Die Leistung und die Zuverlässigkeit von KI-Assistenten nehmen gefühlt weiter zu. Doch wer in den letzten Wochen intensives Prompting bei ChatGPT, Perplexity und Co. betrieben und die Ergebnisse eingehend analysiert hat, fühlte sich in diesem Gefühl nicht bestätigt. Im Gegenteil: Die Qualität der generierten Antworten lässt neuerdings öfter zu wünschen übrig. Auf YouTube gibt es zahlreiche Videos zu diesem Phänomen, das sich offenbar auch die Herstellenden nicht so ganz erklären können, aber auch klassische Medien berichten darüber. In Anbetracht der Tatsache, wie abhängig sich viele Menschen im Berufsleben schon heute von GenAI-Tools gemacht haben, ist dieser Trend erschreckend und ernüchternd. Ein blindes Vertrauen in die digitalen Helfer aus der Familie generativer KI birgt zudem großes Schadenspotenzial, etwa dann, wenn sich Ärzt*innen bei der Diagnose auf sie stützen oder Entwickler*innen von der KI vorgeschlagene Frameworks ohne Sicherheitscheck implementieren.

Völliges Vertrauen in GenAI ist also, zurückhaltend formuliert, mindestens gewagt. Die Situation ist ernst und erfordert von GenAI-Anbietenden ein Mindestmaß an Qualitätssicherung – offenbar kein einfaches Unterfangen. Bis dahin ist es wichtig, eigene Maßnahmen zu ergreifen, um nicht in die Falle der folgenden vier Qualitätskiller zu geraten.

1. Halluzinationen

KI-Assistenten wie ChatGPT und Co. wurde die Aufgabe erteilt, Antworten zu liefern – koste es, was es wolle. Wenn die Wissensbibliothek nicht ausreicht, um komplexe Sachverhalte zu beantworten, fängt generative KI an, sich etwas auszudenken. Die von solchen Halluzinationen ausgehende Gefahr ist bekannt. Umso bedrückender ist die Tatsache, dass laut einer aktuellen Studie nur rund ein Viertel (27 %) der Menschen in Deutschland die Ergebnisse, die KI für sie generiert, auf Korrektheit prüfen. Das sind zwar immerhin sieben Prozentpunkte mehr als bei gewöhnlichen Inhalten aus dem Internet, wie eine Studie des PR-COM Re­search Lab belegt, aber noch immer viel zu wenige.

Gegenmaßnahmen: Wer GenAI nutzt, sollte ausnahmslos alle von ihr produzierten Inhalte überprüfen. Dazu sollten User*innen insbesondere die von der KI verwendeten Primärquellen checken oder – wenn möglich – Expert*innen zur Prüfung der Korrektheit der Antworten zurate ziehen.

2. Bias

Die Anbieter*innen aktueller KI-Assistenten haben sehr viel Arbeit in ihre Produkte gesteckt, um den Bias, also die Voreingenommenheit ihrer Modelle auszumerzen und sie zur Vorurteilsfreiheit zu erziehen.

Verlassen sollten sich User*innen auf die moralische und ethische Unantastbarkeit ihrer Modelle dennoch nicht. Zwar ist es unwahrscheinlich, dass Produkte großer Hersteller*innen noch rassistische, sexistische oder sonstige ethisch fragwürdige Ansichten vertreten, aber komplett ausgeschlossen ist es eben nicht. Noch relativ hoch ist die Gefahr zudem bei der Nutzung von kostenlosen GenAI-Assistenten oder Nischen-Tools.

Gegenmaßnahmen: Auch im Zusammenhang mit Bias gilt es, die Ergebnisse einer KI-Befragung immer genauestens zu checken und mit geltenden Gesetzen und den vorherrschenden Wertevorstellungen unserer Gesellschaft abzugleichen. Wer dubiose KI-Tools meidet, kann sich zudem viel Ärger ersparen.

3. Content-Kannibalisierung

Immer mehr KI-generierter Content flutet das Internet – die logische Folge der zunehmenden Nutzung von GenAI-Assistenten. Leider trainieren KI-Entwickler*innen ihre Chatbots und deren zugrunde liegende Sprachmodelle unter anderem mit genau diesen Inhalten. Und schlimmer noch: Der exponentiell steigende KI-Inhalt ist darüber hinaus auch der Wissensschatz, auf den die KI für ihre Antworten zurückgreift. Dadurch entsteht ein Teufelskreis aus KI, die sich irgendwann nur noch mit von ihr selbst generierten Inhalten trainiert und auch nur noch von ihr produzierten Content als Basiswissen verwendet. Der Mensch wird aus dieser Gleichung immer weiter herausgekürzt. Die Qualität der Ergebnisse von Anfragen an die KI wird somit zunehmend abnehmen. Hinzu kommt, dass alle User*­innen irgendwann die gleichen Ergebnisse abrufen, nutzen und veröffentlichen.

Gegenmaßnahmen: Es ergibt Sinn, hin und wieder auch ohne KI zu agieren und Content zu produzieren, der frei von KI-generierten Inhalten ist und das Qualitätsmerkmal „Made in a human brain“ trägt.

4. Wissensoligopol

Der KI-Markt ist derzeit auf einige wenige Big Player geschrumpft, die sich die enormen Rechenressourcen und Entwicklungskosten für generative KI leisten können. Dadurch entsteht zunehmend ein Wissensoligopol, in dem die großen Anbieter*innen wie OpenAI, Google, Microsoft und DeepSeek zukünftig die Art und Weise bestimmen, welche Informationen überhaupt noch zugänglich sind. Schon jetzt gehen Suchanfragen auf den traditionellen Suchmaschinen deutlich zurück, die Ergebnisse zwar nach Algorithmen ranken, aber selten Treffer komplett ausblenden. Viel restriktiver agieren GenAI-Tools, deren implementierte Filter die freiheitliche Verbreitung von Wissen einzuschränken drohen: Was nicht mit den politischen und moralischen Ideen der Hersteller übereinstimmt, wird automatisch unterdrückt. Das erinnert ein wenig an das Wahrheitsministerium aus Orwells „1984“.

Gegenmaßnahmen: Es ist wichtig, dass Unternehmen und offizielle Stellen auch unabhängige Projekte fördern und deren Nutzer*innen- sowie Supporter*innen-Basis wächst. Gleichzeitig sollten User*innen es dringend verinnerlichen, dass KI- Assistenten nicht der Wahrheit letzter Schluss sind. Das Nutzen möglichst vieler Quellen, um das eigene Wissen aufzubauen, ist immer besser als ein vermeintlicher „Single Point of Truth“.

Fazit

Wir sind noch lange nicht so weit, dass ein blindes Vertrauen in generative KI zu rechtfertigen ist. Es ist zwar logisch, dass wir eine vermeintlich arbeitserleichternde Technologie erst einmal ungern hinterfragen – doch dieser Bequemlichkeit wohnt, je nach Einsatzzweck, ein erhebliches Schadenspotenzial inne. Zum jetzigen Zeitpunkt lautet also die Maxime, restlos jede von GenAI generierte Antwort genauestens auf den Prüfstand zu stellen.

Der Autor Alain Blaes ist CEO der Münchner Kommunikationsagentur PR-COM (mit Fokus auf High-tech- und IT-Industrie im B2B-Umfeld).

Die Regeln der Online-Sichtbarkeit werden neu geschrieben. Es geht nicht mehr nur darum, von einem herkömmlichen Algorithmus indiziert zu werden. Stattdessen müssen Websites so aufbereitet werden, dass sie von künstlicher Intelligenz (KI) und großen Sprachmodellen (LLMs) fehlerfrei interpretiert und verarbeitet werden können.

KI erstellt ihre Antworten, indem sie Inhalte blitzschnell liest, deren Bedeutung versteht und die wichtigsten Fakten daraus extrahiert. Wenn der technische Unterbau einer Website unsauber ist, kann die KI die Informationen entweder nicht zuverlässig finden oder sie falsch interpretieren.

Das bedeutet, die technische Seite der Website – der Code – wird zum Fundament für eine gute Platzierung in den generativen Suchergebnissen. Wer hier Nachholbedarf hat, riskiert, als vertrauenswürdige Quelle für die KI unsichtbar zu werden.

Dieser Artikel beleuchtet die entscheidenden technischen Anpassungen, die notwendig sind, um deine Website optimal für die neue Ära der KI-Suche vorzubereiten.

Kontrolle und Zugang: Die Regeln für Sprachmodelle

Der erste technische Schritt zur Optimierung für KI-Ergebnisse ist die Steuerung des Zugriffs durch die großen Sprachmodelle (LLMs). Traditionell wird der Zugang durch die robots.txt Datei geregelt, die festlegt, welche Bereiche der Website von herkömmlichen Suchmaschinen-Crawlern besucht werden dürfen.

Mit dem Aufkommen verschiedener, spezialisierter KI-Crawler (die nicht immer identisch mit dem Googlebot oder Bingbot sind) entsteht jedoch die Notwendigkeit, diesen neuen Akteuren eigene Regeln zu geben. Es geht darum, Transparenz darüber zu schaffen, welche Daten zur Generierung von Antworten verwendet werden dürfen und welche nicht.

Neue Protokolle für neue Crawler

Experten diskutieren und entwickeln neue Protokolle, um diese Unterscheidung zu ermöglichen. Ein viel diskutierter Ansatz ist die Einführung von Protokollen, die spezifisch den Umgang mit generativer KI regeln. Dies könnte die Einführung von Protokollen wie einer llms.txt Datei beinhalten. Solche spezifischen Dateien könnten festlegen, ob ein KI-Modell Inhalte zur Schulung oder zur generativen Beantwortung von Nutzeranfragen nutzen darf.

Diese Kontrollmechanismen sind entscheidend. Sie geben den Website-Betreibern die Autorität darüber zurück, wie ihre Inhalte in der KI-Ära verwendet werden. Wer hier klare Regeln setzt, schafft die technische Grundlage für eine kontrollierte und damit vertrauenswürdige Sichtbarkeit in den KI-Ergebnissen.

Strukturierte Daten als universelle KI-Sprache

Nach der Regelung des Zugangs durch Protokolle ist die Strukturierung der Inhalte der wichtigste technische Schritt. Suchmaschinen nutzen strukturierte Daten schon lange, um Rich Snippets in den klassischen Ergebnissen anzuzeigen. Für die KI sind diese Daten jedoch absolut essenziell.

Strukturierte Daten, die auf dem Vokabular von Schema.org basieren, sind im Grunde eine Übersetzungshilfe im Code, die dem Sprachmodell den Kontext des Inhalts direkt mitteilt. Sie sind die "Sprache", die die KI am schnellsten und präzisesten versteht.

Die Bedeutung für die Generierung

Wenn ein Nutzer eine Frage stellt, sucht die KI nicht nur nach Stichwörtern, sondern nach definierten Informationstypen. Mit strukturierten Daten liefert man der KI diese Informationen als fertige, fehlerfreie Bausteine.

• Fehlerfreie Extraktion: Die KI muss keine Textpassagen interpretieren, um beispielsweise ein Rezept, die Bewertung eines Produkts oder einen FAQ-Abschnitt zu identifizieren. Die korrekte Auszeichnung macht die Daten sofort nutzbar.
• Vertrauensbildung: Fehlerhafte oder inkonsistente strukturierte Daten führen zu einer falschen Interpretation und können bewirken, dass die KI deine Seite als unzuverlässig einstuft.

