Gesucht werden branchenübergreifend Teams mit skalierbaren Geschäftsmodellen, innovativen Technologien und Wachstumspotenzial – unter anderem aus den Bereichen KI & Software, Bio & Life Science, Clean Tech, FinTech, Food, Consumer Products oder E-Commerce. Auch Forschungsprojekte mit verwertbaren Ergebnissen und konkretem Anwendungspotenzial können sich bewerben.

Im Mittelpunkt stehen kompakte Pitch-Sessions, kuratierte 1:1-Matchings mit Investoren und direkter Austausch mit Branchenakteuren. Zusätzlich profitieren die ausgewählten Teams von einer professionellen Vorbereitung durch Workshops, Pitchtrainings sowie Unterstützung bei Pitch- und Read Decks.

Darüber hinaus bietet der Investforum Pitch-Day Networking mit Business Angels, VCs und Unternehmen sowie Keynotes rund um Innovation und Wachstum. Ein weiterer Höhepunkt ist die Verleihung des Awards „Überzeugendstes Startup“ der Stadtwerke Halle GmbH, dotiert mit 2.500 Euro, sowie des „TK-Sonderpreis Gesundheit“ der Techniker Krankenkasse Sachsen-Anhalt, dotiert mit 1.000 Euro.

Mit der HANGAR Night erwartet die Teilnehmenden außerdem ein besonderes Abendformat mit Innovation Walks, Drinks, Live-Musik und Austausch in außergewöhnlicher Atmosphäre.

Die Bewerbungsphase läuft noch bis zum 14. Juni 2026. Weitere Informationen zu Teilnahmebedingungen, Förderung und Bewerbung gibt es unter: pitchday.investforum.de

Der Investforum Pitch-Day 2026 ist ein Angebot der IMPETUUM GmbH – Institut für Wissens- und Technologietransfer an der Martin-Luther-Universität Halle-Wittenberg – und wird durch das Ministerium für Wirtschaft, Tourismus, Landwirtschaft und Forsten mit Mitteln des Europäischen Sozialfonds Plus und des Landes Sachsen-Anhalt gefördert

Das KI-Start-up Inno KI aus dem niedersächsischen Vechta vermeldet einen Meilenstein: Im Mai 2026 – rund zwei Jahre nach der Gründung – hat das Unternehmen die Marke von einer Million Euro Annual Recurring Revenue (ARR) erreicht. Das Besondere daran: Dieser Aufbau gelang vollständig aus eigenem Startkapital und ohne externes Wachstumskapital. In einem Markt, der primär von milliardenschweren Risikokapitalrunden Schlagzeilen macht, horcht die Szene auf. Ein genauerer Blick auf das Geschäftsmodell zeigt jedoch: Die Unabhängigkeit hat ihren Preis – und ermöglicht zugleich überraschende strategische Freiheiten.

Vom Agentur-Projekt zur DSGVO-Plattform

Die Historie von Inno KI zeigt einen klassischen pragmatischen Ansatz. Das Unternehmen entstand unter anderem aus der Marketing-Agentur moin media und der Magic Labs GmbH, die bereits ab 2022 intensiv mit KI-Anwendungen experimentierten. Aus der Kernfrage, wie Mitarbeiter rechtssicher und datenschutzkonform mit Künstlicher Intelligenz arbeiten können, wurde Ende 2024 schließlich die Plattform innoGPT gelauncht.

Hinter dem Projekt stehen die Gründer Mike Koene und Maurice Brumund, der als Geschäftsführer agiert. Das von ihnen entwickelte Produkt fungiert als Brücke zu den großen Sprach- und Bildgenerierungsmodellen der US-Konzerne und europäischer Entwickler*innen – darunter OpenAI, Anthropic, Google, Meta und Mistral sowie Black Forest Labs. Der entscheidende Hebel für den deutschen Mittelstand: Die Plattform ist komplett DSGVO-konform und wird auf Servern in Deutschland innerhalb der EU gehostet. Laut Unternehmensangaben nutzen bereits über 1.000 Unternehmen und mehr als 600 Professionals das System täglich, unterstützt von einem Netzwerk aus über 30 Vertriebspartnern. Zu den namhaften Kund*innen zählen Schwergewichte wie PwC, die GC Gruppe, Hansa-Flex und die Böckmann Fahrzeugwerke.

Die ARR-Metrik im Branchen-Check

Innerhalb der Start-up-Welt ist die Kennzahl ARR (Annual Recurring Revenue) ein hoch bewertetes Gut, da sie in der Regel für planbare und hochskalierbare Abo-Einnahmen steht. Inno KI erklärt in seiner Mitteilung, dass die Plattform derzeit mit rund 30 Prozent pro Monat wächst. Gleichzeitig fließen Einnahmen aus begleitendem KI-Consulting und intensiven Schulungen direkt in die Weiterentwicklung des Produkts.

Für Analyst*innen zeigt sich hier ein interessanter Hybrid: Während klassische SaaS-Investoren oft eine strikte Trennung von reinen Software-Lizenzen und schwer skalierbaren Dienstleistungen fordern, nutzt Inno KI eine starke Verknüpfung beider Welten. Consulting und das vom Unternehmen angebotene Change-Management sind zeit- und personalintensiv. Das aktuelle Wachstum wird somit maßgeblich durch ein Systemhaus-ähnliches Modell querfinanziert. Das senkt zwar das finanzielle Risiko enorm, wirft bei Tech-Puristen aber unweigerlich die Frage auf, wie schnell sich das Modell global ohne massiven Personaleinsatz skalieren lässt.

Technologische Tiefe vs. „Middleware“-Dilemma

Technologisch bewegt sich innoGPT im Bereich der Middleware. Das Start-up entwickelt keine eigenen Foundation-Modelle, sondern legt eine datenschutzkonforme Schnittstellen-Hülle über bestehende Drittanbieter-Technologien. In der Tech-Szene wird bei solchen Modellen oft die Tiefe des technologischen „Burggrabens“ hinterfragt.

Den oft geäußerten Vorwurf, ein reiner „API-Wrapper“ zu sein, kontert Inno KI jedoch mit einer eigenen technologischen Wertschöpfungsschicht: Wie StartingUp bereits in der Meldung zum B2C-Vorstoß von innoGPT berichtete, nutzt das System eine "Named Entity Recognition". Dabei werden sensible personenbezogene Daten in hochgeladenen Dokumenten automatisch durch Platzhalter ersetzt, bevor sie überhaupt an die Schnittstellen der US-Anbieter*innen gesendet werden.

Zusätzlich zu diesem technischen Datenschutz bleibt die Strategie stark auf die menschliche Komponente fokussiert: Da die Einführung von KI primär die Veränderung von Arbeitsweisen bedeutet, ist das operative Change-Management ein fester Bestandteil der Leistung geworden. Die Kund*innenbindung erfolgt also maßgeblich durch Beratungs- und Implementierungskompetenz vor Ort.

B2B als Cashcow für den B2C-Testballon

Geschäftsführer Maurice Brumund betont, dass man Angebote von Kapitalgeber*innen bewusst abgelehnt habe. Der Verzicht auf Venture Capital sichere dem Unternehmen die Unabhängigkeit von harten Quartalsvorgaben externer Investoren, die fast immer einen schnellen Exit anstreben. Für Kund*innen wolle man so ein stabilerer, langfristiger Partner sein.

Genau diese Unabhängigkeit erklärt auch die ungewöhnlichen strategischen Züge des Start-ups. Die Gewinne aus dem B2B-Kerngeschäft dienen als Motor für neuartige Experimente. Wie wir kürzlich berichteten, wagt sich Inno KI mit einem „Family Package“ (34,90 Euro/Monat) an den ungelösten datenschutzkonformen KI-Zugang für Familien und das Kinderzimmer heran. Ein derartiger B2C-Testballon für ein B2B-fokussiertes Unternehmen wäre unter dem strengen Fokus klassischer VC-Geber*innen, die meist eine eindimensionale Skalierung im Kerngeschäft fordern, kaum denkbar gewesen.

Fazit

Inno KI liefert ein starkes Beispiel für erfolgreiches Bootstrapping im deutschen Tech-Sektor. Dem Team ist es gelungen, die akute Compliance-Unsicherheit des Mittelstands schnell und profitabel zu monetarisieren. Der Fall zeigt Gründer*innen, dass ein tragfähiges Geschäftsmodell im KI-Bereich nicht zwingend auf Milliardeninvestitionen basieren muss, wenn die vertriebliche Nische und der Service stimmen. Ob sich das Hybrid-Modell langfristig gegen die fortschreitende Marktkonsolidierung der Tech-Riesen behauptet, wird sich zeigen – doch vorerst nutzt Inno KI seine finanzielle Freiheit konsequent für eigene Wege.

Während andere Abiturient*innen für Klausuren büffeln, programmierten Florian Ritzel und sein Mitgründer Jannik Kirchhoff (beide 18) ein Start-up. Die Initialzündung war laut den beiden Hamburger Gymnasiasten eine gesellschaftliche Beobachtung: Die Belastung durch Mobilitätskosten. „Die alleinerziehende Mutter sollte nicht an der Zapfsäule stehen müssen und entscheiden, ob sie ihr Kind in die Kita oder sich selbst zur Arbeit fährt“, beschreibt Ritzel die Motivation hinter dem Projekt. Die amüsante Ironie ihrer Gründung: Die Marlow-Gründer besitzen aktuell nicht einmal einen Führerschein.

Auf die naheliegende Skepsis bezüglich dieses fehlenden „Nutzer-Wissens“ reagiert Florian Ritzel offensiv: „Natürlich gibt es immer Leute, die unsere Idee kritisieren. Und fehlendes Nutzerwissen ist gerade am Anfang schwierig, vor allem, wenn man eine App bauen möchte, die möglichst vielen Menschen hilft.“ Doch aus der vermeintlichen Schwäche machten sie eine Stärke durch maximale Nutzerorientierung. „Wir haben bereits vorher im Umfeld rumgefragt, was die Leute eigentlich brauchen, und danach gezielt um Feedback gebeten“, erklärt der Gründer. Der Erfolg gibt ihnen recht: „Inzwischen erreichen uns täglich dutzende Mails mit Tipps – was die Nutzer*innen sich wünschen und wie wir die App verbessern können. Dadurch wird uns das Ganze nicht zum Verhängnis, sondern sogar zum Vorteil.“

Mit Marlow wollen sie den rund 48,5 Millionen Pkw-Halter*innen in Deutschland auf den Cent genau aufzeigen, wo das Auto wirklich Geld frisst. Denn der teure Kraftstoff ist nur ein Teil der Wahrheit. Falsche Versicherungstarife, unbemerkter Wertverlust, Wartung und vergessene Pendlerpauschalen reißen oft weitaus größere Löcher ins Budget. Die Resonanz ist für die frühe Phase beachtlich: Ganz ohne bezahltes Marketing sammelte die App schnell über 700 Downloads ein – eine für den Massenmarkt zwar noch bescheidene Zahl, die jedoch ausreichte, um mehrfach in die Top 100 der Finanz-Charts im App Store zu stürmen. Zudem generierte das Projekt rein organisch Presseberichte, unter anderem in der FAZ, der SWP und bei Antenne Bayern.

Holistischer Ansatz statt reiner Tank-App

Auf den ersten Blick wirkt Marlow wie ein weiterer Spritpreis-Radar. Die App zieht in Echtzeit Daten der Markttransparenzstelle für Kraftstoffe, listet Ladesäulen für E-Autos und alarmiert per Push-Nachricht bei günstigen Preisen. Der entscheidende Pivot ist jedoch das ganzheitliche Kostentracking: Die Gründer haben einen eigenen Versicherungsrechner sowie einen Steuer-Sparrechner integriert, bieten detaillierte Monatsreports an und binden die Nutzer*innen über einen Gamification-Ansatz („Sparfuchs-Score“). Ein zentrales Versprechen in Zeiten von Datenskandalen: Alle sensiblen Nutzer*innendaten werden lokal auf dem Endgerät gespeichert – es gibt keine zentrale Cloud.

Angesprochen auf die Skalierbarkeit dieses Modells bezieht Jannik Kirchhoff klar Stellung: „Die lokale Datenspeicherung ist gerade in Deutschland kein strategisches Eigentor. Ich halte nichts für wichtiger, als die privaten Daten unserer Nutzer*innen zu schützen“. Er warnt vor den Risiken zentraler Speicherlösungen: „Niemand muss wissen, wo ich wohne, wohin ich morgens fahre oder wo meine Kinder zur Kita gehen. Wir haben in der Vergangenheit immer wieder gesehen, dass jeder gehackt werden kann. Und gerade als junge Entwickler können und wollen wir diese Verantwortung nicht übernehmen“. Personalisierte Spar-Vorschläge ließen sich laut Kirchhoff auch direkt auf dem Smartphone „hervorragend realisieren“.

Ein echtes Haifischbecken

Die Vision ist ambitioniert, doch der Markt ist hart umkämpft. Die Konkurrenz reicht von Excel-Tabellen bis zu Platzhirschen wie Spritmonitor oder Giganten wie Clever Tanken. Warum also wechseln? Florian Ritzel gibt sich selbstbewusst: „Die Spritpreis-Übersicht ist bei uns nur eines von vielen Features – nicht der Hauptteil. Wer Spritmonitor so gut findet, darf dort gerne bleiben.“ Der Fokus liege woanders: „Wer aber wirklich tracken möchte, was sein Auto insgesamt kostet, der kann das eben nur bei uns. Diese Gesamtheit an Features gibt es bisher in keiner anderen App in dieser Form.“ Selbst das Argument der manuellen Excel-Tabelle lässt er nicht gelten: „Natürlich kann man sich das selbst in Excel bauen – aber darauf haben die meisten Leute schlicht keine Lust. Genau deswegen sind wir so gut.“

Kritisch hinterfragt

Trotz des Aufklärungscharakters ist Marlow kein reines Hobbyprojekt; In-App-Käufe für eine „Plus“-Version (0,99 €/Monat) sowie eine „Pro“-Version (2,99 €/Monat bzw. 19,99 €/Jahr) bilden das Monetarisierungsmodell. Ob die selbstgestrickte Mathematik hinter dem Versicherungsrechner, der auf hunderten per Hand durchgerechneten Profilen basiert, ohne echte API-Schnittstellen dauerhaft standhält, bleibt abzuwarten.

Wie viele Abonnent*innen braucht es, um nach dem Abitur davon zu leben? Jannik Kirchhoff rechnet vor: „Ehrlicherweise vermutlich mehr als 10.000 zahlende Abonnent*innen – aber das ist zunächst auch nicht unser Ziel.“ Aktuell stehe das Lernen im Vordergrund: „Wir wollen vor allem Erfahrungen sammeln durch das, was wir machen, und gleichzeitig die laufenden Kosten decken. Das sollte demnächst möglich sein.“

Für die Zeit nach dem Abschluss hält er sich alle Türen offen: „Risikokapital halte ich ab dem Moment für unumgänglich, an dem wir wirklich konkret expandieren wollen. Das wird vermutlich nach dem Abitur der Fall sein. Dann muss man schauen, ob es sich lohnt, Anteile abzugeben oder Kredite aufzunehmen.“ Sein Fazit: „Spannend wird es erst, wenn wir die Idee wirklich groß skalieren wollen.“

Ein exzellentes MVP mit Pivot-Potenzial

Marlow ist ein Lehrbuchbeispiel für ein hervorragendes Minimum Viable Product (MVP). Um jedoch hochprofitabel zu werden, könnte mittelfristig ein Wechsel hin zur Affiliate-Provision für Versicherungswechsel nötig sein. Doch hier bremst Florian Ritzel bewusst: „Versicherungspartner wollen wir zunächst bewusst nicht werden, denn einer der entscheidendsten Punkte unserer App ist, dass wir Versicherungsdaten unabhängig zur Verfügung stellen.“

Sein Ziel ist technologische Exzellenz: „Meilenstein eins ist, den Versicherungsrechner so akkurat zu machen, dass wir auf Check24-Niveau sind – ohne dafür Provisionen zu kassieren.“ Zudem plane man Kooperationen mit Fahrschulen und Werkstätten, um die Leute genau dort zu erreichen, „wo sie am meisten ans Auto denken“. Die größte Hürde bleibt derweil technischer Natur: „Meilenstein drei ist die Android-Version – das ist allerdings extrem schwer umzusetzen, gerade wenn man iOS-Coding gewohnt ist.“ Dennoch verspricht er: „Wir planen das aber innerhalb der nächsten drei Monate.“

Der Grundstein ist gelegt. Nun müssen die beiden Hamburger beweisen, dass sie nach dem Abitur nicht nur programmieren, sondern auch unternehmerisch durch den dichten Verkehr des Mobilitätsmarktes navigieren können.

