Was die Plattform von Kumo AI leistet

Kumos Plattform ermöglicht es Unternehmen, Vorhersagen direkt aus ihren bestehenden relationalen Datenbanken zu generieren – etwa Snowflake, Databricks oder SAP – ohne händisches Feature Engineering oder feste Schemata . Das Flaggschiff-Produkt heißt KumoRFM; im April 2026 kam mit KumoRFM-2 eine neue Version auf den Markt. Diese vortrainierten, relationalen Foundation Models können fast augenblicklich prädiktive Fragen beantworten: vom Customer Lifetime Value über die Abwanderungswahrscheinlichkeit bis hin zu Betrugserkennung, Kreditrisiko-Scoring oder Next-Best-Action .

Ein Kumo-Modell wird auf die Unternehmensdaten ausgerichtet, die Nutzer definieren das Vorhersageziel, und das System liefert Ergebnisse – ohne zusätzliches Training . Die Plattform bedient über 15 Branchen, darunter Finanzdienstleistungen, Einzelhandel, Medien und Gesundheitswesen .

Wie Kumos Graph-Neural-Network-Technologie funktioniert

Im Kern der Plattform steht eine proprietäre hybride Graph-Neural-Network-Architektur (Hybrid GNN) . Sie behandelt Entitäten wie Kunden, Produkte und Transaktionen als Knoten und deren Verbindungen – Primary und Foreign Keys – als Kanten in einem Graphen .

Zentrale Funktionsweise:

• Message Passing: Jeder Knoten sammelt Informationen von seinen Nachbarn im gesamten Graphen. Über mehrere Schichten lernen die Knoten aus der gesamten verbundenen Struktur, nicht nur aus ihren eigenen Attributen .
• Kein Flachklopfen nötig: Herkömmliches Machine Learning drückt relationale Daten in flache Tabellenzeilen und zerstört dadurch Beziehungskontexte. GNNs arbeiten direkt auf der nativen Graph-Struktur und bewahren so Verbindungen und zeitliche Muster .
• GPU-Beschleunigung: Die Modelle sind darauf optimiert, auf Nvidia-GPUs zu laufen, was die Performance auf Unternehmensniveau hebt .

Zusätzlich kombiniert Kumo GNNs mit großen Sprachmodellen (Large Language Models, LLMs) für noch reichhaltigere prädiktive Modellierung .

Deal-Volumen

Nvidia hat den Kaufpreis nicht offiziell bestätigt, doch „The Information“ meldete den Betrag zuerst mit „mindestens 400 Millionen Dollar“ . Andere Medien wie GuruFocus, Fortune und regionale Finanzdienste haben diese Zahl später ebenfalls genannt . Da es keine offizielle Bestätigung gibt, ist die Summe als fundierte Schätzung zu betrachten, nicht als gesicherte Angabe .

Bekannte Kunden

Zu den von Kumo genannten Kunden und Ökosystem-Partnern zählen DoorDash, Reddit, Databricks, Snowflake und SAP . Die Modelle versorgen über Kundenanwendungen weltweit mehr als eine Milliarde Nutzer . Kumo hat Leistungskennzahlen veröffentlicht, etwa eine 5,4-fache Steigerung der Conversion Rate mit Databricks und eine 5,5-fach verbesserte Ad-Accuracy bei Reddit .

Co-Gründer

• Vanja Josifovski – Co-Gründer und CEO. Zuvor CTO bei Pinterest während des Börsengangs und CTO von Airbnb Homes .
• Jure Leskovec – Co-Gründer und Chief Scientist. Stanford-Professor, der die Entwicklung von Relational Deep Learning und GNN-Technologie an der Universität vorantrieb und später Chief Scientist bei Pinterest war .
• Dr. Hema Raghavan – Co-Gründerin und Head of Engineering. Früher Senior Director of Engineering und AI Lead bei LinkedIn; 2026 in die „Inc. Female Founders 500“-Liste aufgenommen .

Alle drei Co-Gründer tragen Doktortitel und sind im Zuge der Übernahme zu Nvidia gewechselt .

Venture-Capital-Finanzierung

Kumo sammelte in zwei Finanzierungsrunden rund 37 Millionen Dollar ein (einige Datenbanken nennen 36,5 Millionen Dollar) :

• Series A (April 2022): 18,5 Millionen Dollar, angeführt von Sequoia Capital, unter Beteiligung von A Capital, SV Angel und Ron Conway .
• Series B (September 2022): 18 Millionen Dollar, angeführt von Sequoia, begleitet von A Capital, SV Angel sowie mehreren Angel-Investoren wie Frank Slootman und Kevin Hartz .

Laut PitchBook lag die Post-Money-Bewertung nach der Series B bei etwa 250 Millionen Dollar. Der Kaufpreis von über 400 Millionen Dollar entspricht damit einem Wertzuwachs von rund 60 Prozent seit dieser Runde .