Die Implementierung muss fehlerfrei sein und sollte alle relevanten Inhaltstypen der Website abdecken. Nur eine saubere Schema-Implementierung garantiert, dass deine Fakten korrekt in die generativen Antworten der KI einfließen.

Ladezeit und Interaktivität als Vertrauenssignal

Die Geschwindigkeit und die Nutzbarkeit einer Website sind in der Ära der KI-Suche nicht mehr nur ein Komfortfaktor, sondern ein entscheidendes technisches Vertrauenssignal. Wenn deine Seite langsam lädt oder schlecht bedienbar ist, wird das von der KI als Indikator für mangelnde Qualität und niedrige Autorität gewertet.

Die Basis dafür sind die sogenannten Core Web Vitals (CWVs). Diese Messwerte, die sich auf das Nutzererlebnis konzentrieren, sind feste Ranking-Faktoren und haben direkten Einfluss darauf, ob eine KI deine Seite als zitierwürdig einstuft:

• LCP (Largest Contentful Paint): Misst die Zeit, bis der größte sichtbare Inhalt geladen ist.
• FID/INP (First Input Delay / Interaction to Next Paint): Misst die Zeit bis zur ersten Interaktion und die allgemeine Reaktionsfähigkeit der Seite.
• CLS (Cumulative Layout Shift): Misst die visuelle Stabilität.

Mobile Performance ist der Schlüssel

Da ein Großteil der Online-Aktivität über mobile Geräte stattfindet, legt die KI höchsten Wert auf die Optimierung der Mobilversion. Eine schlechte mobile Performance kann das gesamte Ranking negativ beeinflussen.

Die technische Anpassung muss daher darauf abzielen, die CWVs zu perfektionieren. Dies beinhaltet die Optimierung von Bildern, das Bereinigen unnötiger Code-Lasten und das Priorisieren wichtiger Ressourcen. Eine schnell ladende und reaktionsfreudige Website signalisiert nicht nur dem Nutzer, sondern auch der KI, dass die Quelle professionell und damit vertrauenswürdig ist.

Redundanz vermeiden: kanonische Klarheit

Eines der größten technischen Probleme für KI-Modelle ist die Verwirrung durch doppelte Inhalte (Duplikate). Wenn die gleiche Information unter verschiedenen URLs verfügbar ist, weiß die KI nicht, welche die Originalquelle darstellt. Dies zersplittert deine Autorität.

Der technische Schlüssel zur Lösung ist der Canonical Tag (<link rel="canonical" ...>). Dieser Tag im Code muss auf jeder Seite korrekt auf die bevorzugte, indexierbare URL zeigen. Durch die Vermeidung von Duplikaten und die korrekte Nutzung dieses Tags stellst du technisch sicher, dass die KI deine Inhalte als eindeutig und autoritär wahrnimmt und dich als zuverlässigen Faktenlieferanten zitiert.

Schlussworte

Die Zukunft der Online-Sichtbarkeit wird durch künstliche Intelligenz neu definiert. Der Erfolg hängt von einer technisch sauberen Vorbereitung ab.

Die wichtigsten Schritte in der Generative Engine Optimization (GEO) sind:

1. Zugangskontrolle durch Protokolle wie die diskutierte llms.txt Datei.

2. Die Nutzung von strukturierten Daten als unverzichtbare KI-Sprache.

3. Die Perfektionierung der Core Web Vitals als Vertrauenssignal.

4. Die Vermeidung von Duplikaten durch kanonische Klarheit.

Investiere in diese technische Qualität, um Autorität und Sichtbarkeit in der Ära der KI-generierten Antworten zu sichern.

Was ihr da macht, ist der Wahnsinn – und genau deswegen bin ich dabei.“ Mit diesen Worten beschreibt Jan Leisse, einer der Gründer von eleQtron, die Anfänge des Unternehmens. Das erste Treffen mit dem Physiker Christof Wunderlich war geprägt von einer Mischung aus Skepsis und Begeisterung. Der Wissenschaftler hatte an der Universität Siegen einen Quantencomputer gebaut – mitten in der deutschen Provinz und ohne das Millionenbudget, das Konzernen wie Google oder IBM zur Verfügung steht. Doch genau das reizte Leisse: „Hier wurde nicht einfach nachgemacht, was andere tun. Hier wurde Neuland betreten.“

Es war ein ungewöhnlicher Ort für eine bahnbrechende

Innovation in der Quantentechnologie. Siegen, eine Mittelstadt im Süden Nordrhein-Westfalens, ist nicht gerade als Hotspot für Hochtechnologie bekannt. Doch manchmal entstehen die Top-Innovationen fernab der etablierten Zentren; die Universität Siegen hatte über Jahre hinweg eine bemerkenswerte Expertise in der Quantenphysik aufgebaut, ohne große mediale Aufmerksamkeit.

Von der Universität ...

Im Jahr 2020, als das globale Interesse an Quantentechnolo­gien exponentiell zunahm, erwuchs aus dieser mutigen Pionierarbeit das Start-up eleQtron – als Spin-off der Universität Siegen. Die Gründer – Jan Leisse, Christof Wunderlich und Michael Johanning – verbindet eine Vision: Quantencomputer für industrielle Anwendungen nutzbar zu machen.

Die Anfangsjahre waren geprägt von Experimentierfreude, Improvisation und dem festen Glauben an die eigene technologische Innovationskraft. Während Tech-Giganten wie IBM, Google und Amazon Milliarden Euro in ihre Quanten­programme investierten und viele Start-ups auf bekannte Technologien setzten, wagte eleQtron den Schritt in eine völlig neue Richtung.

In den Laboren der Gründer entstand die sogenannte MAGIC-Technologie (Magnetic Gradient Induced Coupling), eine Methode, Qubits (das Quantencomputing-Äquivalent zum klassischen Bit in der Digitaltechnik) nicht wie bislang üblich mit Lasern, sondern mit Mikrowellen zu steuern.

... zum technologischen Durchbruch

Die MAGIC-Technologie basiert auf einem raffinierten Zusammenspiel physikalischer Prinzipien: Magnetische Gradienten (räumliche Veränderungen der Magnetfeldstärke) ermöglichen es als lokale Felder, einzelne Ionen in einer so­genannten Falle selektiv anzusprechen. Die technischen Vorteile sind beeindruckend: Die Fidelity (Genauigkeit) bei Operationen an einzelnen Qubits liegt bei etwa 99,95 Prozent, die Gate-Zeiten (Gate-Zeit steht für die Dauer, die ein Quanten-Gate benötigt, um eine Operation auf einem Qubit auszuführen) betragen nur wenige Mikrosekunden. Gleichzeitig ermöglicht die Technologie eine bessere Skalierbarkeit, da sich Mikro­wellenfelder einfacher erzeugen und verteilen lassen als komplexe Lasersysteme. „Der Vorteil liegt nicht nur in der höheren Präzision, sondern auch in der deutlich geringeren Komplexität der Systeme“, erklärt Johanning. „Wir brauchen keine aufwändigen Optiken oder ultrastabile Umgebungen. Unsere Technologie funktioniert auch unter realen Bedingungen.“

Früh erkannten die drei Forscher das große Potenzial ihrer Technologie für praktische Anwendungen. „Durch das gezielte Ersetzen sensibler High-End-Komponenten – insbesondere Lasertechnologie – durch bewährte Mikrowellentechnik und Elektronik, vermeiden wir unnötige Komplexität, minimieren Aufwand und senken die Kosten“, fasst es Leisse zusammen.

Wachstumsschub und strategische Entwicklung

2022 gelang eleQtron ein entscheidender Schritt: Durch Earlybird und den Siegerlandfonds als Investoren sowie das vom BMBF geförderte Projekt „MAGIC App“ sicherte sich das Start-up eine Finanzierung in Höhe von 16 Millionen Euro. Diese Finanzierungsrunde war ein Wendepunkt für das Unternehmen und signalisierte das Vertrauen der Investor*innen in die MAGIC-Technologie.

„Mit diesem Kapitalschub konnten wir von einer reinen Forschungsorganisation zu einem echten Technologieunternehmen werden“, erklärt Leisse. Die Mittel flossen in den Ausbau der Produktionskapazitäten, die Vergrößerung des Teams und die Weiterentwicklung der Technologie-Roadmap. Auch die Mitwirkung von Infineon im Rahmen von MAGIC App war strategisch von Bedeutung: „Die Zusammenarbeit mit Infineon hat uns die Augen für die Realitäten des Industriemarkts geöffnet“, erklärt Leisse.

Das KI-Gesetz der Europäischen Union, die weltweit erste umfassende KI-Verordnung, erreicht am 2. August 2025 einen entscheidenden Meilenstein. Ab diesem Stichtag gelten für Unternehmen, Behörden und KI-Anbieter*innen in der EU zahlreiche zentrale Verpflichtungen, bei deren Nichteinhaltung Strafmaßnahmen eingeleitet und verhängt werden können. Was das für Unternehmen und ihre Mitarbeitenden bedeutet, erfährst du hier.

Der AI Act, der am 2. Februar dieses Jahres in Kraft getreten ist, schafft einen einheitlichen Rechtsrahmen für Künstliche Intelligenz (KI) in der EU. Zwar werden viele Regelungen erst 2026 wirksam, doch bereits am 2. August 2025 beginnt eine neue Phase, die sich auf drei Bereiche fokussiert:

• Strafmaßnahmen bei Nichteinhaltung
• Verpflichtungen für allgemeine General-Purpose-AI-Modelle (GPAI)
• Aufbau von Aufsicht und Governance auf nationaler und europäischer Ebene

Strafen bis zu 35 Millionen Euro

Seit dem 2. Februar dieses Jahres sind KI-Systeme mit unannehmbaren Risiken verboten. Ab dem 2. August 2025 können zusätzlich nun Geldbußen für Verstöße gegen bereits bestehende Verpflichtungen verhängt werden, die bis zu 35 Millionen Euro oder 7 Prozent ihres gesamten Jahresumsatzes betragen können. Unternehmen müssen dazu beispielsweise sicherstellen, dass ihre Mitarbeitenden über KI-Kenntnisse verfügen. Die Europäische Union erwartet von ihren Mitgliedstaaten, dass sie eigene wirksame, verhältnismäßige und abschreckende Strafmaßnahmen festlegen. Dabei sollen die besonderen Umstände von KMUs und Start-ups berücksichtigt werden, um deren wirtschaftliche Lebensfähigkeit nicht zu gefährden.

Neue Verpflichtungen für Anbieter*innen von GPAI-Modellen

GPAI-Modelle, die ab dem 2. August 2025 in der Europäischen Union vermarktet werden, unterliegen gesetzlichen Verpflichtungen. Das Europäische Amt für Künstliche Intelligenz hat dazu am 10. Juli 2025 die endgültige Fassung der Verhaltenskodizes veröffentlicht. Anbieter*innen solcher GPAI-Modelle müssen unter anderem technische Dokumentationen erstellen, Urheberrechte beachten und Transparenz über die verwendeten Trainingsdaten sicherstellen.