Mit Ryze geht eine neue Matching-App im DACH-Raum an den Start, die das ewig leidige Problem der Mitgründer*innensuche lösen will. Die App kommt nach monatelanger Pilot- und Beta-Phase am 1. Juni 2026 offiziell für iOS und Android in die App-Stores.

Doch das Konzept des „Tinder für Start-ups“ gilt in der Tech-Szene als berüchtigte Teergrube: Nicht wenige Vorgänger*innen sind bereits an strukturellen Fehlern gescheitert. Jede erfahrene Venture-Capital-Firma weiß: Die häufigste Todesursache für junge Start-ups – laut Harvard-Studien rund 65 Prozent – ist nicht das falsche Produkt oder fehlendes Kapital, sondern ein zerrüttetes Gründungsteam.

Die Suche nach dem passenden Gegenpart ist für viele angehende Entrepreneur*innen also ein massiver Flaschenhals. Eine kritische Analyse der Erfolgschancen, historischen Fallstricke und aktuellen Platzhirsche.

Der Kopf hinter Ryze und die chaotische Mitgründersuche

Die treibende Kraft hinter Ryze ist Lukas Kreuch. Der Masterstudent der Wirtschaftsinformatik an der Ernst-Abbe-Hochschule (EAH) Jena bringt bereits Erfahrung aus der Gründung einer eigenen Marketingagentur und der App-Entwicklung mit. Die Idee entstand Anfang 2025 und wurde klassisch über das StartUpLab der EAH Jena validiert. In der technischen Umsetzung wird er von einem Entwickler unterstützt, der die Produktentwicklung und Matching-Logik begleitet.

Für Kreuch war der Schmerz der Zielgruppe aus eigener Erfahrung schnell greifbar. „Nicht die Idee war meistens das größte Problem, sondern die Frage: Mit wem setzt man sie eigentlich um?“, rekapituliert der Gründer seine Erkenntnisse aus zahlreichen Gesprächen mit Studierenden und Hochschulnetzwerken.

Dabei sei ihm klar geworden, wie unstrukturiert die Mitgründer*innensuche im DACH-Raum oft abläuft. „Die meisten suchen über Zufall, LinkedIn, WhatsApp-Gruppen, Events oder Freundeskreise. Das funktioniert manchmal, aber eben nicht zuverlässig“, bemängelt er.

Der Schritt an die Öffentlichkeit kostete dennoch Überwindung. „Am Anfang fragt man sich schon, ob man vielleicht nur selbst ein Problem sieht, das für andere gar nicht relevant ist“, gesteht Kreuch. Doch das Feedback habe genau das Gegenteil gezeigt, da viele Menschen das Problem sofort aus eigener Erfahrung erkannten.

Mitgründer*innen finden per Swipe: So funktioniert das Ryze-Matching

Das Produkt bedient sich der gelernten UX-Mechaniken moderner Dating-Apps: Per Radar- und Swiping-Funktion suchen Nutzer*innen nach potenziellen Mitgründer*innen. Die Kerninnovation soll jedoch im intelligenten Algorithmus liegen.

Dieser gleicht nicht nur harte Skills ab, sondern fokussiert sich auf ein „wissenschaftliches Matching“ basierend auf gemeinsamen Werten, Zielen und Arbeitsweisen. Ein richtiger Ansatz, denn oft scheitern Gründungs-Ehen nicht an fehlenden Programmierkenntnissen, sondern an toxischer Teamdynamik.

Doch birgt die gezielte Suche nach ähnlichen Werten nicht die Gefahr des gefürchteten „Mini-Me-Effekts“ – also völlig homogene Teams? Lukas Kreuch kontert diese Bedenken: „Unser Ziel ist nicht, in allen Dimensionen möglichst ähnliche Menschen zusammenzubringen, sondern an manchen Stellen komplementär zu matchen.“ Ein Team funktioniere langfristig nur dann gut, wenn nicht nur Kompetenzen, sondern auch Erwartungen und Werte zusammenpassen.

Auf die Nachfrage, wie die tiefgreifenden Persönlichkeitsprofile mit harten DSGVO-Standards vereinbar sind, rudert der Gründer etwas zurück und räumt ein, dass in der aktuellen Version noch gar nicht mit einem umfassenden Persönlichkeitstest gearbeitet werde. Zunächst basiere das Matching auf freiwilligen Profilangaben. Dennoch versichert er hohe Standards: „Personenbezogene Daten werden nicht an Dritte verkauft oder für externe Werbezwecke verwendet. Uns ist wichtig, dass die Plattform Vertrauen schafft.“ Gerade bei potenziellen Geschäftspartnerschaften sei das aus seiner Sicht entscheidend.

Der Friedhof der Co-Founder-Apps

In der Start-up-Welt gilt das „Tinder für Gründer*innen“ als klassische Tarpit Idea (Teergrube): Ein Geschäftsmodell, das bestechend logisch wirkt, in der Umsetzung aber hohe strukturelle Hürden aufweist. Zahlreiche Akteur*innen haben sich daran bereits die Zähne ausgebissen. Pioniere wie FounderDating oder CollabFinder scheiterten dramatisch an explodierenden Kund*innenakquisitionskosten (CAC) und der fehlenden Zahlungsbereitschaft der Zielgruppe. Auch im DACH-Raum versuchten sich schon große Medienhäuser an dem Modell, doch die reine Co-Founder-Suche lässt sich für eine meist noch kapitalarme Zielgruppe kaum monetarisieren.

Diese historischen Beispiele verdeutlichen die strukturellen Todesfallen in diesem Nischenmarkt:

• Das Erfolgs-Paradoxon: Erfolgreiche Nutzer*innen löschen die App nach einem Match sofort wieder, wodurch der Customer Lifetime Value minimal bleibt.
• Fehlende Netzverdichtung: Ein Mangel an lokaler Dichte erschwert reale Treffen für lokale Gründungen.
• Das Lemons-Problem (Adverse Selektion): Mangels harter Filter wird die App von „Idea Tourists“ ohne echte Exekutionskraft überschwemmt.

Wie Ryze diesen Fallen entgehen will – und die Frage nach dem Geld

Strategisch brillant ist daher Ryzes strikter Hochschul-Fokus. Statt teurem Massenmarketing kooperiert das Start-up zum Launch mit einem starken Netzwerk aus 16 Partner*innen, darunter die Fernuni Hagen, die Hochschule Wirtschaft und Recht Berlin und das Weimarer Gründerzentrum neudeli.

Dieser dezentrale Ansatz schafft sofortige lokale Netzverdichtung in den Uni-Städten und wirkt als starker akademischer Filter gegen das Lemons-Problem.

Die kritische Schwachstelle von Ryze bleibt jedoch das geplante Freemium-Modell, bei dem Power-User*innen Abos für exklusive Vorteile abschließen sollen. Kreuch nimmt die Kritik am drohenden Churn (Nutzer*innenabwanderung) unumwunden an: „Dass erfolgreiche Nutzer*innen die Plattform nach einem erfolgreichen Match oft wieder verlassen, ist eine der zentralen Herausforderungen.“ Deshalb habe man Ryze nie ausschließlich als klassisches B2C-Modell betrachtet.

Das Freemium-Modell bleibe wichtig, um die Einstiegshürde niedrig zu halten, doch im Fokus stehe zunächst die echte Aktivität und nicht die schnelle Monetarisierung. Eine aktive Pre-Seed-Runde führt das Team aktuell nicht, ist aber für strategische Investoren offen, die Netzwerk und Zugang zum Start-up-Ökosystem mitbringen.

Founderio & Co.: Die Konkurrenz auf dem Co-Founder-Markt

Dieses Monetarisierungsproblem wird besonders kritisch beim Blick auf den Wettbewerb, denn Ryze betritt kein Vakuum:

• Die direkten DACH-Konkurrent*innen: Hier thront Founderio mit zehntausenden registrierten Nutzer*innen. Die Plattform hat den riskanten B2C-Fokus frühzeitig korrigiert und monetarisiert heute erfolgreich über B2B-Kooperationen.
• Die analogen Schwergewichte: Große Zentren wie die UnternehmerTUM in München veranstalten exzellente Co-Founder-Matchmakings, bei denen sich der „Nasenfaktor“ analog in Sekunden überprüfen lässt.
• Die globalen Substitutions-Gefahren: Das dominierende LinkedIn und das komplett kostenlose, globale Y Combinator Co-Founder Matching ruinieren die Preisdurchsetzungsmacht für kleine, kostenpflichtige Start-ups im B2C-Segment.

Wie will man gegen diese Übermacht bestehen? Kreuch nimmt die Konkurrenz ernst, gibt sich aber fokussiert: „Wir möchten nicht einfach nur die größte Plattform für Co-Founder-Matching bauen, sondern auch qualitativ hochwertige Gründungen aus Hochschulen, Gründungszentren und lokalen Start-up-Ökosystemen entstehen lassen.“

Er pocht auf den entscheidenden Vorteil der regionalen Nähe. Am Ende sei es wichtig, ob aus einem digitalen Match schnell ein echtes Gespräch in einem Café entstehen könne. „Entscheidend ist zunächst der DACH-Raum: lieber 3.000 aktive Nutzer*innen in einem starken Gründungsumfeld als 30.000 passive Profile ohne echte Interaktion“, formuliert der Gründer sein klares Credo.

Unser Fazit: Der rettende Pivot?

Konzeptionell, technisch und durch den starken UX-Fokus macht Ryze einen exzellenten Eindruck. Die App bringt eine mobile-first Dynamik in einen bisher starren Markt und grenzt sich durch ihr Gen-Z-gerechtes Interface scharf ab.

Doch die eigentliche Überlebensfrage beginnt, sobald erste Fördergelder auslaufen. Damit Ryze nicht das Schicksal seiner historischen Vorgänger*innen teilt, liegt der lukrativste Ausweg mittelfristig im B2B-SaaS-Segment: als lizenzierte Whitelabel-Community-Lösung an Universitäten und Inkubatoren.

Dieser strategischen Einschätzung stimmt der Gründer zu. „Das B2B-Whitelabel-Modell ist für uns mittelfristig eine realistische Option, die wir bewusst im Hinterkopf behalten“, gibt Kreuch preis. Wenn man eine funktionierende Infrastruktur entwickle, entstehe automatisch auch ein Mehrwert für Institutionen.

Doch einen überstürzten Pivot wird es nicht geben. Die kommenden zwölf Monate sollen laut Roadmap primär dem Produkt und der Validierung im Markt dienen, um datenbasiert zu verstehen, wo der größte Mehrwert entsteht, bevor man sich auf ein B2C-, B2B- oder Hybridmodell festlegt.

„Ryze wird von Anfang an so aufgebaut, dass daraus perspektivisch auch eine Infrastruktur für Hochschulen und Start-up-Ökosysteme entstehen kann“, verspricht Kreuch abschließend. Gelingt dieser Shift, könnte Ryze tatsächlich das Kunststück vollbringen, an dem die Szene seit über zehn Jahren scheitert.

Der Schreckmoment ist fast jedem/jeder Autofahrer*in bekannt: Einmal beim Ausparken unaufmerksam gewesen, und schon prangt eine hässliche Delle im Kotflügel. Was folgt, ist meist eine zeitraubende Odyssee durch Werkstätten, um Kostenvoranschläge zu vergleichen. Das 2025 in Berlin gegründete Start-up Kai Karosse will diesen Prozess nun radikal verkürzen. Die Gründer David Schmeußer und Rico-Thore Kauert verfolgen eine klare Vision: Die Bewertung eines Karosserieschadens soll künftig so einfach funktionieren wie ein Online-Einkauf.

Die 3.000-Euro-Delle und das Versprechen der Transparenz

Die Idee zum Unternehmen entsprang laut David Schmeußer klassischem Alltagsfrust. Vor einer Leasingrückgabe fuhr der Gründer wegen zwei kleiner Dellen in der Tür bei drei verschiedenen Werkstätten vor. „Die Angebote variierten damals zwischen 300 und 3.000 Euro“, erinnert er sich. „Ich fragte mich: Wie kann das sein? Warum ist dieser Markt so intransparent? Warum muss ich als Kunde überall vorstellig werden?“

Den entscheidenden Anstoß gab schließlich seine Frau mit der Frage, warum man nicht einfach eine künstliche Intelligenz nach einem realistischen Preis frage. Eine Marktrecherche ergab zudem, dass jährlich rund eine Million Suchanfragen allein zu Smart Repair und verwandten Themen gestellt werden. Die Lösung der Berliner: Ein virtueller Werkstattmeister, der Kostenschätzungen binnen 30 Sekunden erstellt.

Aus redaktioneller Sicht klingt das nach einer perfekten Lösung für genervte Verbraucher. Allerdings rühren eklatante Preisunterschiede in der Praxis nicht nur von mangelnder Transparenz her, sondern oft von völlig unterschiedlichen Reparaturwegen: Wo die eine Werkstatt spachtelt und beilackiert (Smart Repair), kalkuliert die markengebundene Vertragswerkstatt den strikten Austausch der kompletten Tür nach Herstellervorgaben. Eine KI muss also nicht nur den Schaden erkennen, sondern auch den gewählten Reparaturweg transparent machen.

Domänen-Intelligenz vs. schmutziger Lack

Wie verhindert man, dass der Algorithmus eine teure Erneuerung empfiehlt, wo eine Politur gereicht hätte? Kai Karosse setzt auf eine Analyse-Pipeline, in der das Sprachmodell nur ein Baustein ist. Da Fotos keinen natürlichen Maßstab besitzen, nutzt die KI „Skalenanker“ wie Türgriffe oder Münzen, um die exakte Größe des Schadens zu berechnen.

Doch das Risiko von KI-Halluzinationen – etwa durch Schmutz, Regentropfen oder Spiegelungen im Metalliclack – ist hoch. „Wir nutzen verschiedene Verfahren, um Halluzinationen bestmöglich auszuschließen“, erklärt Schmeußer und nennt sogenannte Confidence-Werte als Instrument. „Wir fragen die KI also: ‚Wie sicher bist du, dass deine Analyse stimmt?‘“ Ist sich der Algorithmus unsicher, wird seine Aussage geringer gewichtet. Zudem muss die KI ihre Entscheidungsfaktoren textlich ausgeben und wird aufgefordert, sich quasi selbst zu überprüfen. „Das ist so, als stelle man die Frage: ‚Bist du ganz sicher? Bitte durchlaufe den Prozess erneut und prüfe, ob dein Ergebnis wirklich valide ist‘“, so der Gründer.

Das Start-up macht hier vieles richtig, indem es dem Algorithmus misstraut. Dennoch: Eine KI, die sich selbst prüft, operiert letztlich nur innerhalb ihrer eigenen Systemgrenzen. Ist das Ausgangsmaterial – das Foto des Kunden bzw. der Kundin – schlecht, nützt auch die beste Selbstprüfung wenig. Das weiß auch Schmeußer und räumt ein, dass der „Faktor Mensch“ oft das größte Hindernis sei. Werden nur verschwommene Nahaufnahmen hochgeladen, fehlen Kontext und Bauteil-Zuordnung.

