Nous Research verbindet eine Series B über 90 Millionen Dollar mit Hermes Business und richtet sein Open-Source-Agentenprojekt auf Firmenkunden aus. Die Runde vom Oktober 2026 bewertet das drei Jahre alte Unternehmen mit 1,5 Milliarden Dollar und erhöht die berichtete Gesamtfinanzierung auf 158 Millionen Dollar. Schwieriger wird die Arbeit danach: Ein anpassbarer, lernender Agent muss verlässlich bleiben, wenn er Unternehmenswissen teilt und über Werkzeuge handelt.
Robot Ventures führte die Runde laut Nous und späteren Berichten an. Beteiligt waren Nvidia, Microsofts M12, Samsung, Union Square Ventures, Menlo Ventures, Y Combinator und 1789 Capital. Im Juli war von mindestens 75 Millionen Dollar zur gleichen Bewertung die Rede gewesen. Die endgültigen 90 Millionen sind die abgeschlossene Runde, nicht eine zusätzliche Finanzierung, zu der die frühere Planung addiert werden darf.
Ein Geschäft um die Ausführungsumgebung statt nur um das Modell
Hermes Agent ist ein quelloffenes Agenten-Framework, nicht das zugrunde liegende Sprachmodell. Modelle erzeugen und interpretieren Sprache; das Framework koordiniert Anweisungen, Werkzeuge, dauerhaften Speicher, Nachrichten und mehrstufige Ausführung einschließlich Berechtigungen. Es arbeitet mit unterschiedlichen Modellen, sodass Kunden Verfahren behalten und ihre Abhängigkeit von einem einzigen Modellanbieter verringern können.
Hermes Business ergänzt eine gemeinsame Bereitstellung mit zentralem Guthaben und einem gehosteten Agenten pro Teammitglied. Das veröffentlichte Angebot umfasst Administratorrollen, Mitgliederverwaltung, Ausgabenlimits je Nutzer, zentrale Verbrauchsübersicht und geteilte Skills. Für größere Kunden wirbt Nous außerdem mit kontrollierter Unternehmensinfrastruktur, Private Cloud und lokaler Bereitstellung, Single Sign-on, Servicezusagen und individueller Einführung. Dies sind Produkt- und Bereitstellungsangaben, keine unabhängige Bestätigung der Sicherheit jeder Konfiguration.
Ein Skill ist ein wiederverwendbarer Satz von Anweisungen oder Verfahren für wiederkehrende Arbeit. Produktmanager könnten Kundeninterviews nach einem festen Schema zusammenfassen, Ingenieure Vorfälle prüfen und Vertriebsmitarbeiter Kundenübersichten vereinheitlichen. Geteilte Skills könnten festhalten, wie Beschäftigte Modelle, Werkzeuge und interne Informationen kombinieren, statt die gleiche Aufgabe immer wieder einzurichten.
Das geht über auffindbare Informationen hinaus. Entscheidungen und Praktiken gehen bereits zwischen Dokumenten, Chats, Besprechungen und Personalwechseln verloren. Ein Agent ergänzt die Wissenssuche um Ausführung; veralteter Kontext und zu weit reichender Zugriff können ein nützliches Verfahren aber in einen wiederholbaren Fehler verwandeln. Eine Support-Fähigkeit für ein bestimmtes Produkt, eine Region oder Kundengruppe kann anderswo durchgehend falsche Antworten erzeugen.
Eigentum und administrative Kontrolle sind unterschiedliche Versprechen
Nous wurde 2023 aus Opposition gegen zentralisierte, geschlossene KI gegründet und beschreibt die Finanzierung als Unterstützung offener, überprüfbarer Systeme. CEO Dillon Rolnick zufolge sollen Menschen und Organisationen die von ihnen aufgebaute Intelligenz einschließlich Skills und Speicher besitzen. Einsehbarer Code und portable Verfahren können den Umbauaufwand mindern, wenn ein Arbeitsablauf sonst vollständig in der Anwendung eines Anbieters steckt.
Sicherheitsteams verstehen unter Kontrolle noch etwas anderes: Befugnisse über Beschäftigte, verbundene Systeme, Zugangsdaten und automatisierte Handlungen. Ein lernender Agent kann Verfahren verändern, ohne dass ein Administrator die betriebliche Änderung bemerkt. Bei geteilten Skills geht es daher nicht nur um Softwareeigentum, sondern darum, wer veröffentlichen, prüfen, aktualisieren oder zurückziehen darf.