GPAI-Modelle sind KI-Systeme mit besonders breitem Einsatzspektrum und sind darauf ausgelegt, eine Vielzahl von Aufgaben zu erfüllen. Sie werden mit riesigen Datenmengen trainiert und sind entsprechend vielseitig einsetzbar. Das bekannteste Beispiel sind große Sprachmodelle (Large Language Models, LLM), etwa das generative Sprachmodell GPT-4o, das in ChatGPT integriert ist. Für GPAI-Modelle, die bereits vor dem 2. August 2025 in der Europäischen Union auf dem Markt waren, gilt eine Übergangsfirst bis zum 2. August 2027.

Aufsicht und Governance

Die KI-Verordnung schafft einen Rahmen mit Durchführungs- und Durchsetzungsbefugnissen auf zwei Ebenen.

Auf nationaler Ebene muss jeder EU-Mitgliedstaat bis zum 2. August 2025 mindestens eine Marktüberwachungsbehörde sowie eine notifizierende Behörde benennen. Erstere ist für die Überwachung von KI-Systemen zuständig, letztere für die Notifizierung unabhängiger Konformitätsbewertungsstellen. Die Mitgliedstaaten müssen bis dem Stichtag Informationen zu den nationalen Behörden und deren Kontaktdaten veröffentlichen.

Auf EU-Ebene koordinieren das Europäische Amt für KI und der Europäische KI-Ausschuss die Aufsicht. Zusätzlich werden ein Beratungsforum und ein wissenschaftlicher Ausschuss aus unabhängigen Experten eingerichtet.

Was bedeutet das für Personalabteilungen und Arbeitnehmende?

Das KI-Gesetz hat direkte Auswirkungen darauf, wie KI in den Bereichen Rekrutierung, Performance-Management, Personalanalyse und Mitarbeitenden-Monitoring eingesetzt wird. Personalverantwortliche müssen sicherstellen, dass KI-Tools in diesen Bereichen transparent, fair und konform sind.

• Fairness und Antidiskriminierung: KI-Systeme, die bei Einstellungs- oder Beförderungsentscheidungen eingesetzt werden, müssen nachvollziehbar und frei von Bias sein. Personalabteilungen sollten ihre Tools und Anbieter*innen regelmäßig überprüfen, um die Einhaltung der Vorschriften sicherzustellen.
• Vertrauen und Transparenz: Mitarbeitende erhalten einen besseren Einblick, wie KI-Systeme ihre Arbeit beeinflussen, zum Beispiel bei der Einsatzplanung, Leistungsbewertung oder bei der Arbeitssicherheit. Personalabteilung können Vertrauen schaffen, indem sie offen kommunizieren, wie KI eingesetzt wird und wie die Daten der Mitarbeitenden geschützt werden.
• Verantwortlichkeit von Drittanbieter*innen: Werden KI-Tools von Drittanbieter*innen genutzt, müssen Personalabteilungen sicherstellen, dass diese Anbieter*innen die Anforderungen an Transparenz und Dokumentation erfüllen. Verträge und Beschaffungsprozesse sollten entsprechend angepasst werden.
• Training und Change Management: Mit stärkeren Regulierungen von KI wird die Personalabteilung eine Schlüsselrolle bei der Schulung von Führungskräften und Mitarbeitenden übernehmen. Ziel ist es, einen verantwortungsvollen Umgang mit KI zu fördern und ethische Standards in der Unternehmenskultur zu verankern.

Fazit

Anbieter*innen von GPAI-Modellen, die bereits vor dem 2. August 2025 auf dem Markt waren, haben bis zum 2. August 2027 Zeit, die neuen Vorschriften vollständig umzusetzen. Weitere Verpflichtungen für KI-Systeme mit hohem Risiko werden 2026 und 2027 folgen. Dieser Meilenstein spiegelt das Bestreben der EU wider, Innovationen zu fördern und gleichzeitig sicherzustellen, dass KI sicher, transparent und mit den europäischen Werten im Einklang steht. Damit rückt die Personalabteilung in den Mittelpunkt einer verantwortungsvollen Einführung von KI am Arbeitsplatz.

Der Autor Tom Saeys ist Chief Operations Officer bei SD Worx, einem international tätigen Dienstleistungsunternehmen im HR-Bereich.

Preisvergleiche bei Luxusuhren lohnen sich durch erhebliche Preisdifferenzen zwischen verschiedenen Händlern, die mehrere hundert bis tausend Euro betragen können. Diese Unterschiede entstehen hauptsächlich durch verschiedene Kostenberechnungen und unterschiedliche Margenstrategien der Anbieter. Während manche Händler auf Premium-Service setzen, bieten andere günstigere Preise durch schlankere Betriebsstrukturen. Besonders bei begehrten Modellen von Rolex, Patek Philippe oder Audemars Piguet variieren die Preise stark zwischen den Anbietern. Ein gründlicher Preisvergleich kann daher zu beträchtlichen Einsparungen von bis zu 30 Prozent führen. Gleichzeitig hilft er dabei, den tatsächlichen Marktwert einer Luxusuhr präzise zu ermitteln. Die Investition in eine hochwertige Armbanduhr rechtfertigt den Aufwand für einen detaillierten Vergleich verschiedener Anbieter vollständig. Die folgenden Abschnitte zeigen, worauf man achten sollte.

Zwischen den einzelnen Händlern existieren teilweise deutliche Preisunterschiede

Konkrete Beispiele verdeutlichen das Sparpotenzial beim Uhrenkauf: Spezialisierte Händler bieten permanent Armbanduhren mit Rabatten von mehreren tausend Euro unter dem Neupreis an. Diese deutlichen Preisvorteile entstehen durch unterschiedliche Beschaffungswege, Lagerbestände und Verkaufsstrategien der Anbieter. Plattformen wie Watchy24.de ermöglichen es, diese Preisunterschiede transparent zu vergleichen und das beste Angebot zu identifizieren. Während Boutiquen oft Listenpreise verlangen, können autorisierte Händler erhebliche Rabatte gewähren. Online-Händler profitieren von geringeren Betriebskosten und geben diese Kostenvorteile häufig an Kunden weiter.

Besonders bei limitierten Editionen oder seltenen aktuellen Modellen können die Preisunterschiede zwischen verschiedenen Anbietern deutlich ausfallen und eine sorgfältige Recherche rechtfertigen.

Internationale Preisunterschiede und Währungseffekte: Worauf sollte man achten?

Länderspezifische Preisdifferenzen bei Luxusuhren ergeben sich aus verschiedenen wirtschaftlichen Faktoren. Währungsschwankungen beeinflussen die Preisgestaltung deutlich, besonders bei hochwertigen Herstellern aus der Schweiz, die – ebenso wie viele Start-Ups – verstärkt darauf achten, ein hohes Maß an Markenschutz zu gewährleisten. Die unterschiedlichen Mehrwertsteuersätze zwischen den Ländern wirken sich direkt auf die Listenpreise aus. So liegt die Mehrwertsteuer in Deutschland bei 19 Prozent, während sie in der Schweiz und in einigen anderen Ländern deutlich niedriger ist.

Außereuropäische Märkte wie Hongkong oder Singapur bieten teilweise deutlich günstigere Preise, wobei Import- und Zollbestimmungen unbedingt zu beachten sind. Ein internationaler Preisvergleich kann erhebliche Kostenvorteile offenbaren, setzt jedoch Kenntnisse über Garantie- und Servicebedingungen voraus.

Lohnt es sich, auf dem Gebrauchtmarkt Ausschau zu halten?

Der Gebrauchtmarkt für Luxusuhren bietet Einsparpotenziale von bis zu 30 Prozent bei meist stabiler Wertentwicklung. Hochwertige Marken behalten auch als gebrauchte Modelle eine hohe Werterhaltungsrate von durchschnittlich 70 bis 80 Prozent. Plattformen für den Second-Hand-Handel verfügen über umfangreiche Bestände mit detaillierten Zustandsbeschreibungen.

Gebrauchte Luxusuhren werden häufig professionell aufbereitet und einer Qualitätsprüfung durch Fachbetriebe unterzogen. Die Wertstabilität macht den Gebrauchtmarkt zu einer attraktiven Investitionsmöglichkeit für Sammler. Seltene oder nicht mehr produzierte Modelle können sogar an Wert gewinnen. Die transparente Preisgestaltung ermöglicht fundierte Vergleiche und realistische Einschätzungen bei deutlich geringeren Anschaffungskosten.

Expertise als wichtiger Faktor für den Kauf einer Luxusuhr

So gut wie jeder hat individuelle Vorstellungen davon, was er sich gönnen möchte. Manche träumen davon, als digitaler Nomade die Welt zu sehen, andere möchten sich irgendwann eine Luxusuhr leisten können.

Daher ist es wichtig, sich zunächst über die eigenen Ansprüche klar zu werden. Falls die Wahl auf die Luxusuhr fällt, gilt: Die Authentizitätsprüfung bildet die Grundlage für sichere Transaktionen im Luxusuhrenmarkt und beeinflusst maßgeblich die Preisgestaltung. Erfahrene Fachhändler verfügen über spezialisierte Prüfverfahren wie Seriennummern-Checks, Analyse von Werkscodes und Materialuntersuchungen.

Zertifikate, Originalverpackungen und Servicedokumente erhöhen die Glaubwürdigkeit und den Wert einer Uhr erheblich. Experten bewerten den Zustand des Uhrwerks, die Originalität der Komponenten sowie die historische Bedeutung. Die Zusammenarbeit mit erfahrenen Uhrmachern minimiert Risiken beim Kauf hochwertiger Zeitmesser.

Seriöse Händler bieten Echtheitsgarantien und übernehmen die Haftung für die Authentizität ihrer Angebote.

Ein Ausblick auf die (mögliche) langfristige Wertentwicklung

Ein fundierter Preisvergleich bei Luxusuhren zahlt sich oft langfristig über einen Zeitraum von fünf bis zehn Jahren durch bessere Investitionsentscheidungen aus. Die Analyse großer Mengen weltweiter Angebote ermöglicht realistische Markteinschätzungen und das Erkennen von Trends bei renommierten Marken. Erfolgreiche Sammler berücksichtigen sowohl aktuelle Preise als auch die historische Wertentwicklung ihrer Wunschmodelle.

Die Nutzung professioneller Vergleichsplattformen und eine regelmäßige Marktbeobachtung helfen, Risiken zu minimieren und das Preis-Leistungs-Verhältnis zu maximieren. Internationale Preisunterschiede sowie der Gebrauchtmarkt bieten zusätzliche Einsparpotenziale für informierte Käufer. Langfristig profitieren Sammler von fundiertem Markt-Know-how bei zukünftigen Käufen und Verkäufen ihrer Luxusuhren-Kollektion.

Ob steuerliche Forschungszulage, Investitionsförderung oder EU-Programme. Künstliche Intelligenz (KI) wie ChatGPT liefert in Sekundenschnelle eine Vielzahl möglicher Förderprogramme. Doch zwischen der reinen Information und der tatsächlichen Erschließung von Fördermitteln liegt ein erheblicher Unterschied. Hier gilt es, Unternehmen zu sensibilisieren.

