Fal erreicht Bewertung von 16 Milliarden US-Dollar
Der US-Anbieter Fal hat in einer Series-F-Finanzierungsrunde 1,3 Milliarden US-Dollar eingesammelt. Angeführt wurde die Runde von Bessemer Venture Partners. Nvidia, Sound Ventures und T. Rowe Price beteiligten sich ebenfalls.
Fal gab die Series E und Series F zeitgleich bekannt. Zusammen brachten beide Runden 1,65 Milliarden US-Dollar ein, wobei Sequoia die Series E anführte. Die Unternehmensbewertung stieg seit April von 8 Milliarden auf 16 Milliarden US-Dollar.
| Kennzahl | Wert |
|---|---|
| Aktuelle Bewertung | 16 Milliarden US-Dollar |
| Bewertung im April | 8 Milliarden US-Dollar |
| Series F | 1,3 Milliarden US-Dollar |
| Series E und Series F zusammen | 1,65 Milliarden US-Dollar |
| Annualisierter Umsatz zu Jahresbeginn | über 800 Millionen US-Dollar |
| Gründungsjahr | 2021 |
Offene Modelle treiben die Nachfrage nach Inferenz
Fal betreibt und hostet KI-Modelle für Video, Bild und Audio. Im Mittelpunkt steht die Inferenz, also die Ausführung eines bereits trainierten Modells zur Erzeugung neuer Inhalte. Besonders relevant ist das Angebot für Kunden, die offene Modelle einsetzen, aber keine eigene GPU-Infrastruktur aufbauen wollen.
Berichten zufolge überschritt Fal zu Beginn des Jahres einen annualisierten Umsatz von 800 Millionen US-Dollar. Das Unternehmen wurde 2021 in San Francisco von Burkay Gur und Gorkem Yurtseven gegründet. Gur arbeitete zuvor bei Coinbase und Oracle, Yurtseven bei Amazon.
Das starke Wachstum betrifft nicht nur Fal. Auch Inferenz-Anbieter wie Baseten, Fireworks AI und Modal expandieren. Gleichzeitig bleiben die Bruttomargen in diesem Markt häufig niedrig, weil der Kauf oder die Anmietung von Rechenkapazität erhebliche Kosten verursacht.
Alternative zum SaaS-Abo mit neuen Abhängigkeiten
Inferenz-Plattformen bilden eine Brücke zwischen klassischer SaaS-Nutzung und vollständig selbst betriebener KI. Unternehmen können offene Modelle über eine API in eigene Anwendungen integrieren, ohne sofort eigene GPU-Server finanzieren und betreiben zu müssen. Dass Open-Weight-Modelle einen großen Teil typischer Agentenarbeit übernehmen können, stärkt dieses Betriebsmodell zusätzlich.
Damit verschiebt sich jedoch die Kostenstruktur. Statt einer festen Softwarelizenz fallen verbrauchsabhängige Ausgaben für Rechenleistung an. Wie Beispiele aus dem Markt zeigen, lassen sich solche Kosten durch Open-Weight-Modelle deutlich reduzieren, sofern Modellwahl und Infrastruktur zur jeweiligen Aufgabe passen.
Die knappen Margen der Inferenz-Anbieter bleiben ein Risiko. Steigende Preise für GPUs, Energie oder Cloud-Kapazität können zu Preisanpassungen führen. Unternehmen tauschen daher ein starres SaaS-Abo nicht automatisch gegen vollständige Unabhängigkeit, sondern gegen eine andere Form der Anbieterbindung.
Was Unternehmen im DACH-Raum prüfen müssen
Für IT-Verantwortliche im DACH-Raum ist vor allem der Ort der Datenverarbeitung relevant. Ob Fal europäische Rechenzentren oder spezielle DSGVO-konforme Vereinbarungen anbietet, ist bislang nicht bestätigt. Vor einer produktiven Nutzung sollten deshalb Datenstandorte, Unterauftragnehmer, Löschkonzepte und vertragliche Garantien geprüft werden.
Auch die Wirtschaftlichkeit lässt sich nicht allein aus dem Umsatz ableiten. Fal nennt keine genaue Kostenstruktur, und über die Profitabilität liegen keine belastbaren Angaben vor. Der hohe Kapitalbedarf zeigt jedoch, wie rechenintensiv das Geschäft mit Bild-, Video- und Audiomodellen ist.
Für dauerhaft hohe oder gut planbare Lasten kann eigenes Hosting wirtschaftlicher und kontrollierbarer sein. Bei schwankender Nachfrage senkt ein Inferenz-Dienstleister dagegen die Einstiegshürde. Wie stark Self-Hosting Kosten reduzieren kann, zeigt auch das Beispiel Revolut bei intern betriebenen KI-Modellen.