StartingUp: Hallo Abdu, starten wir direkt mit dem harten Reality-Check: Was ist dein Elevator Pitch für LingMorph?

Abdu Alawal Ibrahim: Hallo Hans! LingMorph ist eine anmeldefreie, werbefreie und kostenfreie Web-Applikation, die komplexe deutsche Sätze in Sekundenschnelle visuell unter anderem in Wortarten, Satzglieder, Kasus und das topologische Feldermodell untergliedert. LingMorph bietet Lehrkräften und Lernenden im regulären Deutsch- und DaZ-Unterricht ein datenschutzkonformes Werkzeug, das auf jedem Endgerät sofort einsatzbereit ist. Damit lösen Lehrkräfte das Problem einer oft als trocken und unverständlich wahrgenommenen Grammatik durch ein interaktives und visuelles Interface.

StartingUp: Große Bildungsverlage investieren Millionen in digitale Lernplattformen, kämpfen aber oft mit behäbigen Strukturen. Du hast LingMorph im Alleingang hochgezogen. Wie ist es dir gelungen, die etablierten Player in Sachen Ladegeschwindigkeit und Barrierefreiheit zu überholen?

Abdu Alawal Ibrahim: Ich denke, dass die erwähnten Aspekte, wie die Werbe- und Anmeldefreiheit und generell der Verzicht auf kommerziellen Gewinn hier eine große Rolle spielen. Durch meine jahrelange Erfahrung in der Frontend- und App-Entwicklung habe ich LingMorph auf der Basis von Bootstrap 5.3 ohne schwere Benutzerverwaltung oder Tracking-Skripte entwickelt. Die Satzanalyse läuft dabei getrennt von der eigentlichen Visualisierung: Während serverseitig die LingMorph-Engine die Struktur analysiert, wird sie clientseitig, also direkt auf dem Endgerät der Nutzenden, visualisiert. Dieser Ansatz ist extrem ressourcenschonend. Tests zeigen eine Ladezeit von gerade einmal 0,4 Sekunden und laut Lighthouse-Audit einen Performance-Score von 94/100 sowie die volle Punktzahl von 100 im Bereich SEO.

StartingUp: Die Kombination aus Geisteswissenschaft und Tech ist extrem spannend. Du nutzt für die automatisierte Analyse den STTS-Standard (Stuttgarter-Tübinger-Tagset). Vor welchen technischen Herausforderungen steht man, wenn man komplexe, oft unlogische natürliche Sprache in einen sauberen Algorithmus gießen muss?

Abdu Alawal Ibrahim: Dass man hier vor großen Herausforderungen steht, ist definitiv der Fall. Natürliche Sprache ist voller Unregelmäßigkeiten und Mehrdeutigkeiten (sogenannten Ambiguitäten). Hier ist zum Beispiel der Kasussynkretismus zu nennen: Die Wortgruppe „die Frauen“ kann Nominativ oder Akkusativ sein, „der Frau“ wiederum Genitiv oder Dativ. Ferner stellt besonders das Deutsche mit seinen verstreuten Prädikatsteilen, wie es beim Perfekt vorkommt („Sie hat [...] abgeholt“) sowie trennbaren Verbzusätzen („Ich gebe [...] ab“) für Algorithmen eine große Herausforderung dar. Und je komplexer Sätze werden und je mehr untypische Strukturen auftauchen, desto schneller stößt die automatisierte Analyse auf Basis des Stuttgarter-Tübinger-Tagsets an ihre Grenzen.

Der Umgang mit diesen Herausforderungen ist Teil der aktiven Weiterentwicklung des Tools: Falls der Algorithmus an linguistische Grenzen stößt, berechnet LingMorph direkt innerhalb der Engine die Konfidenz-Scores und macht potenzielle Unsicherheiten transparent über UI-Warnungen für die Nutzenden sichtbar. Ferner können die Nutzenden stets fehlerhafte Ausgaben melden, denn LingMorph ergänzt die statistischen Sprachmodelle aktiv mit weiteren hauseigenen Erkennungssystemen, um die Lücken der statistischen Sprachmodelle zu schließen.

StartingUp: Aus Produkt-Sicht (UX/UI) ist das interaktive Verschieben von Satzgliedern per Drag-and-Drop im topologischen Feldermodell ein echtes Highlight. Wie wichtig ist exzellentes User-Interface-Design, um ein von Natur aus „trockenes“ Thema wie Grammatik in ein digitales Produkterlebnis zu verwandeln?

Abdu Alawal Ibrahim: Das ist natürlich sehr wichtig und stellt als Highlight, wie du es benennst, besonders auch einen didaktischen Mehrwert dar. Denn Grammatik scheitert im Unterricht oft auch daran, dass sie als abstrakt interpretiert und vielleicht manchmal im Unterricht auch einfach zu theoretisch vermittelt wird. Mit Hilfe von Tools wie LingMorph kann der Grammatikunterricht praktischer gestaltet werden: Durch das interaktive Verschieben von Elementen direkt im Feldermodell, können grammatikalische Regeln für Lernende besser verortet und sichtbar gemacht werden. Wenn Lernende ein Satzglied per Drag-and-Drop bewegen können und die strukturelle Veränderung sofort visuell zurückgespiegelt bekommen, verwandelt sich dieses schultypische Auswendiglernen in eine Art des Experimentierens und Entdeckens.

StartingUp: LingMorph verzichtet komplett auf Registrierung, Werbung und Datentracking. In der Start-up-Welt gilt das Datensammeln oft als das neue Gold. Warum ist dieser radikale Datenschutz-Ansatz für dich kein Wachstumshemmer, sondern vielleicht sogar dein wichtigster Growth-Hacker?

Abdu Alawal Ibrahim: Weil im stark regulierten Bildungssektor der Datenschutz die größte bürokratische Hürde überhaupt darstellt. Wer an Schulen ein digitales Tool einführen will, scheitert meist monatelang an den Freigaben, durch die DSGVO-Hürden und ist auch rechtlich daran gebunden, Einverständniserklärungen der Erziehungsberechtigten einzufordern. Dadurch, dass LingMorph keinerlei personenbezogene Daten für kommerzielle Zwecke erhebt, kein Tracking nutzt und keine Registrierung erfordert, fällt diese Barriere komplett weg. Lehrkräfte können den Link ohne Absprache direkt an die digitale Tafel werfen und den Lernenden zur Nutzung auf ihren Endgeräten vorstellen. Das Ziel von LingMorph ist es primär, den Deutschunterricht zu unterstützen und Lernenden zu helfen. Kommerziell orientierte Tools schrecken vor diesem radikal datenschutzfreundlichen Weg verständlicherweise oft zurück.

StartingUp: Du positionierst LingMorph als Open Educational Resource (OER). Das klingt edel, wirft im Start-up-Kontext aber die Frage auf: Wie sieht die langfristige Core-Strategie aus? Wie finanzierst du Serverkosten und Weiterentwicklung, wenn die Nutzer*innenbasis explodiert?

Abdu Alawal Ibrahim: Aktuell ist das Wachstum LingMorphs mit über 130.000 Analysen pro Monat bereits massiv, aber die technische Infrastruktur fängt das sehr kosteneffizient ab. Ein großer Teil der Kernfunktionen soll für Lehrkräfte und Lernende somit immer kostenfrei und barrierefrei bleiben. Wie genau öffentliche Fördergelder für digitale Bildungsinfrastruktur oder Premium-Lizenzen für Institutionen die Weiterentwicklung in Zukunft mittragen können, ist aufgrund des jungen Alters der Applikation im Detail noch offen.