Fördermittel sind heute ein strategischer Bestandteil moderner Unternehmensfinanzierung. Es reicht daher nicht, die Programme zu kennen. Entscheidend ist, sie rechtssicher, vollständig und förderlogisch aufeinander abgestimmt umzusetzen, um die vollen Förderpotenziale zu heben. Genau hier beginnt die Arbeit von Fördermittelexpert*innen.

Fünf Gründe, warum KI-Tools nicht als Fördermittelberater funktionieren

1. KI erkennt die wahren Förderpotenziale nicht

ChatGPT kann erklären, was ein Förderprogramm leistet. Doch welche Kosten eines konkreten Vorhabens tatsächlich und wie hoch förderfähig sind, lässt sich so nicht beurteilen. Gerade bei komplexen Programmen wie der steuerlichen Forschungszulage sind Erfahrung, Struktur und rechtssichere Abgrenzung entscheidend. Eine gute Fördermittelberatung prüft jedes Vorhaben systematisch: von der Förderfähigkeit nach dem Forschungszulagengesetz (FZulG), AGVO oder De-minimis-Verordnung bis hin zur klaren Trennung förderfähiger und nicht förderfähiger Aufwände.

2. KI kann keine Förderstrategien entwickeln

Eine Liste von Förderprogrammen ersetzt keine Strategie. KI kann nur Optionen nennen, aber keine Strategien zur Umsetzung im Unternehmen entwickeln. Eine gute Fördermittelberatung integriert die Forschungszulage sinnvoll in laufende Projekte und strukturiert Innovations- sowie Investitionsprozesse auf Bundes-, Landes- und EU-Ebene. So entstehen nicht nur Optionen, sondern belastbare, wirtschaftlich wirksame Lösungen.

3. KI kann nicht mit Menschen kommunizieren

Ein Antrag ist mehr als ein Formular. Er muss Anforderungen erfüllen und überzeugen. KI liefert Textbausteine, aber führt keine Gespräche und reagiert nicht auf Rückfragen mit der notwendigen Erfahrung in der Verwaltungspraxis der verschiedenen Förderprogramme. Eine gute Fördermittelberatung übernimmt die gesamte Kommunikation mit Förderstellen, koordiniert mit Bescheinigungsstellen und entwickelt formal korrekte und überzeugende Argumentationen.

4. KI endet beim Prompt – Fördermittelberatung bei der erfolgreichen Projektprüfung

Nach dem Antrag geht die Arbeit oft erst richtig los. Rückfragen, Prüfungen, Nachweise. KI kann Unternehmen dabei nicht unterstützen und keine Verantwortung übernehmen. Eine gute Fördermittelberatung hingegen begleitet die Kund*innen durch den gesamten Förderzyklus mit sauberer Dokumentation, revisionssicherer Aufbereitung und Unterstützung bei Audits und Außenprüfungen.

5. KI zeigt nur den Dschungel – Förderexperten finden den Schatz

Datenbanken geben einen Überblick, aber keine Richtung. Eine gute Fördermittelberatung bewertet alle denkbar möglichen Förderprogramme im konkreten Unternehmenskontext und entwickelt daraus konkrete Maßnahmen, um das Maximum an Fördermöglichkeiten für die Kund*innen rauszuholen. Eine gute Fördermittelberatung schafft so echte wirtschaftliche Vorteile statt der bloßen Auflistung von Fördermöglichkeiten.

Der Autor Efe Duran Sarikaya ist CEO der Fördermittelberatung EPSA Deutschland.

Food-Start-ups haben in den vergangenen Jahren einen bemerkenswerten Aufschwung erlebt. Der zunehmende Wunsch nach nachhaltiger, gesunder und funktionaler Ernährung, das wachsende Bewusstsein für Klima- und Umweltschutz sowie der Trend zur Individualisierung der Ernährung haben eine neue Gründungswelle ausgelöst. Dennoch: Der Markteintritt im deutschen Lebensmittelmarkt zählt zu den anspruchsvollsten Herausforderungen, denen sich Gründer*innen stellen können. Wer als Start-up nicht durch außergewöhnliche Innovation oder gezielte Nischenstrategie punktet, hat kaum eine Chance, hier gelistet zu werden.

Ohne klare Zielgruppenfokussierung, glaubwürdiges Produktversprechen und professionelle Umsetzung funktionieren auch gute Ideen nicht – wie es u.a. die Frosta-Tochter elbdeli (trotz starker Marke keine Resonanz) und Bonaverde (Kaffeemaschine mit Röstfunktion, die trotz Kickstarter-Erfolg) scheiterte zeigen.

Da dieser Markt so groß ist, ist er auch stark reguliert, hochkonkurrenzfähig und von mächtigen Einzelhandelsstruk­turen dominiert. Zu den größten Hürden zählen die komplexe Regulatorik, Logistik und Produktion, Finanzierung sowie die Konsument*innenakzeptanz.

Laut dem Deutschen Startup Monitor nennen 43 Prozent aller Start-ups die Finanzierung als größte Hürde. Kapitalbedarf entsteht früh – für Verpackungen, Lebensmittelsicherheit, Produktion, Mindestabnahmemengen und Vertrieb.

Ein typisches Seed-Investment liegt zwischen 250.000 und 1,5 Millionen Euro. In späteren Phasen steigen institutionelle VCs mit Ticketgrößen von bis zu fünf Millionen Euro ein. Erfolgreiche Exits wie der Verkauf von yfood an Nestlé (2023) zeigen: Der Markt ist in Bewegung, aber selektiv.

Functional Food als Innovationsmotor – aber nicht der einzige

Functional Food ist längst mehr als ein Trend: Es ist ein wachsendes Segment mit wissenschaftlicher Fundierung. Produkte wie funktionale Riegel, Drinks oder Functional Coffee verbinden Geschmack mit gesundheitlichem Mehrwert. Besonders gefragt sind derzeit Inhaltsstoffe wie Adaptogene, Pro- und Präbiotika, pflanzliche Proteine und weitere Mikronährstoffe.

Zugleich gewinnen auch alternative Proteinquellen (Pilze, Algen, Fermentation), klimapositive Lebensmittel und Zero-­Waste-Konzepte an Bedeutung. Konsument*innen wollen Ernährung, die nachhaltig und leistungsfördernd ist.

Worauf Investor*innen achten – und was sie abschreckt

Aus Sicht eines/einer Investor*in zählen nicht nur Produkt­idee und Branding. Entscheidender ist:

• Ist das Team umsetzungsstark, resilient, multidisziplinär?
• Gibt es Traktion (z.B. Verkaufszahlen, Feedback, D2C-Erfolge)?
• Wie realistisch ist der Finanzplan? Sind Margen und Logistik durchdacht?
• Ist das Produkt skalierbar – auch international?

Abschreckend wirken hingegen: überschätzte Umsatzpro­gnosen, fehlende Markteinblicke, instabile Lieferketten oder reine Marketingblasen ohne echte Substanz.

Es ist unschwer zu erkennen: Wer im Food-Bereich gründen will, braucht mehr als eine gute Idee. Der deutsche Markt ist selektiv, komplex und durch hohe Einstiegshürden geprägt. Gleichzeitig ist er enorm spannend für alle, die bereit sind, langfristig zu denken, regulatorisch sauber zu arbeiten und echten Mehrwert zu schaffen.

Food-Start-ups, die ihre Zielgruppe kennen, finanziell solide aufgestellt sind und wissenschaftlich fundierte Produkte entwickeln, haben reale Chancen auf Marktdurchdringung – besonders, wenn sie es schaffen, Handelspartner*innen und Konsument*innen gleichermaßen zu überzeugen.

Investor*innen sind bereit, in solche Konzepte zu investieren, aber sie erwarten mehr als Visionen: Sie erwarten belastbare, integrierte Geschäftsmodelle mit echtem Impact.

Internationaler Vergleich: Was Food-Start-ups in den USA anders machen

Die USA gelten als Vorreiter für Food-Innovation. Der Markt ist schneller, risikofreudiger und deutlich kapitalintensiver. Allein im Jahr 2023 flossen in den USA rund 30 Milliarden US-Dollar Wagniskapital in FoodTech und AgriFood-Start-ups – ein Vielfaches im Vergleich zu Deutschland. Start-ups wie Beyond Meat, Impossible Foods oder Perfect Day konnten in kurzer Zeit hunderte Millionen Dollar einsammeln, skalieren und international expandieren. Die wesentlichen Unterschiede zur deutschen Szene sind:

• Zugang zu Kapital: Amerikanische Gründer*innen profitieren von einer ausgeprägten Investor*innenlandschaft mit spezialisierten VCs, Family Offices und Corporate Funds. In Deutschland dominiert oft konservative Zurückhaltung.
• Marktzugang: Der US-Markt ist dezentraler organisiert. Start-ups können regional Fuß fassen und wachsen, ohne gleich auf landesweite Listungen angewiesen zu sein.
• Regulatorik: Die U.S. Food and Drug Administration (FDA) ist in vielen Bereichen offener gegenüber neuen Inhaltsstoffen und Health Claims – das ermöglicht schnellere Markteinführungen.
• Kultur & Narrative: Amerikanische Konsument*innen sind innovationsfreudiger. Sie schätzen Storytelling, Vision und Purpose deutlich mehr als europäische Kund*innen.

Das bedeutet nicht, dass der US-Markt einfacher ist. Er ist aber zugänglicher für disruptive Ideen, insbesondere wenn sie skalierbar und investor*innentauglich aufgesetzt sind.

Operative Herausforderungen: vom Prototyp zur Produktion

Die operative Skalierung ist einer der größten Stolpersteine für Food-Start-ups. Eine Rezeptur im Labormaßstab oder im Handwerk zu entwickeln, ist vergleichsweise einfach. Sie jedoch für den industriellen Maßstab zu adaptieren, bringt komplexe Fragestellungen mit sich:

• Wo finde ich einen Co-Packer mit Kapazitäten für Kleinserien?
• Wie skaliert mein Produkt ohne Qualitätsverlust?
• Wie optimiere ich Haltbarkeit ohne künstliche Zusätze?
• Welche Verpackung schützt das Produkt, erfüllt die Nachhaltigkeitsansprüche und passt zu den Preisvorgaben des Handels?

In Deutschland ist die Infrastruktur für Food-Start-ups im Vergleich zu den USA oder den Niederlanden unterentwickelt. Während es in den USA Inkubatoren mit angeschlossenen Produktionsstätten (z.B. The Hatchery in Chicago oder Pilotworks in New York) gibt, fehlt es hierzulande oft an bezahl­baren, flexiblen Produktionslösungen.

Gerade nachhaltige Verpackungen stellen viele Gründer*­innen vor Probleme: Biologisch abbaubare Alternativen sind teuer, nicht immer kompatibel mit Logistikprozessen und oft nicht lagerstabil genug. Ein Spagat, der Investitionen und viel Know-how erfordert.

Erfolgsfaktor Vertrieb: Wie Produkte wirklich in den Handel kommen

Viele unterschätzen den Aufwand, der hinter einem erfolgreichen Listungsgespräch steht. Händler*innen erwarten nicht nur ein gutes Produkt – sie wollen einen Business Case:

• Wie hoch ist die Spanne für den Handel?
• Wie ist die Wiederkaufsquote?
• Wie sieht das Launch-Marketing aus?
• Gibt es POS-Materialien oder begleitende Werbekampagnen?