Strategische Passgenauigkeit: Mehr als nur Hardware-Verkäufe

Die Kumo-Übernahme fügt sich in ein Muster, das Nvidia-Chef Jensen Huang seit Jahren verfolgt: den Wandel vom reinen Chiphersteller zu einer Full-Stack-KI-Plattform .

Mehrere strategische Linien laufen in diesem Deal zusammen:

• Software statt nur Silizium verkaufen: Kumo liefert Nvidia ein marktreifes, GPU-optimiertes Enterprise-SaaS-Produkt, das wiederkehrende Umsätze jenseits der Hardware-Zyklen generieren kann .
• Hardware-Flywheel verstärken: Kumos GNN-Modelle laufen am besten auf Nvidia-GPUs. Wenn Unternehmen Kumo für prädiktive Analysen einsetzen, binden sie sich enger an das Nvidia-Ökosystem .
• Expansion in Predictive AI: Nvidia dominiert bereits das Training großer Sprachmodelle. Prädiktive Analysen für Business User – Churn, Fraud, Empfehlungen – erschließen einen riesigen angrenzenden Markt .
• Weltklasse-Talente und IP an Bord holen: Jure Leskovec ist einer der Pioniere der Graph Neural Networks. Sein Team und die Hybrid-GNN-Architektur innerhalb von Nvidia stärken die Forschungspipeline und die Fähigkeit, künftige Chips für relationale KI-Workloads zu optimieren .
• M&A-Muster fortsetzen: Nvidia hat kontinuierlich KI-Software-Startups übernommen – darunter Run:ai, Deci, Illumex und der 20-Milliarden-Dollar-Acqui-Hire-Deal mit Groq Ende 2025 –, um eine Plattform zu formen, die Infrastruktur, Modelle und Anwendungen abdeckt .

Der Deal illustriert ein bekanntes Big-Tech-Drehbuch: Kaufe ein kleineres Unternehmen mit tiefem technischem Know-how und bestehenden Firmenkundenbeziehungen, und skaliere sein Produkt auf der eigenen Infrastruktur. Für Nvidia geht es bei Kumo nicht allein um Predictive AI – es geht darum, sicherzustellen, dass die nächste Generation von KI-Workloads in Unternehmen durchgängig auf Nvidia läuft.

Was die Plattform von Kumo AI leistet

Kumos Plattform ermöglicht es Unternehmen, Vorhersagen direkt aus ihren bestehenden relationalen Datenbanken zu generieren – etwa Snowflake, Databricks oder SAP – ohne händisches Feature Engineering oder feste Schemata . Das Flaggschiff-Produkt heißt KumoRFM; im April 2026 kam mit KumoRFM-2 eine neue Version auf den Markt. Diese vortrainierten, relationalen Foundation Models können fast augenblicklich prädiktive Fragen beantworten: vom Customer Lifetime Value über die Abwanderungswahrscheinlichkeit bis hin zu Betrugserkennung, Kreditrisiko-Scoring oder Next-Best-Action .

Ein Kumo-Modell wird auf die Unternehmensdaten ausgerichtet, die Nutzer definieren das Vorhersageziel, und das System liefert Ergebnisse – ohne zusätzliches Training . Die Plattform bedient über 15 Branchen, darunter Finanzdienstleistungen, Einzelhandel, Medien und Gesundheitswesen .

Wie Kumos Graph-Neural-Network-Technologie funktioniert

Im Kern der Plattform steht eine proprietäre hybride Graph-Neural-Network-Architektur (Hybrid GNN) . Sie behandelt Entitäten wie Kunden, Produkte und Transaktionen als Knoten und deren Verbindungen – Primary und Foreign Keys – als Kanten in einem Graphen .

Zentrale Funktionsweise:

• Message Passing: Jeder Knoten sammelt Informationen von seinen Nachbarn im gesamten Graphen. Über mehrere Schichten lernen die Knoten aus der gesamten verbundenen Struktur, nicht nur aus ihren eigenen Attributen .
• Kein Flachklopfen nötig: Herkömmliches Machine Learning drückt relationale Daten in flache Tabellenzeilen und zerstört dadurch Beziehungskontexte. GNNs arbeiten direkt auf der nativen Graph-Struktur und bewahren so Verbindungen und zeitliche Muster .
• GPU-Beschleunigung: Die Modelle sind darauf optimiert, auf Nvidia-GPUs zu laufen, was die Performance auf Unternehmensniveau hebt .

Zusätzlich kombiniert Kumo GNNs mit großen Sprachmodellen (Large Language Models, LLMs) für noch reichhaltigere prädiktive Modellierung .