Der harte Realitätscheck in der Werkstatt

Unter der Haube gleicht das System den Schaden mit einer Eignungsmatrix ab und empfiehlt Smart Repair, konventionelle Reparatur oder Austausch. Die Preise kalibriert das System dabei anhand der Daten einer bundesweit tätigen Werkstattkette mit über 550 Filialen. Hier liegt ein kritischer Flaschenhals des Geschäftsmodells: Die Datenbasis einer einzelnen – wenn auch großen – Kette reicht kaum aus, um das hochkomplexe, regional schwankende Preisgefüge des gesamten deutschen Reparaturmarktes abzubilden.

In der Werkstatt-Zunft regt sich entsprechend Widerstand. „Ja, den gab und gibt es, und er ist sicherlich auch teilweise berechtigt“, gibt sich Schmeußer selbstkritisch. Karosseriebauer warnen vehement davor, dass scheinbare Bagatellschäden oft strukturelle Probleme wie gebrochene Halterungen oder sicherheitsrelevante Airbag-Schäden verbergen. Auch die Preisspannen bei Originalteilen seien für die KI „noch schwer zu berücksichtigen“, gibt der Gründer zu.

Man übermittle bei jeder Schätzung daher transparent die zugrunde liegenden KI-Annahmen. „Ähnlich wie ein erfahrener menschlicher Gutachter wird Kai Karosse solche Risiken mit der Zeit immer besser einschätzen können, je mehr Daten zur Verfügung stehen“, argumentiert Schmeußer. Das System solle künftig lernen, dass etwa bei einer tiefen Delle am Stoßfänger oft auch die Aufhängung beschädigt ist.

Trotz dieser Lernkurve bleibt ein strukturelles Problem bestehen: Wenn die KI vorab 500 Euro prognostiziert, der Meister auf der Hebebühne aber verborgene Schäden für weitere 1.000 Euro entdeckt, droht massiver Kund*innenfrust. Die KI weckt Erwartungen, die die Werkstatt am Ende vielleicht nicht halten kann. Schmeußer sieht das naturgemäß positiver: „Die Hebebühne bleibt natürlich die letzte Instanz, doch der Kunde hat bereits vorab einen Wissensvorsprung. Das ist ein entscheidender Unterschied.“

David gegen die Software-Goliath

Der Markt ist ein Haifischbecken, dominiert von Konzernen wie der Allianz und etablierten Branchenstandards wie Audatex oder DAT, die über jahrzehntelange Datenhistorien verfügen. Wie will ein gebootstrapptes Start-up hier bestehen?

Man wolle Fahrzeugbesitzer*innen einen Weg völlig losgelöst von Versicherungsvorgaben oder Werkstattbindungen bieten, kontert Schmeußer. Gleichzeitig positioniert sich Kai Karosse als B2B-Lösung: „Wir möchten unsere Anwendung Werkstätten zur Verfügung stellen, die ihren Kunden eine einfache und zeitgemäße Lösung anbieten wollen.“

Der Prozess solle radikal vereinfacht werden: „Bild hochladen, Angebot erhalten, Termin buchen, Vorfahren und Schaden beheben lassen. Fertig!“, skizziert Schmeußer seine Idealvorstellung. „Davon ist die Branche derzeit weit entfernt.“

Fazit: Geniales Lead-Tool oder echtes Gutachten?

Das Potenzial für die Software ist unbestritten vorhanden, insbesondere als Lead-Generierung für Werkstätten oder zur groben Vorfilterung im Flottenmanagement. Auf die Frage nach der Entwicklung in den nächsten drei Jahren gibt sich Schmeußer bodenständig: „Wäre Kai Karosse in drei Jahren die erste Anlaufstelle für die Behebung von Karosserieschäden und das Mittel der Wahl für Werkstattwebsites und Flottenanbieter, wäre das ein sehr großer Erfolg.“

Ob dieser Erfolg eintritt, hängt von einer zentralen Frage ab: Kann die Software das Erwartungsmanagement der Nutzer*innen kontrollieren? Kai Karosse liefert aktuell kein belastbares Gutachten, sondern eine smarte Erstindikation. Schafft es das Unternehmen, diese technologische Grenze gegenüber den Autofahrer*innen transparent zu kommunizieren, könnte die Berliner KI tatsächlich viel Frust aus dem Schadensprozess nehmen. Verlässt sich der/die Kund*in aber blind auf die 30-Sekunden-Rechnung des Algorithmus, folgt die Ernüchterung auf dem Fuß – spätestens an der Hebebühne.

Eine EY-Umfrage vom März 2026 zeigt deutlich: 78 Prozent der befragten Führungskräfte geben zu, dass die KI-Einführung in ihren Unternehmen schneller voranschreitet, als sie die damit verbundenen Risiken beherrschen können.

Das ist kein Zufall. Im Laufe des Jahres 2025 haben viele Unternehmen den Schritt gemacht – vom Experiment hin zur skalierbaren Nutzung von KI im operativen Alltag. Die Ausgaben für generative KI sind im selben Zeitraum auf rund 37 Milliarden US-Dollar gestiegen. Doch nicht das schnelle Wachstum des KI-Ökosystems hat die Debatte in Richtung Kontrolle verschoben, sondern eine neue Generation von Systemen: agentische KI.

Was agentische KI wirklich ist – und warum 2026 ihr Jahr ist

Klassische KI-Systeme funktionieren nach einem einfachen Prinzip: Eingabe rein, Antwort raus. Agentische Systeme gehen deutlich weiter. Sie sind Plattformen oder Programme, die:

• ein übergeordnetes Ziel entgegennehmen,
• es in Teilaufgaben zerlegen,
• passende Werkzeuge auswählen,
• einen Plan eigenständig ausführen,
• und ihr Vorgehen laufend anpassen, um das gewünschte Ergebnis zu erreichen – und das alles innerhalb eines definierten betrieblichen Rahmens.

Was nach außen wie ein einzelner KI-Agent wirkt, ist in der Praxis meist ein Netzwerk spezialisierter Systeme, die jeweils einen Teil eines Workflows übernehmen und von einer Orchestrierungsebene koordiniert werden.

Gerade weil diese Systeme weitgehend autonom arbeiten, steigt ihr wirtschaftlicher Nutzen deutlich. Prozesse wie Vertriebsrecherche, Pipeline-Management oder Compliance-Prüfungen – für die früher ganze Teams nötig waren – lassen sich heute automatisieren.

Der Fortschritt ist messbar: Die Bandbreite an Aufgaben, die agentische KI mit einer Erfolgsquote von rund 80 Prozent bewältigt, verdoppelt sich etwa alle sieben Monate. Gleichzeitig sind die Kosten stark gesunken. Der Betrieb eines Systems auf dem Niveau von GPT-3.5 ist heute rund 280-mal günstiger als noch 2022. Auch Hardwarekosten sinken jährlich um etwa 30 Prozent. In diesem Tempo wird es für Unternehmen zunehmend schwer, gute Gründe gegen den Einsatz agentischer KI zu finden.

Die Governance-Lücken, über die kaum jemand spricht

Die Diskussion über Risiken konzentriert sich häufig auf das Offensichtliche: Datenlecks, Prompt Injection oder Modellschwächen. Die eigentlichen Herausforderungen liegen tiefer.

Agentische KI ist kein Projekt mit einem klaren Endpunkt. Sie ist ein laufender Betrieb, der kontinuierliche Überwachung, Anpassung und klare Verantwortlichkeiten erfordert. Genau hier liegt die Schwachstelle vieler Unternehmen: Sie behandeln KI wie ein Software-Feature – einmal einführen und dann weitermachen. Genau dort beginnen die Probleme – oft unbemerkt.

Hinzu kommt ein weiteres Risiko: Open-Source-Modelle. Wenn die zugrunde liegende Architektur beliebig verändert werden kann, wird der Datenschutz schwer kontrollierbar – besonders für Unternehmen, die mit Kund*innendaten arbeiten.

Damit verbunden ist ein grundlegendes Problem: Agentische KI ist nur so zuverlässig wie die Logik, auf der sie basiert. Wer nicht systematisch alle Grenzfälle testet, riskiert, dass das System genau dort Lücken findet und nach seiner eigenen Logik handelt – nicht im Sinne der tatsächlichen Prozesse im Unternehmen. KI ist keine Wunderwaffe. In bestimmten Fällen ist klassische Automatisierung mit fest definierten Regeln deutlich verlässlicher, wenn Prozesse zu 100 Prozent korrekt ablaufen müssen.

Wenn KI keine Wunderwaffe ist: Reale Fälle

Die beschriebenen Risiken sind längst Realität – manchmal sichtbar, manchmal kaum wahrnehmbar. Im Januar 2024 musste der Paketdienstleister DPD seinen KI-Kundenservice abschalten, nachdem ein Systemupdate die Schutzmechanismen entfernt hatte. Ein Kunde brachte den Bot dazu, zu fluchen, Gedichte über seine eigene Nutzlosigkeit zu schreiben und DPD als „schlechtesten Paketdienst der Welt“ zu bezeichnen. Das Unternehmen sprach von einem Fehler. Tatsächlich zeigte der Vorfall, was passiert, wenn KI ohne ausreichende Tests und Aufsicht eingesetzt wird. Innerhalb weniger Stunden verbreitete sich der Fall über soziale Medien und führte zu erheblichem Reputationsschaden.

In anderen Fällen bleibt das Ganze weitgehend unsichtbar. Im September 2025 berichtete Press Gazette über mehrere PR-Agenturen, die Journalist*innen systematisch mit KI-generierten Pressemitteilungen versorgten – inklusive erfundener Expert*innen. Die zitierten Personen ließen sich online nicht nachweisen, dennoch wurden Inhalte in großen Medien veröffentlicht.

Unterschiedliche Branchen, gleiche Ursache: fehlende Governance, fehlende Verantwortlichkeit und niemand, der im entscheidenden Moment die Kontrolle übernimmt.

Der hybride Ansatz: Was er ist – und was nicht

Die Antwort auf die Governance-Lücke ist nicht, die Einführung von KI zu verlangsamen. Es geht darum, KI nicht länger als Ersatz für menschliches Urteilsvermögen zu behandeln – sondern Systeme zu schaffen, in denen beide das tun, was sie am besten können.

Ein echtes hybrides Modell bedeutet, ein Setup zu schaffen, in dem KI das Volumen übernimmt – Routineanfragen, sich wiederholende Aufgaben, vorhersehbare Interaktionen – während sich menschliche Mitarbeitende auf das konzentrieren, was KI nicht zuverlässig leisten kann: komplexe Fälle und Ausnahmefälle, bei denen Ergebnisse stark von Einschätzung und Kontextverständnis abhängen.

Genauso wichtig ist, was ein hybrides Modell nicht ist. Einen Chatbot in einen bestehenden Workflow einzubinden, ist kein hybrides Modell, sondern nur ein zusätzliches Feature. Und Mitarbeitende, die KI-Ergebnisse lediglich passiv überwachen, arbeiten nicht wirklich hybrid – das ist bloße Aufsicht ohne aktive Beteiligung.

Im Alltag ist die Grenze zwischen „das lässt sich automatisieren“ und „das besser nicht“ konkreter, als die meisten Unternehmen erwarten. Ein Beispiel: ein SaaS-Unternehmen. Anfragen zu Abonnements, Kontozugängen oder Zahlungsfragen folgen vorhersehbaren Mustern, die Antworten liegen bereits vor – Kund*innen fragen oft nur, weil sie nicht selbst suchen möchten. Das sind ideale Kandidaten für Automatisierung. Entsprechend zeigen Anbieter*innen im Kundensupport, die das hybride Modell bereits getestet haben: Ein gut trainierter KI-Agent kann bis zu 85 Prozent solcher Anfragen übernehmen – mit sofortigen Antworten und ohne Einbußen bei der Kund*innenzufriedenheit.

Bei technischen Problemen sieht das anders aus. Tritt ein Fehler auf oder fällt ein Server aus, weiß oft nicht einmal das Produktteam sofort, was passiert ist – geschweige denn, wie das Problem zu lösen ist. Ein KI-Agent ohne diesen Kontext folgt seinem Training und liefert eine scheinbar sichere Antwort – und führt Kund*innen damit in die falsche Richtung. In einem kritischen Moment ist das kein kleines Ärgernis, sondern ein direkter Weg, Kund*innen dauerhaft zu verlieren. Deshalb bleiben gezielte Weiterleitungen an menschliche Mitarbeitende ein bewusstes Element – denn manche Situationen erfordern das Urteilsvermögen und die Sorgfalt, die nur ein Mensch bieten kann.

Welche Governance-Lösungen es heute schon gibt

Unternehmen, die KI-Integrationen systematisch testen, kommen zu einem klaren Ergebnis: Der wirksamste Ansatz ist, Systeme so zu gestalten, dass sie ihre eigenen Grenzen erkennen. Das bedeutet konkret: Die KI erkennt Unsicherheit, eskaliert automatisch und übergibt an Menschen, bevor Schaden entsteht.

Regulatorisch gibt es erste Leitplanken. Der EU AI Act gilt seit August 2025 vollständig und schreibt für Hochrisiko-KI-Systeme menschliche Aufsicht und Risikomanagement vor.

Doch Regeln allein reichen nicht. Sie definieren Rahmenbedingungen, aber nicht, wie konkret gehandelt werden soll, wenn eine KI auf eine Situation trifft, für die sie nicht trainiert wurde – und ein(e) Kund*in auf eine Antwort wartet.

Genau hier entscheidet sich, ob Governance funktioniert. Und genau das sollte 2026 nicht mehr dem Zufall überlassen werden.

Die Autorin Nataliia Onyshkevych ist CEO von EverHelp. Sie arbeitet mit wachsenden Unternehmen aus unterschiedlichen Branchen daran, Customer Support in KI-gestützten Umgebungen skalierbar und wirkungsvoll zu gestalten.

Die Vision einer post-fossilen Wirtschaft ist im Jahr 2026 keine bloße Utopie mehr, sondern eine präzise Ingenieursleistung. Wir erleben den Moment, in dem die Natur von einer Ressource, die wir ausbeuten, zu einer Technologie wird, die wir programmieren. In den Laboren der Republik entstehen heute Lösungen für die größten Versorgungskrisen unserer Zeit. Der Aufstieg der Synthetischen Biologie (SynBio) markiert den Übergang vom Zeitalter der Petrochemie in das Zeitalter der Biomanufaktur – eine Transformation, die so tiefgreifend ist wie die industrielle Revolution, jedoch mit der Geschwindigkeit der digitalen Transformation erfolgt.

Wenn Bits auf Atome treffen

Der SynBio-Markt ist 2026 in eine Phase der industriellen Skalierung eingetreten. Aktuelle Analysen der KfW sowie Branchenberichte von BCG beziffern das globale Marktpotenzial für bio-basierte Produkte bis Ende des Jahrzehnts auf über 300 Milliarden Euro. Allein in Deutschland ist das Investitionsvolumen in DeepTech-BioTech-Start-ups im vergangenen Geschäftsjahr laut Bitkom-Daten auf einen Rekordwert von 1,4 Milliarden Euro gestiegen. Der entscheidende technologische Katalysator ist die Verschmelzung von Generativer KI und Biologie. Dank Modellen, die Proteinfaltungen präziser vorhersagen können, als es je ein menschlicher Forscher vermochte, wurde die Entwicklungszeit für neue Enzyme um den Faktor zehn verkürzt. Die Biologie wird damit endgültig zum „Software-Stack“, bei dem Design-Build-Test-Learn-Zyklen in digitalisierten Bio-Gießereien automatisiert ablaufen.