Ein Listungsgespräch ist kein Pitch – es ist ein Verhandlungstermin auf Basis knallharter Zahlen. Ohne überzeugende Umsatzplanung, Distributionserfahrung und schnelle Liefer­- fähigkeit hat ein Start-up kaum Chancen auf eine langfristige Platzierung im Regal. Viele Gründer*innen lernen das schmerzhaft erst nach dem Launch.

Zukunftstechnologien im Food-Bereich

Die Food-Branche steht am Beginn einer technologischen Revolution. Neue Verfahren wie Präzisionsfermentation, Zellkultivierung, 3D-Food-Printing oder molekulare Funktionalisierung eröffnen völlig neue Produktkategorien. Beispiele sind:

• Perfect Day (USA) stellt Milchprotein via Mikroorganismen her – völlig ohne Kuh.
• Formo (Deutschland) produziert Käseproteine durch Fermentation.
• Revo Foods (Österreich) bringt 3D-gedruckten Fisch auf pflanzlicher Basis in die Gastronomie und Handel.

Diese Technologien sind kapitalintensiv, regulatorisch komplex, aber langfristig zukunftsweisend. Wer heute die Brücke zwischen Wissenschaft, Verbraucher*innenbedürfnis und industrieller Machbarkeit schlägt, wird zu den Innova­tionsführer*innen von morgen zählen.

Neben dem klassischen Lebensmitteleinzelhandel gewinnen alternative Vertriebskanäle zunehmend an Bedeutung. Insbesondere spezialisierte Bio- und Reformhäuser wie Alnatura, Denns oder basic bieten innovativen Start-ups einen niedrigschwelligen Einstieg, da sie auf trendaffine Sortimente, nachhaltige Werte und kleinere Produzent*innen setzen. Hier zählen Authentizität, Zertifizierungen und persönliche Beziehungen mehr als reine Umsatzversprechen.

Auch der Onlinehandel wächst rasant: Der Anteil von E-Commerce im deutschen Lebensmitteleinzelhandel liegt zwar erst bei etwa drei bis vier Prozent, doch Plattformen wie Amazon Fresh, Picnic, Knuspr oder Getir bieten zunehmend Raum für neue Marken. Gerade Quick-Commerce-Anbietende ermöglichen kurzfristige Testmärkte und agile Vertriebspiloten in urbanen Zielgruppen.

Der Blick in die USA zeigt, was in Europa bevorsteht: Dort erzielt TikTok bereits über seinen eigenen TikTok Shop mehr als 20 Milliarden US-Dollar Umsatz – Tendenz stark steigend. Immer mehr Food-Start-ups nutzen die Plattform direkt als Verkaufs- und Marketingkanal. Es ist nur eine Frage der Zeit, bis ähnliche Social-Commerce-Strukturen auch in Europa an Relevanz gewinnen – sei es über TikTok, Instagram oder neue, native D2C-Plattformen.

Weitere Trendfelder, die aktuell in den Fokus rücken, sind unter anderem:

• Regeneratives Essen: Lebensmittel, die nicht nur neutral, sondern positiv auf Umwelt und Biodiversität wirken. Beispiele: Produkte mit Zutaten aus regenerativer Landwirtschaft oder CO₂-bindende Algen.
• Blutzuckerfreundliche Ernährung: Start-ups wie Levels (USA) oder NEOH (Österreich) zeigen, wie personalisierte Ernährung über Glukose-Monitoring neue Märkte erschließen kann.
• „Food as Medicine“: Produkte, die gezielt auf chronische Beschwerden oder Prävention ausgelegt sind – beispielsweise bei Menstruationsbeschwerden, Wechseljahren oder Verdauungsstörungen.
• Zero-Waste-Produkte: Verwertung von Nebenströmen (z.B. aus Brauereien oder Obstpressen) zur Herstellung von Lebensmitteln mit Nachhaltigkeitsanspruch.
• Biohacking-Produkte: hochfunktionale Lebensmittel für kognitive Leistung, Schlaf, Erholung oder hormonelle Balance wie zum Beispiel der Marke Moments – by Biogena.

Die Zukunft von Food liegt in der Synthese aus Wissenschaft, Individualisierung und Nachhaltigkeit. Start-ups, die diese Megatrends frühzeitig besetzen, positionieren sich als Pioniere für eine neue Esskultur. Besonders wichtig in der Investor*innenansprache sind:

• Fundierte Zahlenkenntnis: Gründer*innen sollten Unit Economics, Break-Even-Szenarien und Roherträge detailliert erklären können. Vage Aussagen über Marktpotenzial reichen nicht – es braucht belastbare Szenarien.
• Proof of Concept: Idealerweise liegt bereits ein MVP (Minimum Viable Product) mit echter Kund*innenvalidierung vor. Pilotprojekte mit Handelspartner*innen oder Online-­Abverkäufe liefern harte Daten.
• Storytelling mit Substanz: Purpose ist gut – aber er muss betriebswirtschaftlich verankert sein. Was motiviert das Team? Wo liegt der USP? Wie stark ist der Wettbewerb?
• Team-Komplementarität: Ein starkes Gründer*innen-Team vereint Produkt- und Marktwissen, betriebswirtschaft­liches Denken und Leadership-Kompetenz.
• Exit-Szenario: Investor*innen wollen eine Perspektive: Wird es ein strategischer Verkauf, ein Buy- & Build-Modell oder ein langfristiger Wachstums-Case?

Wer Investor*innen mit klarer Struktur, realistischen Annahmen und ehrlicher Kommunikation begegnet, hat bessere Chancen auf Kapital – inbesondere in einem Markt, der aktuell selektiver denn je agiert. Genau hier liegt die Kernkompetenz von Food-Start-up-Helfer*innen wie der Alimentastic Food Innovation GmbH, die nicht nur in innovative Unternehmen investiert, sondern ihnen aktiv dabei hilft, die oben genannte operative Komplexität zu überwinden und den Time to Market signifikant zu verkürzen – von der Produktidee bis hin zur Umsetzung im Handel.

Fazit

Der deutsche Food-Start-up-Markt ist herausfordernd, aber voller Chancen. Wer heute erfolgreich gründen will, braucht nicht nur eine starke Produktidee, sondern ein tiefes Verständnis für Produktion, Vertrieb, Kapitalstruktur und Markenaufbau. Functional Food, nachhaltige Innovationen und technologiegetriebene Konzepte bieten enorme Wachstumsmöglichkeiten – vorausgesetzt, sie werden professionell umgesetzt und skalierbar gedacht.

Der Autor Laurenz Hoffmann ist CEO & Shareholder der Alimentastic Food Innovation GmbH und bringt langjährige Erfahrung aus dem Lebensmitteleinzelhandel mit.

Die Idee, dass autonome Systeme eng mit Menschen zusammenarbeiten und sie gezielt unterstützen, ist keine Vision mehr, sondern Realität. Während bisher eine umfassende Problemlösungskompetenz im Hintergrund fehlte, bringen KI-Agenten genau diese Fähigkeit mit und übernehmen zunehmend vielfältige Aufgaben in der Arbeitswelt. Wir erklären, was Unternehmen über KI-Agenten wissen müssen.

Was sind KI-Agenten und auf welcher Technologie basieren sie?

KI-Agenten sind Softwaresysteme, die eigenständig Aufgaben ausführen, aus Erfahrungen lernen und dynamisch mit ihrer Umgebung interagieren. Ihr Ziel ist es, Aufgaben autonom zu lösen, ohne dass ein kontinuierliches menschliches Eingreifen notwendig ist. Im Unterschied zu herkömmlichen Automatisierungslösungen bewältigen KI-Agenten selbst komplexe Anforderungen, indem sie sich an neue Bedingungen anpassen. Auch werden sie im Gegensatz zu universellen LLMs in der Regel fein abgestimmt, um Relevanz und Datenschutz zu gewährleisten. Sinnvoll ist eine kontextbezogene Architektur, die kausale KI, Document AI und multimodale Logik kombiniert und damit optimal auf geschäftliche Anwendungsfälle zugeschnitten ist.

In welchen Bereichen der Arbeitswelt entfalten KI-Agenten ihr Potenzial?

KI-Agenten finden in nahezu allen Unternehmensbereichen Einsatzmöglichkeiten – von der Beantwortung einfacher Anfragen bis hin zur Steuerung komplexer Prozesse. Eingebettet in CRM-Plattformen analysieren sie riesige Datenmengen, die Unternehmen manuell nicht mehr auswerten können. Anstatt die Ergebnisse lediglich zu präsentieren oder Kontakte nach Prioritäten zu sortieren, qualifizieren KI-Agenten auch noch automatisch Leads, schlagen passende Angebote vor und beantworten Kundenanfragen. Oder anders formuliert: Während herkömmliche Tools in der Regel auf statischen Wenn-dann-Regeln basieren, führt die neue Generation hyperpersonalisierte Aktionen nahezu in Echtzeit aus. Diese Entwicklung entlastet Mitarbeiter von Routineaufgaben und gibt ihnen Raum, sich auf strategisch wichtige Aufgaben zu konzentrieren. Unternehmen wiederum können ohne großen Aufwand Tausende von Kunden individuell betreuen.

Werden KI-Agenten den Arbeitsmarkt verändern?

Diese Frage lässt sich nicht pauschal beantworten. Es entstehen durch den verstärkten Einsatz von KI-Lösungen neue Berufsfelder – insbesondere bei der Entwicklung, Integration und Wartung solcher Agentensysteme werden qualifizierte Fachkräfte benötigt. Gleichzeitig stellt sich die Herausforderung, bestehende Mitarbeitende gezielt im Umgang mit diesen Technologien weiterzubilden und deren digitale Kompetenzen auszubauen. Eines muss klar sein: Das Ziel von KI-Agenten ist es nicht, menschliche Arbeitskraft zu ersetzen, sondern deren Fähigkeiten zu erweitern. Mitarbeitende können sich somit stärker auf komplexe Kundeninteraktionen oder die Entwicklung innovativer Kampagnen konzentrieren, während ihnen die KI zur Hand geht.

Worauf müssen Unternehmen bei der Auswahl von KI-Agenten-Lösungen achten?

In erster Linie benötigen sie eine digital ausgereifte Umgebung mit einheitlichen Datenformaten, optimierten Prozessen und regelbasierten Automatisierungen, um den ROI steigern zu können. Anschließend müssen sie sicherstellen, dass ihre KI-Systeme den geltenden Datenschutzbestimmungen entsprechen und sensible Kund*innendaten optimal geschützt sind. Transparenz und Nachvollziehbarkeit der KI-Entscheidungen sind ebenfalls essenziell, um das Vertrauen von Kunden und Mitarbeitenden nicht zu gefährden. Auf technischer Seite ist eine interoperable Lösung notwendig, die sich so nahtlos wie möglich in die bestehende IT-Umgebung integrieren lässt. Zu den weiteren Aspekten zählen die Priorisierung der kontextuellen Abstimmung, da Agenten geschäftsspezifische Arbeitsabläufe und Datenformate verstehen müssen, sowie die Nutzung eines Federated-Model-Ansatzes statt einheitlicher LLM-Frameworks, um Effizienz, Erklärbarkeit und Kosten zu optimieren.