StartingUp: Die renommierte Fachwelt, wie das Symposion Deutschdidaktik e.V., unterstützt dich bereits. Im Start-up-Sprech hast du dir damit eine extrem starke „Corporate Credibility“ gesichert. Wie hast du diese Schwergewichte der Wissenschaft von deiner studentischen Innovation überzeugt?

Abdu Alawal Ibrahim: Diese Unterstützung nehme ich stets sehr dankend an und freue mich gerade über das hohe Interesse aus der Sprachdidaktik und aus vielen Hunderten Schulen und Deutsch- sowie DaZ/DaF-Lehrkräften, die sich regelmäßig bei mir melden. Das motiviert mich bei der Weiterentwicklung enorm.

Ich denke, dass neben der einfach zu bedienenden Benutzeroberfläche und der mit LingMorph gebotenen Unterstützung für Lehrkräfte, auch die fachliche Validität von Relevanz ist, denn gerade die Erläuterungen zu den einzelnen Analyseschritten stützen sich auch auf etablierte germanistische Standardwerke. Und dass die Entwicklung von LingMorph auch stets auf das Feedback der Didaktiker*innen aufbaut und ich der Didaktik und Linguistik bei der Weiterentwicklung stets offen gegenüberstehe, hilft auch enorm.

StartingUp: Zum Schluss: Was ist das nächste große Feature auf deiner Produkt-Roadmap und wo siehst du LingMorph im EdTech-Markt der Zukunft?

Abdu Alawal Ibrahim: Auf der Produkt-Roadmap stehen neben der Optimierung des Erkennungssystems und noch besserer und interaktiverer Visualisierung, auch die Etablierung von Aufgaben für Lernende, die wahlweise durch die Lehrkräfte in Form von selbst vorgegebenen Sätzen erfolgen soll. Damit sollen mehr Möglichkeiten für das gemeinsame Experimentieren im Deutschunterricht geboten werden.

Ferner steht auch die Etablierung von Künstlicher Intelligenz (KI) auf der Produkt-Roadmap. Besonders die Integration von Large Language Models (LLM) bietet die Möglichkeit den Lernenden die Erkennungsergebnisse zu erläutern und Teile des Erkennungssystems an die KI zu delegieren (z. B. die Autokorrektur von Eingabefehlern, die erneute Prüfung bei geringer Konfidenz des gegenwärtigen Erkennungssystems u. v. m.).

Hinsichtlich des Datenschutzes gibt es reichlich Möglichkeiten der datenschutzkonformen KI-Integration: Möglich wäre hier das Hosten des LLM über den Browser des Nutzenden (auch „client-side AI“ genannt) sowie die Möglichkeit des Hostens des Modells auf dem Server von LingMorph (auch „self-hosted AI“ genannt). Besonders sogenannte Transformer-Modelle bieten hier eine enorm hohe Erkennungsgenauigkeit und können mit den eben benannten Herausforderungen deutlich besser umgehen.

Ferner sind nach enger Absprache mit Fachreferenten von verschiedenen Landesämtern für Schule und Bildung sprachliche und strukturelle Anpassungen des Tools geplant. Alles in allem berücksichtige ich stets neue Möglichkeiten zur Verbesserung von LingMorph und freue mich jederzeit auf neue Impulse.

StartingUp: Danke, Abdu Alawal Ibrahim, für das Gespräch.

Das Interview führte StartingUp-Chefredakteur Hans Luthardt

Ein Pitch, ein Abend – und die Runde stand, so jedenfalls schildert es das Unternehmen. Beim Pitchabend des Banson Business-Angel-Netzwerks in Hannover konnte das KI-Start-up Invecorum die Investoren offenbar derart überzeugen, dass sämtliche Zusagen für eine sechsstellige Finanzierung innerhalb eines Tages vorlagen. Das Investorenteam rekrutiert sich vollständig aus der Region Hannover, darunter Dr. Gunter Dunkel, ehemaliger Vorstandsvorsitzender der Nord/LB.

Der rasante Abschluss fügt sich in die bisherige Historie ein: Erst im April 2026 im Braunschweiger Trafo Hub gegründet, brachte das Start-up bereits im Juni sein Produkt auf den Markt. Die KI-Lösung für Steuerkanzleien werde nach Unternehmensangaben inzwischen bundesweit genutzt.

Verschwiegenheitspflicht und berufsrechtliche Hürden

Der Markt, in den Invecorum vorstößt, steht unter Druck. Steuerkanzleien leiden unter Fachkräftemangel, was den Einsatz von KI-Assistenten attraktiv macht. Das Branchenproblem: Die Nutzung etablierter US-Lösungen ist für Berufsträger*innen riskant, da sie gesetzlich zu strenger Verschwiegenheit verpflichtet sind. Landen sensible Mandant*innendaten auf amerikanischen Servern, drohen massive Compliance-Probleme.

Die Architektur von Invecorum greift genau hier an: Das System ist laut Start-up strikt auf die Einhaltung von § 203 StGB (Verletzung von Privatgeheimnissen) sowie § 62a StBerG (Inanspruchnahme von Dienstleister*innen) ausgerichtet. Da diese Vorgaben für die gesamte Verarbeitungskette gelten, betreibt das Unternehmen seine Server und KI-Modelle nach eigenen Angaben autark in Deutschland, um Datenabflüsse ins Ausland physisch wie rechtlich auszuschließen.

Sichere Alternativen aus Deutschland konnten bei der Qualität bislang oft nicht mithalten. Invecorum tritt an, um diese Lücke zu schließen, und behauptet, bei Steuerrechtsfragen bereits heute auf dem Niveau führender US-Anbieter zu agieren. Das frische Kapital soll nun in den Ausbau der eigenen Recheninfrastruktur fließen.

Mehr als ein Chatbot

Invecorum positioniert sich nicht als simpler Textgenerator, sondern als in den Workflow integrierter „KI-Mitarbeiter“. Zu den Kernfunktionen gehören:

• Quellenbasierte Recherche: Die KI sucht in tagesaktuellen Gesetzen, BMF-Schreiben und der Rechtsprechung. Jede Antwort soll mit Primärquellen belegt werden, die vor der Freigabe geprüft werden können.
• Mandant*innenspezifisches „Gedächtnis“: Chats und Dokumente werden gebündelt. Die KI soll aus früheren Konversationen lernen und Sachverhalte vorab ausfüllen.
• Tiefen-OCR & Entwürfe: Das Tool digitalisiert laut Start-up auch alte Scans und formuliert darauf basierend erste Entwürfe für Einsprüche oder Memos.
• Sichere Kommunikation: Über ein „Collect“-Feature können Beratende fehlende Unterlagen per sicherem Link verschlüsselt bei dem/der Mandant*in anfordern.

