Arlequin AI erhält 28 Millionen Euro für topologische neuronale Netze

Arlequin AI hat in einer Series-A-Runde 28 Millionen Euro eingesammelt. Das Pariser Unternehmen will damit proprietäre topologische neuronale Netze entwickeln, seine Technologie international ausrollen und Forschungs- sowie Vertriebsteams ausbauen. Im Mittelpunkt stehen Situationen, in denen isolierte Informationen nicht genügen: Ermittlerinnen, Ermittler und operative Teams müssen auch nachvollziehen können, wie Personen, Ereignisse, Orte, Transaktionen und weitere Belege miteinander verbunden sind. 12

Wofür die 28 Millionen Euro gedacht sind

Die Finanzierungsrunde wurde gemeinsam von redalpine und OTB Ventures angeführt. Beteiligt sind außerdem der Defence Innovation Fund von Bpifrance – der französischen öffentlichen Investitionsbank –, die Bestandsinvestoren Vsquared Ventures und 10x Founders mit erhöhten Engagements sowie Xavier Niel. Laut Arlequin stammt die Finanzierung ausschließlich von europäischen Investoren. Sie soll die Entwicklung der TNN-Architektur und den internationalen Einsatz der Plattform beschleunigen. 1210

Konkret nennt das Unternehmen vier Prioritäten:

• Training und Weiterentwicklung eigener TNN-Modelle;
• Ausbau der Teams, die diese Modelle entwickeln und betreiben;
• mehr kommerzielle Einsätze in Europa und international;
• Aufbau einer internationalen Präsenz mit Büros in London und Berlin sowie einem geplanten KI-Labor im Silicon Valley bis Ende 2026. 14

Zum Zeitpunkt der Finanzierungsankündigung beschäftigte Arlequin rund 50 Personen, darunter 35 Ingenieurinnen und Ingenieure sowie 15 promovierte Fachkräfte, Forschende und Datenwissenschaftlerinnen und Datenwissenschaftler. 1

Was sind topologische neuronale Netze?

Arlequins Plattform ist für fragmentierte und heterogene Daten konzipiert – etwa Dokumente, Transaktionen, Videos und operative Informationen. Die geplante TNN-Architektur soll nicht nur aus einzelnen Datenpunkten lernen, sondern auch aus den Strukturen, die sie verbinden. Dazu gehören Beziehungen, an denen mehrere Elemente gleichzeitig beteiligt sind. 1810

Der Ansatz ist der Kern des Unternehmensversprechens: Statt einen Fall als Ansammlung getrennter Akten oder Datensätze zu behandeln, soll das System Muster über verknüpfte Belege hinweg erkennen. Denkbar sind etwa Zusammenhänge zwischen Personen, Kommunikation, Orten und Ereignissen. Gerade bei Ermittlungen und kritischen operativen Entscheidungen können diese Beziehungen selbst entscheidungsrelevant sein. 110

Warum Arlequin auf eine andere KI-Architektur setzt

Arlequin argumentiert, dass bei großen, eng vernetzten Belegmengen das bloße Skalieren konventioneller KI – also mehr Parameter, Daten und Rechenleistung – nicht zwingend der beste Weg sei. Topologische neuronale Netze könnten komplexe Dynamiken mit mehreren beteiligten Elementen sichtbar machen, Bezüge zum Ausgangsmaterial nachvollziehbar halten und weniger Rechenleistung benötigen. 110

Das sind allerdings Aussagen des Unternehmens und seiner Investoren, keine unabhängig bestätigten Vergleichswerte. Die öffentlich verfügbaren Informationen beschreiben die Architektur und ihren angestrebten Nutzen, belegen aber noch keine überlegene Leistung gegenüber anderen Verfahren der Graphenanalyse, neuronalen Netzen oder großen Sprachmodellen. 11014

Einsatzfelder: von Terrorabwehr bis Geldwäsche

Gegründet wurde Arlequin 2024 von Hugo Micheron, einem Forscher zu Dschihadismus und geopolitischer Instabilität, sowie Antoine Jardin, einem früheren Forschungsingenieur des französischen CNRS mit Schwerpunkt Datenwissenschaft und menschliches Verhalten. Das Unternehmen richtet sich an Regierungen und große Organisationen, die auf Basis unvollständiger und verstreuter Informationen weitreichende Entscheidungen treffen müssen. 19

Als Anwendungsfelder nennt Arlequin:

• Terrorismusbekämpfung, Sicherheit und Verteidigung;
• strafrechtliche und justizielle Ermittlungen;
• Betrugsbekämpfung und Geldwäscheprävention;
• Cybersicherheit und Informationsintegrität;
• Sicherheit und Schutz von KI-Systemen. 1

Ein vom Unternehmen genanntes Beispiel: Menschen, Orte, Kommunikation und Ereignisse sollen über Millionen Datenpunkte aus sichergestellten Geräten hinweg in Beziehung gesetzt werden können. Darüber hinaus zielt Arlequin auf Organisationen, die nachvollziehbare Analysen für Finanzkriminalität, Cyberrisiken und komplexe operative Lagebilder benötigen. 1

Bereits in vier europäischen Ländern im Einsatz

Arlequin zufolge wird die Technologie bereits von Regierungen und großen Organisationen in West- und Osteuropa genutzt; das Unternehmen spricht von Aktivitäten in vier europäischen Ländern. Einzelne Kunden und konkrete Implementierungen hat Arlequin nicht vollständig öffentlich gemacht. Umfang und Ergebnisse dieser Einsätze lassen sich daher anhand der Ankündigungen nicht unabhängig bewerten. 1

Die Expansionspläne deuten auf einen breiteren Markt: öffentliche Stellen mit Sicherheits- und Verteidigungsaufgaben ebenso wie Unternehmen, die komplexe Risiken rund um Finanzkriminalität, Cybersicherheit und Informationsintegrität analysieren müssen. 113

Europäische Positionierung – und der entscheidende Praxistest

Mit der Finanzierung verfolgt Arlequin eine klar europäische Positionierung: Eine in Europa entwickelte und kontrollierte KI-Architektur für sensible Analysen mit hohen Konsequenzen. Dass unter den Investoren auch der Defence Innovation Fund von Bpifrance ist, unterstreicht die strategische Bedeutung, die solchen Werkzeugen für Nachrichtengewinnung, Sicherheit und kritische Entscheidungen zugeschrieben wird. 1210

Nun kommt es auf die Umsetzung an. Arlequin muss zeigen, ob seine proprietären TNNs bei Genauigkeit, Nachvollziehbarkeit, Betriebskosten oder praktischem Nutzen messbare Vorteile gegenüber etablierten Ansätzen für Graphenanalyse und KI liefern. Die 28 Millionen Euro finanzieren genau diese nächste Phase: Modellentwicklung, Personalaufbau und internationale Kommerzialisierung. 114