Persönliche Skill-Erstellung von der unternehmensweiten Veröffentlichung zu trennen, wäre eine mögliche Governance-Lösung, keine Behauptung, dass Hermes Business bereits alle entsprechenden Schutzmaßnahmen umsetzt. Benannte Prüfer könnten Anweisungen, Berechtigungen, Tests und Zielgruppen untersuchen; Versionierung könnte Fehler zuordnen, Rollback frühere Verfahren wiederherstellen und Geltungsgrenzen verhindern, dass Vertriebsabläufe in Technik oder Finanzen gelangen. Allgemeine Funktionsbezeichnungen belegen diese Details nicht.
Dauerhafter Speicher schafft ähnliche Pflichten. Kundendetails, interne Entscheidungen, spekulative Notizen und später veraltete Schlussfolgerungen brauchen Aufbewahrungsregeln, Zugriffsgrenzen, Korrekturen und zuverlässiges Löschen. Ein ausschließlich lesender Zusammenfasser birgt andere Risiken als ein Agent, der Nachrichten verschickt, Datensätze ändert, Code ausführt oder Finanzprozesse startet. Minimale Rechte und Freigaben für folgenreiche Aktionen müssen nützliche Arbeit ermöglichen, ohne stillschweigend alles zu erlauben.
Modellwahl beseitigt die Betriebsverantwortung nicht
Modellunabhängigkeit erlaubt unterschiedliche Modelle für Programmierung und lange Dokumente sowie Wechsel bei Verfügbarkeitsproblemen, ohne jeden Ablauf neu aufzubauen. Modelle unterscheiden sich jedoch bei Anweisungsbefolgung, Werkzeugformaten und Fehlermustern. Ein Austausch oder Update kann das Verhalten verändern, obwohl das Framework unverändert bleibt.
Ein Unternehmenseinsatz benötigt deshalb versionierte Verfahren, Aktionsprotokolle, Überwachung und Wiederherstellung entlang der gesamten Kette. Bricht ein Modellupdate einen Werkzeugaufruf, erlebt der Kunde einen Hermes-Ausfall, gleichgültig, welcher Anbieter seine Software änderte. Nous muss diese Kette diagnostizieren helfen, statt Kunden zwischen Anbietern weiterzureichen.
Private Infrastruktur kann Datenhoheit und Anpassung verbessern, verlagert aber auch Arbeit. Kunden benötigen weiterhin Personal und Prozesse für Patches, Geheimnisschutz, Identitäten und Netzwerkgrenzen, Überwachung, Wartung verbundener Dienste und Vorfallreaktion. Einsehbarer Code ist keine auditierte Bereitstellung; Infrastruktureigentum legt nicht fest, welche Aktionen menschliche Zustimmung verlangen.
Microsoft, OpenAI und Anthropic gehen den umgekehrten Weg. Sie beginnen mit Unternehmensbeziehungen, verwalteten Identitäten, Cloud-Kontrollen und Compliance-Strukturen und ergänzen darin Agenten. Nous beginnt mit einem von Entwicklern gewählten, anpassbaren Agenten und baut organisatorische Grenzen darum. Strategische Investoren erschließen Kontakte zu Rechenleistung, Hardware und Unternehmenssoftware, ersetzen aber keine Sicherheitsprüfungen, Rechtsverhandlungen, Daten-Governance oder internen Piloten.
Nutzungszahlen sind keine Unternehmenskundenzahlen
Nous schätzte mehr als 24 Millionen Hermes-Klone und ungefähr 2,5 Prozent des weltweiten KI-Tokenverbrauchs. Keine der Zahlen wurde unabhängig geprüft. Ohne unabhängig veröffentlichte Methodik lässt sich nicht bestimmen, welche Anbieter, Modelle, Arbeitslasten und Zeiträume die Tokenzahl umfasst, geschweige denn, wie viele Firmen wichtige Arbeit auf Hermes stützen.
Das Wall Street Journal berichtete separat von über 22 Millionen Downloads seit dem Start im Februar; TechCrunch zitierte später die Unternehmensschätzung von über 24 Millionen Klonen. Das sind unterschiedliche berichtete Messgrößen und Beobachtungen, keine geprüfte Zeitreihe individueller Nutzer. Ein Klon kann Produktion, Experiment, automatisierten Build oder Wiederholung durch dieselbe Person bedeuten. Zeitpunkt oder Messänderungen könnten den Abstand erklären; belegt ist die Erklärung nicht.
Das Journal nannte rund 36 Millionen Dollar annualisierten Umsatz Mitte September 2026 und die Erwartung, vor Jahresende 100 Millionen zu überschreiten. Annualisierung rechnet ein jüngstes Tempo auf ein Jahr hoch: Sie ist kein bereits über zwölf Monate vereinnahmter oder verbuchter Umsatz. Der Jahresendwert war eine Prognose, kein erreichtes Ergebnis; Verbrauchsänderungen können die Run Rate schnell erhöhen oder senken.