Das Gründerteam: Mix aus Tech und Tax

Das operative Geschäft teilen sich drei Gründer*innen: Daniel Wasmus) ist Software-Entwickler mit Stationen in VC-finanzierten KI-Start-ups, zuletzt bei Mixedbread AI. Philip Goddinger ist Machine Learning Engineer mit Fokus auf verteilte Systeme und Security, und Irina Meier, zuvor Gründerin im Legal-Tech-Bereich, zeichnet verantwortlich für Business und Finance. Fachlich flankiert wird das Team durch den Steuerberater Jens Henke sowie Prof. Dr. Guido von Rudorff von der Universität Kassel. Letzterer ist Experte für den Betrieb offener KI-Modelle auf eigenen GPUs.

Kritischer Blick auf die Skalierbarkeit

Die Idee einer „souveränen KI“ trifft den Schmerzpunkt regulierter Berufe. Für Branchenkenner*innen stellen sich jedoch Fragen zur Skalierbarkeit:

• Infrastrukturkosten: Der Betrieb eigener GPU-Hardware ist extrem kapitalintensiv. Eine sechsstellige Finanzierung reicht für einen Proof of Concept und erste Server. Um mit Hyperscalern bei Latenz und Ausfallsicherheit auf Dauer mitzuhalten, wird bald signifikantes Folgekapital nötig sein. Der strategische Kniff: Durch die Expertise von Prof. von Rudorff dürfte das Start-up hochleistungsfähige Open-Source-Modelle lokal hosten und aufs Steuerrecht fine-tunen, was die Milliarden-Budgets für eigene Foundation-Modelle erspart.
• Wettbewerb: Das Segment ist lukrativ, aber konservativ. Platzhirsch DATEV dominiert die Kanzlei-IT und integriert zunehmend eigene KI-Funktionen. Zudem rüsten Tech-Giganten ihre europäischen Cloud-Instanzen datenschutzrechtlich weiter auf.

Fazit

Das Tempo, das Invecorum vom Start im April bis zum Launch 2026 vorgelegt hat, ist bemerkenswert. CEO Daniel Wasmus betont, dass souveräne KI-Lösungen nur dann einen „Paradigmenwechsel“ auslösen, wenn sie qualitativ mit US-Anbietern gleichziehen. Ob der USP „eigene Rechenzentren in Deutschland“ ausreicht, um Kanzleien dauerhaft von etablierten Tools oder kommenden DATEV-Integrationen fernzuhalten, muss das Team nun am Markt beweisen.

Es ist eine Zäsur für den Technologie-Standort Deutschland: 38 Einhörner (Unicorns) – also nicht börsennotierte Start-ups mit einer Bewertung von mindestens einer Milliarde US-Dollar – beheimatet die Bundesrepublik mittlerweile. Das entspricht einem Zuwachs von 46 Prozent gegenüber dem Vorjahr und bedeutet die größte Kohorte an Neuzugängen in der deutschen Geschichte. In Kontinentaleuropa liegt Deutschland damit unangefochten auf Rang 1 – weit vor den Niederlanden (11), der Schweiz (8) und Schweden (5).

Helsing erstmals auf Platz 1: Das neue Flaggschiff der deutschen Szene

An der Spitze des Index gab es einen spektakulären Machtwechsel: Das 2021 gegründete KI-Verteidigungsunternehmen Helsing führt das Ranking mit einer Bewertung von 16,6 Milliarden Euro als wertvollstes Einhorn Deutschlands an. Ein Zuwachs von 11,6 Milliarden Euro innerhalb eines einzigen Jahres unterstreicht das immense Potenzial junger deutscher DeepTech-Unternehmen und setzt ein weltweites Signal für europäische KI-Infrastruktur.

Deep-Tech, Rüstung & Fusionsenergie erreichen historischen Höhepunkt

Der Aufstieg des Standorts beruht auf einem strukturellen Wandel. Während B2B-SaaS weiterhin ein starkes Fundament bildet, erreicht die DeepTech-Welle 2026 ihren vorläufigen Höhepunkt. Befeuert durch die politische „Zeitenwende“ haben sich Verteidigungs- und Raumfahrt-Start-ups wie Helsing, STARK Defence (direkt bei Gründung mit über 1 Mrd. US-Dollar bewertet), der Drohnenpionier Quantum Systems und der Raketenbauer Isar Aerospace zu Schlüsselsektoren entwickelt. Parallel dazu beweisen Black Forest Labs (Generative KI) aus Freiburg und Proxima Fusion (Fusionsenergie) aus München, dass Deutschland bei den globalen Zukunftstechnologien in der ersten Liga mitspielt.

Berlin und München beheimaten 68 % aller deutschen Einhörner

Der Index zeigt eine bemerkenswerte räumliche Verdichtung: 18 der 38 Einhörner stammen aus Berlin, 8 aus München. Zusammen vereinen diese beiden Standorte 68 Prozent aller deutschen Milliarden-Start-ups auf sich. Während Berlin besonders im FinTech-, KI- und SaaS-Bereich dominiert, hat sich München als europäisches Powerhouse für DeepTech, Fusionsenergie und B2B-Software etabliert.

Die DNA der deutschen Unicorn-Gründer*innen

Eine Analyse der rund 95 deutschen Unicorn-Gründer*innen räumt zudem mit gängigen Silicon-Valley-Klischees auf:

Erfahrung vor jugendlichem Leichtsinn: Der 19-jährige Studienabbrecher bleibt in Deutschland ein Mythos. Im Schnitt sind deutsche Gründer*innen beim Start 34 Jahre alt, verfügen oft über eine Promotion und jahrelange Branchenerfahrung. Der Fokus liegt auf langfristig gebauten technischen Burggräben.

Die TUM als Kaderschmiede: Die Technische Universität München (TUM) ist die unangefochtene Gründungsfabrik. Allein aus ihren Reihen gingen Einhörner im Wert von 17 Milliarden Euro hervor (u. a. Personio, Celonis). Dicht dahinter folgen die TU Berlin und die LMU München.

Internationale Strahlkraft: Rund 40 Prozent der deutschen Einhörner haben mindestens eine(n) nicht-deutsche(n) Gründer*in. Deutschland fungiert zunehmend als Magnet für internationales Top-Talent.

Der Flywheel-Effekt: Das Ökosystem trägt sich zunehmend selbst durch serielle Gründer*innen. Das prominenteste Beispiel: Florian Seibel, der mit Quantum Systems und STARK Defence zeitgleich zwei Rüstungs-Einhörner erschaffen hat.

Die blinde Flanke: Weniger als 5 Prozent der Unicorn-Gründer*innen sind weiblich. Der Bericht listet derzeit nur eine einzige bestätigte Mitgründerin (Sofia Nunes, Mambu). Ein ungelöstes Problem, durch das Deutschland immenses wirtschaftliches Potenzial verschenkt.

