Start-ups, die versprechen, zu erkennen, wie Menschen sich verhalten werden, haben gerade eine Blütezeit erlebt. Im letzten Jahr… Simile erhöhte 200 Millionen Dollar mit einer Bewertung von 2 Milliarden Dollar; Aaru erzielte 88 Millionen Dollar Mit einer Bewertung von 1 Milliarden Dollar; und Humans&, eine KI-Startup, die eine enorme $480 Millionen Seed-Runde Im Januar mit einer Bewertung von 4,48 Milliarden Dollar veröffentlicht Persimmon um menschliches Verhalten zu modellieren.
Der gegenwärtige Zustand der Vorhersage menschlichen Verhaltens beruht stark auf großen Sprachmodellen (LLMs), die dazu angeregt oder feinjustiert werden, als zielgerichtete Bevölkerungsgruppen zu fungieren. Doch das zwei Jahre alte, in San Francisco ansässige Mirror Particle glaubt, dass dieser Ansatz grundsätzlich falsch ist.
„Es ist wie das mitbringen eines superleichten Wassers, um die Wasserfälle von Niagara zu besuchen“, sagt Abhivyakti Ahuja, Co-Gründer und CEO von Mirror Particle, das Unternehmen, das Marken mit einem AI-System versorgt, das Verhalten der Konsumenten und die Gründe dafür vorhersagt. „LLM-Systeme wurden mit Hunderten von Milliarden Datapunkten trainiert. Wie viel kann man durch eine so kleine Menge an Daten das Verhalten des Systems beeinflussen? Es ist immer noch im Vergangenheitsmodus gefangen.“
Ahuja glaubt nicht, dass LLMs die Welt auf dieselbe Weise sehen wie ein Mensch. „LLMs modellieren nur geschriebene Sprache, aber Menschen bestehen aus visueller Wahrnehmung, räumlichem Denken und sozialer Intelligenz.“ Sie sagt, dass der Rückgriff auf sie dazu führt, Erkenntnisse zu erhalten, die auf dem basieren, was Menschen nie bemerken, was bei der Vorhersage menschlichen Verhaltens nicht wichtig ist.
Die Mirror Particle verfolgt eine andere Herangehensweise: Sie baut ein Fundamentmodell – oder wie Ahuja es beschreibt, ein Weltmodell, das von Grund auf erstellt wird – um zu simulieren, warum Menschen tun, was sie tun, und wie sich menschliches Verhalten im Laufe der Zeit verändert.
„Wir wollen nicht die statische Person festhalten“, sagte Ahuja. „Wir wollen die sich verändernde Person festhalten. Das bedeutet, longitudinale Daten über den Wandel der Menschen zu sammeln – welche Faktoren sie verändern und in welchem Maße.“ Falls sie sich nicht verändern, fügte sie hinzu: „Das ist auch ein Signal.“
Die Mirror Particle hat bereits eine Angel-Runde abgeschlossen und sagt, dass sie kurz vor dem Abschluss ihrer ersten Investitionsrunde steht. Das Unternehmen nimmt auch nächste Woche am Startup Battlefield 200 teil, einer bekannten Startup-Wettbewerb von TechCrunch, der vom TechCrunch Disrupt 2026 am 13.–15. Oktober in San Francisco stattfindet.
Die Startup verwendet eine proprietäre Kombination von Daten, die die Kundendaten der Kunden, aktuelle Ereignisse, Popkultur, soziale Medien und mehr umfasst, um einen demografischen Segment zu modellieren. Es wird davon ausgegangen, dass dieses System im Laufe der Zeit sich entwickelt und dass die Motive sich verändern, während es verschiedene Erfahrungen durchläuft. Ein großer Teil der Aufmerksamkeit gilt dem „offenen Verhalten“ – dem, was die Menschen tatsächlich tun, anstatt den von ihnen selbst erfassten Umfrageantworten.
Wie seine Konkurrenten konzentriert sich auch die anfängliche Go-to-Market-Strategie von Mirror Particle auf Bereiche, in denen bereits Budgets für solche Analysen vorhanden sind: Marktstudien sowie Marken- und Produktstrategien. Mirror könnte beispielsweise einer Kosmetikmarke nicht nur dabei helfen, bessere Werbetexte für Make-up zu schreiben, die an die Generation Z gerichtet sind, sondern auch herausfinden, ob diese Zielgruppe das Produkt überhaupt benötigt.
„Was wäre, wenn [die Zielgruppe] keine Lidschattenpaletten wünscht?“, sagte Ahuja. „Vielleicht ist ein Rouge eine bessere Wahl, wenn man ein Produkt für diesen Markt verkaufen möchte.“
Der Vorhersagemotor von Mirror Particle bietet den Kunden zudem das „Warum“ hinter aktuellem oder zukünftigem Verhalten – die Motive, Einschränkungen und zusätzliche Kontexte, die die Empfehlung begründen, wodurch Marken bessere Entscheidungen treffen können.
In einem frühen Pilotprojekt wollte eine bekannte Tierfuttermarke herausfinden, welche Bilder auf der Verpackung verwendet werden sollten, um die Verkäufe zu steigern. Huhn? Rindfleisch? Gemüse? Die Technologie von Mirror zeigte, dass die Marke die falsche Frage stellte. Die Bilder waren nicht entscheidend. Das Problem war, dass die Marke so erkennbar war, dass sie als Massenmarkt und günstig galt, und die Verkäufe blieben auf einem Plateau, bis dieses wahrgenommene Problem gelöst wurde.
„Die Art und Weise, wie wir sehen, wie unser Modell sich entwickelt, ist wie die Art und Weise, wie ein Baby die Welt erlernt“, sagte Ahuja und betonte, dass Babys von der Sicht über die Sprache bis zur Körperwahrnehmung und schließlich zur sozialen Intelligenz wechseln.
Dieses grundlegende Interesse am Modellieren des menschlichen Gehirns stammt aus Ahujas Hintergrund als Studierende in Neurowissenschaften und Informatik. Sie stammt ursprünglich aus Indien, studierte jedoch an der University of Toronto, wo sie von den Beiträgen des AI-Pioniers Geoffrey Hinton zu neuronalen Netzen inspiriert wurde.
Nach der Schule landete Ahuja bei Amazon Robotics, wo sie Roboter entwickelt, die weitere Roboter herstellen. Dort lernte sie ihre Mitgründer Will Song und Thomson Yen kennen. Song hat einen Großteil seiner Karriere damit verbracht, Verkaufsoptimierungssysteme zu entwickeln, während Yen sich darauf konzentriert hat, mittels tiefer Lerntechnologien herauszufinden, wie AI-Agenten das menschliche Verhalten verstehen.
Die langfristige Vision der Startup ist es zu werden „die allgemeine Schicht zur Vorhersage menschlichen Verhaltens“ und von breiteren Bevölkerungsniveau-Analysen zu individuellen Einblicken zu gelangen.
„Wir brauchen nur ein besseres Modell der Menschen, wenn wir mit KI zusammenarbeiten und miteinander arbeiten wollen“, sagte Ahuja.
Schauen Sie sich Mirror Particle und viele andere innovative Start-ups an, die nächste Woche von der Redaktionsteam von TechCrunch überprüft wurden, bei Disrupt in downtown San Francisco. Der Gewinner des diesjährigen Startup Battlefield wird am Nachmittag des Donnerstags, 15. Oktober, von unseren VC-Judgeern entschieden werden.