Jenseits der Petrischale: Die Treiber der Bio-Ökonomie

Drei spezifische Sub-Sektoren dominieren in diesem Jahr die Agenda der Investor*innen. An erster Stelle steht die zellfreie Biosynthese, bei der komplexe Moleküle ohne den Einsatz lebender Zellen produziert werden, was die Skalierbarkeit massiv erhöht. Pioniere wie das US-Unternehmen Solugen haben hier den Weg geebnet, doch deutsche Akteure ziehen in der Effizienz der Bioreaktor-Steuerung nach. Ein zweiter massiver Treiber ist das Microbial Carbon Upcycling: Mikroben werden so programmiert, dass sie industrielles CO₂ direkt in hochwertige Proteine oder Kunststoffe umwandeln. Hier verschmelzen Klimaschutz und Produktion zu einer Einheit. Drittens sehen wir den Siegeszug der Biomanufaktur bei Alternativmaterialien – sei es durch Biomasse-Fermentation für Lederersatz aus Myzel oder durch echte Präzisionsfermentation, bei der etablierte Akteure wie die bayrische AMSilk zeigen, dass programmierte Spinnenseide-Proteine bereits in Serie gehen können. Die Lieferkette der Mode- und Automobilindustrie wird durch diese Biopolymere radikal dekarbonisiert.

Die harten Lektionen der Skalierung

Der Weg zum Erfolg war jedoch von schmerzhaften Rückschlägen gepflastert. Der prominente Crash des einstigen Branchenlieblings Amyris im Jahr 2023 wirkt bis heute als warnendes Beispiel nach. Das Unternehmen scheiterte trotz Milliardenbewertung an der Komplexität der vertikalen Integration und dem Versuch, gleichzeitig Technologieplattform und B2C-Marke zu sein. Für heutige Gründer*innen haben sich daraus vier fatale Fallstricke herauskristallisiert, die über Sieg oder Niederlage entscheiden. Erstens: Die Ignoranz gegenüber den Unit Economics. Ein Produkt, das im 5-Liter-Maßstab funktioniert, muss im 50.000-Liter-Kessel nicht zwangsläufig profitabel sein. Zweitens: Das „Regulatorik-Vakuum“. Wer die EU-Novel-Food-Verordnungen oder GVO-Richtlinien nicht von Tag eins an in die Produktentwicklung einplant, riskiert Jahre des Stillstands. Drittens: Die Fokussierung auf den Endkonsument*innen statt auf B2B-Integration. Der wahre Hebel liegt in der Lizenzierung von Prozessen an die Industrie. Viertens: Die Unterschätzung der Hardware-Komponente. SynBio ist kein reines Software-Business; ohne Zugang zu physischer Infrastruktur bleibt jede Innovation im Labor gefangen.

Deutschlands Bio-Cluster

Deutschland hat sich im internationalen Vergleich als einer der stärksten Hubs für SynBio etabliert, getrieben durch eine einzigartige Verzahnung von Spitzenforschung und industrieller Basis. In München und dem angeschlossenen IZB Martinsried konzentriert sich die größte Dichte an Venture Capital und Talenten, eng flankiert durch die Exzellenz-Cluster der TU München. Berlin hat sich durch spezialisierte Inkubatoren wie den ProVeg Incubator, Atlantic Food Labs (FoodLabs) und den Science Park Berlin-Buch zum absoluten Zentrum für FoodTech und zelluläre Landwirtschaft entwickelt. Ein weiterer Hotspot ist das Rhein-Neckar-Delta rund um Heidelberg, wo das European Molecular Biology Laboratory (EMBL) und der BioRN-Cluster eine Brücke zwischen Grundlagenforschung und Marktreife schlagen. Aachen punktet mit der RWTH und einer starken Fokussierung auf Bio-Verfahrenstechnik, während der Raum Darmstadt/Frankfurt durch die Nähe zu Giganten wie Merck und die TU Darmstadt als Kraftzentrum für die industrielle Bioproduktion gilt.

Investor*innen-Radar

Die Finanzierungslandschaft hat sich spezialisiert. Wir unterscheiden im Jahr 2026 vier Ebenen der Kapitalgeber*innen. Die spezialisierten VCs wie Forbion, BlueYard Capital oder Sofinnova Partners bringen das notwendige tiefe Domänenwissen mit. Auf der zweiten Ebene stehen Top-Tier Generalisten wie HV Capital und Earlybird, die SynBio zunehmend als Teil ihrer Dekarbonisierungs-Strategie begreifen. Besonders kritisch für die Skalierung sind die Corporate VCs der Industrie, allen voran BASF Venture Capital und Evonik Venture Capital, die nicht nur Geld, sondern auch Abnahmegarantien und technisches Know-how bieten. In der Frühphase bewegen zudem spezialisierte Mikro-Fonds wie Nucleus Capital oder erfahrene ClimateTech-Angels den Markt, oft organisiert in Syndikaten, die das „Valley of Death“ zwischen Labor und Prototyp überbrücken

Die Top-Start-ups: Unsere Must-Watch-Liste 2026

Für die folgende Auswahl der Start-ups haben wir Unternehmen analysiert, die nach 2019 in Deutschland gegründet wurden. Die Auswahlkriterien basieren auf der technologischen Tiefe (IP-Portfolio), dem Reifegrad der Pilotierung, der Validierung durch renommierte Investoren sowie dem Potenzial, bestehende industrielle Lieferketten systemisch zu verändern. Diversität in Gründungsteams und die Skalierbarkeit der zugrunde liegenden Bio-Plattform waren weitere entscheidende Faktoren.

• Cambrium (Berlin, gegründet 2020): Das Team um Dr. Mitchell Duffy nutzt eine KI-gestützte Designplattform, um neuartige Proteine mit molekularen Funktionen zu entwickeln, die in der Natur so nicht vorkommen. Ihr Fokus liegt auf der Kosmetik- und Textilindustrie, wo sie petrochemische Inhaltsstoffe durch bio-designte Alternativen ersetzen. Mit massiven Finanzierungsrunden, angeführt von Tech-Schwergewichten wie Essential Capital und dem Google-KI-Fonds Gradient Ventures, gilt Cambrium als Leuchtturm für eine neue Generation von Biomaterial-Zulieferern, die aus digitalem Code physische Hochleistungsprodukte erschaffen.
• Bluu Seafood (Berlin, gegründet 2020): Gegründet von Dr. Sebastian Rakers und Simon Fabich, ist Bluu einer der führenden europäischen Akteure im Bereich kultivierter Fisch. Durch die Kultivierung echter Fischzellen im Bioreaktor adressieren sie die Überfischung der Meere. Nach signifikanten Investments durch Lead-Investor Sparkfood sowie LBBW VC und Delivery Hero Ventures steht das Unternehmen kurz vor der ersten Marktzulassung in Singapur und den USA.
• Colipi (Hamburg, gegründet 2022): Das Spin-off der TU Hamburg, geführt von Maximilian Webers, nutzt eine patentierte Gasfermentationstechnologie, um CO₂ in nachhaltige Öle und Lipide umzuwandeln. Der USP von Colipi ist die Nutzung von industriellen Abgasströmen als Rohstoff, was die Produktion extrem kosteneffizient macht. Sie konnten sich frühzeitig die Unterstützung von Top-Investoren wie dem High-Tech Gründerfonds (HTGF) und dem Innovationsstarter Fonds Hamburg sichern.
• Kynda (Jelmstorf, gegründet 2019): Ursprünglich als Keen 4 Greens von Daniel MacGowan-von Holstein und Franziskus Schnabel gegründet, bietet Kynda Plug-and-Play-Fermentationssysteme für die Lebensmittelindustrie an. Als B2B-Technologiepartner stellen sie modulare Bioreaktoren und Pilzkulturen bereit, mit denen Hersteller ihre eigenen Produktionsabfälle direkt vor Ort kostengünstig in Mykoproteine umwandeln können. Eine kürzliche 3-Millionen-Euro-Seed-Finanzierung – angeführt vom VC EnjoyVenture und massiv flankiert durch ein strategisches Investment des Geflügel-Giganten PHW-Gruppe – unterstreicht das enorme Skalierungspotenzial dieses Kreislauf-Modells.
• Nosh.bio (Berlin, gegründet 2022): Das Team um Tim Fronzek nutzt Pilzbiomasse als funktionalen Inhaltsstoff für die Lebensmittelindustrie, um Clean-Label-Produkte ohne Zusatzstoffe zu ermöglichen. Der technologische Vorsprung von Nosh.bio liegt in der Geschwindigkeit des Fermentationsprozesses. Frühphasen-Finanzierungen durch Earlybird unterstreichen das hohe Vertrauen in das Skalierungspotenzial.
• Ucaneo (Berlin, gegründet 2022): Das Team um Florian Tiller und Carla Glassl beweist, dass Synthetische Biologie auch beim Direct Air Capture (DAC) den Unterschied macht. Statt energieintensiver chemischer Filter nutzt Ucaneo eine biomimetische Technologie: Sie setzen das Enzym Carboanhydrase ein – eines der schnellsten Enzyme der Natur –, um CO₂ bei Raumtemperatur direkt aus der Umgebungsluft zu binden. Mit starken Frühphasen-Finanzierungen durch DeepTech-Fonds wie Nucleus Capital und der US-amerikanischen Grantham Foundation baut Ucaneo derzeit in Berlin-Marienfelde ihre erste industrielle Testanlage auf.
• Insempra (München, gegründet 2021): Das Team um Gründer Jens Klein hat sich zum Ziel gesetzt, die massive Abhängigkeit der globalen Lieferketten von der Petrochemie zu beenden. Über ihre B2B-Technologieplattform nutzen sie Präzisionsfermentation, um maßgeschneiderte Inhaltsstoffe für die Kosmetik-, Lebensmittel- und Textilbranche quasi zu programmieren – von bio-basierten Lipiden und Aromen bis hin zu neuartigen Proteinfasern. Eine hochkarätige Finanzierungsrunde, angeführt von europäischen DeepTech-Schwergewichten wie EQT Ventures und BlueYard Capital, unterstreicht den Anspruch von Insempra, ein globaler industrieller Zulieferer der nächsten Generation zu werden.

Ausblick & Fazit: Der globale Wettlauf

Der Blick über den Tellerrand zeigt: Wir stehen in einem globalen Systemwettbewerb. In den USA treibt die per Executive Order erlassene „National Biotechnology and Biomanufacturing Initiative“ Milliardeninvestitionen in die heimische Infrastruktur, flankiert von Pionieren, die dort und in Frankreich (wie Biomemory) bereits an der Verschmelzung von SynBio und DNA-Datenspeicherung arbeiten. In Asien, insbesondere in China und Singapur, werden derweil regulatorische Hürden in Rekordzeit abgebaut, um die Marktführerschaft bei der Biomanufaktur zu übernehmen. Flankiert wird dies von Hubs wie Israel, die mit massivem VC-Kapital den globalen Markt für kultivierte Proteine dominieren wollen.

Das Fazit für das Jahr 2026: Biologie ist die Infrastruktur der Zukunft. Für Gründer*innen bedeutet dies, dass die Zeit der reinen Plattform-Versprechen vorbei ist; gefragt sind konkrete Produkte und belastbare Unit Economics. Für Investor*innen bietet SynBio die seltene Chance, echte „Impact-Rendite“ zu erzielen, indem sie Industrien transformieren, die über Jahrzehnte festgefahren waren. Wer heute den Code der Natur versteht und skalieren kann, wird die Welt von morgen nicht nur verstehen, sondern neu bauen.

Der Markt für verbraucherorientiertes LegalTech (B2C) hat in den vergangenen Jahren in Deutschland stark an Fahrt aufgenommen. Im Zentrum stehen oft standardisierbare Massenverfahren – von Fluggastrechten über Mietminderungen bis hin zum Arbeitsrecht. In letzterem Segment positioniert sich cleverklagen.

Bootstrapping in einem teuren Markt

Gegründet wurde die Plattform im Jahr 2020 von den beiden Rechtsanwälten Fabian Beulke und Lucas Rößler. Die Idee entstand in ihrer gemeinsamen Zeit bei der renommierten Kanzlei Hausfeld LLP, wo sie maßgeblich in die Betreuung großer Sammelklagen involviert waren. Diese Erfahrung inspirierte das Duo zu einem Ansatz, den sie selbst als eine Art „Robin Hood Litigation“ beschreiben: Sie wollen die strukturellen Nachteile von Arbeitnehmer*innen gegenüber ressourcenstarken Unternehmen ausgleichen. Dabei positioniert sich das Start-up bewusst als moderne Alternative zur klassischen Kanzlei.

Bemerkenswert für die Start-up-Szene: cleverklagen wächst seit der Gründung profitabel und verzichtet dabei vollständig auf externes Kapital. Das ist mutig. Denn im B2C-Arbeitsrecht haben Kund*innen einen extrem niedrigen Lifetime Value – man wird idealerweise nur einmal gekündigt –, während die Akquisekosten via Google Ads enorm sind. Wie stemmt man das gegen VC-finanzierte Konkurrenz?

„Wir haben bewusst klein angefangen“, blickt Lucas Rößler zurück. „Gerade beim Bootstrapping kommt es darauf an, extrem effizient und genau zu arbeiten. Denn wenn das Geld knapp ist, kann man sich nur wenige Fehler leisten“, erinnert er sich an die harte Anfangsphase, in der das Duo nahezu alles selbst übernehmen musste. Fehlerverzeihlich ist das B2C-Arbeitsrecht bis heute nicht: Wer im Google-Ads-Wettbewerb gegen VC-finanzierte Player antritt, braucht Nerven aus Stahl – und, wie Rößler anmerkt, „einen starken Sales-Funnel, von der Anzeige bis zur Conversion“. Neben dieser technischen Präzision brauche es laut dem Gründer aber auch „sehr viel Liebe fürs Detail und ein gutes Verständnis, was die Kund*innen von einem erwarten“. Ob sich ein(e) einzelne(r) Mandant*in rechne, müsse man in der Summe betrachten. Dank erfahrener Anwält*innen sei man meist erfolgreich, was dem Unternehmen heute eine finanzielle Stabilität gebe, die in der Anfangsphase gefehlt habe.

Prozesskostenfinanzierung statt Stundenlohn

Die Geschäftsidee verknüpft digitale Prozessabläufe mit der Betreuung durch echte Jurist*innen. Eine eigens entwickelte Software soll Arbeitsabläufe vereinfachen und dem Team mehr Raum für die Mandant*innenbetreuung geben. Das Kernstück ist jedoch das finanzielle Modell, das einer klassischen Prozesskostenfinanzierung entspricht: Es gibt kein Vorkostenrisiko und im Falle einer Niederlage entstehen den Arbeitnehmer*innen keine Kosten. Verfügen die Kund*innen über keine Rechtsschutzversicherung, finanziert cleverklagen den Prozess vor. Im Gegenzug wird eine Provision fällig, die als Teil der zusätzlich ausgehandelten Abfindung beschrieben wird.

Doch wie hoch ist diese Erfolgsprovision genau? „Unsere Erfolgsprovision ist bewusst nicht einheitlich festgelegt, sondern hängt immer vom jeweiligen Fall ab“, erklärt Fabian Beulke. Man berücksichtige das Verlustrisiko, die übernommenen Anwaltskosten und die realistische Abfindungshöhe. „Durchschnittlich kann man sagen, dass unser Erfolgshonorar bei knappen 30 Prozent liegt“, präzisiert Beulke. Stehe eine sehr hohe Abfindung im Raum, könne die Provision auch deutlich darunter fallen – bei hohem Risiko aber auch entsprechend steigen.

Während sich das Duo bei der Erfolgsquote auskunftsfreudig zeigt – derzeit schließe man über 90 Prozent der Fälle erfolgreich ab und wachse jährlich um rund 50 Prozent –, mauern die beiden bei der Frage nach den genauen Finanzen. „Zu konkreten Umsatzzielen äußern wir uns allerdings nicht“, wiegelt Beulke ab.

Das „Rosinenpickerei“-Dilemma

Das Modell der Prozessfinanzierung ist lukrativ, steht bei Kritikerinnen aber oft unter dem Verdacht des sogenannten Cherry-Pickings. Der Vorwurf lautet, Anbieter*innen würden durch Algorithmen rigoros vorfiltern und nur die fast risikolosen Fälle annehmen, während komplexe oder wirtschaftlich kleinere Schicksale durchs Raster fallen.