Die 12 Neuzugänge der Rekord-Kohorte 2026 im Überblick

Die zwölf neuen Einhörner des Jahres 2026 bringen zusammen 31,8 Milliarden Euro auf die Waage:

NEURA Robotics (€6,4 Mrd., Metzingen)
Baut kognitive Humanoide-Roboter für die Industrie und gilt als deutsche Antwort auf Tesla Optimus.
Gegründet: 2019 | Zeit bis Einhorn-Status: 7 Jahre
Wichtigste Investoren: Tether, Qualcomm, Amazon, NVIDIA, Bosch, EIB

n8n (€4,8 Mrd., Berlin)
Open-Source-Plattform für Workflow-Automatisierung.
Gegründet: 2019 | Zeit bis Einhorn-Status: 6 Jahre
Wichtigste Investoren: OpenAI, Microsoft, NVIDIA, Bezos Expeditions, Intel Capital

STARK Defence (€3,4 Mrd., Berlin)
Autonome Verteidigungssysteme.
Gegründet: 2024 | Zeit bis Einhorn-Status: 0 Jahre (als Unicorn gestartet)
Wichtigste Investoren: Sequoia, Founders Fund, NATO Innovation Fund

Quantum Systems (€3,2 Mrd., Gilching)
Hochentwickelte eVTOL-Überwachungsdrohnen.
Gegründet: 2015 | Zeit bis Einhorn-Status: 11 Jahre
Wichtigste Investoren: Accel, Founders Fund, Kleiner Perkins

Black Forest Labs (€3,0 Mrd., Freiburg im Breisgau)
Generative Video-KI vom "Stable Diffusion"-Forschungsteam.
Gegründet: 2024 | Zeit bis Einhorn-Status: 2 Jahre
Wichtigste Investoren: a16z, General Catalyst, Lightspeed, M12

Parloa (€2,8 Mrd., Berlin)
Konversations-KI für die Automatisierung von Kundenservice.
Gegründet: 2020 | Zeit bis Einhorn-Status: 5 Jahre
Wichtigste Investoren: B Capital Group

Proxima Fusion (€2,4 Mrd., München)
Fusionsenergie-Ausgründung des Max-Planck-Instituts für Plasmaphysik.
Gegründet: 2023 | Zeit bis Einhorn-Status: 3 Jahre
Wichtigste Investoren: XTX Ventures, East X Ventures, Google, RWE, Plural, Balderton, Cherry, Lightspeed

Isar Aerospace (€1,9 Mrd., Ottobrunn)
Trägerraketen für kleine Satelliten.
Gegründet: 2018 | Zeit bis Einhorn-Status: 8 Jahre
Wichtigste Investoren: Earlybird, HV Capital

Osapiens (€1,0 Mrd., Mannheim)
Software für Lieferketten-Compliance.
Gegründet: 2018 | Zeit bis Einhorn-Status: 8 Jahre
Wichtigste Investoren: Decarbonization Partners, Goldman Sachs

FINN (€1,0 Mrd., München)
Auto-Abo-Plattform.
Gegründet: 2019 | Zeit bis Einhorn-Status: 7 Jahre
Wichtigste Investoren: Portage, UVC Partners, BC Partners Credit

CMBlu Energy (€1,0 Mrd., Alzenau)
Organische "SolidFlow"-Batterien für die Großspeicherung.
Gegründet: 2014 | Zeit bis Einhorn-Status: 12 Jahre
Wichtigste Investoren: Samsung Ventures, STRABAG

Dash0 (€0,9 Mrd. / $1 Mrd., Solingen)
KI-Observability (schnellstes deutsches Software-Einhorn).
Gegründet: 2023 | Zeit bis Einhorn-Status: 3 Jahre
Wichtigste Investoren: Balderton Capital, Accel, Cherry Ventures, DTCP

Fazit: Deutschland baut eigene Champions

Deutschland muss das Silicon Valley nicht kopieren. Der aktuelle Erfolg zeigt, dass die Verbindung von ingenieurwissenschaftlicher Exzellenz, industrieller Verankerung und Risikokapital tragfähige Weltklasse-Champions hervorbringt.

Damit das Wachstum nachhaltig bleibt, muss jedoch die eklatante Lücke beim heimischen Late-Stage-Kapital geschlossen werden. Bislang liegt der Anteil deutscher Investoren in späten Finanzierungsphasen bei unter 15 Prozent. Die Mobilisierung von inländischem Kapital – etwa über Pensionskassen und Versorgungswerke – wird die entscheidende Weichenstellung für die nächste Dekade sein.

Die Geschichte von Lichtwart verbindet tradierte Handwerkstradition mit moderner IoT-Technologie. Das Start-up wurde im Jahr 2020 von Gregor Giataganas und Johannes Mailänder gegründet und hat seine Wurzeln im ostwestfälischen Mittelstand. Mailänders Urgroßvater Ernst Bertelmann reparierte bereits vor sieben Jahrzehnten Glühbirnen und legte damit den Grundstein für den Familienbetrieb Bertelmann im Bereich der Licht- und Außenwerbung. Aus dieser jahrzehntelangen Praxis heraus erkannten die Gründer die klaffende Digitalisierungslücke in kleineren und mittleren Gewerbeimmobilien. Anfang 2024 komplettierte der erfahrene IoT-Unternehmer und relayr-Mitgründer Jackson Bond das Gründerteam als Co-Founder und Investor.

Während Großimmobilien und Rechenzentren oft über Millionenbudget-schwere Gebäudeleittechnik verfügen, betreiben Unternehmen mit dezentralen Filialnetzen – etwa Supermärkte, Tankstellen oder Systemgastronomie – ihre Standorte häufig ohne automatisierte Steuerung. Störungen bleiben mangels digitaler Überwachung oft tagelang unbemerkt, während Servicetechniker ohne Vorabinformationen anreisen müssen. Lichtwart entwickelte daraufhin ein kompaktes Hardware-Modul samt Cloud-Plattform, das Transparenz über Betriebs- und Energieverbräuche in Echtzeit schafft und Ausfallzeiten minimiert.

Dass das Konzept im Markt greift, bewies das Unternehmen bereits vor dem aktuellen GS1-Deal. Neben einer strategischen Vertriebspartnerschaft mit der Deutschen Telekom zählen namhafte Akteure wie VARTA, Schüco, HanseMerkur, Orlen und die Autobahn GmbH zu den Anwendern. Zudem sicherte sich Lichtwart den Hauptpreis sowie die Kategorie „Smarte Gebäudeeffizienz“ beim PropTech Germany Award 2025.

Die Technologie: Plug-and-Play trifft auf internationale Datenstandards

Der Kern der Lichtwart-Lösung ist ein IoT-Controller, der sich nach Unternehmensangaben innerhalb weniger Minuten installieren lässt und ohne zeitintensive Vor-Ort-Programmierung auskommt. Die Hardware verbindet technische Anlagen an den Standorten mit einer zentralen, cloudbasierten Serviceplattform.

Neu an der Kooperation mit butterfly & elephant ist die konsequente Standardisierung der erfassten Daten. Über den Global Individual Asset Identifier (GIAI) erhält jedes technische Gerät – wie etwa eine Kühl- oder Klimaanlage – eine weltweit eindeutige Kennung. Ergänzend wird jeder Standort über die Global Location Number (GLN) präzise referenziert. Für den eigentlichen Datenfluss sorgen die Electronic Product Code Information Services (EPCIS), die eine gemeinsame Datenstruktur bilden, über die Betriebs-, Sensor- und Wartungsdaten nahtlos zwischen unterschiedlichen Systemen ausgetauscht werden können. Wie Benjamin Birker, Managing Director bei butterfly & elephant, betont, soll diese gemeinsame Sprache verhindern, dass Daten an Unternehmens- oder Systemgrenzen enden und sich Servicetechniker wie Betreiber stets auf exakt dasselbe Asset beziehen.

