Veridion sammelt 20 Mio. USD für Live-Graph mit 640 Mio. Unternehmen

Wer jemals versucht hat, eine Lieferanten-Onboarding-Pipeline mit einer quartalsweise aktualisierten B2B-Datenbank abzugleichen, kennt das Problem: Der Datensatz zeigt den Geschäftspartner als solvent, dabei hat dieser vor sechs Wochen Insolvenz angemeldet. Veridion, ein Unternehmen mit Hauptsitz in Bukarest und einem Büro in Delaware, hat gerade eine Series A über 20 Millionen USD abgeschlossen, die genau auf diese Lücke abzielt. Die Runde wurde vom Londoner Investor Hoxton Ventures angeführt, mit Underline, OTB, Gapminder, Day One Capital und Launchub als weitere Teilnehmer.

Was geschehen ist

Das Versprechen, wie citybiz berichtete, lautet: Veridion pflegt eine Echtzeit-Ansicht von mehr als 640 Millionen Unternehmen weltweit, indem Milliarden digitaler Signale verarbeitet werden – Unternehmenswebsites, öffentliche Register, Behördenmeldungen, Produktkataloge, Social-Media-Profile und Nachrichten. Diese Signale werden zu einem sogenannten Live Business Graph zusammengefügt, der operative Veränderungen erfassen und Beziehungen innerhalb der Privatunternehmenswirtschaft abbilden soll.

Die Nutzungszahlen sind aussagekräftiger als die Finanzierungsschlagzeile. Veridion gibt an, dass heute mehr als 100 Kunden die Daten nutzen – aus den Bereichen Marktintelligenz, Versicherung, ESG, Beschaffung und Supply-Chain-Management. Diese Kunden repräsentieren zusammen eine Marktkapitalisierung von fast 2 Billionen USD. Mehr als 70 % des Umsatzes stammen bereits aus den USA, was das Delaware-Büro und den erklärten Plan von CEO Florin Tufan erklärt, das US-Team mit dieser Finanzierungsrunde erheblich auszubauen.

Tufan, der zuvor als Produktverantwortlicher bei T-Me Studios tätig war und Stationen bei Expremio, MAF International und iqinsider absolvierte, bezeichnete die Finanzierung als Möglichkeit, „die Produktentwicklung zu beschleunigen, unser US-Team erheblich zu vergrößern und die Beziehungen zu den amerikanischen Institutionen zu vertiefen, die auf uns für eine Echtzeit-Sicht der Unternehmenswelt angewiesen sind." Hoxton-Gründer Hussein Kanji ging noch weiter und erklärte, dass Wettbewerber „auf statische Datenbanken setzen, die periodisch aktualisiert werden", während Veridion Informationen „mit einer Geschwindigkeit liefert, die der Markt noch nicht gesehen hat."

Die prägnanteste Aussage des Unternehmens: Informationen werden bis zu 52-mal schneller geliefert als aus traditionellen Quellen und decken mehr als 30-mal so viele Unternehmen ab. Experian ist als namentlich genannter Referenzkunde aufgeführt, der die Daten in Risikomodelle einspeist, um Unternehmen zu erfassen, die für konventionelle Kreditdateien unsichtbar sind.

Technische Architektur

Zieht man das Marketing ab, handelt es sich um ein Entity-Resolution- und Change-Data-Capture-Problem im Web-Maßstab. Einen Live-Graph mit 640 Millionen Unternehmen aufzubauen ist nicht die eigentliche Herausforderung – ihn korrekt zu halten schon. Jede Quelle in der Ingestion-Pipeline, ob Register, Meldungen, Kataloge, Social Media oder Nachrichten, hat ihren eigenen Aktualisierungsrhythmus, Schema-Drift und adversariales Rauschen. Eine Unternehmenswebsite, die offline geht, kann Insolvenz bedeuten, ein Redesign oder eine DNS-Fehlkonfiguration. Diese Fälle zu unterscheiden erfordert Signal Fusion, nicht einen weiteren Crawler.