Lucas Rößler wehrt sich vehement gegen diese Darstellung: „Diese Kritik können wir so nicht bestätigen. Unsere Ablehnungsquote ist sehr niedrig, denn wir wollen so vielen Menschen wie möglich helfen.“ Zwar bleibt Rößler eine exakte Prozentzahl bei der Ablehnungsquote schuldig, verspricht aber: „Uns ist es ganz egal, ob unser(e) Mandant*in Mini-Jobber*in oder eine hochbezahlte Führungskraft ist. Auch komplexere oder risikoreichere Fälle schließen wir nicht aus.“ Abgelehnt werde laut Rößler nur bei Anfragen, die den eigenen moralischen Werten widersprechen – oder „wenn kein Anspruch oder Verhandlungshebel gegen den bzw. die Arbeitgeberin vorliegt“. Robin Hood agiert im LegalTech-Markt eben auch mit wirtschaftlichem Kalkül.

Proprietäre Software vs. Standard-KI

Cleverklagen betont medial gern den Einsatz eigener Tech- und KI-Lösungen. Doch in Zeiten, in denen sich standardisierte juristische Branchen-KIs rasant entwickeln, wird eine eigene Fallbearbeitungs-Software zunehmend zum reinen Hygienefaktor und verliert als unüberwindbarer Wettbewerbsvorteil an Strahlkraft.

Wo genau zieht das Start-up also die technische Grenze zwischen Automatisierung und anwaltlichem Handwerk? „Künstliche Intelligenz soll unsere Anwält*innen in erster Linie bei repetitiven und administrativen Aufgaben unterstützen“, ordnet Fabian Beulke ein. Es gehe vor allem um Fristen- und Aufgabenmanagement, Terminplanung oder die Dokumentenverwaltung. Dabei setze man auf hohe Datenschutzstandards: Die hauseigene KI laufe ausschließlich auf eigenen Servern, gänzlich ohne externe Datenverbindungen. Zudem durchkämme die KI laufend die Akten für Konsistenz-Checks. Ein pragmatischer statt revolutionärer Ansatz, wie Beulke unumwunden zugibt: „Das ist wichtig, damit bei der Vielzahl laufender Fälle nichts daneben geht.“

Bei der juristischen Kernarbeit zieht Beulke jedoch eine klare rote Linie: „Uns ist wichtig, dass eine Entscheidung nie von der KI getroffen wird. Diese Verantwortung liegt ausschließlich bei unseren Anwält*innen.“ Gerade das Arbeitsrecht sei viel Verhandlungssache, die oft mündlich in persönlichen Gesprächen oder vor Gericht geklärt werde. „Es braucht ein starkes Verhandlungsgeschick, Erfahrung und das richtige Timing“, so der Mitgründer. „Das kann KI aus unserer Sicht nicht ersetzen.“

Fazit & Ausblick

Cleverklagen zeigt eindrücklich, dass gesundes Wachstum ohne Investorinnen auch im anwaltlichen Dienstleistungssektor funktionieren kann. Die eigentliche Herausforderung für das Duo dürfte künftig jedoch weniger in der hauseigenen Softwareentwicklung liegen, sondern in der profitablen und skalierbaren Kund*innenakquise.

Wo sieht sich das Unternehmen in zwei Jahren? Lucas Rößler hat klare finanzielle Ambitionen: „Wenn weiterhin alles gut läuft, haben wir unseren Umsatz und Gewinn in zwei Jahren idealerweise mehr als verdoppelt.“ Ob man die vertikale Marktführerschaft im Arbeitsrecht erzwingen könne, werde sich zeigen.

Interessant ist jedoch die strategische Ausrichtung für die Zukunft: Cleverklagen plant die Expansion in weitere Rechtsgebiete. Dabei wolle man sich explizit nicht auf standardisierte Massenverfahren fokussieren, verrät Rößler: „Wir wollen Rechtshilfe in Bereichen bieten, in denen Menschen echte und oft existenzielle Unterstützung benötigen. Zum Beispiel bei Streitigkeiten mit Versicherungen oder bei familien- oder erbrechtlichen Fragen.“

Die Integration künstlicher Intelligenz gleicht in vielen mittelständischen Betrieben aktuell noch einem Blindflug. Es fehlen oft Ressourcen für komplexe Implementierungen oder das Know-how zur Einhaltung von Datenschutzstandards. Genau in diese Lücke stößt die Münchner All-in-One-Plattform firepanda.ai. Was im Jahr 2022 als direkte Reaktion auf den globalen „ChatGPT-Moment“ innerhalb eines IT-Entwicklungsbüros begann, will mit einer aktualisierten Plattformversion den Marktzugang für den Mittelstand nun endgültig vereinfachen.

Vom „ChatGPT-Schock“ zum Agentur-Spin-off

Die Geschichte von firepanda.ai nahm ihren Lauf, als die Veröffentlichung von ChatGPT die Tech-Welt erschütterte. In der Münchner IT-Agentur Fireflow erkannten die Gründer sofort den massiven Bedarf – und die gleichzeitige Verunsicherung – bei ihren Kund*innen. Statt den Trend nur zu beobachten, entwickelte das Team in intensiven Konzeptionsphasen eine Lösung, die den deutschen Mittelstand sicher in das KI-Zeitalter führen soll. Anfang 2025 erfolgte dann der offizielle Launch.

Hinter diesem Spin-off stehen zwei Köpfe mit komplementären Profilen. Dr. Peter Dornbusch (CEO & CTO) ist promovierter Informatiker und DeepTech-Veteran mit über 25 Jahren IT-Erfahrung. Flankiert wird er von Daniel Kövary, einem Experten für Business Development und digitale Markenführung.

Auf die Frage, wie schwer der Spagat zwischen anspruchsvollem Agenturgeschäft und der Inkubation einer völlig neuen SaaS-Plattform war, räumt Kövary ein: „Es war zweifellos ein enormer Kraftakt, der sich jedoch als unser größter strategischer Vorteil erwies.“ Durch das Tagesgeschäft sei man extrem nah an den realen Schmerzpunkten der Kund*innen – wie Datenschutzbedenken und Ressourcenmangel – gewesen. Die lange Entwicklungszeit bis 2025 war dabei eine bewusste Entscheidung gegen schnelle halbe Sachen. „Wir wollten keine weitere dünne ‚Wrapper-App‘ auf den Markt bringen“, betont Kövary und fügt hinzu: „Durch KI-gestütztes Coding haben wir eine echte Zeitenwende erlebt und unsere Entwicklungszyklen bei herausragender Code-Qualität massiv verkürzt.“

Schluss mit dem KI-Flickenteppich

Die Kernidee von firepanda.ai ist ein modellagnostisches KI-Backend, das Nutzer*innen flexibel zwischen den Modellen von Anbietern wie OpenAI, Anthropic oder Google wählen lässt, ohne separate Verträge abschließen zu müssen. Ein entscheidender Hebel für den Vertrieb ist dabei die Datensicherheit, da die Plattform auf Servern in Deutschland gehostet wird.

Doch wie garantiert das Start-up rechtssicher, dass Daten bei der Nutzung von OpenAI nicht vom US-Cloud Act erfasst werden? Dr. Peter Dornbusch gibt sich hier kompromisslos: „Um höchste Datenschutzstandards zu gewährleisten, routen wir Anfragen an Modelle wie OpenAI nicht über die Standard-US-Schnittstellen, sondern ausschließlich über DSGVO-konforme Instanzen etablierter Anbieter wie Microsoft Azure oder AWS, die in Europa gehostet werden.“ Dabei würden strikte Zero-Data-Retention-Policies greifen, die verhindern, dass Kund*innendaten für das Modell-Training genutzt werden. Für Unternehmen mit extrem restriktiven Vorgaben bietet firepanda.ai zudem europäische Open-Source-Modelle wie Mistral an, die autark in Deutschland gehostet werden. „Der Kunde ist nicht in einem System gefangen, sondern behält die volle Souveränität“, resümiert der CTO.

KI-Agenten per Drag-and-drop

Um ohne Programmierkenntnisse spezifische KI-Assistenten zu konfigurieren, bietet die Plattform einen Workflow-Builder an, in dem/der Nutzer*in Trigger und Aktionen per Drag-and-drop verknüpfen.

Trotz dieser Versprechen mutieren viele B2B-Start-ups oft zu Beratungsagenturen, weil Kund*innen das Self-Serve-Prinzip nicht allein bewältigen. Daniel Kövary kennt dieses Problem: Die Wucht der Technologie überfordere aktuell noch viele Organisationen. Während globale Player wie Anthropic massiv gegensteuern und sogenannte Forward Deployed Engineers einsetzen, die Use Cases direkt in Unternehmen auf eigene Kosten umsetzen, wählt das Münchner Team einen anderen Pfad. „Da wir diesen extrem ressourcenintensiven Weg weder gehen können noch wollen, lautet unsere strategische Antwort: Enablement!“, stellt Kövary klar. Statt klassischem Handholding setzt man auf ein mehrstufiges Befähigungsmodell im Produkt – von abteilungsspezifischen Prompt-Bibliotheken für Anfänger*innen bis zum Workflow-Builder für Profis. Das Versprechen des Gründers: „Unser primäres Ziel im Onboarding ist es, unternehmensinterne ‚KI-Champions‘ auszubilden, die das Wissen als Multiplikatoren eigenständig skalieren.“

Transparenter Deal oder teure Skalierung?

Seit dem 1. März 2026 lockt firepanda.ai mit einer kostenlosen Testversion inklusive einer Million Token. Im produktiven Einsatz werden 19,95 Euro pro Nutzer*in im Monat fällig, während die Token-Kosten mit einem Handling-Aufschlag von zehn Prozent transparent weitergereicht werden. Zusatzmodule kosten extra: 395 Euro für Workflow-Automatisierung und 95 Euro für API-Anbindungen.

Bislang ist das Start-up komplett bootstrapped. Um die Infrastrukturkosten und die geplante Skalierung zu stemmen, sucht das Unternehmen nun aber sehr selektive Seed-Finanzierungen. Dornbusch sucht dabei explizit nicht nach klassischem Venture Capital, sondern nach „Smart Money“ von strategischen Business Angels. Das ehrgeizige Ziel: „Unser Meilenstein bei diesem kontrollierten Wachstum ist es, durch die anstehende Skalierungsphase bis Ende 2026 den Break-even zu erreichen.“

Die „KI-Steuer“-Falle und wartende Tech-Giganten

Kritiker*innen könnten den zehnprozentigen Token-Aufschlag bei hohen Datenmengen als kostspielige „KI-Steuer“ ansehen, was zur Abwanderung Richtung Direkt-APIs führen könnte. Zudem buhlen globale Wettbewerber wie Make.com oder Microsofts Copilot Studio um den Mittelstand.

Dornbusch wehrt sich gegen den Begriff der Steuer: „Wir sehen diesen zehnprozentigen Aufschlag keineswegs als ‚KI-Steuer‘, sondern als nachvollziehbare Service-Fee.“ Diese Marge decke die komplexe Orchestrierung sowie Compliance-Sicherheit ab und erspare mühsames Vertragsmanagement. Dass Kund*innen bei steigendem KI-Reifegrad abwandern, glaubt er nicht: „Wenn ein Unternehmen erst einmal komplexe Freigabeschleifen, RAG-Pipelines mit proprietären internen Daten und externe API-Trigger in firepanda.ai modelliert hat, wechselt es nicht wegen eines marginal günstigeren Token-Preises die Plattform.“

Und was passiert, wenn Microsoft seinen Copilot so tief integriert, dass externe KMU-Layer überflüssig werden? Kövary kontert, dass Copilot zwar gut für persönliche Produktivität sei, die reale Prozesslandschaft des Mittelstands aber weitaus komplexer. „Wir müssen aufhören, diesen Layer als dünne, überflüssige Benutzeroberfläche zu missverstehen – er ist vielmehr das schützende Betriebssystem eines jeden Unternehmens in der KI-Ära“, argumentiert er. Durch diese Architektur befreie man Kund*innen aus dem Vendor-Lock-in einzelner Großkonzerne.

Genialer Eisbrecher mit Ablaufdatum?

Für die ersten 12 bis 24 Monate der KI-Transformation ist firepanda.ai als technologischer Eisbrecher hochattraktiv. Langfristig muss sich allerdings zeigen, ob die eigenen Workflow-Logiken stark genug sind, um gegen die Marktmacht der großen Ökosysteme zu bestehen.

Gefragt nach der Zukunft und einem möglichen Exit winkt Dr. Peter Dornbusch ab. Die Backend-Entwicklung sei dank 20 Jahren Agenturerfahrung keine Hürde gewesen, sondern der größte strategische Hebel, um eine sichere Enterprise-Umgebung zu schaffen. Man sei gekommen, um zu bleiben: „Ein schneller Exit ist nicht unser Fokus, denn der europäische Markt für B2B-KI steht erst ganz am Anfang“, stellt der CTO klar und gibt die zukünftige Marschroute vor: „Wir bauen hier an einem nachhaltigen und unabhängigen ‚German AI Champion‘, der dem Mittelstand dauerhaft hilft, seine Produktivität messbar und zukunftssicher zu steigern.“

Bisherige Lösungsansätze für fehlerhafte Abrechnungen – von unzulässigen Verwaltungskosten bis zu falsch umgelegten Reparaturen – waren für Mieterinnen und Mieter oft teuer oder zeitaufwendig. Der Gang zur Anwaltskanzlei frisst die Ersparnis schnell auf, Mietervereine binden einen an jährliche Mitgliedschaften und etablierte LegalTech-Wettbewerber verlangen für eine manuelle Prüfung meist rund 50 Euro.

Hinter dem Lösungsansatz von NebenkostenPro steht kein großes Entwicklerteam, sondern Julian Falk, ein Solo-Gründer aus Zirndorf bei Nürnberg. Auf die Frage, wie man sich freiwillig in die juristischen Untiefen der Betriebskostenverordnung stürzt, hat Falk eine verblüffend einfache Antwort: „Ehrlich gesagt war der Auslöser ziemlich banal“, erinnert sich der Gründer. „Ich habe selbst als Mieter eine Nebenkostenabrechnung bekommen, bei der die Zahlen einfach nicht plausibel wirkten“.

Als er sich einlesen wollte, landete er prompt im deutschen Paragraphendschungel. „Da habe ich gemerkt: Wenn ich als technikaffiner Mensch schon Probleme habe, das zu durchdringen, wie soll das ein normaler Mieter schaffen?“ Falk erkannte schnell, dass die Betriebskostenverordnung im Kern aus klaren Wenn-Dann-Strukturen besteht. „Das schreit förmlich nach Automatisierung“, fasst er seinen Heureka-Moment zusammen.

KI als Herausforderer im zweiseitigen Markt

Was als Wochenendprojekt begann, wuchs schnell. Heute nutzt die Plattform eine komplexe Pipeline aus mehreren KI-Modellen, um hochgeladene PDF-Dokumente und Fotos auszulesen, zu strukturieren und juristisch einzuordnen. Der Clou dabei ist der duale Ansatz, der beide Marktseiten bedient. Für Mieter*innen dient das Tool zunächst der Symptombekämpfung, indem ein initialer Schnellcheck die hochgeladenen Daten kostenlos mit lokalen Vergleichswerten abgleicht. Der detaillierte Prüfbericht startet bei einer preislichen Kampfansage von 7,90 Euro. Für Vermieter*innen fungiert die Plattform hingegen als Software-as-a-Service zur rechtskonformen Erstellung der Abrechnungen.

Dieses B2B-Abo-Modell ist für das Überleben der Firma essenziell. Es sorgt für den dringend benötigten wiederkehrenden Umsatz, der das stark saisonale, von geringer Kund*innenbindung geprägte Mieter*ingeschäft wirtschaftlich ausbalanciert.

