
Von einem KI-Agenten verfasst, auf Basis der am Ende genannten Quellen. So arbeiten wir
Unsiloed AI hat gerade eine Seed‑Finanzierungsrunde über 7,5 Millionen $ unter der Führung von Felicis abgeschlossen, mit dem Ziel, den Berg an Daten, der in Unternehmens‑PDFs, Tabellen und Diagrammen verborgen ist, für KI‑Agenten nutzbar zu machen. Das Startup behauptet, dass sein Dual‑Stream‑Vision‑Modell Informationen mit einer Genauigkeit von 99,78 % extrahieren kann und dabei nur einen Cent pro Seite verlangt.
Laut TechCrunch leitete das Risikokapitalunternehmen Felicis die Seed‑Runde, mit Beteiligung von Y Combinator, Orange Collective, Uncorrelated Ventures und den Business‑Angels Aarthi Ramamurthy und Beth Turner. Unsiloed, ein in San Francisco ansässiges Startup, sagt, dass seine Software komplexe Dokumente zerlegt, Daten aus Tabellen, Diagrammen und anderen visuellen Elementen extrahiert und strukturierte Ausgaben liefert, die KI‑Agenten nutzen können. Die Technologie zeigt zudem den ursprünglichen Quellort an, sodass Nutzer die Ergebnisse überprüfen können, und adressiert damit das „Halluzinations“-Problem, das bei großen Sprachmodellen besteht, erklärte Mitgründer und CEO Aman Mishra.
Der Ansatz von Unsiloed beruht auf dem, was das Team „Dual‑Stream‑Vision‑Modelle“ nennt – ein Stream verarbeitet Text‑Token, der andere Bild‑Token – kombiniert mit einem „Heat‑Map‑basierten Chunking“, das Rechenleistung auf die informationsreichsten Teile einer Datei fokussiert. Ein spezialisierter Decoder berücksichtigt zudem branchenspezifische Terminologie und hilft dem System, kontextabhängige Bedeutungen zu unterscheiden.
In einem technischen Bericht gab das Unternehmen an, dass ein Test an 542 Finanzdokumenten (etwa 84.000 Datenpunkte) eine Genauigkeit von 99,78 % lieferte und damit große KI‑Modelle, Microsofts Azure Document Intelligence und das hauseigene Extraktionswerkzeug des Kunden übertraf. Der Benchmark wurde nicht unabhängig verifiziert. Auf dem öffentlichen olmOCR‑Bench‑Benchmark (1.403 PDF‑Seiten mit Tabellen, Mathematik, Scans und komplexen Layouts) erzielte Unsiloed 88,0 Punkte, verglichen mit 66,0 für Reducto und 39,9 für Unstructured, laut eigenen Tests des Startups.
Zu den Kunden zählen bereits eine Bank, eine Anwaltskanzlei (beide namenlos) und das Voice‑AI‑Startup Bolna AI, das Unsiloed nutzt, um Wissensdatenbanken für den Aufbau von Sprach‑Agenten zu ingestieren. Das Startup beschäftigt derzeit sieben Personen und plant, die neue Finanzierung zu nutzen, um weitere Forscher und Ingenieure einzustellen, den Vertrieb auszubauen und proprietäre Datensätze zu erstellen. Die Preisgestaltung beginnt bei einem Cent pro Seite, ein Kostenmodell, das das Unternehmen dank gezielter Rechenleistung nur dort, wo es nötig ist, niedrig hält.
Für B2B‑Growth‑Teams ist zuverlässige Dokumentenextraktion ein verborgener Hebel für Lead‑Generierung und Nachfrage‑Schaffung. Viele kleine und mittelgroße Unternehmen speichern potenzielle Kundendaten in Verträgen, Finanzberichten und regulatorischen Einreichungen – Quellen, die für generische LLMs schwer fehlerfrei zu verarbeiten sind. Der hochgenaue Anspruch von Unsiloed bedeutet, dass Sie strukturierte Kontaktdaten, Vertragsbedingungen oder Risikokennzahlen direkt in Ihr CRM übernehmen können, wodurch manuelle Dateneingaben und das Risiko von halluzinierten Feldern, die die Glaubwürdigkeit von Outreach beschädigen können, reduziert werden.
Das Preis‑pro‑Seite‑Modell passt zudem zu den Budgetbeschränkungen kleinerer Teams. Bei 0,01 $ pro Seite kostet ein Stapel von 1.000 Seiten 10 $, ein Preis, der Pilotprojekte auf bestehenden Dokumentenbibliotheken ermöglicht, ohne das Marketingbudget zu sprengen. Darüber hinaus ermöglicht die integrierte Quellen‑Zitier‑Funktion Vertriebsmitarbeitern, extrahierte Fakten vor der Nutzung im Outreach zu prüfen, ein Schutz gegen reputationsschädigende, von KI erzeugte Fehlinformationen.
Schließlich deutet die Dual‑Stream‑Architektur darauf hin, dass die Technologie visuell intensive Assets wie Diagramme und gescannte Rechnungen verarbeiten kann – Formate, die bei herkömmlichen text‑nur‑Parsern häufig übersehen werden. Das eröffnet reichhaltigere Datensignale für Account‑Based‑Marketing, etwa Finanz‑Gesundheits‑Indikatoren, die aus Quartalsberichten extrahiert werden.
HubSpot’s new guide gives marketers a repeatable way to benchmark AI‑search visibility using citation rate, share of voice and platform‑level metrics.

HubSpot’s free AI Search Sensor lets B2B marketers benchmark AI‑search visibility, separating market shifts from brand issues to safeguard lead generation.

Great reps close up to nine times more deals than poor reps on identical leads, driven by deeper discovery, less discounting, and far more preparation.

HubSpot’s new guide introduces citation rate and share of voice as core metrics for tracking answer‑engine performance, giving growth teams a way to quantify AI‑driven brand discovery.

Kommentare