Die Angaben zu 52-facher Geschwindigkeit und 30-facher Abdeckung sind Marketing-Zahlen, auf die ich keine Geschäftsentscheidung aufbauen würde, ohne einen direkten Vergleich durchzuführen. Aber der zugrundeliegende architektonische Wandel ist real. Traditionelle Anbieter – die D&Bs und veralteten Auskunfteien – arbeiten eher wie Batch-ETL-Warehouses mit manueller Kuratierung. Was Veridion beschreibt, klingt nach einer Streaming-Pipeline, die einen Graph Store speist, mit kontinuierlicher Entity Resolution statt quartalsmäßiger Datei-Drops.

Für Datenteams, die diese Produktkategorie evaluieren, sind die interessanten Fragen nicht die nach Datensatzzahlen, sondern nach Lineage und Latenz. Wenn ein Signal ausgelöst wird – wie lange dauert es, bis es im Graph landet, und kann man nachverfolgen, welche Rohquelle welches Node-Update ausgelöst hat? Wer dbt-Modelle gegen externe B2B-Feeds betreibt, kennt den Schmerz: Ihre Transformation Layer ist nur so vertrauenswürdig wie der Freshness-Vertrag vorgelagert. Wenn ein Anbieter keine Zeitstempel und Provenienz auf Datensatzebene liefern kann, ist man wieder auf Spekulationen angewiesen.

Der Experian-Anwendungsfall ist aufschlussreich. Kreditauskunfteien haben bereits die besten konventionellen Daten. Wenn sie Veridion-Signale einlesen, um Unternehmen zu erfassen, die konventionelle Kreditdaten verpassen, liegt der Wert im langen Schwanz: Privatfirmen, Entitäten mit dünner Datenlage, grenzüberschreitende Operationen mit ungleichmäßiger Register-Abdeckung. Diesen Schwanz aus einer OLAP-Engine wie ClickHouse oder einer Graphdatenbank zu bedienen bedeutet, dass Join Keys und Identifier Mappings mehr Arbeit leisten als jedes KI-Modell im Stack. Meine Einschätzung: Der Burggraben liegt, sofern es einen gibt, im Identity Graph – nicht in den Crawlern.

Wer unter Druck gerät

Die offensichtlichen Verlierer sind etablierte B2B-Datenanbieter, deren Verträge auf der Annahme verlängert werden, dass quartalsweise Aktualisierungen akzeptabel sind. Das sind sie nicht, und Beschaffungsteams dokumentieren die Lücken seit Jahren stillschweigend. Aus Produktionsvorfällen, die ich in Fintech-Onboarding-Pipelines gesehen habe, sind die hässlichsten Fehler stets gleich geformt: Eine KYB-Prüfung besteht, weil die Anbieterdatei 90 Tage alt ist, dann stellt die Compliance-Abteilung den Geschäftspartner zwei Wochen später auf einer Sanktionsliste fest. Das ist kein Datenproblem – es ist ein Latenzproblem im Gewand eines Datenproblems.

Versicherungszeichner sind als nächstes dran. Wenn ein Wettbewerber gewerbliche Policen auf Basis von Signalen bepreist, die nahezu in Echtzeit aktualisiert werden, ist der Versicherer, der Expositionsdaten noch monatlich aktualisiert, bei jeder Verlängerung adversarisch selektiert. Dieselbe Logik trifft ESG-Bewertungen, wo eine in Nachrichtenfeeds entdeckte Kontroverse innerhalb von Stunden – nicht erst im nächsten Berichtszyklus – in Portfolio-Dashboards einfließen muss.

Supply-Chain-Teams sollten am genauesten hinschauen. Die Disruptions der letzten vier Jahre haben Beschaffungsverantwortlichen gelehrt, dass die Sichtbarkeit auf Tier-2- und Tier-3-Lieferanten bares Geld wert ist. Eine Plattform, die eine Abdeckung von 640 Millionen Entitäten mit Live-Beziehungsmapping beansprucht, zielt direkt auf diesen Schmerz. Die unbequeme Wahrheit: Wenn Ihr Lieferantenrisiko-Tool noch einmal im Quartal CSVs aus einem Portal exportiert, betreiben Sie einen Stack von 2015 gegen Probleme von 2026.