Wie binden Unternehmen ihre Mitarbeitenden am besten ein?

Zunächst einmal ist ein grundlegendes Change Management erforderlich. Die Mitarbeiterinnen und Mitarbeiter müssen verstehen, dass die KI ihnen nicht die Arbeit wegnimmt, sondern sie unterstützen soll. Sinnvoll ist auch ein Low-Code-Ansatz: Maßgeschneiderte KI-Applikationen und automatisierte Workflows steigern die Arbeitseffizienz in Abteilungen um ein Vielfaches – sogar Mini-Anwendungen, die lediglich einfache Aufgaben übernehmen. Jedoch können zentrale IT-Abteilungen, die mit Entwicklungsanfragen aus verschiedenen Abteilungen überhäuft werden, diese kaum bewältigen. Mit einer Low-Code-Application-Plattform (LCAP) können auch Mitarbeiter ohne Programmierkenntnisse einfache KI-Anwendungen selbst erstellen. Möglich machen das einfache Drag-and-Drop-Optionen und vorgebaute Module, die je nach Wunsch kombinierbar sind.

Fazit

KI-Agenten sind als kollaborative Partner zu verstehen, nicht als Ersatz für den Menschen. Künftig werden wir eine Multi-Agent Collaboration sehen. Hierbei übernehmen verschiedene KI-Agenten jeweils Spezialaufgaben und koordinieren sich untereinander, um selbst die komplexesten Herausforderungen effizient zu lösen.

Der Autor Sridhar Iyengar ist Managing Director von Zoho Europe.

Ein Start-up aus München denkt Europas Sicherheit neu – mit modularen Robotern, digitalen Aufklärungssystemen und einem iterativen Entwicklungsansatz, der hinsichtlich Flexibilität und Geschwindigkeit in der Branche neue Maßstäbe setzt. „Wir nutzen das transformative Potenzial von Robotik und KI, um die Leistungsfähigkeit der europäischen Landstreitkräfte zu stärken“, sagt Marc A. Wietfeld, Mitgründer und CEO von ARX Robotics in München. „Mit unserem Betriebssystem Mithra OS ermög­lichen wir fernoperierbare, kettenbetriebene Landfahrzeuge sowie die Digitalisierung bestehender Flotten.“

Die Roboter entstehen auf einer einheitlichen technologischen Plattform mit flexiblem, modularem Aufbau. Sie lassen sich einfach anpassen und aufrüsten, was das Einsatzspektrum enorm erweitert. „Unsere Plattform ist wie das Schweizer Taschenmesser für Militäreinsätze“, so der Gründer. Neben der Hardware und dem KI-gestützten Betriebssystem liefert das Start-up auch Schnittstellen, um bestehende analoge Rüstungstechnologie und softwaregetriebene Systeme zu integrieren.

Drei Offiziere nehmen die Entwicklung selbst in die Hand

Gegründet wurde ARX Robotics von drei ehemaligen Bundeswehroffizieren. Marcs Weg begann mit einer Schlosserlehre, bevor er 2010 für den Wehrdienst eingezogen wurde. Damals konnte er kaum glauben, wie veraltet die Technologie der Truppe war. „Eine Playstation hatte bessere Software als viele Waffensysteme, und Drohnen aus dem Elektrofachmarkt waren leistungsfähiger als die im Kampfeinsatz.“ Während Marc in New York ein militärisches Programm absolvierte, lernte er Maximilian (Max) Wied kennen, der zu dieser Zeit an der Militärakademie West Point studierte. Beide hatten den Innovationsstau jahrelang erlebt und durch ihre Zeit in der Kampftruppe die Realität von Häuser-, Wald- und Grabenkämpfen hautnah kennengelernt.

In Robotik und Automatisierung sahen sie enormes ungenutztes Potenzial, um Soldat*innen zu schützen und Einsätze effizienter zu gestalten. „Am Anfang ging es uns gar nicht darum, Roboter zu bauen“, so Marc, „sondern darum, wie wir neue Technologie schneller in die Hand der Soldatinnen und Soldaten bekommen.“ Rund zwei Jahre arbeiteten sie am Konzept und an der Umsetzung. Die ersten Prototypen entstanden in Eigenregie, finanziert aus privaten Mitteln.

Stefan Röbel stieß dazu, als klar wurde, dass aus dem Projekt ein Unternehmen werden sollte. Neben dem militärischen Hintergrund bringt er Erfahrung im Aufbau und in der Skalierung von Start-ups mit. Zuvor war Stefan bereits bei Tech-Unternehmen an Bord, darunter Amazon, ASOS und Grover, wo er den Weg von der Series-A-Finanzierung bis zum Unicorn begleitete.

Als die Ersparnisse aufgebraucht waren, erhielt das Gründungsteam Unterstützung vom Innovation Hub der Bundeswehr und der Universität der Bundeswehr in München. Ende 2022 gründeten die drei schließlich ihr Unternehmen.

Die Brücke zur vernetzten Zukunft des Militärs

ARX Robotics füllt eine kritische Lücke in der militärischen Technologielandschaft, zwischen der analogen Vergangenheit und der softwaregesteuerten Zukunft. Viele bestehende Systeme wie etwa Panzer, Transportfahrzeuge und Helikopter operieren noch weitgehend analog und damit isoliert voneinander. Doch bewaffnete Konflikte werden heute vernetzt, KI-gestützt und mithilfe unbemannter Systeme entschieden. Die militärische Ausrüstung ist in vielen Ländern Europas noch nicht auf der Höhe der Zeit. „Mit unseren Lösungen bauen wir die Brücke zwischen den beiden Welten“, sagt Marc.

ARX Robotics überträgt die moderne technologische Architektur auf bestehende Militärfahrzeuge. Die analogen Bestandssysteme werden damit robotisiert, sodass sie mit modernen Drohnen und digitalen Einheiten zusammenarbeiten können – ein entscheidender Faktor für die Digitalisierung der Landstreitkräfte und Interoperabilität. „Früher war das Militär die Technologieschmiede der Gesellschaft, doch in den 1980er-Jahren hat die zivile Forschung die Streitkräfte überholt, auch bei den sicherheits­relevanten Anwendungen“, so Marc.

Die etablierte Verteidigungsindustrie hat sich unterdessen auf immer komplexere und schwerfällige Großsysteme konzentriert. Bei einem größeren militärischen Entwicklungsprojekt ist in der Regel der gesamte militärische Apparat involviert, mit Planungs- und Beschaffungsämtern, langen Prozessen und seitenlangen Anforderungskatalogen. Erhält ein Ausrüster den Zuschlag, bekommt dieser Steuergelder, um einen Prototyp zu bauen „Die Entwicklung neuer Plattformen dauert dadurch oft ein Jahrzehnt, und die Produktion braucht weitere fünf Jahre“, sagt Marc. Schon bei der Indienststellung ist das Material zwangsläufig technologisch veraltet. ARX Robotics will den Prozess vom Kopf auf die Füße stellen. „Wir sind davon überzeugt, dass unsere Systeme den Soldatinnen und Soldaten im Einsatz sofort Mehrwert liefern“, so Marc. „Darum übertragen wir die neuen Technologien so schnell wie möglich ins Militär.“

Zurückhaltende Investor*innen und hohe Eintrittsbarrieren

Der Weg zur ersten externen Finanzierung war jedoch alles andere als einfach. „Kaum ein Risikokapitalgeber hat sich 2022 für DefenseTech und Hardware interessiert“, sagt Marc. Unter europäischen VCs dominierte das Dogma, dass nur Software skalierbar sei, idealerweise als SaaS-Modell. „Als Start-up mit einer physischen Technologie, noch dazu geführt von drei Soldaten ohne Gründungserfahrung, passten wir nicht ins Schema“, erinnert sich Marc.

Zudem war das Thema Verteidigung als Investment noch sehr negativ behaftet. VCs wollten nicht in Systeme investieren, die potenziell im Kampfeinsatz genutzt werden können. Sie sorgten sich um das öffentliche Bild und mögliche Bedenken institutioneller Geldgeber*innen. Mitte 2023 konnte ARX Robotics dann mit dem Risikokapitalgeber Project A Ventures als Lead Investor die Seed-Finanzierungsrunde schließen.

„Die anfänglich größte Hürde für uns war, nicht als Start-up, sondern als ernstzunehmender Anbieter wahrgenommen zu werden“, so Marc. Der Rüstungsmarkt ist stark konsolidiert und protektiv. Etablierte Player wie Rheinmetall, BAE Systems oder Krauss-Maffei Wegmann arbeiten seit Jahrzehnten fest mit ihren Kund*innen zusammen und bewegen sich in gewachsenen Strukturen. „Das Vertrauen der Streitkräfte zu gewinnen und die Beteiligung an einem großen Rüstungsprojekt zu erhalten, ist eine Schallmauer, die nur sehr wenige Start-ups durchbrechen“, sagt Marc.

Iterative Entwicklung und Tests im Feld

ARX Robotics punktet im Markt unter anderem mit dem radikal nutzer*innenzentrierten Entwicklungsansatz. Das Team setzt auf schnelle Iterationen mit voll funktionsfähigen Proto­typen. Diese werden von Soldat*innen zeitnah getestet, häufig direkt in der Kampfzone. Das Feedback fließt sofort in die Weiterentwicklung ein, sodass in kürzester Zeit gebrauchsfertige Systeme entstehen. Der Fokus in der Entwicklung liegt stets auf der Software. „Das Betriebssystem ist der Kern unserer Lösungen, ob es am Ende einen Roboter oder einen Panzer steuert, ist zweitrangig“, sagt Marc.

Anders als der Wettbewerb setzt ARX Robotics auf offene Schnittstellen, modulare Komponenten und flexible Integra­tion. Die großen Rüstungsfirmen mit ihren etablierten, geschützten Ökosystemen können dieses Modell nur schwer adaptieren. Stattdessen setzen sie auf Partnerschaften.

Mit Rheinmetall zum Beispiel arbeiten die Gründer derzeit an mehreren Projekten, und Daimler nutzt die ARX-Technologie, um die gesamte militärische Fahrzeugflotte zu digitalisieren. Um sicherzustellen, dass das Know-how und die Technologie in europä­ischer Hand bleiben, hat das Team frühzeitig den NATO Innovation Fund mit ins Boot geholt.

Die Zeiten, in denen man für die Umsetzung einer App monatelang ein Entwicklerteam zusammenstellen, riesige Budgets planen und unzählige Meetings überstehen musste, scheinen langsam zu verblassen. Vibe Coding, eine neue KI-gestützte Methode der App-Entwicklung, macht es Gründern und kreativen Köpfen in Deutschland heute deutlich einfacher, aus einer Idee ein funktionierendes digitales Produkt entstehen zu lassen.

Was steckt hinter Vibe Coding?

Vibe Coding nutzt künstliche Intelligenz, um auf Basis einfacher Sprache Code zu erzeugen. Statt eine App Zeile für Zeile zu programmieren, beschreibt man, was sie können soll. Die KI wandelt diese Wünsche in Code um, der sich dann weiter anpassen und verfeinern lässt. Anders als bei klassischen No-Code-Plattformen entstehen keine bloßen Baukastenlösungen, sondern anpassbarer, individuell nutzbarer Code.