Geschäftsmodell, Markt und Wettbewerb

Der Markt und das Potenzial

Der Markt für PropTech-Lösungen im Gewerbebereich steht unter hohem Druck. Einerseits zwingen gestiegene Energiekosten und strenge ESG-Berichtspflichten Unternehmen zum Handeln. Andererseits scheuten viele Filialisten bislang die immensen Investitionskosten klassischer Gebäudeautomationssysteme, da diese für dezentrale Strukturen wirtschaftlich meist nicht darstellbar sind. Lichtwart adressiert exakt diesen unerschlossenen Mittelbau zwischen Consumer-Smart-Home und High-End-Gebäudeleittechnik.

Die Entwicklung der Investor*innenlandschaft

Die Beteiligung von butterfly & elephant markiert die nächste Evolutionsstufe in der Skalierung des Herforder Start-ups. Bereits im September 2024 sammelte Lichtwart in einer Pre-Seed-Finanzierungsrunde eine siebenstellige Summe ein. Als Geldgeber traten damals der Lead-Investor BitStone Capital, der Co-Lead-Investor Vireo Ventures sowie das Angel-Netzwerk better ventures auf. Mit butterfly & elephant kommt nun kein rein finanzieller VC an Bord, sondern der Corporate-Venture-Capital-Arm von GS1 Germany. Während genaue Finanzkennzahlen wie Bewertung und Summe vertraulich bleiben, liegt der eigentliche Mehrwert im unmittelbaren Zugang zum weltweiten GS1-Netzwerk und dessen Etablierung im Gebäudesektor.

Die Hürden im Geschäftsmodell

Das Modell kombiniert den Vertrieb von Edge-Hardware mit wiederkehrenden Software-Gebühren für die Plattform. Die größte Herausforderung liegt in der Skalierung im Bestandsbau. In der Praxis treffen B2B-Start-ups auf ein Sammelsurium an alten Geräten mit unterschiedlichsten analogen und digitalen Schnittstellen. Der versprochene schnelle Rollout setzt voraus, dass die Anbindung vor Ort absolut reibungslos verläuft. Zudem erfordert die Bereitstellung von Hardware im Vergleich zu reinen SaaS-Modellen zusätzliches Kapital für Lagerhaltung, Logistik sowie den Austausch defekter Komponenten.

Wettbewerbsumfeld

Lichtwart agiert in einem dicht besetzten Umfeld. Etablierte Automationskonzerne wie Siemens, Schneider Electric oder Honeywell bieten mächtige Leittechnik-Systeme an, die primär auf komplexe Großobjekte ausgelegt und für kleinere Filialnetze oft wirtschaftlich überdimensioniert sind. Parallel dazu besetzen spezialisierte PropTechs wie aedifion, MeteoViva oder Vilisto verwandte Felder in der Heizungs- und Betriebsoptimierung. Der entscheidende Vorteil für Lichtwart liegt in der GS1-Integration: Statt auf ein proprietäres Ökosystem zu setzen, setzt das ostwestfälische Unternehmen auf branchenweite Open-Standard-Kompatibilität, was für Kund*innen das Risiko eines Vendor-Lock-ins nachhaltig verringert.

Unsere Einordnung

Für Gründer*innen im B2B- und PropTech-Sektor liefert der Lichtwart-Deal drei wesentliche Lektionen:

• Smartes Corporate Venture Capital nutzen: Der Schritt zeigt exemplarisch, wie Finanzinvestor*innen und strategische CVCs ineinandergreifen. Während klassische VCs Kapital für das Produktwachstum bereitstellen, sichern strategische Partner*innen wie butterfly & elephant den Zugang zu Industriestandards und beschleunigen die Marktpenetration.
• Standardisierung schlägt Inseldenken: Wer in fragmentierten B2B-Märkten frühzeitig auf etablierte, branchenweite Standards setzt, senkt die Integrationshürden bei der Kundschaft erheblich und erhöht die Akzeptanz bei Corporate-Entscheider*innen massiv.
• Handfeste Probleme im Bestand lösen: Der Markterfolg von Lichtwart basiert nicht auf theoretischen Spielereien, sondern auf pragmatischen Antworten für drängende Alltagsfragen von Betreiber*innen: Fachkräftemangel, verordnete Energieeinsparung und unkomplizierte Nachrüstung ohne Anlagenaustausch.

Die Zahlen klingen im ersten Moment wie Balsam auf die Seele des oft kritisierten Wirtschaftsstandorts Deutschland. Laut dem jüngst veröffentlichten Global Entrepreneurship Monitor (GEM) Länderbericht 2025/26 weist rund ein Fünftel aller Gründungen hierzulande einen akademischen Hintergrund auf. Hochschulen und Forschungseinrichtungen erweisen sich damit als essenzielle Keimzellen für Innovationen.

Ein seltener Sieg für die Diversität

Der wohl erfreulichste Befund der Studie: Der sonst so eklatante Gendergap der Start-up-Szene schmilzt im wissenschaftlichen Umfeld auf ein Minimum zusammen. Während in anderen Branchen Gründerinnen oft marginalisiert sind, ist das Verhältnis bei den akademischen Ausgründungen nahezu ausgeglichen: 2,9 Prozent der Männer und 2,3 Prozent der Frauen in der Gesamtbevölkerung waren in den vergangenen dreieinhalb Jahren in diesem Bereich aktiv. Ein Unterschied von marginalen 0,6 Prozentpunkten.

Mehr noch: Die akademischen Gründerinnen zeigen einen beeindruckenden Vorwärtsdrang. Drei Viertel von ihnen (75 Prozent) planen in den nächsten zwei Jahren Patentanmeldungen – deutlich mehr als ihre männlichen Pendants (60 Prozent). Sie nutzen Gründungsberatungen intensiver (93,5 Prozent gegenüber 66,7 Prozent bei Männern) und schöpfen staatliche Förderprogramme konsequenter aus (51,6 Prozent gegenüber 40 Prozent). Diese Professionalisierung auf weiblicher Seite ist ein starkes Signal und beweist, dass gezielte Unterstützung an den Lehrstühlen wirkt.

GEM 2025/26 in Zahlen:

• 21 Prozent der Gründer und 23 Prozent der Gründerinnen haben einen akademischen Hintergrund.
• 64,9 Prozent der akademischen Vorhaben stecken noch in der Vorbereitungsphase.
• Mehr als 75 Prozent betrachten staatliche Förderprogramme als entscheidend für ihre Gründung.

Die Illusion der Vorbereitungsphase

Wer jedoch die Sektkorken über das enorme „Gründungspotenzial“ an Hochschulen knallen lässt, sollte die Methodik des GEM kritisch hinterfragen. Ein zentraler Schwachpunkt der gefeierten Statistik: Knapp zwei Drittel (64,9 Prozent) der erfassten akademischen „Gründungen“ befinden sich noch in der sogenannten Vorbereitungsphase. Lediglich gut ein Drittel (35 Prozent) hat den Sprung in die tatsächliche Unternehmensexistenz bereits vollzogen.

Hier zeigt sich die klassische Lücke zwischen akademischer Absichtserklärung und marktwirtschaftlicher Realität. Der GEM misst über Befragungen in erster Linie Gründungsintentionen. Wie viele dieser Vorhaben am Ende nicht über den Status eines interessanten Forschungsprojekts hinauskommen, weil Anschlussfinanzierungen fehlen oder das Geschäftsmodell dem Praxistest nicht standhält, bleibt unbeleuchtet. Im internationalen Vergleich hinkt Deutschland bei der tatsächlichen Skalierung weiterhin hinterher – oft blockiert die Angst vor dem Scheitern den letzten mutigen Schritt.