Öffentlich fehlten detaillierte Zahlen zu aktiven Organisationen, Produktionsabläufen, Bindung und Vertragsverlängerungen. Auch wiederkehrende Abonnements, Modellverbrauch, Unternehmenskundenverträge und vorübergehende Privatnachfrage wurden nicht getrennt. Der geschäftliche Test betrifft Konversion und Dauerhaftigkeit, nicht die Umbenennung großer Repository- oder Tokenschätzungen in Unternehmensakzeptanz.
Der Weg von unten verursacht Kosten auf beiden Seiten
Die geplante Entwicklung ist aus Entwicklersoftware bekannt: Einzelne führen Hermes ein, Teams standardisieren gemeinsame Ressourcen, Administratoren kaufen zentrale Kontrollen, große Organisationen wechseln in private Umgebungen. Agenten konzentrieren allerdings den Zugriff über Dienste hinweg. Ein kompromittiertes Konto, eine schlechte Anweisung oder ein unzureichend geprüfter Skill kann mehrere verbundene Systeme statt einer isolierten Zusammenarbeit betreffen.
Unternehmenssupport variiert zudem nach Identitätssystem, Infrastruktur, Modellwahl, Datenrichtlinie und eigenen Werkzeugen. Das erschwert Standardisierung und kann Margen belasten. Finanzierung kann Vertrieb, Support, Sicherheit, Infrastruktur und Produktmanagement ausbauen und größere Einsätze vorbereiten. Sie beweist nicht, dass diese Kosten bereits ein dauerhaftes Unternehmensgeschäft hervorbringen.
Konkurrenz kommt von geschlossenen wie offenen Systemen. Große Anbieter bündeln Agenten mit Modellen, Cloud-Verträgen und bestehenden Produktivitätsanwendungen. Ingenieurteams können öffentliche Bausteine selbst kombinieren; Hostinganbieter und Spezialisten können offene Werkzeuge ohne Nous' Bewertungserwartungen verpacken. Nous muss kontrollierten Betrieb und Verbesserung leichter machen als Eigenbau, nicht bloß Zugang zu Code verkaufen.
OpenClaw illustriert die Wahl, entscheidet sie aber nicht. TechRadar beschrieb OpenClaw als einfacher für den Einstieg und Hermes als stärker auf aus Wiederholung gelernte Skills und tiefe Anpassung ausgerichtet. Das ist kein abschließender Benchmark. Technische Organisationen schätzen möglicherweise Prüfung und Veränderbarkeit; weniger technische Teams bevorzugen kalkulierbare Einrichtung und vorbereitete Abläufe. Beide ohne unnötige Komplexität zu bedienen, ist eine weitere Aufgabe.
Was den Unternehmensanspruch belegen würde
Die stärksten nächsten Belege würden die Einsatztiefe beschreiben: reale Abläufe, aktive Teams, Pilotdauer, abteilungsübergreifende Expansion und wiederholtes Wachstum bei Bestandskunden. Ein lesender Rechercheassistent und ein in Produktionssystemen handelnder Agent bedeuten sehr unterschiedliche Verpflichtungen. Kundenlogos ohne Kontext lösen diesen Unterschied nicht auf.
Konkrete Dokumentation zu Skill-Freigaben, Werkzeuggrenzen, Datenisolierung, Speicherverwaltung, Aktionsprüfung und Rücknahme würde den Governance-Anspruch stärken. Unabhängige Sicherheitsbewertungen, Vorfallverfahren und transparente Updates liefern mehr als das Versprechen der Prüfbarkeit. Zu starke Zentralisierung beseitigt Experimentierfreiheit; zu schwache Kontrolle verhindert die Genehmigung wichtiger Einsätze.
Wiederkehrende Unternehmensverträge, Expansion und stabile Nutzung würden den Umsatz stärker stützen als vorübergehende individuelle Nachfrage oder subventionierter Verbrauch. Ein begrenzter Pilot eines wiederkehrenden Ablaufs mit minimalen Rechten, protokollierten Aktionen und vorab definierten Erfolgskriterien kann zeigen, ob die Automatisierung mehr Aufwand spart, als ihre Governance verlangt. Die 90 Millionen finanzieren diesen Test; sie entscheiden ihn nicht.
Quellen und weiterführende Texte
Finanzierungsbericht · Transaktionsübersicht · Hermes-Business-Verwaltung · Weiterlesen: persönliche und gemeinsame Wissensbasen · Nous zur Finanzierung · Agentenvergleich · Umsatz und Unternehmenskunden · Ursprünglicher Fund