In fünf Monaten ist die Bewertung von 740 Millionen auf 2 Milliarden US-Dollar gestiegen.
Am 29. April gab Parallel Web Systems, das Unternehmen des früheren Twitter-CEO Parag Agrawal, eine Series-B-Finanzierung über 100 Millionen US-Dollar bekannt. Sequoia Capital führte die Runde an, Andrew Reed zieht in den Verwaltungsrat ein. Kleiner Perkins, Index, Khosla, First Round, Spark, Terrain und fast alle Investoren der vorherigen Runde legten ebenfalls nach.
Insgesamt hat Parallel damit 230 Millionen US-Dollar eingesammelt, nur fünf Monate nach der Series A im vergangenen November.
Was Agrawal bauen will
Das ist keine Suchmaschine. Und auch keine Antwortmaschine im Stil von Perplexity.
Parallel baut einen Webindex und eine API-Schicht für KI-Agenten. Braucht ein Agent Unternehmensberichte, ruft er eine API auf. Sucht er Lieferkettendaten, ruft er eine API auf. Führt er Due-Diligence-Recherche aus, ruft er ebenfalls eine API auf. Dahinter läuft ein von Parallel selbst gecrawlter Webindex, der speziell für Agenten-Workloads strukturiert wurde.
Agrawal beschreibt die These so:
Wir haben Parallel aus der Überzeugung gegründet, dass Agenten das Web tausendmal häufiger nutzen werden als Menschen und dass der Großteil dieser Arbeit im Hintergrund stattfinden wird.
In Geschäftslogik übersetzt: Ein Mensch öffnet vielleicht 20 Mal am Tag den Browser; ein Agent kann 20.000 API-Aufrufe am Tag auslösen. Wenn diese Größenordnung Realität wird, bricht das alte Google-Modell aus bezahlten Klicks, SEO und Anzeigenauktionen auf. Agenten klicken keine Werbung. Sie brauchen strukturierte Daten mit niedriger Latenz und überprüfbarer Herkunft.
Wer den Webzugang der Agenten kontrolliert, kontrolliert einen zentralen Teil des nächsten Suchgeschäfts.
Die Kundenliste ist aufschlussreich
| Unternehmen | Nutzung von Parallel |
|---|---|
| Harvey | Webdaten für juristische Reasoning-Anwendungen |
| Notion | Recherche, die Agenten für Nutzer erledigen |
| Profound | Content-Recherche |
| Actively | Monitoring von Sales-Leads |
| Opendoor | Abfragen zu Immobiliendaten |
| Mehrere Investmentbanken und Hedgefonds | Echtzeitinformationen zu Märkten und Unternehmen |
| Zwei große US-P&C-Versicherer | Prüfung im Zusammenhang mit Schadensfällen |
Mehr als 100.000 Entwickler nutzen das Produkt bereits. Der gemeinsame Nenner ist klar: Es geht um Agentenprodukte, die mehrstufige Aufgaben autonom erledigen sollen, nicht um einfache Chatbots.
Gabe Pereyra von Harvey formulierte es direkt:
Parallel ist die Art, wie wir das Web ins Bild holen.
Sarah Sachs von Notion ergänzte:
Wie Menschen müssen auch Agenten das öffentliche Web recherchieren, um Arbeit zu erledigen und Entscheidungen zu treffen. Parallel macht das möglich.
Warum Sequoia nachlegt
Andrew Reed steigt diesmal direkt in den Verwaltungsrat ein. Seine Einschätzung:
Lange laufende Agenten definieren Produkte in jeder Branche neu. Agenten brauchen das Web.
Sequoia hat bereits auf Cursor und Harvey gesetzt, zwei prominente Agentenunternehmen. Parallel passt sauber in diese Logik: Nach der Anwendungsschicht folgt die Infrastrukturschicht.
Das erinnert an Sequoias Cloud-Native-Strategie der 2010er Jahre, als der Fonds sowohl Snowflake als auch Datadog finanzierte. Eine Wette auf vertikale Anwendungen, eine auf horizontale Werkzeuge.
Warum nicht Bing oder Google
Bing hat eine API. Google hat die Custom Search API. Brave, Exa und Tavily gibt es ebenfalls. Diese Kategorie ist nicht leer.
Parallel will sich dadurch unterscheiden, dass agentenorientiertes Design in konkrete Produktanforderungen übersetzt wird:
- Strukturierte Schemas: Zurück kommt kein HTML-Block, sondern JSON, das ein Agent direkt verarbeiten kann.
- Vollständige Herkunftskette: Jede Information lässt sich bis zur ursprünglichen Webseite zurückverfolgen, wichtig für regulierte Bereiche wie Finanzen und Recht.
- Latenz für Agenten: Eine Suche für Menschen kann 500 ms vertragen. Ein Agent, der in einer Aufgabe ein Dutzend API-Aufrufe verkettet, braucht eher unter 100 ms.
Der letzte Punkt entscheidet, ob Parallel echte Produktionsagenten bedienen kann. Muss ein Agent 50 Mal im Web nachschlagen und jede Anfrage dauert 500 ms, entstehen allein 25 Sekunden Wartezeit.
Worauf diese Wette wirklich zielt
Parallel betonte auch ein Detail, das Publisher aufmerksam machen dürfte: Das Unternehmen investiert in open web economics und Marktmechanismen, damit Inhalteanbieter und Datenanbieter aus KI-Systemen Erlöse erzielen können.
Einfach gesagt: Parallel sucht einen neuen bezahlten Weg für das Crawlen von Daten.
Genau darum drehen sich seit einem Jahr die Konflikte zwischen KI-Unternehmen und Medien. Anthropic zahlte 1,5 Milliarden US-Dollar zur Beilegung von Musik-Urheberrechtsansprüchen. OpenAI wird von mehreren Verlagen verklagt. Reddit und Twitter haben den kostenlosen API-Zugang geschlossen. Wenn Parallel einen Mechanismus schafft, bei dem Publisher freiwillig Daten bereitstellen, ist es nicht nur eine weitere Suchmaschine. Es wäre eher Stripe für die Agenten-Ära: eine Zahlungsschicht für Datenflüsse.
Ist eine Bewertung von 2 Milliarden US-Dollar teuer? Das hängt davon ab, ob diese Zahlungsschicht funktioniert. Wenn ja, endet die Geschichte nicht bei einer Verzehnfachung.
Quellen: CocoLoop, Parallel Web Systems hits $2B valuation five months after its last big raise (TechCrunch), Parallel Raises at $2 Billion Valuation to Scale Web Infrastructure for Agents (PR Newswire), Parag Agrawal's startup raises $100M to build a parallel web for AI agents (SiliconANGLE), Sequoia Capital leads Parallel's $100M raise at $2B valuation (TechFundingNews)