Für mittelständische Datenanreicherungsanbieter bahnt sich ebenfalls ein Wettbewerbsdruck an. Wenn ein Series-A-Unternehmen glaubhaft behaupten kann, Kunden mit einer Marktkapitalisierung von 2 Billionen USD zu bedienen, sinkt das Preisminimum für „ausreichend gute" B2B-Daten. Nischenanbieter ohne verteidigungsfähigen Graph werden sich sowohl bei der Aktualität als auch bei der Abdeckung unterboten sehen.

Leitfaden für Datenteams

Wenn Sie eine Datenplattform verantworten, die B2B-Informationen verarbeitet, ist jetzt ein guter Zeitpunkt, drei Übungen durchzuführen.

Erstens: Messen Sie Ihr tatsächliches Freshness-SLA. Nicht das Versprechen des Anbieters – Ihres. Wählen Sie 50 Unternehmen aus, von denen Sie wissen, dass sie im letzten Quartal ihren Status geändert haben (übernommen, insolvent, umbenannt, umgezogen), und prüfen Sie, wie lange es jede Ihrer Datenquellen brauchte, die Änderung zu spiegeln. Wenn das p95 in Wochen gemessen wird, haben Sie ein Geschäftsrisiko – kein bloßes Datenqualitätsproblem.

Zweitens: Trennen Sie in Ihrem Warehouse-Modell Identität von Attributen. Ob Sie Daten in Snowflake, Databricks oder einem Graph Store ablegen – halten Sie die Entity-Resolution-Schicht unabhängig versioniert von den angereicherten Attributen. Wenn Sie einen Anbieter wechseln oder ergänzen – und das werden Sie –, liegt der Migrationsaufwand vollständig im Identity Mapping. Teams, mit denen ich gearbeitet habe und die diesen Schritt übersprungen haben, haben bei jedem Anbieterwechsel dafür bezahlt.

Drittens: Berechnen Sie die Kosten der Alternative. Eine Series A über 20 Millionen USD bedeutet, dass Veridions Listenpreise steigen werden und Enterprise-Deals gebündelt werden. Wenn Sie jetzt evaluieren, sichern Sie sich mehrjährige Konditionen mit Freshness- und Coverage-SLAs, die im Vertrag festgeschrieben sind – nicht im Sales-Deck. Fordern Sie Lineage auf Datensatzebene als vertraglich vereinbarte Leistung, nicht als Feature-Request. Wenn der Anbieter das nicht zusagen kann, haben Sie Ihre Antwort.

Nüchternes Fazit, aber das richtige: Freshness ist jetzt ein erstklassiges SLA. Behandeln Sie es wie Uptime.

Wichtigste Erkenntnisse

• Veridions Series A über 20 Mio. USD, angeführt von Hoxton Ventures, bestätigt Echtzeit-B2B-Intelligence als eigenständige Kategorie gegenüber veralteten Batch-Datenanbietern.
• Das Unternehmen beansprucht eine Abdeckung von 640 Millionen Unternehmen und eine bis zu 52-mal schnellere Informationslieferung als traditionelle Quellen, mit Experian als Referenzkunden.
• Mehr als 70 % des Umsatzes stammen von US-Kunden, was den aggressiven US-Teamaufbau und den Delaware-Standort erklärt.
• Datenteams sollten die Aktualität ihrer Anbieter anhand bekannter Änderungen prüfen und Entity Resolution von Attributanreicherung in ihren Warehouse-Modellen trennen.
• Etablierte B2B-Datenanbieter mit Quartals-Refresh-Zyklen stehen unter realem Preisdruck, da Kunden mit 2 Billionen USD Marktkapitalisierung auf Live-Graph-Alternativen umschwenken.