Am Tropf des Staates

Dies führt zum wohl kritischsten Befund der Studie: der massiven Abhängigkeit von staatlichen Geldern. Mehr als drei Viertel der befragten Ausgründerinnen und Ausgründer bezeichnen staatliche Förderprogramme – wie etwa das exist-Programm des Bundesministeriums für Wirtschaft und Energie (BMWE) – als „entscheidend“. Das spricht einerseits für die Qualität und Notwendigkeit solcher Initiativen. Andererseits offenbart es ein strukturelles Defizit des deutschen Risikokapitalmarktes.

Wenn über 75 Prozent der hochgradig innovativen, patentgetriebenen Start-ups ohne staatliches Geld nicht gründen würden, stellt sich die Frage: Warum greift privates Kapital im Early-Stage-Bereich nicht stärker? Die Gefahr einer Subventionsökonomie, in der Start-ups primär darauf optimiert werden, den nächsten Fördertopf zu knacken, anstatt auf echte Marktreife und Kundenakquise, darf bei diesen Zahlen nicht ausgeblendet werden.

Fazit: Vom Labor auf den Markt

Der GEM-Länderbericht Deutschland 2025/26 – erstellt vom RKW Kompetenzzentrum und dem Thünen-Institut – liefert eine überaus ermutigende Erkenntnis: Beim Abbau des Gendergaps funktioniert das universitäre Ökosystem hervorragend. Akademische Gründungen sind als tragende Säule des Innovationssystems nicht wegzudenken.

Doch die Studie ist zugleich ein Appell. Damit akademische Vorhaben nicht in endlosen Vorbereitungsphasen verharren, bedarf es dringend der geforderten Reduktion administrativer Hürden und schneller Transferprozesse. Für die Start-up-Szene bedeutet das: Das Inkubator-Umfeld Hochschule leistet glänzende Vorarbeit. Doch damit aus einer Uni-Idee ein marktfähiges Unternehmen wird, muss privates Kapital mutiger werden – und die Gründer*innen müssen lernen, sich vom rettenden Tropf des Staates rechtzeitig abzunabeln.

Hinter kausable stehen drei Physiker mit wissenschaftlichen Wurzeln an der Universität Heidelberg: Johannes Haux (CEO), Dr. Benjamin Herdeanu (CTO) und Gregor Ramien (COO). Neben ihrer akademischen Basis bringt das Trio praktische Erfahrung aus Start-ups sowie aus stark regulierten Branchen wie der Cybersicherheit und dem Bankenwesen mit.

Die bisherige Unternehmenshistorie verdeutlicht ein hohes Entwicklungstempo:

• 2025: Gründung des Unternehmens und erfolgreicher Abschluss einer Pre-Seed-Finanzierung über 1,5 Millionen Euro.
• Technologischer Meilenstein: Das Team entwickelte TipPFN, ein zero-shot-fähiges Prognosemodell zur Erkennung seltener, aber folgenschwerer Systemumbrüche („Black Swans“) in komplexen dynamischen Systemen. Die wissenschaftliche Fundierung untermauerte das Startup durch eine Forschungsarbeit in Kooperation mit Wissenschaftler:innen der Columbia University.
• Juli 2026: Abschluss einer Seed-Finanzierungsrunde über 12 Millionen Euro. Geführt wird die Runde von UVC Partners (Deutschland) und Entourage (Belgien) unter Beteiligung des High-Tech Gründerfonds (HTGF) und Mätch VC.

Auffällig ist die Prominenz im Investorenkreis: Neben VCs unterstützen Business Angels aus dem Umfeld internationaler KI-Schwergewichte wie Black Forest Labs (BFL), OpenAI, Google DeepMind, Noxtua sowie dem ELLIS-Netzwerk das Start-up. Die enge Verknüpfung mit dem europäischen Ökosystem rund um BFL und die Universität Heidelberg verschafft dem Start-up nicht nur Sichtbarkeit, sondern auch strategisches Gewicht.

Der technologische Ansatz: Kausalität statt bloßer Korrelation

Klassische Large Language Models (LLMs) und Deep-Learning-Systeme basieren primär auf statistischen Korrelationen: Sie verarbeiten gigantische Datenmengen der Vergangenheit. Ändern sich die Rahmenbedingungen in der Realität abrupt („Distribution Shift“), versagen viele dieser Modelle oder verhalten sich fehlerhaft. Die Konsequenz im Firmenalltag ist kontinuierliches, kostenintensives Retraining.

Kausable setzt an dieser Schwachstelle an:

Kausales Weltmodell: Anstelle fortwährenden Neu-Trainings soll ein universelles Kausalmodell der KI ein Grundverständnis von Ursache-Wirkungs-Beziehungen verleihen.

In-Context-Anpassung: Die KI soll sich – ähnlich dem menschlichen Denken – mit minimalen neuen Informationen („Zero-Shot“ bzw. In-Context Learning) eigenständig an veränderte Umgebungen anpassen.

Synthetische Trainingsdaten: Um nicht auf Massen an sensiblen Realdaten angewiesen zu sein, setzt kausable unter anderem auf synthetisch generierte kausale Daten, um das System auf komplexe Systemdynamiken vorzubereiten.

Die Herausforderungen der Praxis

So beeindruckend die wissenschaftlichen Vorschusslorbeeren sind, so nüchtern muss das Geschäftsmodell im Industriealltag hinterfragt werden.

1. Vertriebshürden im B2B-Enterprise-Segment

kausable peilt hochdynamische Branchen wie die Energiewirtschaft, Robotik und den Finanzsektor an. Fast jedes Industrieunternehmen stützt sich auf komplexe Steuerungssysteme. Doch genau hier liegt die größte Hürde:

Lange Vertriebszyklen: Industrie- und Finanzkonzerne agieren extrem risikoavers. Der Austausch oder die Ergänzung bestehender Steuerungs- und Vorhersageinfrastrukturen durch eine neuartige KI erfordert langwierige Validierungs- und Pilotphasen.

Erklärbarkeit und Verlässlichkeit: In kritischen Infrastrukturen (z. B. Stromnetze oder automatisierte Fertigung) reicht ein plausibel erscheinendes KI-Reasoning nicht aus. kausable muss harten Nachweis erbringen, dass die Kausalmodelle frei von Fehlinterpretationen agieren.

2. Wettbewerbsumfeld und Big-Tech-Druck

Das Feld der "Causal AI" ist kein unbestellter Acker:

Spezialisierte Player: Unternehmen wie causaLens, Causaly oder Xplain Data arbeiten seit Jahren an kausaler KI für Business- und Forschungsanwendungen.

Forschungslabs der Tech-Giganten: Auch Big-Tech-Konzerne wie Google DeepMind, Microsoft Research und Meta investieren massiv in Kausalitätsforschung und Weltmodelle. Wenn etablierte Frontier-Modelle künftig ähnliche Kausalfähigkeiten nativ integrieren, steigt der Anpassungsdruck auf spezialisierte Start-ups.

