Über uns

Gründer

• 

  Jaedon Munton

  Mitgründer, CEO

  Jaedon hat Partnerschaften verantwortet und als Forward Deployed Engineer bei Großbritanniens führendem KI-Inferenzlabor gearbeitet, wo er Enterprise-Workloads mit mehreren Milliarden Tokens in Betrieb brachte. Zuvor war er Softwareentwickler bei einer US-Venture-Beratung, wo er eine Investor-Matching-Engine baute, die von über 85 Unternehmen bei der Kapitalbeschaffung genutzt wurde, und leitete bei ChipHub die OEM-Partnerschaften, mit Pitches bei Meta und Apple und dem Aufbau einer Suche für Halbleiter-Datenblätter. Begonnen hat er im Produktbereich bei Certie und im Venture-Bereich bei Spartech Ventures im MENA-Raum, während er in Nottingham Wirtschaftswissenschaften studierte.

• 

  David Heinzen

  Mitgründer

  David ist Mitgründer von Flux und arbeitet an Strategie, Go-to-Market und Operations. Vor Flux war er Mitgründer eines B2B-Softwareunternehmens für die Digitalisierung psychologischer Diagnostik- und Berichtsprozesse und arbeitete bei der deutschen Venture-Capital-Gesellschaft D11Z Ventures an Strategie, Kommunikation und KI-gestützten Workflows. Sein Hintergrund umfasst den Aufbau von Unternehmen in der Frühphase, Venture-Investments und angewandte Arbeit an der Schnittstelle von Technologie und Wirtschaft.

These

Eine Suchmaschine, die auf Veränderung ausgelegt ist.

Informationen gewinnen und verlieren binnen Stunden an Relevanz. Manche Fakten sind zeitlos, ein Geburtsdatum etwa. Die meisten sind es nicht. Die Wirklichkeit wird laufend von Milliarden Menschen aus unterschiedlichen Perspektiven vermessen, gedeutet und bestritten, sodass das, was „wahr“ ist, oft immer wieder neu belegt werden muss.

Nun kommen Milliarden bis Billionen AI-Agenten hinzu, die Informationen in Maschinengeschwindigkeit erzeugen. Das Suchproblem verschärft sich: Es gibt mehr zu entdecken, mehr abzugleichen und mehr zu überprüfen - und weniger Zeit dafür.

Gleichzeitig hat Verifizierung eine wirtschaftliche Grenze. Auch wenn Modelle leistungsfähiger werden, bleiben die Inferenzkosten erheblich, besonders bei Systemen, die für schwierige Fragen große Mengen an Reasoning-Tokens aufwenden. Jede Antwort hat damit ein Verifizierungsbudget: Wie viele Quellen lassen sich prüfen, wie viele Perspektiven vergleichen, und wie tief lässt sich jede Behauptung untersuchen? Unter diesen Bedingungen tendieren Systeme naturgemäß zu den Informationen, die ihnen schon vorliegen, was das Risiko veralteter, unvollständiger oder voreingenommener Antworten erhöht.

Unterdessen wird die Fähigkeit, Informationen zu manipulieren, skalierbarer und automatisierter. Je mehr Werkzeuge AI-Agenten haben, um Informationen zu erzeugen, zu verstärken und zu koordinieren, desto stärker müssen die Systeme mitskalieren, die sie überprüfen sollen.

Wir halten parallelisierbare Verifizierung für einen wichtigen Gegenhebel: viele relativ günstige Prozesse parallel, um die Breite des Prüfbaren zu erweitern, während tieferes Reasoning den Aussagen und Fragen vorbehalten bleibt, bei denen es den größten Nutzen bringt. In diesem Modell muss Verifizierung nicht zwischen Breite und Tiefe wählen. Sie kann Breite durch Parallelität skalieren und Tiefe gezielt einsetzen.

Unsere übergeordnete These ist, dass Suche Menschen helfen sollte, sich in einem Informationsumfeld zu bewegen, das immer dynamischer, umfangreicher und kognitiv anspruchsvoller wird. Bessere Suche heißt nicht einfach, mehr Informationen abzurufen; sie heißt, Informationen nützlicher zu machen, die Last des Mithaltens zu verringern und Menschen wie Maschinen eine bessere Grundlage für sinnvolle Arbeit, Entdeckung und Fortschritt zu geben.

1. 2D

   Links auf einer Seite

   Bestehende Suchmaschinen ordnen das Web gut, doch die meisten Verfahren für Indizierung und Retrieval entstanden, bevor Informationen in dieser Menge und mit dieser Geschwindigkeit erzeugt wurden. Klassische Suche liefert Links und überlässt Ihnen das Lesen.

2. 3D

   AI-Agenten, in Maschinengeschwindigkeit

   Agentische Suchanfragen werden haben die menschlichen bereits übertroffen. Ein Modell stellt Hunderte Anfragen und liest die Ergebnisse schneller als jeder Mensch, verliert dabei aber den zeitlichen Ort einer Tatsache: wer ein Amt heute innehat, ob ein Rat zum Zeitpunkt seiner Veröffentlichung zutraf.

3. 4D

   Das Web, nach Zeit geordnet

   Wir crawlen laufend, um aktuell zu bleiben, und ordnen die Welt danach, wie sie sich verändert: was zeitlos gilt, was für einen Zeitraum galt, wie lange es trägt und wann es sich voraussichtlich ändert. Auf Fragmentebene, um Größenordnungen kleiner als ein vollständiges Dokument, mit granularer Herkunft.

Ein Weg, die Vergangenheit zu ordnen und jetzt zu finden, was als Nächstes kommt.

Kontakt

Flux Search Ltd, eingetragen in England und Wales, Handelsregisternummer 16629567. Eine britische Tochtergesellschaft der o7 Holdings Inc., einer in Delaware eingetragenen Gesellschaft.