Im Unterschied zu Low-Code-Ansätzen braucht es keine aufwendige UI und keine grafische Umgebung, in der man mühsam Komponenten zusammensetzt. Stattdessen genügt es, der KI präzise zu erklären, welches Ergebnis angestrebt wird. Das spart nicht nur Zeit, sondern eröffnet auch Menschen ohne tiefgehendes Technikverständnis ganz neue Möglichkeiten.

Aktuell eignet sich dieser Ansatz besonders für die Entwicklung von Prototypen, Minimum Viable Products und überschaubaren Business-Apps. Wer dagegen komplexe Anwendungen mit tiefen Backend-Strukturen, Hochsicherheitsanforderungen oder extrem hoher Nutzerlast plant, stößt mit Vibe Coding derzeit noch an natürliche Grenzen. Doch für den ersten Schritt in die App-Welt ist dieses Werkzeug so vielversprechend wie kaum ein anderes.

Wie KI-basierte Entwicklung neue Möglichkeiten für Gründer eröffnet

In der Praxis bedeutet das: Was früher ein ganzes Entwicklerteam beschäftigt hätte, kann heute oft in wenigen Tagen oder sogar Stunden entstehen. Vibe Coding verkürzt die Entwicklungszeiten deutlich, die ersten funktionsfähigen Entwürfe stehen schneller zur Verfügung als je zuvor.

Nicht zu unterschätzen ist dabei auch die finanzielle Seite. Wo man früher fünfstellige Summen investieren musste, genügt heute oft ein Bruchteil davon, um einen ersten lauffähigen Prototypen zu testen. Damit wird der Einstieg in die App-Entwicklung auch für Gründer ohne Tech-Hintergrund realistischer. Kein Zwang mehr, einen CTO an Bord zu holen oder teure Agenturen zu engagieren.

Gerade in Deutschland, wo Gründungsteams häufig an fehlender Entwicklerkapazität scheitern, eröffnet diese Entwicklung eine völlig neue Dynamik. Wer eine gute Idee hat, kann sie dank Vibe Coding sehr viel leichter in die Realität umsetzen. Das fördert die Innovationskultur und macht Platz für mehr mutige Experimente.

Ein Beispiel, das hier besonders hervorsticht, ist die Founders Foundation in Ostwestfalen-Lippe. Mit gezielten Programmen und Workshops unterstützt sie Gründerinnen und Gründer dabei, KI-gestützte Methoden sinnvoll einzusetzen und so eigene digitale Produkte schneller auf die Straße zu bringen. Genau solche Impulse tragen dazu bei, dass sich der Trend immer stärker durchsetzt.

Welche deutschen Start-ups zeigen bereits, was mit KI und No-Code möglich ist?

Dass das alles keine Theorie mehr ist, sondern in deutschen Gründungszentren längst gelebt wird, zeigen einige aktuelle Beispiele sehr anschaulich. Leaping AI aus Berlin etwa entwickelt Voicebots, die im Kundenservice 70 Prozent aller Anfragen automatisiert beantworten. Eine Anwendung, die ohne moderne KI-Tools in dieser Geschwindigkeit und Qualität wohl kaum möglich wäre.

Auch qru aus Stuttgart beweist, was möglich ist. Mit ihren Videomarketing-Tools, die auf einem cleveren Mix aus Low-Code und KI basieren, können selbst kleinere Unternehmen ihre Marketingprozesse automatisieren und professionell gestalten, ohne dafür eine eigene IT-Abteilung zu benötigen.

Ein drittes Beispiel: Paul’s Job, ein Berliner Startup, das HR-Prozesse mit agentischer KI unterstützt. Recruiting und Personalverwaltung laufen dort in weiten Teilen automatisiert, was Gründern wie Personalabteilungen jede Menge Zeit und Nerven spart.

Diese und ähnliche Projekte zeigen deutlich, dass Vibe Coding und vergleichbare Methoden längst ihren Weg in die praktische Nutzung gefunden haben. Die Technologie entwickelt sich dabei so schnell weiter, dass immer mehr Gründer den Mut fassen, ihre App-Ideen mit solchen Ansätzen umzusetzen.

Warum die App-Entwicklung perspektivisch günstiger wird

Ein Blick auf die allgemeine Marktentwicklung macht schnell deutlich: App-Entwicklung wird in den kommenden Jahren noch günstiger und einfacher werden. Mit jedem Fortschritt der KI sinken die Kosten für die technische Umsetzung, gleichzeitig steigen die Möglichkeiten, individualisierte Lösungen zu entwickeln.

Das hat Folgen, insbesondere für kleinere und spezialisierte Anbieter. Wo früher nur große Unternehmen eigene Apps auf den Markt bringen konnten, öffnet sich der Zugang nun auch für kleinere Player. Gerade in Nischenmärkten entstehen so neue Chancen.

Ein besonders interessantes Feld ist aktuell der Gambling-Sektor. Lange Zeit galten die hohen Entwicklungskosten als Einstiegshürde für viele Anbieter. Inzwischen zeigt sich jedoch, dass speziell in diesem Bereich vermehrt Apps auf den Markt kommen, weil die technische Umsetzung dank KI-Tools deutlich günstiger geworden ist.

Aber nicht nur im Glücksspiel-Markt tut sich etwas. Health und Fitness, E-Learning, Content Creation sowie regionale Dienstleistungen profitieren in ähnlicher Weise von den neuen Möglichkeiten. Über Smartphones und Tablets gelangen viele dieser Lösungen direkt zu den Nutzern und ermöglichen eine viel engere Bindung als klassische Webanwendungen.

Wo klassische Entwicklerkompetenz weiterhin unverzichtbar bleibt

Natürlich hat auch Vibe Coding seine Grenzen. Gerade wenn es um anspruchsvolle Architektur, komplexe Backend-Systeme oder hochskalierbare Anwendungen geht, kommt man ohne erfahrene Entwickler nach wie vor nicht aus.

KI generiert Code auf Basis von Wahrscheinlichkeiten, was in der Praxis immer wieder zu fehlerhaften oder ineffizienten Strukturen führen kann. Qualitätssicherung, Testing und fundiertes Architekturwissen bleiben deshalb unerlässlich, sobald eine App mehr sein soll als ein einfaches MVP.

Auch bei Themen wie Performance, Sicherheit und Datenschutz kann KI derzeit noch nicht mithalten. Hier braucht es das Know-how klassischer Entwickler, um Anwendungen stabil und vertrauenswürdig zu machen.

Gerade für Anwendungen im Finanz- oder Gesundheitsbereich, wo hohe regulatorische Standards erfüllt werden müssen, bleibt der menschliche Faktor entscheidend. Vibe Coding ist ein fantastisches Werkzeug für den schnellen Einstieg und die Umsetzung erster Ideen, doch auf dem Weg zu einem ausgereiften Produkt wird klassisches Engineering weiterhin eine tragende Rolle spielen.

Vibe Coding bringt frischen Wind in die App-Entwicklung

Vibe Coding verändert die Art, wie in Deutschland Apps entstehen, in rasantem Tempo. Prototypen und erste marktfähige Tools lassen sich heute so schnell und günstig umsetzen wie nie zuvor. Für viele Gründer ohne Tech-Hintergrund eröffnen sich dadurch Möglichkeiten, die es vor wenigen Jahren schlicht nicht gab.

Die Beispiele aus der Startup-Szene zeigen eindrucksvoll, wie die neuen Werkzeuge bereits eingesetzt werden. Gleichzeitig bleibt klar: Für echte Skalierung, Sicherheit und Performance führt an klassischem Entwicklerwissen kein Weg vorbei.

Die Zukunft gehört wahrscheinlich zu einem hybriden Ansatz, bei dem KI als mächtiges Assistenzwerkzeug fungiert und Entwickler sich auf das konzentrieren, was KI noch nicht zuverlässig beherrscht. So entsteht Raum für mehr Innovation, mehr mutige Ideen und letztlich mehr spannende Apps. Und genau das dürfte der deutschen Tech-Szene mehr als guttun.

Die digitale Transformation von Parkplätzen birgt großes Potenzial – vor allem, wenn sie nicht nur Schranken und Tickets eliminiert, sondern neue Geschäftsmodelle erschließt. In einem europäischen Markt für automatisierte Parksysteme, der auf 50 Milliarden Euro geschätzt wird, hat sich das Münchner Unternehmen Wemolo innerhalb kürzester Zeit in die erste Liga gearbeitet.

Mit einem Jahresumsatz von rund 40 Millionen Euro im Jahr 2024 und einer positiven EBIT-Marge im ersten Quartal 2025 hat das Scale-up trotz des signifikanten Wachstums die Gewinnzone erreicht. Die jährliche Wachstumsrate betrug seit Gründung 2019 durchschnittlich 280 Prozent (CAGR), was Wemolo laut Deloitte zu einem der am schnellsten wachsenden Tech-Unternehmen Deutschlands macht. Nach mehreren Finanzierungsrunden mit insgesamt rund 30 Millionen Euro (650.000 € Pre-Seed, 4,7 Mio. € Seed, 15 Mio. € Series A und zuletzt 10 Mio. € Growth Financing durch Partner wie die CIBC Innovation Banking) untermauert Wemolo damit die Attraktivität digitaler Parklösungen als Wachstumsbranche.

“Wir haben unsere Skalierungsphase genutzt, um parallel die Entwicklung unserer Technologie zu beschleunigen und rasch Marktanteile in fünf europäischen Ländern zu gewinnen”, sagt Wemolo-Mitgründer und CEO Dr. Yukio Iwamoto. Zu den Investor*innen zählen neben den strategischen Partnern Armira Growth und henQ auch die Flix Founders (Gründerteam des Mobilitätsanbieters Flix), wobei Jochen Engert dem Unternehmen als Beirat zur Seite steht.

"Dass sich Wemolo nach vergleichsweise kurzer Zeit ins Plus gearbeitet hat, ist das Ergebnis unseres kapitaleffizienten Wachstumskurses - mit deutlich weniger Investitionskapital als bei vergleichbaren Tech-Unternehmen. Unser KI-basiertes System liefert für Immobilieneigentümer, Asset-Manager, Einzelhandel und Kommunen nicht nur digitale Parklösungen, sondern auch wertvolle Daten für strategische Geschäftsentscheidungen", so Jochen Engert.

Vom Campus-Projekt zur Digitalplattform

Ursprünglich im Juli 2019 aus einem Projekt der UnternehmerTUM entstanden, betreibt Wemolo heute KI-basierte Kamerasysteme zur Kennzeichenerfassung und Abrechnung an über 3.000 Standorten in fünf Ländern. Täglich erfasst das Unternehmen mehr als zwei Millionen Parkvorgänge digital und wickelt diese ab. Das Unternehmen beschäftigt aktuell rund 250 Mitarbeitende und verwaltet insgesamt 255.000 Stellplätze – von Supermärkten und zentralen Parkhäusern über Krankenhäuser bis hin zu Freizeitanlagen wie Skigebieten und Badeseen.

