Intel

Autumn AI startet Signal Intelligence in Echtzeit für GTM-Agenten

Das YC-Startup Autumn AI startet Signal Intelligence in Echtzeit für GTM-Teams. Es überwacht Posts, Commits und Blogs und bindet sich per MCP an Claude und Cursor an.

Updated July 08, 2026

What happened

Autumn AI ist ein Startup aus dem Y-Combinator-Jahrgang Winter 2026. Das Unternehmen hat öffentlich eine Plattform gestartet, die es als erste Intelligence-Plattform für Signals in Echtzeit bezeichnet. Sie ist für Go-to-Market-Teams gebaut und von Grund auf für KI-Agenten ausgelegt. Die Gründer sind Shiv Kampani und Vishnu Sampathkumar. Autumn überwacht unstrukturierte öffentliche Aktivität: Social-Media-Posts, GitHub-Commits, Blogartikel und Ankündigungen. Kaufsignale zeigt die Plattform in dem Moment an, in dem sie entstehen. Das berichten Medien zum Launch und das Y-Combinator-Profil des Unternehmens.

Die Grundannahme: Die wertvollsten Kaufsignale kommen selten als saubere, strukturierte Datensätze an. Ein Interessent pusht einen relevanten GitHub-Commit. Eine Gründerin schreibt einen Blogpost über ein neues Vorhaben. Ein Manager postet über eine strategische Priorität. All das sind frühe Hinweise auf Kaufabsicht. Doch sie liegen verstreut im offenen Web. Tools, die Formulardaten und firmografische Daten verarbeiten, sehen sie nicht. Autumn beobachtet diese unstrukturierten Quellen laufend und macht aus der Rohaktivität Signals, auf die ein Vertriebsteam reagieren kann.

Von einem klassischen Monitoring-Tool unterscheidet sich Autumn durch das Agent-native Design. Das Unternehmen liefert einen Model-Context-Protocol-Server (MCP), der sich direkt an KI-Agenten wie Claude Code und Cursor anbindet. Dazu kommen eine vollständige REST-API und Webhooks für automatisiertes Outbound. Kein Vertriebler muss sich in ein Dashboard einloggen. Die Plattform speist Signals direkt in die agentischen Workflows ein, die das Prospecting immer stärker bestimmen. Laut den Gründern ist Autumn vor etwa einem Monat gestartet und führt schon Demo-Calls am laufenden Band. Erstes Interesse kommt von Fintech- und Deep-Tech-Unternehmen.

Why it matters for practitioners

Der Launch von Autumn ist ein kleiner Datenpunkt, zeigt aber eine klare Richtung. Der Markt für Intent-Daten teilt sich in ein strukturiertes und ein unstrukturiertes Lager. Die unstrukturierte Seite entsteht von Anfang an für Agenten. Für GTM-Teams und Fachleute für competitive intelligence ist diese Verschiebung wichtig.

1. Unstrukturierte Signals schließen eine echte Lücke. Klassische Intent-Daten beruhen auf Content-Nutzung, Keyword-Spitzen und firmografischen Triggern. Sie sind nützlich, aber verzögert und grob. Sie sagen Ihnen, dass ein Unternehmen eine Lösung in einer Kategorie sucht. Sie sagen Ihnen nicht, dass ein bestimmtes Team gerade Code ausgeliefert oder einen Post mit einem konkreten Bedarf veröffentlicht hat. Wer öffentliche Posts, Commits und Blogs als vollwertige Marktsignale behandelt, erkennt Kaufabsicht früher und genauer. Genau dort entscheidet sich der Vorsprung im Outbound.

2. Agent-native Auslieferung verändert die Kaufentscheidung. Autumn setzt zuerst auf einen MCP-Server und nicht auf ein Dashboard. Die Wette: GTM-Daten landen künftig nicht mehr auf Bildschirmen von Menschen, sondern bei autonomen Agenten. Ein Signal in einem Workflow von Claude Code oder Cursor lässt sich anreichern, qualifizieren und umsetzen, ohne dass ein Vertriebler einen Tab öffnet. Teams, die neue Datenanbieter prüfen, sollten deshalb zwei Fragen stellen: „Welche Signals liefern Sie?“ und „Wie erreichen diese Signals meine Agenten?“ Die zweite Frage gab es vor einem Jahr kaum.

