B2B-Daten-API für LLM-Apps
Beantworten Sie Fragen zu Personen mit lizenzierten Daten statt mit gescrapten Seiten.
Geben Sie einem Produkt, das Fragen zu Personen und Unternehmen beantwortet, einen lizenzierten Datenbestand zum Indexieren und Abrufen – statt pro Frage eine API aufzurufen oder Profile zu scrapen.
- 5 $ gratis Credits
- 800M+ Personen
- 65M+ Unternehmen
Eine Auswahl von LLM-Apps, die Forager nutzen · plus weitere Teams bei Forager
LLM-Anwendungen, die Personendaten-Tools benötigen, werden daran gemessen, ob der Agent die richtige Person erreicht hat
Ein Kontakt, der die falsche Person oder niemanden erreicht, ist ein Fehler, den Ihre Nutzer in Ihrem Produkt sehen, nicht in unserem.
- Kommt eine Verbindung zustande? Eine tote oder getrennte Nummer verschwendet den Anruf.
- Stimmt der Name? Eine aktive Nummer einer anderen Person ist schlimmer als keine.
- Ist es das gesuchte Profil? Kein Namensvetter, kein früherer Inhaber der Nummer.
7 Aufgaben, die LLM-Apps mit Forager erledigen
-
Einen Personen-Datenfeed für Retrieval über Personen- und Unternehmensdatensätze lizenzieren
Geben Sie einem Produkt, das Fragen zu Personen und Unternehmen beantwortet, einen lizenzierten Datenbestand zum Indexieren und Abrufen – statt pro Frage eine API aufzurufen oder Profile zu scrapen.
Praxisbeispiel ansehen -
KI-CRM-Agenten mit aktuellen Unternehmens- und Personendatensätzen fundieren
Halten Sie die Unternehmens- und Kontaktdatensätze eines KI-CRM aktuell, damit seine Agenten Inbound-Leads bewerten, das Onboarding vorbefüllen und Abwanderungsrisiken treffsicher melden.
Praxisbeispiel ansehen -
Nutzer anhand einer E-Mail-Adresse über die Personen informieren, die sie gleich treffen
Lassen Sie ein Produkt für Meeting-Vorbereitung oder Kalender seine Nutzer darüber informieren, wen sie gleich treffen oder anschreiben: Position, Arbeitgeber, Werdegang und Unternehmenskontext.
Praxisbeispiel ansehen -
Kontaktdaten aktualisieren, bevor ein Agent ins CRM schreibt
Lassen Sie einen CRM-Copilot oder Agenten prüfen, ob Position, Arbeitgeber und geschäftliche E-Mail-Adresse eines Kontakts aktuell sind, bevor er den Datensatz anlegt oder aktualisiert – so schreibt er nie eine veraltete E-Mail-Adresse oder einen alten Jobtitel.
Praxisbeispiel ansehen -
Eine Anmelde-E-Mail-Adresse in einem Copilot einer Person zuordnen
Lassen Sie einen Copilot im Produkt aus einer neuen Anmeldung oder eingehenden E-Mail die Person und das Unternehmen dahinter ermitteln, damit er seine erste Antwort weiterleiten, qualifizieren oder personalisieren kann.
Praxisbeispiel ansehen -
Fragen zu Einstellungen und Arbeitsmarkt in einem KI-Analysten per Stellenanzeigen-Feed beantworten
Lassen Sie einen KI-Recherche- oder HR-Analysten Fragen wie „Wer stellt Data Engineers in Austin ein?“ anhand lizenzierter Stellenanzeigen beantworten, mit Links zu den verwendeten Anzeigen.
Praxisbeispiel ansehen -
Modelle für Titelnormalisierung und Unternehmens-Matching mit strukturierten Profilen trainieren
Geben Sie einem KI- oder Datentool-Team gelabelte Beispiele, um Modelle zu trainieren, die Jobtitel nach Funktion und Seniorität normalisieren und uneinheitliche Unternehmensnamen einem Unternehmen zuordnen.