"Unsere Profitabilität basiert nicht auf Kostendiät, sondern auf nachhaltiger Skalierung: mehr Volumen bei stabilen Fixkosten, bessere Flächenauslastung und immer wertvollere Daten-Assets für unsere Kunden", erklärt CEO und Mitgründer Jakob Bodenmüller. "Dank unserer KI-basierten Plattform können wir sehr schnell auf Marktanforderungen reagieren und unsere Lösung kontinuierlich weiterentwickeln."

Geschäftsmodell mit messbarem Mehrwert für Betreiber*innen

Das Kernprinzip: Mithilfe KI-basierter Computer Vision werden Ein- und Ausfahrten erfasst, was Schranken, Tickets, Parkscheiben und vor allem kostenintensives Personal vor Ort überflüssig macht. Wemolo bietet verschiedene Module für die Parkraumdigitalisierung - von der Überwachung kostenfreier Flächen bis zu volldigitalen Bezahlsystemen, die auf die jeweiligen Kund*innenanforderungen angepasst werden können. Die intelligente Plattform ermöglicht nicht nur die effiziente Bewirtschaftung von Parkraum und reibungslose Nutzer*innenerlebnisse, sondern liefert auch wertvolle Daten für optimierte Geschäftsentscheidungen.

“Wir liefern anonymisierte, aber hochgradig aussagekräftige Daten zur Flächennutzung”, erklärt CPTO und Mitgründer Bastian Pieper. “Ein Beispiel: Durch die effektive Vermeidung von Fremdparkern konnte einer unserer Lebensmittelkunden die Verfügbarkeit seiner Kundenparkplätze deutlich erhöhen. Das Ergebnis: Ein messbarer Anstieg des Filialumsatzes, der bei typischen Margen des Lebensmitteleinzelhandels eine Gewinnsteigerung im mittleren fünfstelligen Bereich pro Jahr ermöglicht.”

“Bei gewerblichen Immobilienprojekten ermöglichen unsere präzisen Nutzungsdaten eine optimierte Stellplatzdimensionierung, was für Investoren zu signifikanten Einsparungen bei Tiefgaragen-Investitionen führt und die Gesamtrendite der Immobilie verbessert”, ergänzt Pieper.

Wachstumsfinanzierung strategisch eingesetzt

Den Break-even wertet das Management als Bestätigung des Geschäftsmodells, aber auch als Signal des wachsenden Bedarfs am Markt. “Wir merken, dass immer mehr Unternehmen und Immobilieneigentümer aktiv nach einer unkomplizierten, verlässlichen Lösung suchen, um ihre Parkflächen zu digitalisieren – und zugleich relevante Daten zu erheben. Das Thema steht weiterhin am Anfang. Wir wollen Wemolo zum stärksten Anbieter auf dem Feld der smarten Parklösungen ausbauen”, sagt Iwamoto.

“Wir verfolgen bei unserer Technologieentwicklung einen hybriden Ansatz”, erklärt Pieper. “Die entscheidenden Komponenten – unsere custom-trainierte KI und die zentrale Softwareplattform – entwickeln wir komplett inhouse, während wir Spezialkomponenten wie Bezahlautomaten nach unserem Design in Deutschland fertigen lassen.”

“Wir setzen auf robuste Industrial-Grade-Hardware, auf der unsere speziell trainierte KI läuft, um jedes Fahrzeug unter allen Wetterbedingungen zuverlässig zu erfassen. Diese Kombination aus eigener Software-Expertise und gezielter Hardware-Integration ermöglicht uns viel schnellere Innovationszyklen als bei traditionellen Parksystembetreibern oder reinen Software-Anbietern”, führt Pieper fort. “Ähnlich wie Tech-Vorreiter aus dem Silicon Valley bringen wir neue Features und KI-Optimierungen in Wochen statt Quartalen zur Marktreife.”

Expansion und Herausforderungen des Wachstums

Wemolo ist bereits in fünf europäischen Ländern aktiv, darunter Deutschland, Österreich, Schweiz, Polen und Italien. Für 2025 plant das Unternehmen, seine digitalen Bezahllösungen in diesen und weiteren europäischen Märkten auszubauen. Dabei setzt das Scale-up auf ein Netzwerk aus strategischen Kooperationen mit Lebensmitteleinzelhändlern, Immobilienentwicklern und kommunalen Einrichtungen.

“Die klassischen Schrankenparksysteme sind in vielen Regionen noch Standard, aber der Markt wandelt sich rapide”, sagt Bodenmüller. “Unser digitales Konzept steigert den Verbraucherkomfort, die Wirtschaftlichkeit von Immobilien und erfüllt ESG-Anforderungen.”

Die größten Herausforderungen beim weiteren Wachstum sieht das Management vor allem in der unterschiedlichen Regulierung zur Kameraüberwachung in den europäischen Ländern sowie in der Akzeptanz schrankenloser Systeme bei traditionell orientierten Betreibern. “Mit unserer DSGVO-konformen Technologie und messbaren Kostenvorteilen durch den Wegfall wartungsintensiver Schranken und Ticketsysteme überzeugen wir den Markt”, betont Pieper.

Ambitionierte Ziele in einem wachsenden Markt

Vor dem Hintergrund der Profitabilität plant Wemolo nun den nächsten Wachstumsschritt. “Wir sind im digitalen Parksegment bereits Marktführer in Europa und wollen zum absolut stärksten Provider werden”, sagt Iwamoto. “Dass wir jetzt bereits profitabel sind, verschafft uns die nötige Unabhängigkeit, um in Technologie, Teams und Expansion zu investieren, ohne dabei von externem Kapital abhängig zu sein." Branchenexperten prognostizieren für den europäischen Markt digitaler Parksysteme ein anhaltend starkes Wachstum. Denn bislang gelten weniger als 25 Prozent des auf rund 50 Milliarden Euro geschätzten Gesamtmarktes als technologisch modernisiert – etwa durch kamerabasierte Zugangssysteme, automatisierte Bezahlprozesse oder intelligente Flächenanalysen.

CIRCULAR REPUBLIC, die Initiative für Kreislaufwirtschaft von UnternehmerTUM, präsentiert ihre neue Start-up Landscape für den Bereich Circular Economy. Die Datenerhebung geht in diesem Jahr über Deutschland hinaus und stellt als größte datenbasierte Analyse europäischer zirkulärer Start-ups eine Übersicht über Finanzierungstrends und Chancen zur Verfügung.

Die größte datenbasierte Analyse europäischer zirkulärer Start-ups

Über 2.500 Start-ups der Kreislaufwirtschaft florieren in ganz Europa. Großbritannien, Deutschland und Frankreich führen anhand Gründungszahlen und Investitionsvolumen: im Vereinigten Königreich sind es 528 Start-ups und 7,2 Milliarden Euro Kapital, gefolgt von Deutschland mit 499 Start-ups die 5,7 Milliarden Euro erhielten sowie 306 Start-ups finanziert von 2,2 Milliarden Euro in Frankreich.

Ein Grund für die gute Entwicklung in diesen Ländern, sind reife Innovationsökosysteme. Sie bündeln die Kräfte zwischen weltklasse Forschungsinstituten, führenden Industrievertretern und Gründungszentren als Brücken. Dazu zählen Berlin, London, München, Paris, aber auch Barcelona und Stockholm. Die Kreislaufwirtschaft zieht zudem diverse Gründungsteams an, der Frauenanteil liegt mit 30 % deutlich über dem Durchschnitt. Auch gilt der Bereich als attraktiv für abwandernde Top-Talente aus den USA.

Starke Finanzierung trotz Investitionskrise

Während die Finanzierung europäischer Start-ups seit 2021 zurückgeht, erreichen Start-ups im Bereich der Kreislaufwirtschaft 2023 mit über 9 Milliarden US-Dollar eingenommen Kapitals einen neuen Höchststand. Die Finanzierung für Circular Economy Start-ups ist seit 2015 kontinuierlich gewachsen – trotz weltweiter Krisen wie der COVID-19-Pandemie oder dem Angriffskrieg auf die Ukraine. Besonders Neugründungen, die zirkuläre Lösungen für kritische Rohstoffe in Bereichen wie Energie und Batterien anbieten, profitieren von wenig Konkurrenz und ziehen viel Kapital an. Demgegenüber erhalten Start-ups, die bestehende Produkte reparieren oder aufbereiten, nach wie vor am wenigsten Geld.

„Am Gründungs- und Investmentverhalten zeigt sich klar, dass die Circular Economy die Nachhaltigkeitsdomäne verlassen hat und als wichtiger Garant für resiliente Lieferketten erkannt wurde”, sagt Dr. Matthias Ballweg, Mitgründer und Director von CIRCULAR REPUBLIC. „Ein starkes Zeichen für die europäische Souveränität.”

Leonhard Teichert, Projektleiter bei CIRCULAR REPUBLIC, ergänzt: „Investments in Europas Circular Economy-Start-ups nehmen stetig zu – trotz aller Krisen. Das zeigt: Der europäische Markt erkennt zirkuläre Geschäftsmodelle nicht nur als ökologisch sinnvoll, sondern auch als einen Schlüssel zur Resilienz von Lieferketten. Wer in die Circular Economy investiert, investiert in Zukunftssicherheit.“

Potenziale der Kreislaufwirtschaft

Die Untersuchung zeigt noch unberücksichtigte Bereiche der Kreislaufwirtschaft auf. So sind die Gründungszahlen entlang des Stoffkreislaufes ungleich verteilt. 27 % der Start-ups entwickeln Produkte aus nachwachsenden oder recycelten Materialien, dagegen entwerfen nur weniger als ein Prozent der Unternehmen Lösungen zur Verfeinerung oder Demontage von Materialien. Damit Stoffkreisläufe jedoch nachhaltig und vollständig geschlossen werden, bräuchte es in diesen Bereichen ausreichend Angebote. Zudem nutzen gerade vier Prozent aller erfassten Start-ups Künstliche Intelligenz (KI). 31 % davon sitzen in Deutschland - so viel, wie in keinem anderen Land in Europa. Hier könnte sich Deutschland weiter hervortun und einen strategischen Fokus auf die Entwicklung KI-basierter Lösungen der Kreislaufwirtschaft setzen.

Wer wird in der Start-up-Landkarte gelistet?

Um Teil der Übersicht zu sein, müssen Start-ups mindestens einen der folgenden Aspekte im Geschäftsmodell verankert haben: Sie stellen Produkte aus nachwachsenden oder recycelten Materialien zur Verfügung (z.B. das Start-up Traceless), sie setzen auf „Product-as-a-Service” (z.B. everphone), dienen Nutzerinnen und Nutzern als Sharing-Plattform (z.B. Recup), tragen zur Verlängerung der Lebenszeit eines Produkts bei (z.B. STABL), setzen auf Rückgewinnung von Materialien aus Produkten am Ende ihrer Lebenszeit (z.B. Radical Dot) oder sie unterstützen Unternehmen dabei, zirkuläre Wertschöpfungsketten zu etablieren (z.B. Resourcify). Unternehmen, die eine Zusammenarbeit mit Start-ups in verschiedenen Phasen der Circular Economy anstreben, können Matching-Dienstleistungen wie die von EasyMatch beanspruchen.

Hier geht’s zur größeren Ansicht der Start-up Landscape