Wer nun glaubt, hinter einer solch komplexen KI-Pipeline stünden „Heerscharen“ von Investoren, irrt. „NebenkostenPro ist komplett eigenfinanziert. Es gibt keine externen Geldgeber, keine Investoren, keine Beteiligungen“, betont Falk. Das Modell trage sich mittlerweile selbst – für Falk ein Blick in die Zukunft der Softwareentwicklung. „KI verändert gerade fundamental, wie Software-Unternehmen entstehen. Die Werkzeuge, die heute verfügbar sind, machen einen einzelnen Gründer so produktiv wie früher ein ganzes Team.“ Die Rolle des/der Entwickler*in verschiebe sich zunehmend zum/zur Architekt*in, der lediglich die Richtung vorgebe und Ergebnisse validiere.

Smarte Daten als Reichweiten-Hebel

Um gegen etablierte LegalTech-Player wie Wenigermiete oder Mieterengel anzukommen, fehlte dem Solo-Gründer schlicht das Marketingbudget. Falks clevere Antwort: Er baute eine frei zugängliche Wissensdatenbank mit kommunalen Nebenkostendaten für rund 400 deutsche Städte auf – von Grundsteuer-Hebesätzen bis zu lokalen Wasserpreisen.

Ein massiver Hebel, der sich auszahlt: Die Datenbank wird mittlerweile sogar von Google und KI-Modellen wie ChatGPT als primäre Quelle zitiert, was organischen Traffic generiert, ohne teure Klickpreise für umkämpfte Keywords zahlen zu müssen.

Konvertiert dieser Traffic auch? „Die Seite rankt für zahlreiche organische Keywords, der Traffic vervielfacht sich von Monat zu Monat“, freut sich der Gründer. Das beste Marketing sei ohnehin die Mundpropaganda erfolgreicher Nutzer*innen. Eine Entwicklung verblüfft den Zirndorfer dabei besonders: „Was mich überrascht hat: Die Vermieterseite wächst schneller als die Mieterseite.“ „Viele private Kleinvermieter kämpfen sich jedes Jahr mit Excel durch ihre Abrechnung und sind dankbar, wenn ihnen das jemand abnimmt.“

Juristisches Minenfeld und das Haftungsrisiko

Doch wo KI auf deutsches Mietrecht trifft, lauern Gefahren. Bedingt durch das Rechtsdienstleistungsgesetz darf NebenkostenPro keine formelle Rechtsberatung anbieten, sondern liefert lediglich Indizien und Muster-Widersprüche ohne bindende Vertretung. Zudem stoßen reine Sprachmodelle bei komplexen Sonderfällen – etwa einer gewerblich-privaten Mischnutzung – an ihre Grenzen.

Auf die berüchtigten „Halluzinationen“ von Sprachmodellen angesprochen, reagiert Falk pragmatisch. Er setze nicht auf ein einziges Modell, sondern auf eine spezialisierte Pipeline mit klar abgegrenzten Aufgaben. Die eigentliche Analyse basiere dann nicht auf Freitext-Antworten der KI, sondern auf einem präzisen Abgleich extrahierter Werte mit konkreten Gesetzestexten.

Zudem übt der Gründer Kritik an der generellen KI-Skepsis. „Was mich bei der Debatte um KI-Halluzinationen immer etwas stört: Wir tun so, als wäre das ein reines KI-Problem. In Wahrheit halluzinieren Menschen ständig“, kontert er. „Ein Sachbearbeiter, der zum dritten Mal an diesem Tag eine Abrechnung prüft, übersieht Fehler. Ein Vermieter, der seine Abrechnung in Excel zusammenbastelt, vertippt sich. KI lügt nicht strategisch, sie berechnet Wahrscheinlichkeiten.“

Um sich vor Regressansprüchen zu schützen, schiebt die Plattform die finale Verantwortung konsequent auf die Nutzer*innen ab. „Man muss mit KI genauso umgehen wie mit einem Kollegen. Den Output hinterfragen, nicht blind vertrauen“, mahnt Falk. Wer als Vermieter*in das Tool nutze, sei am Ende selbst für die Richtigkeit der eingegebenen Daten und das finale Dokument verantwortlich. „Bei komplexen Sonderfällen empfehlen wir ausdrücklich den Gang zur Fachberatung“, räumt er ein. Auch dem strengen Datenschutz bei Finanzdokumenten begegnet er kompromisslos: Daten kostenloser Nutzer*innen werden nach der Erstellung sofort gelöscht und alle Übertragungen werden strikt verschlüsselt.

David gegen die LegalTech-Goliaths

NebenkostenPro steht für den aktuellen Trend rund um gebootstrappte KI-Start-ups, bei denen ein(e) einzelne(r) Gründer *inmoderne Sprachmodelle nutzt, um teure menschliche Arbeitskraft zu kommoditisieren. Doch was hindert Branchenriesen mit riesigen Budgets daran, Falks Idee mittels offener KI-Schnittstellen einfach zu kopieren?

Falk gibt sich entspannt und räumt ein, dass die reine KI-Technologie kein echter Burggraben sei. Sein Vorteil liege im Domänenwissen und in der Agilität: „Als die CO₂-Kostenaufteilung kam, hatte ich das schneller drin als die meisten etablierten Anbieter.“ Zudem bediene NebenkostenPro als einzige Plattform beide Marktseiten – sie prüft für die einen und erstellt für die anderen.

Am Ende, so ist sich der Gründer sicher, gewinne nicht derjenige mit dem größten Team, sondern der Schnellere. „Der Vorsprung entsteht nicht durch eine einmalige technische Idee, sondern dadurch, dass man jeden Tag nah am Nutzer baut und schneller iteriert als die Konkurrenz.“

Es fühlt sich an wie ein anderes Zeitalter, wenn man auf die wilden frühen 2020er Jahre zurückblickt. Damals dominierten fliegende Hunde-Münzen wie Dogecoin, überteuerte Affen-Bilder des Bored Ape Yacht Club und toxische Goldgräberstimmung die Schlagzeilen. Heute, im Jahr 2026, hat die Blockchain-Technologie ihre Pubertät endgültig hinter sich gelassen. Der Wandel vom spekulativen Nischenthema zur unverzichtbaren Infrastruktur ist vollzogen. Wir sprechen nicht mehr über Krypto als Anlageklasse für Zocke*innen, sondern über distributed Ledger als das unsichtbare Betriebssystem der globalen Wirtschaft. Die Technologie ist leise geworden – und genau darin liegt ihr heutiger Wert für die Start-up-Welt.

Wenn Systemrelevanz auf MiCA trifft

Der europäische Markt für Web3- und Blockchain-Technologien hat einen nie dagewesenen Reifegrad erreicht. Der entscheidende Befreiungsschlag war die vollständige Implementierung der europäischen MiCA-Verordnung (Markets in Crypto-Assets), die den Kontinent vom regulatorischen Flickenteppich zum sichersten Hafen für institutionelles Kapital gemacht hat. Aktuelle Erhebungen des Bitkom und des KfW-Research zeigen, dass im Jahr 2026 bereits über 35 Prozent des deutschen Mittelstands die Technologie aktiv evaluieren oder Pilotprojekte mit Blockchain-Infrastruktur betreiben – primär im Supply-Chain-Management und der automatisierten Abrechnung.

Auf Investor*innenseite hat sich das Bild gewandelt: Statt Milliarden in unregulierte Token-Sales zu pumpen, fließen aktuell jährlich rund 1,8 Milliarden Euro klassisches Venture Capital in echte Equity-Runden der DACH-Region. Der absolute technologische Haupttreiber ist dabei die Konvergenz von künstlicher Intelligenz und Blockchain. Da KI-Agenten zunehmend autonom wirtschaftlich handeln, benötigen sie ein dezentrales, programmierbares und vor allem grenzenloses Zahlungssystem. Die Blockchain liefert exakt diese finanzielle Abwicklungsschicht für die Maschinenökonomie.

Die neuen Treiber jenseits der Krypto-Börsen

Wer heute noch Krypto-Exchanges oder reine NFT-Marktplätze baut, baut für die Vergangenheit. Der Markt des Jahres 2026 wird von drei hochspezifischen Sub-Sektoren dominiert, die das Internet grundlegend neu vernetzen.

• An vorderster Front steht DePIN (Decentralized Physical Infrastructure Networks). Hierbei wird reale Hardware – von Solarpanels bis hin zu 5G-Antennen – über Token-Incentives dezentral gesteuert und finanziert.
• Ebenso mächtig ist die Tokenisierung von Real World Assets (RWA), die den traditionellen Finanzmarkt revolutioniert, indem sie Anleihen, Immobilien und Kredite liquide auf die Chain bringt.
• Der dritte große Treiber sind Zero-Knowledge Proofs (ZKPs) – kryptografische Protokolle, die es Unternehmen erlauben, die Authentizität von Daten auf öffentlichen Blockchains zu beweisen, ohne sensible Geschäftsgeheimnisse offenzulegen. Globale Pioniere wie das auf RWA spezialisierte Netzwerk Centrifuge oder das US-Projekt Helium im Bereich DePIN haben den Weg geebnet, auf dem europäische Gründer*innen nun hochskalierbare B2B-Lösungen errichten.

Die Lektionen aus dem Billionen-Kollaps

Doch diese Reife hat einen extrem hohen Preis gekostet. Der spektakuläre Zusammenbruch der Krypto-Börse FTX und das Implodieren des algorithmischen Stablecoins Terra/Luna vor wenigen Jahren dienen heute als mahnendes Pflichtprogramm in jedem BWL-Seminar. Damals verdampften hunderte Milliarden Dollar, weil Gier über Substanz siegte.

Aus diesem Epochen-Crash lassen sich für heutige Gründer*innen vier fatale Fallstricke ableiten, die absolut tödlich enden:

• Der erste Irrtum liegt in der regulatorischen Arbitrage: Wer glaubt, Gesetze durch Offshore-Konstrukte und das Mantra "Code is Law" umgehen zu können, scheitert heute an gnadenlosen Aufsichtsbehörden.
• Zweitens zerstören künstlich aufgeblähte Token-Mechaniken jedes Projekt. Wenn die Unit Economics nur durch das permanente Drucken neuer Token künstlich positiv gehalten werden (Ponzinomics), bricht das Kartenhaus bei der geringsten Marktkorrektur zusammen.
• Die dritte Lektion betrifft den ewigen B2C-Fokus. Der verzweifelte Versuch, Endkund*innen komplexe Wallets und Seed-Phrases aufzuzwingen, ist gescheitert; der wahre Wert der Blockchain liegt derzeit fast ausschließlich in B2B-Lösungen, die im Hintergrund agieren.
• Zuletzt war das fehlende Treasury-Management ein Genickbruch für hunderte Teams. Wer die Reserven seines Unternehmens im eigenen, hochvolatilen Token hielt anstatt in Fiat oder echten Stablecoins, war bei Markteinbrüchen über Nacht insolvent.

Das deutsche Netzwerk: Wo die Knotenpunkte entstehen

Deutschland hat sich in dieser neuen Ära extrem smart positioniert und eine dezentrale Hub-Struktur aufgebaut, die weltweit ihresgleichen sucht. Berlin bleibt die unangefochtene Web3-Hauptstadt Europas. Die tiefe Verwurzelung der Ethereum Foundation und eine massive Dichte an internationalen Tech-Talenten machen die Spree-Metropole zum Epizentrum für Protokoll-Entwickler und Layer-1-Infrastruktur. Frankfurt am Main hat sich im Gegensatz dazu als der Hub für institutionelles DeFi (Decentralized Finance) und RWA-Tokenisierung etabliert. Hier verschmilzt die klassische Bankenwelt durch treibende Kräfte wie das Frankfurt School Blockchain Center mit der neuen Technologie. München spielt seine Trümpfe an der Schnittstelle von DeepTech, KI und Enterprise-Blockchain aus, stark befeuert durch Ausgründungen der TU München und die Nähe zu den Corporate Venture Labs von BMW und Siemens. Die heimliche Hauptstadt für den Milliardenmarkt DePIN ist jedoch die Achse Stuttgart/Karlsruhe. Durch das geballte Ingenieurswissen der Automobilzulieferer, gepaart mit Initiativen rund um Bosch, entsteht hier die direkte Verbindung zwischen dezentralen Netzwerken und der physischen Maschinen- und Mobilitätswelt.

Investor*innen-Radar: Smart Money für das Web3

Wer im Jahr 2026 eine Krypto-Infrastruktur finanzieren will, trifft auf eine hochgradig professionalisierte Investor*innenlandschaft. Auf der einen Seite agieren die spezialisierten VCs wie Greenfield Capital, Cherry Crypto oder 1kx. Sie bringen die notwendige technische Tiefe mit, um komplexe Zero-Knowledge-Architekturen oder Token-Design auf Herz und Nieren zu prüfen. Auf der anderen Seite stehen die Top-Tier Generalisten. Häuser wie Earlybird, Point Nine oder HV Capital haben intern längst dedizierte Web3-Partner aufgebaut und führen heute massive Series-A- und B-Runden an, sobald Start-ups bewiesen haben, dass ihre Technologie echte Kundenprobleme löst.

Ein massiver Wachstumsfaktor sind zudem die Corporate VCs der Industrie, allen voran CommerzVentures im FinTech-Sektor oder Porsche Ventures, die Brücken in die klassische Wirtschaft bauen. Der eigentliche Frühphasen-Motor wird jedoch von einer extrem agilen Angel-Szene angetrieben. Erfahrene Ex-Gründer wie Peter Großkopf oder gut vernetzte Angel-Syndikate recyceln ihr Kapital aus vergangenen Zyklen und finanzieren Pre-Seed-Runden oft innerhalb weniger Wochen.

Die Top Blockchain-Start-ups: Unsere Must-Watch Liste 2026

Für unsere Watchlist haben wir klare Kriterien angelegt. Die Auswahl umfasst ausschließlich deutsche Start-ups (mit Hauptsitz oder massiver Präsenz und Wurzeln hierzulande), die ab dem Jahr 2020 gegründet wurden. Wir haben Projekte aussortiert, die rein auf spekulativen Token-Sales basieren. Stattdessen lag unser Fokus auf Marktrelevanz nach dem Krypto-Winter, institutionellem Investor*innen-Vertrauen, technologischer Substanz und einem klaren Product-Market-Fit im B2B- oder tiefen Infrastrukturbereich.

Safe (Gründung 2022)

Das von Lukas Schor, Richard Meissner und Tobias Schubotz als Gnosis-Spin-off gegründete Safe betreibt eine B2B/B2C Smart Contract Account Infrastruktur. Der absolute USP ist die Account-Abstraktion und ihr Multi-Sig-Sicherheitsstandard, der mittlerweile das globale Rückgrat für die Verwahrung digitaler Assets durch Institutionen und DAOs bildet. In den letzten Runden sammelte das Team über 100 Millionen US-Dollar ein, angeführt von Schwergewichten wie 1kx und Tiger Global.

Peaq (Gründung 2020)

Till Wendler, Leonard Dorlöchter und Max Thake bauen mit Peaq eine hochspezialisierte B2B Layer-1 Blockchain. Ihre Technologie ist exakt auf den rasant wachsenden DePIN-Sektor und die "Economy of Things" zugeschnitten, wodurch Maschinen, Fahrzeuge und Roboter souveräne digitale Identitäten und Wallets erhalten. Die jüngsten Wachstumsrunden wurden unter anderem von Generative Ventures und Borderless Capital mit gut 15 Millionen Dollar als Lead-Investoren getragen.

Chainflip (Gründung 2020)

Simon Harman hat mit Chainflip eine B2B2C Cross-Chain Decentralized Exchange (DEX) in Berlin etabliert. Der technologische Vorsprung liegt im nativen Tausch von Krypto-Assets über verschiedene Blockchains hinweg (wie Bitcoin zu Ethereum), ohne dass Nutzer*innen anfällige "Wrapped Tokens" oder unsichere Bridges nutzen müssen. Pantera Capital und Framework Ventures glaubten früh an die Vision und führten Investments in Höhe von über 24 Millionen Dollar an.

