeutende Finanzierungsrunde abgeschlossen, die das Potenzial dieser Technologie für die Optimierung von Unternehmens-KI unterstreicht.

Große Sprachmodelle (LLMs) haben in den letzten zwei Jahren viel Aufmerksamkeit erregt. Doch es gibt auch andere Ansätze, die für Unternehmen von großem Nutzen sein können. Ein solcher Ansatz sind die großen quantitativen Modelle (LQMs), die speziell darauf ausgelegt sind, bestimmte Ziele und Parameter zu optimieren, die für die jeweilige Branche oder Anwendung relevant sind. Im Gegensatz zu den allgemeineren Aufgaben der Sprachverarbeitung und -generierung von LLMs konzentrieren sich LQMs auf spezifische, domänenspezifische Probleme.

SandboxAQ, ein Vorreiter in diesem Bereich, hat kürzlich 300 Millionen US-Dollar in einer neuen Finanzierungsrunde erhalten. Das Unternehmen, das ursprünglich Teil von Alphabet war und 2022 als eigenständiges Unternehmen ausgegliedert wurde, hat sich auf die Entwicklung und den Einsatz von LQMs spezialisiert. Diese Modelle sind besonders in Branchen von Vorteil, in denen die zugrunde liegende Physik und quantitative Beziehungen entscheidend sind, wie etwa in der Materialwissenschaft oder im Finanzwesen.

Der CEO von SandboxAQ, Jack Hidary, betont, dass es bei der Nutzung ihrer KI-Technologie um die Kernproduktentwicklung geht. Ob es sich um die Entwicklung eines neuen Medikaments, eines Diagnostikums oder um das Risikomanagement in einer großen Bank handelt, quantitative Modelle bieten hier erhebliche Vorteile. LQMs generieren ihre Daten aus mathematischen Gleichungen und physikalischen Prinzipien, was sie besonders geeignet macht, um quantitative Herausforderungen zu bewältigen, denen Unternehmen gegenüberstehen.

Ein Beispiel für den Einsatz von LQMs ist die Batterieforschung. Während die Lithium-Ionen-Technologie seit Jahrzehnten dominiert, ermöglichen LQMs die Simulation von Millionen möglicher chemischer Kombinationen, ohne dass physische Prototypen erforderlich sind. Ähnlich verhält es sich in der Pharmaindustrie, wo LQMs molekulare Strukturen und Interaktionen auf Elektronenebene analysieren können, um die Erfolgsrate in klinischen Studien zu erhöhen.

Auch im Finanzsektor bieten LQMs neue Möglichkeiten. Traditionelle Ansätze wie die Monte-Carlo-Simulation stoßen an ihre Grenzen, wenn es um die Komplexität strukturierter Finanzinstrumente geht. Mit der LQM-Methode von SandboxAQ können Finanzdienstleister ihre Modelle in einem Umfang skalieren, den herkömmliche Methoden nicht ermöglichen. Dies ist besonders wichtig, wenn es darum geht, das Risiko in komplexen Portfolios zu bewerten.

Ein weiteres Anwendungsgebiet von SandboxAQ ist die Cybersicherheit. Mit ihrer Sandwich-Kryptografie-Management-Technologie und der AQtive Guard-Lösung analysiert das Unternehmen die Verschlüsselungsalgorithmen in Unternehmensnetzwerken und identifiziert potenzielle Schwachstellen. Während ein LLM für ähnliche Zwecke eingesetzt werden könnte, verfolgt das LQM einen anderen Ansatz, indem es auf gezielte, quantitative Daten über Verschlüsselungsalgorithmen und deren Eigenschaften zurückgreift.

Die ursprüngliche Idee hinter SandboxAQ war die Kombination von KI-Techniken mit Quantencomputing. Da echte Quantencomputer jedoch noch nicht in ausreichender Zahl oder Leistungsfähigkeit verfügbar sind, nutzt SandboxAQ Quantenprinzipien, die durch eine erweiterte GPU-Infrastruktur implementiert werden. In Zusammenarbeit mit NVIDIA hat das Unternehmen die CUDA-Fähigkeiten erweitert, um Quantenmethoden zu unterstützen.

Obwohl LQMs und LLMs unterschiedliche Ansätze verfolgen, sieht Hidary keinen Widerspruch zwischen beiden. Vielmehr sollten Unternehmen LLMs für ihre Stärken nutzen und LQMs dort einsetzen, wo sie ihre Vorteile ausspielen können. Diese komplementäre Nutzung könnte die nächste große Welle der KI-Innovation in Unternehmen einläuten.