3. Kapitalintensität von Frontier-AI

Mit 12 Millionen Euro lässt sich im europäischen Rahmen ein schlagkräftiges Deep-Tech-Team ausbauen. Im globalen Vergleich zum Wettrüsten um Frontier-Modelle sind 12 Millionen Euro jedoch ein überschaubares Budget, wenn hohe Rechenkapazitäten (Compute) und Spitzengehälter für KI-Forscher fällig werden. kausable muss zeitnah beweisen, dass ihr synthetischer Trainingsansatz dauerhaft kapitaleffizient bleibt.

Key Takeaways für Gründer*innen

Für Gründer*innen im DeepTech- und B2B-Bereich liefert die Entwicklung von kausable wertvolle Impulse:

1. Das Narrativ der „Digitalen Souveränität“ nutzen kausable positioniert sich bewusst im europäischen Kontext für digitale Souveränität. In einem von US- und China-Dominanz geprägten Markt stoßen europäische KI-Lösungen, die Unabhängigkeit und Datenschutz betonen, aktuell auf hohe Bereitschaft bei europäischen VCs und Förderern.

2. Strategisches Angel-Networking aufbauen Der Cap Table von kausable zeigt den Wert zielgerichteter Angels: Statt reinem Kapital holte sich das Team Expert:innen aus Spitzenforschung und Top-Unternehmen (OpenAI, DeepMind, BFL, ELLIS) an Bord. Das sichert Branchen-Reputation, Domain-Know-how und den Zugang zu Talenten.

3. Wissenschaftliche Validierung als Vertrauensanker Veröffentlichungen in Kooperation mit angesehenen akademischen Institutionen (wie der Columbia University) dienen als wirksamer Qualitätsnachweis. Vor allem im DeepTech-Bereich schafft die wissenschaftliche Peer-Review-Sichtbarkeit die notwendige Basis für das Vertrauen von Investoren und Erstkunden.

4. Die Gefahr der Über-Generalisierung meiden Ein Weltmodell für Robotik, Energie und Finanzen gleichzeitig zu entwickeln, ist ambitioniert. Frühphasen-Startups sollten trotz großer Vision aufpassen, sich nicht in zu vielen Märkten zu verzetteln, sondern zügig ein klares „Hero-Vertical“ für den Markteintritt zu etablieren.

Das frische Kapital stammt von privaten Industrie-Family-Offices sowie Wagniskapitalgeber*innen wie KT Ventures, Valemount Capital und Futury Capital. Hinter den Summen und der Vision einer nachhaltigen Weltraumwirtschaft verbirgt sich jedoch ein knallhartes Hardware-Geschäft, das einen genauen Blick auf die Köpfe, das Geschäftsmodell und die echten Herausforderungen in diesem komplexen Markt erfordert.

Vom Pain Point zur Profitabilität

Gegründet wurde das Unternehmen 2022 von Alex Plebuch, der heute als CEO agiert, sowie Dr. Denis Kiefel und Matthias Günther. Das Gründerteam bringt tiefgreifende Expertise aus der traditionellen europäischen Raumfahrt mit. Plebuch war vor der Gründung unter anderem als Technical Leader für die Fluidsysteme der europäischen Trägerrakete Ariane 6 verantwortlich und als Trainee bei der Europäischen Weltraumorganisation (ESA) tätig. Die Idee zur Gründung entsprang einem massiven Pain Point aus der Praxis: Bei der Entwicklung spezieller Konzepte für große Raumfahrtprogramme stellte man fest, dass es der Branche systematisch an skalierbaren Lösungen für das Fluidmanagement mangelt.

Erstaunlich in der oftmals extrem kapitalintensiven DeepTech-Szene ist der Umstand, dass deltaVision laut eigenen Angaben von Beginn an profitabel agiert. Obwohl das Unternehmen komplexe, hochphysische Hardware produziert und heute bereits 125 Mitarbeitende beschäftigt, konnte es diesen Status offenbar halten.

Das Herz-Kreislauf-System für den Kosmos

Das Kerngeschäft besteht in der Entwicklung und Produktion von Fluidsystemen wie Ventilen, Pumpen und Druckreglern, die das „Herz-Kreislauf-System“ in Raumfahrzeugen, Satelliten und Trägerraketen bilden. Das Modell stützt sich dabei auf zwei wesentliche Säulen.

Kurzfristig beseitigt das Start-up existierende Engpässe in der Lieferkette. Während traditionelle Hersteller aufgrund des aktuellen New-Space-Booms extrem überlastet sind und die Branche weltweit unter jahrelangen Verzögerungen leidet, verspricht deltaVision hochzuverlässige Produkte mit Lieferzeiten von nur wenigen Wochen. Mehr als 60 Kunden auf vier Kontinenten greifen bereits auf diese Komponenten zurück. Ein aktuelles Prestigeprojekt ist der europäische Mondlander „Argonaut“, für den die Europäische Weltraumorganisation (ESA) der Endkunde ist. Für jede dieser Argonaut-Missionen liefert das Münchner Start-up rund 50 Einzelprodukte, unter anderem zur präzisen Druckregelung.

Langfristig zielt die Vision jedoch auf einen wesentlich größeren Markt ab: Das Unternehmen entwickelt einen modularen Technologie-Baukasten für das orbitale Betanken. Standardisierte fluidische Kupplungen und integrierte Betankungsmodule sollen es künftig ermöglichen, Satelliten im All mit Treibstoff zu versorgen – ein Paradigmenwechsel, der milliardenschwere Einweg-Missionen beenden würde.

Skalierungsrisiken und der Kampf um Branchenstandards

So vielversprechend die aktuellen Auftragsbücher klingen, ist der Weg zum global dominanten Weltraum-Zulieferer mit enormen Skalierungsrisiken behaftet. Mit dem frischen Kapital will deltaVision derzeit die Produktion in einem ehemaligen Siemens-Werk in der Münchner Innenstadt auf 5.000 Einheiten pro Jahr ausbauen. Gleichzeitig expandiert das Unternehmen international: In der französischen Region Nouvelle-Aquitaine wird über die Tochtergesellschaft deltaVision SASU ein Forschungsstandort für intelligente Fluidsysteme aufgebaut, parallel ist eine eigene Ventil-Produktion in den USA geplant. Der Sprung von der ingenieurgetriebenen Manufaktur – deren Prototypen sich laut den Gründern oftmals „absolut am Rande der Physik“ bewegen – hin zur industriellen Massenfertigung ist in der Raumfahrt notorisch heikel. Bereits kleinste Verunreinigungen oder Toleranzabweichungen können den Verlust einer Mission bedeuten.

Auch der Kampf um die Vorherrschaft bei Industrie-Standards birgt Hürden. Beim Thema In-Orbit-Betankung setzt CEO Alex Plebuch bewusst auf ein offenes und interoperables Ökosystem und stellt sich explizit gegen proprietäre Modelle, bei denen am Ende ein einziger Anbieter den Markt beherrscht. Die Realität im heutigen Raumfahrtmarkt ist jedoch, dass Mega-Player wie SpaceX historisch gesehen wenig Interesse an offenen Branchenstandards haben und lieber geschlossene Architekturen durchsetzen. Zudem schlafen auch etablierte, irdische Industriezulieferer wie beispielsweise Stöhr Armaturen nicht und verfügen über eigene komplexe Ventile für Kryogenanwendungen. DeltaVision muss folglich dauerhaft beweisen, dass der schnell skalierbare New-Space-Ansatz einen echten Wettbewerbsvorteil gegenüber der Marktmacht der traditionellen Industrie bietet.