Arcium (ehemals Elusiv, Gründung 2022)

Yannik Schrade, Julian Deschler und ihre Co-Founder adressieren mit Arcium eines der größten Probleme der Enterprise-Adoption: Privatsphäre auf öffentlichen Blockchains. Ihr Geschäftsmodell ist ein B2B Confidential Computing Network, dessen USP in der Nutzung von Zero-Knowledge Proofs liegt, wodurch Daten verifiziert werden können, ohne sie zu entschlüsseln. Der auf Krypto spezialisierte Fonds Greenfield Capital sicherte sich hier gemeinsam mit Solana Ventures in frühen Runden mit einem Volumen von über 5 Millionen US-Dollar den Lead.

Gelato Network (Gründung 2020)

Hilmar Orth und Luis Schliesske agieren mit Gelato Network tief im Maschinenraum des Web3. Ihr B2B-Geschäftsmodell ist ein Automatisierungs- und Relayer-Netzwerk. Der USP besteht darin, dass Entwickler über Gelato Smart Contracts automatisieren und sogenannte Rollup-as-a-Service-Lösungen nutzen können – es ist quasi das AWS-Backend für dApps. Die Vision überzeugte Top-Fonds wie Dragonfly und IOSG Ventures, die Kapital in zweistelliger Millionenhöhe bereitstellten.

Unstoppable Finance (Gründung 2021)

Das Berliner Start-up Unstoppable Finance startete unter den Gründern Peter Großkopf, Maximilian von Wallenberg und Omid Aladini ursprünglich mit einer B2C-DeFi-Wallet. Nach einem radikalen strategischen Pivot und dem operativen Ausstieg von Großkopf im Jahr 2024 wandelten Wallenberg und Aladini das Modell erfolgreich zu einer B2B-Infrastruktur für Stablecoins. Der starke USP ist der Aufbau einer vollumfänglich regulierten Brücke („Swift 2.0“), die es institutionellen Kunden vereinfacht, Stablecoins nahtlos in ihre traditionellen Produkte einzubinden. Lightspeed Venture Partners und Speedinvest führen hier das Cap Table mit einem 12,5-Millionen-Dollar-Investment an.

Senken (Gründung 2022)

Das Gründerteam um Adrian Wons, René Schäfer und Djamel Mekibes verknüpft Blockchain mit echtem Klimaschutz. Sie bauen einen B2B-Marktplatz für den Handel mit tokenisierten CO2-Zertifikaten (Carbon Credits). Der USP dieses Regenerative Finance (ReFi) Modells ist die absolute Transparenz und Nachverfolgbarkeit von Klimakompensationen, die das Double-Spending-Problem klassischer Zertifikate eliminiert. Obvious Ventures und namhafte Krypto-Fonds investierten frühzeitig in Senken rund 7,5 Millionen US-Dollar.

Internationaler Ausblick & Fazit

Der Blick über die europäischen Grenzen zeigt, dass die Innovationszyklen rasant bleiben. Aus den USA schwappt aktuell der Makro-Trend der „Chain Abstraction“ zu uns herüber: Blockchain-Technologie wird im Backend so unsichtbar, dass Nutzer*innen gar nicht mehr wissen, auf welchem Netzwerk sie sich bewegen – ähnlich wie heute niemand mehr TCP/IP versteht, um das Internet zu nutzen.

Gleichzeitig forcieren asiatische Märkte, allen voran Singapur und Hongkong, mit massiven staatlichen Förderungen die Verschmelzung von KI-Agenten und Krypto-Payments. Zudem zwingt die globale Entwicklung von digitalen Zentralbankwährungen (CBDCs) die Finanzsysteme endgültig zur Modernisierung.

Für Gründer*innen und Investor*innen lautet das aktuelle Fazit daher so simpel wie hart: Wer heute in der Blockchain-Branche überleben will, muss bauen wie ein traditionelles Softwareunternehmen – besessen davon, echte, drängende Probleme der Wirtschaft zu lösen, nur eben mit einer radikal überlegenen, dezentralen Architektur.

Wer sich den Pitch von Sahm Shojai, Geschäftsführer der Frankfurter Diingu GmbH, durchliest, spürt schnell den typischen Start-up-Idealismus. Es geht um „konkrete Wirkung“, „soziale Teilhabe“ und die Vision einer „globalen sozialen Infrastruktur“, um weltweit die Lebensrealität von Kindern zu verbessern. Das klingt zweifellos gut im Pitch-Deck für potente VCs. Doch zieht man die schillernde Marketing-Ebene ab, bleibt ein konkretes und weitaus pragmatischeres Kerngeschäft. Diingu ist im Kern eine E-Learning- und Recruiting-Plattform für pädagogische Assistenzkräfte. Es handelt sich um ein klassisches B2B2C-Modell in einer Nische, die von der Digitalisierung bislang stiefmütterlich behandelt wurde.

Vom Bruder-„Frust“ zum Uni-Spin-off

Die Geschichte von Diingu – kurz für Digital Inclusion Guide – beginnt im echten Leben. Der Bruder von Mitgründer Sahm Shojai arbeitete als Schulbegleiter und berichtete von den massiven Herausforderungen in seinem Job. Das grundlegende Problem: Immer mehr ungelernte Quereinsteiger*innen strömen in die soziale Branche, denen es eklatant an fachlicher Einarbeitung, Fortbildungen und Qualitätsstandards mangelt.

Aus diesem Engpass formten Sahm Shojai und seine Mitgründer Felix Kolb und Florian Kranz eine digitale Lösung. Dabei gingen sie methodisch klug vor und holten sich von Beginn an wissenschaftliche Expertise ins Boot. Unter der Mentorenschaft von Prof. Dr. Wolfgang Dworschak vom Lehrstuhl für Pädagogik bei geistiger Behinderung an der Universität Regensburg wurde das Start-up als Ausgründung der Hochschule etabliert. Das sicherte dem Team nicht nur ein exist-Gründerstipendium, sondern 2023 auch den Hochschulgründerpreis sowie den 2. Platz beim Frankfurter Gründerpreis. Die Plattform profitiert stark von diesem Fundament, denn die Inhalte sind keine bloßen Wikipedia-Zusammenfassungen, sondern wissenschaftlich fundierte, praxisnahe Kurse.

Doch wie stellt das Team sicher, dass das akademische Wissen der Uni Regensburg nicht zu theoretisch ist und an der rauen Realität einer überforderten Hilfskraft in einer Brennpunkt-Schule vorbeigeht? „Die Entwicklung der Kursinhalte findet mit sorgfältig ausgewählten Experten und Expertinnen statt“, versichert Shojai. Diese verfügten nicht nur über den nötigen akademischen Bezug, sondern brächten auch umfassende praktische Erfahrung mit. „Wir geben klare Richtlinien für die sprachliche Ausgestaltung der Kurse vor und legen großen Wert darauf, dass der Fokus auf praxisnahen Inhalten liegt“, betont der Gründer.

Um die Theorie-Praxis-Lücke zu schließen, fließen daher neben Fachliteratur vor allem persönliche Praxiserfahrungen in die Entwicklung ein. Zudem belässt es Diingu nicht bei der Uni Regensburg, die primär mit Forschungsarbeiten die Qualität sichert. Man kooperiert laut Shojai ebenfalls mit der LMU München, wo der Schwerpunkt auf formativer Diagnostik und Monitoring-Services liege. „Gemeinsam entwickeln wir beispielsweise aktuell ein KI-Tool, das Verhalten- und Risikoanalysen bei Kindern und Jugendlichen durchführen kann“, kündigt der Geschäftsführer an. Sozialarbeitende sollen dadurch befähigt werden, Kindeswohlgefährdungen besser zu erkennen. „Diese innovativen Services sollen den Arbeitsalltag professionalisieren“, resümiert er.

E-Learning trifft auf Jobbörse

Diingu fungiert als zweiseitiger Marktplatz. Auf der einen Seite stehen Privatpersonen wie Schulbegleitende, Kita-Kräfte oder Familienhelfer*innen. Sie können sich gegen eine monatliche Gebühr von aktuell 15 Euro flexibel über mehr als 70 Online-Kurse zu Themen wie Autismus oder ADHS weiterbilden. Bei Verständnisfragen hilft ein KI-Chatbot. Mit den erworbenen Zertifikaten bauen sich die Nutzer*innen dann ein digitales Profil auf. Auf der anderen Seite stehen die großen Träger wie das DRK, die Johanniter oder die Lebenshilfe. Sie zahlen für jährliche Lizenzen, um ihr bestehendes Personal digital zu schulen, Nachweise zentral zu verwalten und schlichtweg Verwaltungskosten zu sparen.

Hand aufs Herz: Wie viele der ohnehin meist schlecht bezahlten pädagogischen Hilfskräfte zahlen die 15 Euro im Monat wirklich selbst aus eigener Tasche? Und plant Diingu langfristig nicht doch einen kompletten Pivot zum lukrativeren, reinen B2B-Modell? Shojai holt bei dieser Frage etwas weiter aus: Man sei vor rund drei Jahren ursprünglich als reine Lernplattform im B2B-Bereich gestartet. Träger nutzten die Kurse zur Schulung des eigenen Personals. „Mit der Zeit erhielten wir jedoch auch zunehmend Anfragen von Privatpersonen, die sich mit unseren Inhalten weiterbilden möchten, um sich auf einen Job im sozialen Bereich zu bewerben“, blickt er zurück. Daraufhin habe man dasselbe Lernangebot über eine App auch für B2C-Kund*innen geöffnet, um die berufliche Vorqualifizierung zu ermöglichen. Gleichzeitig wurde die Jobplattform gelauncht, um beide Kund*innengruppen zusammenzubringen.

Auf die Skepsis bezüglich der privaten Zahlungsbereitschaft kontert Shojai selbstbewusst: „Das sind Menschen, die einen Job im sozialen Bereich suchen und davon gibt es viele, weil der Fachkräftemangel eine sehr hohe Nachfrage nach beruflicher Weiterbildung erzeugt.“ Er spricht im gleichen Atemzug gar von einer handfesten Marktdisruption. Klassische Fortbildungen zur Schulbegleitung kosteten bei anderen Bildungsträgern schnell zwischen 800 und 1.200 Euro. Dies werde heute meist über Bildungsgutscheine finanziert.

Doch genau hier wittert Diingu seine strategische Chance: „Diese Finanzierung über Bildungsgutscheine wird sich mit der Grundsicherung ab Juli 2026 ebenfalls verändern“, prognostiziert Shojai. Aufgrund des Vermittlungsvorrangs würden die Gutscheine künftig nicht mehr so großzügig vergeben. Diingu hingegen biete Wissen für zahlreiche Berufe bereits ab 15 Euro an. „Mit anderen Worten: Wir haben diesen Markt demokratisiert und Wissen überhaupt erst auf Selbstzahlerbasis bezahlbar gemacht“, stellt er klar. Selbst ohne große Werbung könne man erste bezahlte Abonnements vorweisen. „In den kommenden Monaten planen wir, größere Kampagnen zu launchen und mittelfristig den B2B2C-Weiterbildungsmarkt für soziale Berufe mit unserem Selbstzahler-Konzept und unserem E-Learning-Ansatz zu übernehmen“, gibt sich der Geschäftsführer kämpferisch.

Der eigentliche Clou – und das potenzielle Schwungrad des Geschäftsmodells – ist jedoch die Verzahnung: Träger können über das Diingu-Jobportal direkt auf die vorqualifizierten Privatnutzer zugreifen und diese rekrutieren. Doch die großen Wohlfahrtsverbände gelten oft als extrem schwerfällig in der Digitalisierung. Wie hart war es, Traditionsverbände wie das DRK davon zu überzeugen, ihr Recruiting über ein noch unbekanntes Start-up abzuwickeln? Shojai räumt ein, dass die Anfangszeit kein Selbstläufer war. „Digitalisierung bedeutete für viele im sozialen Bereich vor allem Veränderung“, analysiert er. „Und Veränderungen vermeidet man gern, solange nichts anbrennt.“ Heute punkte man schlichtweg mit einem guten Service zum erschwinglichen Preis, weshalb immer mehr große Träger Diingu ausprobieren wollten. Die Einführung bei den Platzhirschen erfordere natürlich Prozessumstellungen, was aber branchenübergreifend bei Großunternehmen der Fall sei. Dennoch gibt der Gründer zu: „Aber ja, keine Frage: Sales war bisher die größte Herausforderung in diesem Unternehmen.“ Das Geschäftsmodell und die Verkaufsstrategien mussten mehrfach nachgeschärft werden. Heute, so Shojai, sei es aber „deutlich einfacher geworden als noch zu Beginn“.

Markt & Wettbewerb

Der Markt für soziale Dienstleistungen ist riesig, aber extrem komplex. Der Fachkräftemangel ist immens; Träger müssen notgedrungen auf ungelernte Hilfskräfte zurückgreifen, was unweigerlich die Qualität der Betreuung gefährdet. Hier trifft Diingu einen echten Pain Point. Der Wettbewerb besteht derzeit vor allem aus den analogen Akademien der Wohlfahrtsverbände, regionalen Fortbildungsanbietern und stark generalisierten E-Learning-Plattformen. Auch klassische Recruiting-Plattformen mischen mit. Diingu grenzt sich durch die spitze Zielgruppe rund um Inklusion und Schulbegleitung sowie durch die intelligente Kombination aus Qualifizierung und Recruiting ab.

Skalierungsträume vs. Marktrealität

So lobenswert der Ansatz ist, das Geschäftsmodell muss sich im Härtetest einigen kritischen Fragen stellen. Ein massives Problem ist der Markt als regulatorischer Flickenteppich. Diingu spricht aktuell mit Investor*innen, um europaweit zu skalieren, doch das Sozial- und Bildungswesen ist hochgradig lokalisiert. Da sich die Vorgaben für Inklusion in Deutschland bereits von Bundesland zu Bundesland massiv unterscheiden, bedeutet eine europäische Expansion zwingend, dass Fortbildungsinhalte an völlig andere gesetzliche Rahmenbedingungen angepasst werden müssen. Das kostet enorm viel Zeit und verbrennt Kapital.

Wie will Diingu diese gewaltige regulatorische Wand durchbrechen, ohne sich finanziell und personell zu verheben? „Das ist eigentlich die entscheidendste Frage, und genau diese begleitet uns seit fast zwei Jahren“, gibt Shojai offen zu. Mit der Lösung stehe und falle der internationale Erfolg. Die Antwort des Start-ups lautet: Automatisierung. Man entwickle gerade eine zweigeteilte „Kursfabrik“. Eine Abteilung konzipiere kleinere Kurse mithilfe von Künstlicher Intelligenz, die am Ende lediglich von Expert*innen lektoriert und qualitätsgeprüft werden. Dafür habe man eigens eine von AWS geförderte Kooperation zur Entwicklung generativer KI-Anwendungen gestartet, um einen skalierbaren Workflow zu etablieren.

Große und wichtige Kurse bleiben jedoch Handarbeit nach strengen Richtlinien. „KI kommt da nicht hin, und ihr fehlt auch reales Praxiswissen, das nur ausgewählte Expertinnen und Experten mitbringen“, stellt Shojai klar. Diese Zweiteilung bedingt logischerweise extrem hohe Kosten bei der Lokalisierung der Inhalte. Auf die konkrete Frage nach der Finanzierbarkeit bleibt der Gründer allerdings unkonkret. Man habe zwar bereits eine „finanzstrategische Lösung“ erarbeitet, doch Details wolle er zum jetzigen Zeitpunkt noch nicht verraten. Er gibt sich jedoch siegessicher: „Wir glauben, mit diesem hybriden KI-Mensch-Kursentwicklungsansatz einen entscheidenden Wettbewerbsvorteil zu erlangen.“

Gleichzeitig stößt das Modell unweigerlich an die Grenzen der Digitalisierung. Das Start-up wirbt mit einem KI-Guide, in der sozialen Arbeit gilt jedoch unumstößlich das Credo: Beziehung vor Technik. Empathie, Deeskalation und der Umgang mit schwer beeinträchtigten Kindern lassen sich über Klick-Kurse und KI-Chats nur in der grauen Theorie erlernen. Eine reine Digitalisierung der Fortbildung ersetzt keine Praxisbegleitung im wahren Leben.

Abschließend wirft auch das avisierte „Big Picture“ rund um die Vision „Diingu Care“ Fragen auf. Die Ankündigung, künftig weltweit Bildungsprojekte zu unterstützen, wirkt aktuell noch wie ein sehr ambitioniertes PR-Versprechen für Impact-Investor*innen. Für ein Start-up in der vulnerablen Skalierungsphase birgt ein solcher Nebenschauplatz stets die Gefahr, den Fokus auf das stark erklärungsbedürftige DACH-Kerngeschäft zu verlieren.

Lenkt diese noble globale Vision das Team nicht gefährlich vom eigentlichen Überlebenskampf und der schwierigen Marktdurchdringung in Europa ab? „Absolut“, stimmt Shojai überraschend direkt zu. Genau aus diesem Grund bewerbe man das Projekt derzeit weder öffentlich noch bei Investor*innen. „Es steht weder auf der Website noch auf irgendeinem Pitch Deck“, versichert er. Der Fokus liege aktuell ausschließlich auf dem Aufbau eines funktionierenden und stark wachsenden Geschäfts. „Erst wenn wir damit Investoren und auch uns selbst geholfen haben, können wir anfangen, mit Diingu Care anderen zu helfen“, erklärt Shojai sein strategisches Prinzip. Dennoch ist es ihm spürbar ein Anliegen zu betonen, dass Diingu Care keine hohle PR-Phrase sei. Diese globale Infrastruktur für Länder ohne stabile soziale Systeme werde unweigerlich kommen. „Und an diesem Ziel wird sich auch nichts ändern, nur weil es ambitioniert ist“, bekräftigt der Geschäftsführer abschließend. „Denn genau das soll Diingu ausmachen: eine Organisation, die Verantwortung übernimmt.“

Fazit

Diingu ist ein exzellentes Beispiel dafür, wie aus einem echten, greifbaren Alltagsproblem eine kluge SaaS-Lösung entstehen kann. Das Team hat durch die universitäre Anbindung seine Hausaufgaben gemacht und mit über 100 Trägern bereits beachtliche Traction im B2B-Markt erreicht. Der Weg zum europaweiten Skalierungserfolg oder gar zur „globalen sozialen Infrastruktur“ wird jedoch steinig. VCs werden künftig genau prüfen, ob die Margen im chronisch klammen Sozialsektor ausreichen und ob der stark regulierte Bildungsmarkt schnelle geografische Sprünge überhaupt zulässt. Diingu muss jetzt beweisen, dass es nicht nur ein nützliches Werkzeug für deutsche Wohlfahrtsverbände bietet, sondern das Zeug zu einem hochprofitablen, grenzüberschreitenden Plattformgeschäft hat.

Wir erleben das Entstehen einer neuen ökonomischen Spezies: Der Creator-Founder. Die Grenze zwischen dem/der klassischen Online-Händler*in und dem/der modernen Content-Creator*in ist endgültig gefallen. Wer heute Reichweite besitzt, baut keine Community mehr auf, sondern ein dezentrales Medien- und Handelsimperium. Diese Transformation vom Nischenthema zur Systemrelevanz braucht jedoch eine industrielle Basis. Genau hier betritt eine neue Generation von Start-ups die Bühne. Diese „Werkzeugmacher*innen“ – spezialisiert auf KI-gesteuerte Produktion, autonome Analyse und FinTech – bilden das unsichtbare, hochprofitable Rückgrat einer Branche, die gerade ihre industrielle Revolution erlebt.

Das Ökosystem wird erwachsen

Die Marktlage im Jahr 2026 beweist eindrucksvoll, dass die Werkzeug-Infrastruktur für digitale Entrepreneur*innen den Kinderschuhen entwachsen ist. Laut aktuellen Hochrechnungen etablierter Investmentbanken steuert die globale Creator Economy unaufhaltsam auf die 400-Milliarden-Dollar-Marke zu, wobei ein signifikanter zweistelliger Prozentsatz direkt in Software- und Servicetools fließt.

Auch in Deutschland bestätigt der jüngste KfW-Gründungsmonitor diese Reife: Software-Lösungen für digitale Medienschaffende gehören zu den widerstandsfähigsten B2B-Segmenten der Post-Krisen-Ära. Der technologische Haupttreiber dieser rasanten Professionalisierung ist zweifellos die angewandte generative künstliche Intelligenz, dicht gefolgt von prädiktiven Datenmodellen. Deutsche Risikokapitalgeber*innen haben im vergangenen Jahr schätzungsweise über 350 Millionen Euro spezifisch in dieses Vertical gepumpt. Es geht längst nicht mehr um experimentelles Wagniskapital, sondern um Growth-Metriken und wiederkehrende SaaS-Umsätze in einem Markt, der eine beispiellose Professionalisierung erfährt.

Technologien der totalen Integration

Blickt man jenseits der offensichtlichen Dashboards, offenbaren sich die wahren Maschinenräume dieses Jahres. Drei Sub-Sektoren dominieren aktuell das Geschehen und treiben die Verschmelzung von Commerce und Content voran. Zunächst ist da die autonome KI-Postproduktion, bei der Algorithmen nicht nur schneiden, sondern selbständig Narrative für Verkaufsformate generieren.

Ein weiterer massiver Treiber ist die prädiktive Marken-Compliance. Hierbei handelt es sich um Legal-Tech-Lösungen, die vollautomatisiert Werbekennzeichnungspflichten und internationale Steuermodelle für Creator-Marken überwachen.

Schließlich etabliert sich das Creator FinTech, insbesondere durch umsatzbasierte Finanzierungsmodelle, die den dynamischen Cashflow von Influencer-Brands algorithmisch bewerten können. Während Pioniere der ersten Welle wie Linktree lediglich Brücken bauten, stoßen die aktuellen Akteure tief in diese hochkomplexen, technologischen Nischen vor, um den Creator*innen als vollwertigen E-Commerce-Akteur*innen zu befähigen.

Reality Check: Der Kater nach dem Hype

Dass diese Branche jedoch kein automatischer Garant für Einhörner ist, bewies der spektakuläre Crash der Web3-Creator-Plattformen um das Jahr 2023. Hochgelobte Projekte wie BitClout verbrannten Hunderte Millionen Dollar an Risikokapital, weil sie die Usability vernachlässigten und keinen echten Nutzwert jenseits der Spekulation boten. Aus diesem schmerzhaften Reality Check lassen sich vier fatale Fallstricke für heutige Gründer*innen ableiten. Der erste Fehler ist das API-Klumpenrisiko, also die blinde Abhängigkeit von den Launen großer Plattformen wie Meta oder YouTube. Ein zweites, oft tödliches Problem sind katastrophale Unit Economics bei Tools, die nur den nicht-monetarisierbaren "Long Tail" der Hobby-Nutzer*innen bedienen. Der dritte Fallstrick ist die chronische Unterschätzung der Regulatorik, insbesondere des EU AI Acts. Das vierte Learning betrifft den Technologie-Fetischismus: Wer Lösungen aufzwingt, die technologisch brillieren, aber in der alltäglichen User Experience der Creator*innen versagen, wird vom Markt gnadenlos abgestraft.

Deutschlands heimliche Creator-Hubs

Die architektonische Landkarte der deutschen Creator-Tool-Landschaft konzentriert sich 2026 auf hochspezialisierte Hotspots. Berlin bleibt der unangefochtene Magnet, angetrieben von einer dichten Konzentration an Media-Tech-VCs und der Strahlkraft von Kaderschmieden wie der ESMT. München agiert als das kraftvolle Gegenstück für harte Technologiebedingungen. Angefacht durch das CDTM und die TU München, entstehen hier vor allem datenlastige B2B-SaaS-Produkte für die Industrie. Das Rheinland, spezifisch die Achse Aachen und Köln, fungiert als historisch gewachsenes Cluster, das auf dem Fundament klassischer TV-Produktionen und starken Informatik-Fakultäten wie der RWTH Aachen basiert. Abgerundet wird dieses Netzwerk durch Hamburg. Die Hansestadt nutzt ihre tiefe Verwurzelung in der Werbe- und Agenturwelt sowie Netzwerke wie den Next Media Accelerator, um Tools zu entwickeln, die genau an der Schnittstelle zwischen Markenbudgets und der Creator-Commerce-Welt ansetzen.

Investor*innen-Radar

Ein genauer Blick auf die Geldgeber*innen offenbart, wer das Benzin für diese Maschine liefert. Bei den spezialisierten VCs haben Akteure wie Creator Ventures den Takt vorgegeben, während in Deutschland vor allem Vehikel rund um OMR Ventures den tiefen Brancheneinblick für Seed-Finanzierungen nutzen. Auf der Ebene der Top-Tier Generalisten sehen wir Fonds wie Creandum, Cherry Ventures und Point Nine, die ihre rigorosen B2B-SaaS-Metriken nun konsequent auf Creator-Tools anwenden. Die Industrie mischt über Corporate VCs ebenfalls kräftig mit; hier sichern sich Bertelsmann Investments oder SevenVentures strategische Marktanteile, um ihre eigenen Wertschöpfungsketten zu digitalisieren. Der eigentliche Motor der Frühphase sind jedoch die Business Angels und Syndikate. Hier agieren Digitalgrößen wie Philipp Westermeyer oder Prominente wie Mario Götze als strategische Türöffner, die den Start-ups unmittelbaren Zugang zu jener Creator-Elite verschaffen, die heute die Märkte bewegt.

Die Top Start-ups (Must-Watch 2026)

Die für diesen Report ausgewählten Start-ups wurden anhand einer rigorosen Analyse ihrer Marktrelevanz im Jahr 2026, ihres technologischen Reifegrades sowie der Stabilität ihrer Geschäftsmodelle bewertet. Ein wesentliches Kriterium war zudem das Investoren-Vertrauen durch namhafte Risikokapitalgeber. Wir betrachten ausschließlich Unternehmen mit Hauptsitz in Deutschland, die ab dem Jahr 2020 gegründet wurden, um den aktuellen Innovationszyklus der "Post-Plattform-Ära" präzise abzubilden – jene Ära, in der Creator zu echten Handelsmarken werden.

Passionfroot (Gegründet 2021)

Das Team um Jennifer Phan, Jens Willemen und Michelle Tian hat von Berlin aus einen globalen Standard gesetzt. Ihr B2B-SaaS-Modell bietet einen ganzheitlichen Workspace, der Sponsoring-Anfragen und CRM für Creator zentralisiert. Der USP ist die radikale Vereinfachung des Backoffice-Chaos für jene „Solopreneur*innen“, die heute Millionenumsätze verwalten. Namhafte VCs wie Creandum und Cherry Ventures investierten hier in einer Seed-Runde 3 Millionen Euro in Passionfroot.

Nindo (Gegründet 2020)

Gegründet von Rezo und Tim Jacken in Aachen, ist Nindo der Inbegriff für den Sprung von Content-Expertise zu tiefen B2B-Data-SaaS-Lösungen. Das Unternehmen bietet granularste Analytics und Reichweiten-Validierungen für das Influencer-Marketing. Durch den Einstieg und die strategische Partnerschaft mit dem globalen Medienhaus Webedia stützt Nindo heute maßgeblich das Wachstum jener Marken, die auf datenbasierte und verifizierte Creator-Kooperationen setzen.

cofenster (Gegründet 2020)

Die Hamburger Gründer Tom Vollmer, Oliver Wegner und Finn Frotscher adressieren die „Corporate Creator Economy“. Ihr Tool ermöglicht es Unternehmen, Mitarbeiter-Content via KI-Guidance in professionelle Verkaufs- und Info-Videos zu verwandeln. Dieser Ansatz sicherte cofenster unter anderem eine Seed-Finanzierung in Höhe von 1,5 Millionen Euro, angeführt von Capnamic Ventures.

Charles (Gegründet 2020)

Artjem Weissbeck und Andreas Tussing bringen mit Charles Conversational Commerce nach Berlin. Ihr SaaS-Modell erlaubt es E-Commerce- und Creator-Brands, Marketing und Verkauf vollständig über WhatsApp abzuwickeln. Der USP liegt in der direkten Monetarisierung ohne Algorithmus-Abhängigkeit, was Salesforce Ventures im Rahmen einer Series-A-Runde zu einem Investment von 20 Millionen Dollar veranlasste.

Wonnda (Gegründet 2022)

Das Berliner Duo Martin Ditzel und Oliver Allmoslechner schließt die Lücke zwischen digitaler Reichweite und physischem Handel. Als B2B-Marktplatz verbindet Wonnda Creator*innen mit europäischen Hersteller*innen für Eigenmarken. Die Plattform digitalisiert das Sourcing und zementiert den Trend zum „Creator-as-a-Manufacturer“, finanziert von namhaften Frühphasen-VCs wie Pitchdrive.

Oxolo (Gegründet 2020)

Das Hamburger Team um Elisabeth L’Orange und Heiko Hubertz besetzt die entscheidende Schnittstelle, an der 2026 die Grenze zwischen klassischem E-Commerce und Creator-Content endgültig verschwindet. Ihr „URL-to-Video“-Modell generiert aus schlichten Shop-Links hochgradig konvertierende Videoclips mit KI-Avataren. Dass Oxolo primär von „Sellern“ spricht, ist ein strategisches Understatement: In Wahrheit nutzen vor allem Creator-Founders das Tool, um ihre D2C-Brands zu industrialisieren. Mit einer Series-A-Finanzierung von 13 Millionen Euro (Lead: DN Capital) ist Oxolo der unsichtbare Motor hinter dem kommerziellen Erfolg moderner Creator-Marken.

Moojo (Gegründet 2021)

Das Berliner Start-up von Amir Djouadi, Christian Engnath und Utena Treves fungiert als das finanzielle Rückgrat der dezentralen Wirtschaft. Moojo bietet eine integrierte FinTech-Lösung, die Rechnungsstellung und sofortige Auszahlungen für Creator*innen automatisiert. Durch die Reduzierung von Zahlungsverzögerungen löst das Start-up eines der größten Liquiditätsprobleme der Branche, unterstützt durch ein 2-Millionen-Dollar-Pre-Seed-Funding von b2venture und APX.

ZebraCat (Gegründet 2022)

Reza Zolfaghari und Michael Baumgartner konzentrieren sich mit ZebraCat in Berlin auf die „Prompt-to-Video“-Revolution. Ihr Modell ermöglicht es Creator*innen, durch einfache Textbeschreibungen komplexe Video-Narrative inklusive Schnitt zu generieren. Als Absolventen von Entrepreneur First verkörpern sie die neue Generation von KI-Tools, die den kreativen Prozess radikal beschleunigen.

Internationaler Ausblick & Fazit

Der Blick auf die globale Makroebene zeigt, dass die europäische Creator Economy erst am Anfang einer tiefgreifenden Umwälzung steht. Aus Asien schwappt die nächste Evolutionsstufe der Live-Commerce-Infrastruktur herüber, während in den USA autonome KI-Agenten bereits die Verhandlungen komplexer Marken-Deals übernehmen. Für den europäischen Markt bedeutet dies: Wer heute noch isolierte Content-Tools baut, wird den Anschluss an den Handel verlieren. Die Zukunft gehört jenen Plattformen, die den gesamten Workflow vom ersten Frame bis zum finalen Checkout digitalisieren.

Das Fazit für Gründer*innen und Investor*innen: Die Creator Economy ist kein flüchtiger Trend mehr, sondern das Betriebssystem des modernen Mittelstands. Wer die Souveränität über die eigene Technologie und die eigenen Daten besitzt, wird die Medienhäuser und Handelskonzerne von morgen führen.