Deal-Volumen

Nvidia hat den Kaufpreis nicht offiziell bestätigt, doch „The Information“ meldete den Betrag zuerst mit „mindestens 400 Millionen Dollar“ . Andere Medien wie GuruFocus, Fortune und regionale Finanzdienste haben diese Zahl später ebenfalls genannt . Da es keine offizielle Bestätigung gibt, ist die Summe als fundierte Schätzung zu betrachten, nicht als gesicherte Angabe .

Bekannte Kunden

Zu den von Kumo genannten Kunden und Ökosystem-Partnern zählen DoorDash, Reddit, Databricks, Snowflake und SAP . Die Modelle versorgen über Kundenanwendungen weltweit mehr als eine Milliarde Nutzer . Kumo hat Leistungskennzahlen veröffentlicht, etwa eine 5,4-fache Steigerung der Conversion Rate mit Databricks und eine 5,5-fach verbesserte Ad-Accuracy bei Reddit .

Co-Gründer

• Vanja Josifovski – Co-Gründer und CEO. Zuvor CTO bei Pinterest während des Börsengangs und CTO von Airbnb Homes .
• Jure Leskovec – Co-Gründer und Chief Scientist. Stanford-Professor, der die Entwicklung von Relational Deep Learning und GNN-Technologie an der Universität vorantrieb und später Chief Scientist bei Pinterest war .
• Dr. Hema Raghavan – Co-Gründerin und Head of Engineering. Früher Senior Director of Engineering und AI Lead bei LinkedIn; 2026 in die „Inc. Female Founders 500“-Liste aufgenommen .

Alle drei Co-Gründer tragen Doktortitel und sind im Zuge der Übernahme zu Nvidia gewechselt .

Venture-Capital-Finanzierung

Kumo sammelte in zwei Finanzierungsrunden rund 37 Millionen Dollar ein (einige Datenbanken nennen 36,5 Millionen Dollar) :

• Series A (April 2022): 18,5 Millionen Dollar, angeführt von Sequoia Capital, unter Beteiligung von A Capital, SV Angel und Ron Conway .
• Series B (September 2022): 18 Millionen Dollar, angeführt von Sequoia, begleitet von A Capital, SV Angel sowie mehreren Angel-Investoren wie Frank Slootman und Kevin Hartz .

Laut PitchBook lag die Post-Money-Bewertung nach der Series B bei etwa 250 Millionen Dollar. Der Kaufpreis von über 400 Millionen Dollar entspricht damit einem Wertzuwachs von rund 60 Prozent seit dieser Runde .

Strategische Passgenauigkeit: Mehr als nur Hardware-Verkäufe

Die Kumo-Übernahme fügt sich in ein Muster, das Nvidia-Chef Jensen Huang seit Jahren verfolgt: den Wandel vom reinen Chiphersteller zu einer Full-Stack-KI-Plattform .

Mehrere strategische Linien laufen in diesem Deal zusammen:

• Software statt nur Silizium verkaufen: Kumo liefert Nvidia ein marktreifes, GPU-optimiertes Enterprise-SaaS-Produkt, das wiederkehrende Umsätze jenseits der Hardware-Zyklen generieren kann .
• Hardware-Flywheel verstärken: Kumos GNN-Modelle laufen am besten auf Nvidia-GPUs. Wenn Unternehmen Kumo für prädiktive Analysen einsetzen, binden sie sich enger an das Nvidia-Ökosystem .
• Expansion in Predictive AI: Nvidia dominiert bereits das Training großer Sprachmodelle. Prädiktive Analysen für Business User – Churn, Fraud, Empfehlungen – erschließen einen riesigen angrenzenden Markt .
• Weltklasse-Talente und IP an Bord holen: Jure Leskovec ist einer der Pioniere der Graph Neural Networks. Sein Team und die Hybrid-GNN-Architektur innerhalb von Nvidia stärken die Forschungspipeline und die Fähigkeit, künftige Chips für relationale KI-Workloads zu optimieren .
• M&A-Muster fortsetzen: Nvidia hat kontinuierlich KI-Software-Startups übernommen – darunter Run:ai, Deci, Illumex und der 20-Milliarden-Dollar-Acqui-Hire-Deal mit Groq Ende 2025 –, um eine Plattform zu formen, die Infrastruktur, Modelle und Anwendungen abdeckt .

Der Deal illustriert ein bekanntes Big-Tech-Drehbuch: Kaufe ein kleineres Unternehmen mit tiefem technischem Know-how und bestehenden Firmenkundenbeziehungen, und skaliere sein Produkt auf der eigenen Infrastruktur. Für Nvidia geht es bei Kumo nicht allein um Predictive AI – es geht darum, sicherzustellen, dass die nächste Generation von KI-Workloads in Unternehmen durchgängig auf Nvidia läuft.