Learnings

Für die Leserschaft von StartingUp und ambitionierte DeepTech-Gründer*innen liefert der Fall deltaVision entscheidende Lektionen über den erfolgreichen Aufbau von Hardware-Unternehmen:

• Profitabilität im Hardware-Sektor ist möglich: Das Münchner Start-up beweist, dass auch im Bereich DeepTech ab dem ersten Tag profitabel gearbeitet werden kann, sofern man reale, extrem schmerzhafte Engpassprobleme der Industrie löst und lukrative Entwicklungsaufträge an Land zieht.
• Domain-Expertise schlägt den reinen Technologie-Hype: Die Gründer haben ihren Markt nicht abstrakt am Whiteboard analysiert, sondern litten als Ingenieure über 15 Jahre lang selbst unter den ineffizienten Strukturen der europäischen Raumfahrt.
• Smart Money bei der industriellen Skalierung: Um von der ersten erprobten Flugerfahrung („Space Heritage“) zur Massenfertigung zu gelangen, hat deltaVision gezielt private Investor*innen und Wagniskapitalgeber*innen mit ausgeprägtem kommerziellem und industriellem Hintergrund wie KT Ventures ausgewählt. Im industriellen Sektor ist das tiefgreifende Fertigungsnetzwerk der Investor*innen oftmals weitaus überlebenswichtiger als die reine Bewertungssumme beim Pitch.

Angeführt wird die Finanzierung vom VC-Fonds Hummingbird, mit Beteiligung von Northzone, LocalGlobe, Village Global und redalpine. Das Unternehmen, das operativ aus München gesteuert wird und rechtlich in Aachen registriert ist, entwickelt die Daten- und Deployment-Plattform "Atlas". Diese soll Industrieunternehmen dabei unterstützen, Roboter schneller, sicherer und präziser in Fabriken zu integrieren.

Aus der Formel 1 in die Fabrikhalle

Gegründet wurde microagi vor rund zehn Monaten im Jahr 2025. Hinter dem Start-up stehen unter anderem ehemalige Formel-1-Ingenieure von Red Bull Racing und Mercedes-AMG Petronas. Der Motorsport prägt dabei die Firmenphilosophie, da es dort primär darum geht, komplexe Maschinen unter Druck verlässlich arbeiten zu lassen.

• Das Management: Bercan Kilic (CEO) arbeitete zuvor als Aerodynamik-Ingenieur bei Red Bull Racing. Nico Nussbaum fungiert als CTO und leitet die technische Integration bei den Kunden vor Ort.
• Das Team: Die Belegschaft rekrutiert sich neben Abgängern der ETH Zürich und der TU München aus Mathematik-Olympiasiegern, Raketeningenieuren sowie ehemaligen Mitarbeitern von DeepMind und Apple.
• Standorte: Neben dem Münchner Hauptsitz betreibt microagi einen globalen Forschungs-Hub in Zürich sowie Büros in London und New York.

Geschäftsmodell und kritische Einordnung

microagi baut weder eigene Roboter noch trainiert das Team eigene Basis-KI-Modelle von Grund auf. Das Start-up positioniert sich bewusst als "Middleware" – eine neutrale Schicht zwischen der Kundeninfrastruktur und fortschrittlichen KI-Modellen.

• Der Ansatz: Die Plattform Atlas erfasst spezifische Betriebsdaten direkt aus der laufenden Produktion der Kunden. Diese Daten werden in Simulationen vervielfältigt, um KI-Modelle für konkrete Aufgaben feinzujustieren. Anschließend bringen Vor-Ort-Ingenieure von microagi die Roboter zusammen mit Hardware-Partnern wie NVIDIA oder Unitree in die Werkshallen.
• Die Kontroverse um "Shift": Um an dringend benötigte Trainingsdaten zu gelangen, ging microagi in der Vergangenheit unkonventionelle und teils umstrittene Wege. Über die virale App "Shift" bot das Unternehmen (zunächst in den USA) kostenlose Wohnungsreinigungen an. Der Haken: Die Reinigungskräfte trugen Helmkameras und filmten die Handgriffe aus der Ich-Perspektive. Nutzer tauschten hierbei ihre innerste Privatsphäre gegen eine Dienstleistung – ein datenschutzrechtlicher Drahtseilakt, der verdeutlicht, wie extrem der Hunger der KI-Branche nach realen Bewegungsdaten ist.
• Skalierbarkeitsrisiko: Die Strategie, sich auf Deployment und Feintuning zu konzentrieren, erspart Industriekunden zwar die Abhängigkeit von einem einzigen Hardware-Anbieter (Vendor Lock-in). Das Risiko liegt jedoch in der Skalierung: Da Ingenieure von microagi physisch bei jedem Kunden vor Ort arbeiten müssen, ähnelt das Modell einem beratungsintensiven Agenturgeschäft. Dies könnte die in der Software-Branche sonst üblichen hohen Margen belasten.

Markteinordnung: Die Wette auf die Reindustrialisierung

Europa droht bei der Automatisierung den Anschluss zu verlieren: Während Europa im Jahr 2024 lediglich 85.000 Fabrikroboter (16 Prozent des globalen Anteils) installierte, verzeichnete China im selben Jahr 295.000 Installationen (54 Prozent). Gleichzeitig stehen europäische Fabriken vor einem massiven demografischen Wandel, da in diesem Jahrzehnt ein Großteil der erfahrenen Belegschaft in Rente geht.

Dass namhafte VCs nun eine solche Summe in ein europäisches Deployment-Unternehmen stecken, ist ein starkes Signal für den Standort. Microagi muss nun beweisen, dass der manuelle Integrationsaufwand in den Fabriken nicht zum Flaschenhals wird. Gelingt dies, könnte das Start-up zu einer der wichtigsten Datenschnittstellen der europäischen Industrie-Robotik werden.

Während der mediale Hype um künstliche Intelligenz oftmals von Software und Sprachmodellen dominiert wird, rückt die physische Schnittstelle zur realen Welt zunehmend in den Fokus von Investoren. Das 2024 gegründete Potsdamer DeepTech-Unternehmen All About Accuracy GmbH hat in diesem Segment nun eine siebenstellige Pre-Seed-Finanzierungsrunde erfolgreich abgeschlossen. Die neuartige Sensortechnologie soll industriellen Robotern und autonomen Maschinen Millimeterpräzision in der Bewegungserfassung verleihen und damit rein optische Systeme ausgleichen. Doch der Weg vom Forschungslabor in die Massenproduktion von Hardware ist traditionell steinig.

Gründer und Herkunft aus der Spitzenforschung

All About Accuracy ist ein klassisches akademisches Spin-off. Das Unternehmen entstand als Ausgründung des renommierten Leibniz-Instituts für innovative Mikroelektronik (IHP) und baut technologisch auf mehr als 15 Jahren wissenschaftlicher Halbleiterforschung auf.

Die operative Führungsspitze bilden Dr. Yori Fournier als Co-Founder und CEO sowie Olivier Astraud als COO und CFO. Das Start-up, welches im Innovationszentrum GO:IN im Potsdam Science Park ansässig ist, konnte ein namhaftes Investorenkonsortium gewinnen. