TurinTech

TurinTech (vollständig: Turing Intelligence Technology Limited) ist ein britisches KI-Unternehmen mit Sitz in London, das sich auf automatisierte Code-Optimierung spezialisiert hat. Die Plattform nutzt genetische Algorithmen, Multi-Agent-Systeme und Large Language Models (LLMs), um bestehenden Quellcode zu analysieren, zu optimieren und zu validieren. Das Unternehmen wurde 2017 als Spin-out der University College London (UCL) gegründet und bedient vor allem Kunden aus den Bereichen Finanzdienstleistungen, KI-Infrastruktur und Rechtsbranche.

Überblick

Merkmal	Detail
Typ	Softwareunternehmen (SaaS)
Gründung	2017
Hauptsitz	London, Vereinigtes Königreich
Gründer	Dr. Leslie Kanthan, Dr. Mike Basios, Fan Wu, Lingbo Li
CEO	Dr. Leslie Kanthan
Mitarbeiter	ca. 30–50
Finanzierung	20 Mio. USD (Seed + Series A)
Website	turintech.ai

Produkte und Services

Artemis

Das Flaggschiff-Produkt von TurinTech ist Artemis, eine KI-gestützte Plattform zur Code-Optimierung. Artemis arbeitet in drei Phasen:

Analyse: Kontextuelle Analyse des bestehenden Codes zur Identifikation von Optimierungspotenzial
Optimierung: Multi-LLM-Orchestrierung generiert maßgeschneiderte Lösungen unter Einsatz genetischer Algorithmen
Validierung: Automatisierte Tests stellen die Produktionsreife vor dem Deployment sicher

Zentrale Anwendungsfälle umfassen:

Technical Debt Reduction – Analyse und Optimierung von Legacy-Codebasen
Hardware-Optimierung – Code-Tuning für spezifische Compiler (Intel, NVIDIA)
Legacy-Modernisierung – Refactoring für moderne Architekturen und Cloud-Migration
KI-generierter Code – Optimierung und Validierung von LLM-generiertem Code
Laufzeit-Performance – Identifikation von Engpässen, Speicheroptimierung, Reduktion von Compute-Kosten

evoML

evoML ist eine Machine-Learning-Plattform, die die Erstellung hochperformanter ML-Modelle automatisiert. Sie richtet sich an Data-Science-Teams, die produktionsfertige Modelle schneller entwickeln wollen.

Geschichte und Entwicklung

2017: Gründung durch vier UCL-Forscher aus dem Department of Computer Science, die an der Schnittstelle von Machine Learning, Optimierung und Software Engineering forschten
2019 (Oktober): Seed-Finanzierung über £1 Mio., angeführt von IQ Capital, mit Beteiligung von Speedinvest
2020: Gewinn eines Horizon-2020-Grants der Europäischen Kommission
2023: Shortlist der Financial Times Tech Champions
2024: Gewinner der TechRound100 Awards; Teilnahme am Microsoft UK GenAI Accelerator und Intel Ignite
2025 (März): Bekanntgabe einer Gesamtfinanzierung von 20 Mio. USD (Seed + Series A), Series-A-Runde über 15 Mio. USD angeführt von Oxford Capital

Team und Führung

Person	Rolle	Hintergrund
Dr. Leslie Kanthan	CEO & Co-Founder	Ph.D. in Machine Learning (UCL); zuvor Quantitative Research bei Bank of America, Commerzbank und Credit Suisse
Dr. Mike Basios	CTO & Co-Founder	Ph.D. in Computer Science (UCL)
Fan Wu	Co-Founder	UCL-Forscher
Lingbo Li	Co-Founder	UCL-Forscher
Kee-Meng Tan	Chief Operating Officer	–
Dr. Katerina Main	Chief Legal & People Officer	–
Neil Charney	Chief Marketing Officer	–

Investoren und Finanzierung

Runde	Datum	Volumen	Lead-Investor	Weitere Investoren
Seed	Oktober 2019	~~£1 Mio. (~~$5 Mio. gesamt über mehrere Tranchen)	IQ Capital	Speedinvest
Series A	März 2025	$15 Mio.	Oxford Capital	CircleRock Capital, IQ Capital

Weitere bekannte Unterstützer und Accelerator-Programme: Microsoft UK GenAI Accelerator, Intel Ignite.

Es handelt sich bei den Investoren um VC-Fonds (Venture Capital). Da keine expliziten PE-Fondsnamen in offiziellen Pressemitteilungen genannt wurden, wird keine Exit-Prognose erstellt.

Konkurrenz

TurinTech operiert im wachsenden Markt für KI-gestützte Entwicklertools und Code-Optimierung. Relevante Wettbewerber sind:

Unternehmen	Schwerpunkt
GitHub Copilot (Microsoft)	KI-gestützte Code-Generierung und -Vervollständigung
Dataiku	End-to-End Data-Science- und ML-Plattform
Weights & Biases	MLOps und Experiment-Tracking
Scale AI	Dateninfrastruktur für KI-Training
SigOpt (Intel)	Hyperparameter-Optimierung
Tabnine	KI-Code-Assistent

TurinTech differenziert sich durch den Fokus auf Code-Optimierung und -Validierung (statt reiner Code-Generierung) sowie durch den Einsatz genetischer Algorithmen in Kombination mit LLMs.