Praxisbeispiel ansehen
Mehr zu den Produkten
-
LLM-Apps × Reverse-E-Mail-Abfrage
KI-CRM-Agenten mit aktuellen Unternehmens- und Personendatensätzen fundieren
4 Praxisbeispiele ansehen -
LLM-Apps × Unternehmens-Datenfeed
KI-CRM-Agenten mit aktuellen Unternehmens- und Personendatensätzen fundieren
4 Praxisbeispiele ansehen -
LLM-Apps × Unternehmensanreicherung
KI-CRM-Agenten mit aktuellen Unternehmens- und Personendatensätzen fundieren
3 Praxisbeispiele ansehen -
LLM-Apps × Personen-Datenfeed
KI-CRM-Agenten mit aktuellen Unternehmens- und Personendatensätzen fundieren
3 Praxisbeispiele ansehen -
LLM-Apps × Personenanreicherung
Nutzer anhand einer E-Mail-Adresse über die Personen informieren, die sie gleich treffen
2 Praxisbeispiele ansehen -
LLM-Apps × Stellenanzeigen-Feed
KI-CRM-Agenten mit aktuellen Unternehmens- und Personendatensätzen fundieren
2 Praxisbeispiele ansehen
Eine Auswahl von LLM-Apps, die Forager nutzen · plus weitere Teams bei ForagerEine Auswahl von LLM-Apps, die Forager nutzen
-
Clay - GTM-Workflow-Builder
Ausgewählter Anwendungsfall: Forager-Mobilnummern, E-Mail-Adressen und Personendaten in Clay-Tabellen.
-
Emergent Labs
- Agent-Builder
KI-Plattform zum Bauen von Apps, auf der Agenten Full-Stack-Apps entwerfen, programmieren und bereitstellen.
-
Nooks - Power- & Parallel-Dialer
Ausgewählter Anwendungsfall: Mobilnummern direkt im Dialer.
-
Andela
- Kunde
Ausgewählter Anwendungsfall: Forager-Daten für das Go-to-Market-Team eines globalen Talent-Marktplatzes.
-
Amplemarket
- KI-SDRs
Ausgewählter Anwendungsfall: Mobilnummern in der Kontakt-Waterfall.
-
HubSpot
- CRM-Add-ons
Ausgewählter Anwendungsfall: Kontakt- und Unternehmensdatensätze mit Personen-, Unternehmens- und Stellenanzeigen-Daten anreichern.
-
Airscale
- Wasserfall-Anreicherung
Ausgewählter Anwendungsfall: ein Forager-Schritt in dessen Mobilnummern-Wasserfall.
-
SeekOut
- Talent Intelligence
Ausgewählter Anwendungsfall: Foragers Personen-Datenfeed, eingesetzt, um Kandidatenprofile aktuell zu halten.
2–3 Jahre auf dem Forager Personen-Datenfeed, nach eigener Angabe von SeekOut1
Quellen
1 SeekOut: SeekOut, Kundeninterview, Sep. 2026.
“Forager leads in accuracy across all regions, Forager's dual strength in accuracy and volume makes it a powerhouse for sales teams that are targeting businesses around the globe.”
Fragen von Teams, die LLM-Apps entwickeln
Welche Daten liefert Forager für LLM-Apps?
Forager ist eine B2B-Daten-API und ein Datenfeed für Personen, Unternehmen und Stellenanzeigen mit 800M+ Personen und 65M+ Unternehmen. LLM-Apps nutzen am häufigsten Reverse-E-Mail-Abfrage, Unternehmens-Datenfeed, Unternehmensanreicherung und Personen-Datenfeed, per API oder Datenfeed. Produkte wie Ihres werden daran gemessen, ob der Agent die richtige Person erreicht hat – darum geht es bei jedem Ergebnis: die richtige Person zu erreichen.
Wo kann ein KI-Produkt Personen- und Unternehmensdatensätze für Retrieval lizenzieren?
Der Workflow nutzt den Forager Personen-Datenfeed und den Unternehmens-Datenfeed. Personen-Datenfeed: Eine lizenzierte Datei mit 800M+ Berufsprofilen, planmäßig aktualisiert und an Snowflake oder S3 geliefert. Geben Sie einem Produkt, das Fragen zu Personen und Unternehmen beantwortet, einen lizenzierten Datensatz zum Indexieren und Abrufen, statt pro Frage eine API aufzurufen oder Profile zu scrapen.
Was kostet Forager für LLM-Apps?
Alle Produkte nutzen ein gemeinsames Credit-Guthaben. Reverse-E-Mail-Abfrage: 5 Credits pro Anfrage, berechnet, unabhängig davon, ob Daten zurückkommen. Unternehmensanreicherung: 1 Credit pro Anfrage, berechnet, unabhängig davon, ob Daten zurückkommen. Mit den 8.250 monatlichen Credits des Growth-Tarifs erhalten Sie 1.650 E-Mails oder 8.250 Unternehmensabfragen – oder eine Mischung. Self-Service-Tarife sind Starter, Growth, Pro und Scale. Tarife und Preise ansehen
Können unsere Nutzer Forager-Daten in unserem Produkt sehen?
Ja, im Rahmen der Plattformbedingungen. Self-Service-Tarife decken die interne Nutzung durch Ihr eigenes Team ab. Forager-Kontakte Ihren Nutzern anzuzeigen oder Datensätze weiterzugeben, wird separat lizenziert: Sprechen Sie mit dem Vertrieb über Volumen und darüber, welche Felder Ihre Nutzer sehen müssen.
