Warum Datasite die Entwicklung eines eigenen Parsings eingestellt hat - Adit Abraham, Reducto & Raj Bakhru, Datasite

하이라이트

• Etwa 60 Prozent aller Transaktionen mit einem Volumen von über 100 Millionen Dollar werden über die Plattform von Datasite abgewickelt.

• Datasite verarbeitet Milliarden von Inhaltsseiten und verzeichnet monatlich über 500.000 aktive Nutzer.

• Der Umsatz von Datasite stieg im Laufe von anderthalb Jahren nach der Übernahme von Blue Flame um geschätzte 40 Prozent.

• Der Einsatz von Reducto verbesserte die Wiederfindungsraten bei den Datenraum-Benchmarks von Datasite um 22 Prozent.

• Datasite beschäftigt ein Engineering-Team von rund 250 Personen, das auf fünf Hauptinitiativen im Gesamtunternehmen aufgeteilt ist.

타임라인

1. 00:00 - 01:13

   Hintergrund und Ausgangslage von Datasite

   Das Gespräch führt Adi von Reducto und Raj Bakhru, den CTO von Datasite, zusammen. Raj erläutert seinen beruflichen Werdegang, der von quantitativen Handelssystemen über eine eigene Sicherheitsfirma bis hin zur Gründung der vertikalen KI-Lösung Blue Flame im M&A-Bereich reichte. Nach der Übernahme von Blue Flame durch Datasite stand das Team vor der Herausforderung, unstrukturierte Daten aus zehntausenden jährlichen Datenräumen sicher und regelkonform in Vektordatenbanken einzulesen.

   • Datasite wickelt rund 60 Prozent aller Transaktionen über 100 Millionen Dollar ab.
   • Die Plattform verarbeitet Milliarden von Seiten unstrukturierter Daten für über 500.000 monatlich aktive Nutzer.
   • Virtuelle Datenräume speichern sämtliche vertraulichen und kursrelevanten Transaktionsdokumente.
2. 01:13 - 07:18

   Die Herausforderungen beim Dokumenten-Parsing

   In der Praxis zeigt sich, dass selbst beste Visionsmodelle bei unkonventionellen Formatierungen oder Diagrammen scheitern können. Die Entwicklung und Instandhaltung eigener Parser verschlingt enorme Mengen an Ingenieurszeit und Support-Ressourcen. Datasite entschied sich daher bewusst dafür, diese Parsing-Aufgaben an Reducto zu übergeben, anstatt das Rad intern neu zu erfinden.

   • Fast jedes Dokument im Finanzbereich stellt einen individuellen Sonderfall dar.
   • Fehlinterpretationen durch LLMs entstehen oft durch winzige grafische Abweichungen wie Farben in Kreisdiagrammen.
   • Komplexe Excel-Tabellen und verbundene Zellen erschweren die automatisierte Datenextraktion erheblich.
3. 07:18 - 17:02

   Unternehmensstrategie und Build vs. Buy

   Ursprünglich stand eine VC-Finanzierung mit Millionenbeträgen im Raum, doch das Angebot von Datasite bot Zugang zu einem einzigartigen, geschützten Datensatz. Neben den virtuellen Datenräumen speist auch die Privatunternehmens-Datenbank Grata die KI-Modelle. Um das jährliche Unternehmenswachstum von 20 Prozent zu stützen, setzt das Management auf den Zukauf externer Speziallösungen, um die internen Entwickler für umsatzgenerierende Produkte und Agenten freizuhalten.

   • Blue Flame wurde ursprünglich bootstrapfinanziert, bevor Datasite das gesamte Unternehmen übernahm.
   • Datasites Umsatz wuchs in anderthalb Jahren nach der Integration um geschätzte 40 Prozent.
   • Etwa 250 Ingenieure konzentrieren sich auf fünf zentrale Geschäftsinitiativen statt auf bereits gelöste Parsing-Probleme.
4. 17:02 - 19:39

   Fragen und Antworten zur technischen Integration

   In der abschließenden Fragerunde geht Raj auf technische Details der Architektur ein. Große Datenmengen von Bankiers durchlaufen die Ingestion-Pipeline und landen in einer TurboPuffer-Vektordatenbank für GraphRAG-Abfragen. Anhand des eigenen Benchmarks VDR Bench misst das Team kontinuierlich die Leistungsfähigkeit der Datenextraktion, die durch Reducto signifikant verbessert wurde.

   • Die Ingestion-Pipeline verarbeitet teils terabytegroße Datenmengen und leitet sie an TurboPuffer und GraphRAG weiter.
   • Der selbst entwickelte Benchmark VDR Bench vergleicht die Parsing-Leistung mit Standard-Tools der Frontier-Labs.
   • Die Extraktionsseite gilt als der kritischste Erfolgsfaktor für die Qualität der generierten Antworten.