3. Die Anforderungen an Aktualität steigen. Autumn verspricht Erkennung in Echtzeit. Je mehr Anbieter über Latenz konkurrieren, desto schneller verliert ein Kaufsignal an Wert. Ein Signal, das Tage nach dem Ereignis ankommt, ist viel weniger wert als eines, das nach Minuten ankommt. Eine Go-to-Market-Strategie auf Basis von Daten, die nur in Batches aktualisiert werden, verliert gegenüber einer Strategie, die laufend auf Ereignisse reagiert.

Key details

  • Unternehmen: Autumn AI
  • Gründer: Shiv Kampani und Vishnu Sampathkumar
  • Investor: Y Combinator, Jahrgang Winter 2026 (W26)
  • Produkt: Signal Intelligence in Echtzeit für GTM-Teams
  • Überwachte Quellen: Social-Media-Posts, GitHub-Commits, Blogs und öffentliche Ankündigungen
  • Agenten-Integrationen: MCP-Server für Claude Code, Cursor und andere MCP-Agenten
  • Für Entwickler: Vollständige REST-API und Webhooks für automatisiertes Outbound
  • Abgrenzung: Unstrukturierte Signals in Echtzeit statt strukturierter Intent-Daten im Batch; Auslieferung direkt an Agenten
  • Erste Traktion: Öffentlicher Launch vor etwa einem Monat; erstes Interesse von Fintech- und Deep-Tech-Unternehmen
  • Zielgruppe: B2B-Vertrieb, GTM- und Revenue-Teams mit signalbasiertem Outbound

Market implications

Autumn tritt in einen vollen Markt für Signals und Intent-Daten ein, der sich schnell verändert. Etablierte Anbieter wie ZoomInfo und 6sense haben große Geschäfte mit strukturierten Intent-Daten aufgebaut. Gleichzeitig hat 2026 eine Welle gut finanzierter Herausforderer den Wettbewerb verschärft. Dazu kommen Käufer, die sich Anbieter von Buyer-Intent-Daten einverleiben. Neu ist die Kombination zweier Trends: Unstrukturierte öffentliche Aktivität ist die wichtigste Quelle für Signals, und die Auslieferung läuft über MCP statt über eine eigene Oberfläche. Das senkt die Wechselkosten. Ein kleines Startup kommt so in Workflows, für die ein etablierter Enterprise-Anbieter einen ganzen Integrationszyklus bräuchte.

Das strategische Risiko für junge Anbieter wie Autumn ist die Verteidigbarkeit. Öffentliche Quellen zu überwachen ist Standard. Der Burggraben muss aus der Qualität der Signals kommen, aus sauberer Deduplizierung und aus der Fähigkeit, echte Kaufabsicht in großem Umfang vom Rauschen zu trennen. Öffentliche Commits und Posts gibt es im Überfluss. Diese Datenflut in Signals zu verwandeln, die präzise genug für die Zeit eines Vertrieblers sind, ist schwer. Genau dort können größere Plattformen mit mehr Trainingsdaten und reicheren Graphen reagieren. Käufer sollten jeden Anbieter von Signals nach Präzision und Falsch-Positiv-Rate bewerten, nicht nur nach der Zahl der Quellen.

Für die Praxis gilt: Achten Sie auf die Architektur, nicht nur auf den Anbieter. Ob Autumn selbst gewinnt, ist offen. Der Launch bestätigt aber ein Muster, mit dem Sie planen sollten: unstrukturierte Signals in Echtzeit, direkt an Agenten geliefert. Teams, die ein modernes Outbound aufbauen, sollten davon ausgehen, dass ihre Signal-Ebene Agenten direkt beliefern muss. Ihre Kriterien bei der Auswahl sollten das abbilden: Aktualität, Präzision und Kompatibilität mit Agenten. Erfolgreich werden die Anbieter sein, deren Signals so verlässlich sind, dass ein Agent ohne menschliche Kontrolle danach handelt.

  • Marktsignale: die unstrukturierten Kaufsignale, die Autumn aus Posts, Commits und Blogs gewinnt
  • Intent-Daten: wie sich strukturierte Intent-Daten von unstrukturierter Signal Intelligence in Echtzeit unterscheiden
  • Go-to-Market-Strategie: wie Signal Intelligence ein modernes, ereignisgesteuertes GTM speist