Wie halten KI-CRMs Unternehmensdaten für ihre Agenten aktuell?
Laden Sie company_feed- und people_feed-Deltas in den Datensatzspeicher des CRM. Stellen Sie Agenten die Datensätze als Retrieval-Kontext mit Zeitstempeln auf Feldebene bereit.
Können LLM-Apps die Reverse-E-Mail-Abfrage kostenlos testen?
Ja. Erstellen Sie ein kostenloses Konto unter app.forager.ai: Es enthält 5 $ an kostenlosen Credits und einen API-Schlüssel, und für die Anmeldung ist keine Kreditkarte nötig. Testen Sie es mit Datensätzen, die Sie bereits kennen, oder buchen Sie eine Demo und senden Sie uns eine Liste: Wir führen den Test durch und zeigen Ihnen, was wir finden.
Welche Forager-Produkte nutzen LLM-Apps am häufigsten?
Reverse-E-Mail-Abfrage (4 Praxisbeispiele), Unternehmens-Datenfeed (4 Praxisbeispiele), Unternehmensanreicherung (3 Praxisbeispiele) und Personen-Datenfeed (3 Praxisbeispiele), gezählt über die Praxisbeispiele auf dieser Seite. Alle Produkte nutzen ein gemeinsames Credit-Guthaben, sodass Sie sie in einem Tarif kombinieren können.
Wie prüfen Sie die Datenqualität?
Der Test, der zählt, ist Ihr eigener: Senden Sie uns eine Liste von Profilen, die für Sie relevant sind. Wir führen ihn aus und zeigen Ihnen Zahl für Zahl, was wir finden, damit Sie Trefferquote und Erreichbarkeitsquote selbst messen können.
Mit welchen Tools arbeitet Forager für LLM-Apps zusammen?
Nativ in Clay und Zapier, von Partnern entwickelt in Deepline und Cargo, als Datenfreigabe an Snowflake, Databricks und Amazon S3 geliefert und per API aus Make, n8n, Ihrem eigenen Code und Google BigQuery aufgerufen. Alles andere verbinden Sie über die REST-API mit einem API-Schlüssel.
Wie reichere ich Kalenderteilnehmer mit dem Jobtitel an?
Ermitteln Sie jede neue E-Mail-Adresse mit POST /person_detail_reverse_lookup/by_email/. Rufen Sie den vollständigen Werdegang mit POST /person_detail_lookup/ ab.
Brauche ich ein Abonnement?
Zum Testen nicht: Ein kostenloses Konto enthält 5 $ in Credits. Um Forager weiter zu nutzen, wählen Sie einen Monats- oder Jahrestarif. Monatstarife sind jederzeit kündbar, und nicht genutzte Credits werden übertragen; Jahrestarife gewähren alle Credits im Voraus und kosten 10 % weniger. Größere Volumen vereinbaren Sie mit unserem Team.
Sollten LLM-Apps die API aufrufen oder einen Datenfeed lizenzieren?
Rufen Sie die API auf, wenn Ihr Produkt jeweils eine Person oder ein Unternehmen braucht, etwa wenn ein Nutzer einen Datensatz öffnet oder ein Agent anfragt. Lizenzieren Sie einen Feed, wenn Sie ganze Ebenen (Personen, Unternehmen oder Stellenanzeigen) in Ihrem eigenen Data Warehouse oder Index benötigen. Kontaktfelder (Mobilnummern und E-Mail-Adressen) bleiben in der API und werden pro gefundenem Ergebnis berechnet.
Schriftliche Antworten sind gerade nicht verfügbar. Die passenden Seiten oben helfen trotzdem weiter, oder buchen Sie eine Demo und fragen Sie das Team.
- 5 $ gratis Credits
- Keine Kreditkarte
- Testlauf starten
Weitere Segmente unter KI-SDRs & Agent-Builder
Was bauen Sie als Nächstes?
Praxisbeispiele auf denselben Daten oder Ihr eigener Workflow an einer Stichprobe Ihrer Datensätze.
-
Reichern Sie CRM-Accounts mit firmografischen Daten in einer BI- oder Warehouse-Pipeline an
Dieselben Daten: Unternehmens-Datenfeed, Unternehmensanreicherung
Praxisbeispiel ansehen -
Natürlichsprachige Kandidatensuche auf einem lizenzierten Personenfeed aufbauen
Dieselben Daten: Unternehmens-Datenfeed, Personen-Datenfeed
Praxisbeispiel ansehen -
Eigenes erstellen
Senden Sie uns Ihren Workflow und eine Stichprobe Ihrer Datensätze. Wir führen ihn aus und zeigen Ihnen, was wir finden.
Beispiellauf anfordern