Ora Computing: 3,5 Millionen Euro Seed-Finanzierung für KI-Modellkompression aus Wien

Ora Computing wurde von den Quantenforschern Stefan Sack und Raimel A. Medina gegründet, die als Spin-off aus dem Institute of Science and Technology Austria (ISTA) hervorgingen . Das Startup verließ Ende 2025 den Stealth-Modus und hat seine Lösung bereits mit Unternehmen aus der Automobil- und Edge-Silizium-Branche validiert .

Wie die Kompressionssoftware funktioniert

Die Software von Ora basiert auf einem informationstheoretischen Ansatz, um große KI-Foundation-Modelle für die Inferenz zu verkleinern . Die wichtigsten Behauptungen des Unternehmens und seiner Investoren im Überblick:

• Bis zu 80 % Größenreduktion: Der Speicherbedarf der Modelle wird drastisch gesenkt .
• Bis zu 4× schnellere Inferenz: Komprimierte Modelle laufen auf derselben Hardware deutlich schneller .
• Genauigkeitsverlust von nur 0–5 %: Der Trade-off zwischen Kompression und Genauigkeit ist minimal .
• Hardware-unabhängig: Die Software funktioniert auf verschiedenen Chip-Architekturen (CPU, GPU, Edge-Silizium) ohne kundenspezifische Infrastruktur oder Nachschulung .
• Kein Nachschulung erforderlich: Sie lässt sich direkt in Standard-Inferenz-Frameworks einbinden .
• Kontinuierliche Kompressionskurve: Im Gegensatz zu binären Tools, die nur einen Kompressionsgrad zulassen, bildet Oras Algorithmus den gesamten Größe-Genauigkeits-Kompromiss kontinuierlich ab, sodass Kunden für ihre Hardware- und Kostenbeschränkungen optimieren können .
• Bewährt an einem 70B-Parameter-Modell: Das Unternehmen gibt an, ein Modell mit 70 Milliarden Parametern in wenigen Stunden für unter 1.000 US-Dollar Rechenkosten komprimiert zu haben – im Vergleich zu typischen Kosten von mehreren Hunderttausend Dollar .

Kosten-, Energie- und CO₂-Auswirkungen

Da komprimierte Modelle weniger Rechenleistung benötigen, führt die Technologie von Ora direkt zu einem geringeren Energieverbrauch und niedrigeren CO₂-Emissionen . Das Unternehmen schätzt, dass bei einer Marktdurchdringung von 1 % durch seine Technologie jährlich mehr als 50.000 Tonnen CO₂ eingespart werden könnten .

Dies deckt sich mit dem breiten Branchenkonsens, dass die Inferenz für über 90 % des gesamten Energieverbrauchs von KI-Modellen im Einsatz verantwortlich ist . Eine Studie aus dem Jahr 2025 in PMC ergab, dass die Anwendung von Modellkompressionstechniken wie Pruning und Distillation bei BERT-großen Modellen zu Energieeinsparungen von 32–48 % bei einer Genauigkeit von über 95 % führte . Die spezifische CO₂-Ersparnisschätzung von Ora wird jedoch als „Schätzung" auf Basis einer Benchmark-Durchdringungsrate angegeben, nicht als gemessenes Ergebnis .

Verwendung der Finanzierung und kommerzielle Pläne

Ora hat drei Hauptverwendungszwecke für das Seed-Kapital genannt :

1. Teamaufbau – Erweiterung des Ingenieur- und Vertriebsteams.
2. Erweiterung der Kompression auf größere Frontier-Modelle – über die derzeitigen Fähigkeiten hinaus zur Kompression der nächsten Generation modernster Modelle.
3. Einführung eines kommerziellen Produkts – Zielgruppe sind Cloud-Inferenz-Anbieter und Unternehmen, die KI an der Edge einsetzen (z. B. Automobilindustrie, Industrieanlagen) .

Auf der eigenen Website bewirbt Ora inzwischen einen automatisierten LLM-Kompressionsservice, der Modelle „in Stunden, nicht Monaten" an Edge-Geräte, lokale Server oder Cloud-Infrastruktur anpasst und damit den Speicherbedarf um bis zu 70 % reduziert und die GPU-Kosten um über 50 % senkt .

Hinweis zur Quellenverlässlichkeit

Die Hauptquelle ist eine detaillierte Ankündigung auf der offiziellen Website von Greencode Ventures . Bestätigende Berichte stammen von mehreren Medien, darunter The Recursive , IT Boltwise , Vestbee , tech.eu und Fundup.ai – alle berichten über dieselben Runden-Details, Kompressionszahlen und Pläne zur Mittelverwendung. Ein unabhängiger Dritter hat Oras spezifische CO₂-Ersparnisschätzung bisher nicht validiert; das Unternehmen selbst bezeichnet sie als Schätzung und nicht als gemessenes Ergebnis .