Hume AI, ein führendes Unternehmen für Voice-AI-Forschung mit Fokus auf emotionale Intelligenz, hat einen bedeutenden Führungswechsel vollzogen. Andrew Ettinger, ehemaliger Chief Revenue Officer bei Appen, übernimmt mit sofortiger Wirkung die Position des Chief Executive Officer. Mitgründer Alan Cowen wechselt zu Google DeepMind, begleitet von rund sieben Senior Engineers aus dem Hume-Team. Gleichzeitig gab das Unternehmen eine nicht-exklusive Technologielizenz an Google bekannt und bestätigte, dass es 2026 einen Umsatz von über 100 Millionen US-Dollar anpeilt – getrieben vor allem durch seine Infrastruktur für Sprachdaten, Annotation und Reinforcement Learning.
Führungswechsel als strategischer Pivot
Andrew Ettinger bringt 15 Jahre Erfahrung im Aufbau und Skalierung von KI-Daten- und Infrastrukturteams mit. Bei Appen war er maßgeblich am Wachstum des weltweit größten Anbieters von Trainingsdaten für Sprach- und Bild-KI beteiligt. Seine Ernennung markiert den Übergang von Hume AI von einem technologiegetriebenen Startup hin zu einem primären Infrastrukturpartner für führende KI-Labore und Enterprise-Kunden.
„Voice in AI entwickelt sich von einer Funktion zum primären Interface der nächsten Generation von Anwendungen und Geräten“, erklärte Ettinger in seiner ersten Stellungnahme. „Emotionale Intelligenz wird entscheidend sein, um das volle Potenzial von KI auszuschöpfen – und das erfordert fortlaufende Systeme mit Human-in-the-Loop-Feedback. Genau hier setzt Humes Infrastruktur für Daten, Annotation und Reinforcement Learning den Industriestandard.“
Mitgründer Alan Cowen, der die Firma seit 2022 gemeinsam mit Mike Mislove und anderen aufbaute, wechselt zu Google DeepMind. Der Wechsel erfolgt im Rahmen einer Technologielizenz, durch die Google bestimmte Hume-Technologien nutzt, um die Sprach- und Emotionsfähigkeiten von Gemini weiter zu verbessern. Hume bleibt jedoch vollständig unabhängig und plant in den kommenden Wochen die Veröffentlichung der nächsten Generation seiner Text-to-Speech (TTS) und Speech-to-Speech (STS) Modelle.
Das Kerngeschäft: „Voice Gym“ als Infrastruktur-Plattform
Hume AI hat sich in den letzten drei Jahren von einem reinen Modell-Entwickler zu einem der wichtigsten Infrastruktur-Anbieter für emotionale Sprach-KI entwickelt. Das Herzstück ist die sogenannte „Voice Gym“ – eine umfassende Plattform, die folgende Komponenten umfasst:
- Proprietäre Datensätze und Annotation: Millionen Stunden annotierter Sprachdaten mit feingranularen Emotionslabels (Valenz, Arousal, Dominanz, spezifische Emotionen wie Freude, Ärger, Trauer, Ekel etc.).
- Evaluation Stack: Eigene Metriken und Benchmarks zur Bewertung von TTS- und STS-Modellen auf Natürlichkeit, Emotionalität und Kontexttreue.
- Reinforcement Learning from Human Expression (RLHE): Ein neuartiger RL-Ansatz, der Modelle mit menschlichem Feedback zu emotional nuancierterer Sprachgenerierung trainiert – eine Weiterentwicklung von RLHF (Reinforcement Learning from Human Feedback).
- Post-Training-Workflows: Tools zur Feinabstimmung großer Sprachmodelle auf emotionale Intelligenz, inklusive Alignment mit menschlichen Reaktionen.
Diese Infrastruktur wird mittlerweile von mehreren Hyperscalern und KI-Laboren genutzt, um ihre eigenen Sprachmodelle zu verbessern. Der Umsatz soll 2026 erstmals die 100-Millionen-Dollar-Marke überschreiten – ein Wachstum, das fast ausschließlich auf der Nachfrage nach hochwertigen Trainingsdaten und RLHE-Workflows beruht.
Markt- und Wettbewerbskontext
Der Markt für emotionale Sprach-KI wächst explosionsartig. Während klassische TTS-Systeme (Google WaveNet, Amazon Polly, Microsoft Azure TTS) vor allem auf Natürlichkeit und Verständlichkeit abzielen, gewinnt die Fähigkeit zur emotionalen Modulation zunehmend an Bedeutung – vor allem in Bereichen wie:
- Kundenservice-Bots
- Virtuelle Assistenten und Companion-Apps
- Therapeutische KI (z. B. bei Depressionen, Angststörungen)
- Gaming und interaktive Medien
- Bildung und Sprachtraining
Wettbewerber wie ElevenLabs, Respeecher, Play.ht und Coqui setzen ebenfalls auf emotionale Intelligenz, doch Hume unterscheidet sich durch zwei Faktoren:
- Forschungstiefe: Das Unternehmen publiziert regelmäßig in Top-Journals (Nature Machine Intelligence, Interspeech, ICML) und betreibt eine der größten öffentlichen Emotionsdatenbanken (EVP-Dataset).
- Infrastruktur-Fokus: Während die meisten Konkurrenten Endprodukte (TTS-Modelle) verkaufen, positioniert sich Hume als B2B-Plattform für andere Labs.
Strategische Bedeutung des Google-Deals
Die Lizenzvereinbarung mit Google ist doppelt bedeutsam:
- Für Google: Die Integration von Hume-Technologien stärkt Gemini in der emotionalen Sprachverarbeitung – ein Bereich, in dem OpenAI (GPT-4o) und Anthropic (Claude 3.5) derzeit führen.
- Für Hume: Der Deal bringt nicht nur Lizenzeinnahmen, sondern auch Validierung durch einen der größten KI-Spieler. Gleichzeitig bleibt Hume unabhängig und kann seine Technologie weiterhin an andere Kunden vermarkten.
Ausblick 2026
Hume AI steht vor einer entscheidenden Phase:
- Release der nächsten TTS/STS-Generation (voraussichtlich Q1/Q2 2026)
- Skalierung der Voice Gym auf Enterprise-Niveau (mehr Hyperscaler-Kunden)
- Weiterer Ausbau der RLHE-Methodik (Reinforcement Learning from Human Expression)
- Mögliche Series-C-Finanzierungsrunde im Laufe des Jahres
Andrew Ettinger bringt genau die Erfahrung mit, die Hume braucht: Skalierung von Daten- und Infrastrukturgeschäften in einem wettbewerbsintensiven Markt. Seine Zeit bei Appen hat gezeigt, dass er komplexe Lieferketten für Trainingsdaten beherrscht – genau das, was Hume jetzt benötigt.
Die Ernennung und der Google-Deal unterstreichen: Emotionale Sprach-KI ist kein Nischenthema mehr, sondern ein zentraler Wettbewerbsfaktor in der nächsten Generation von KI-Systemen. Hume AI hat sich in nur vier Jahren von einem Forschungslabor zu einem der wichtigsten Infrastruktur-Player entwickelt – und steht nun vor der nächsten Wachstumsphase.
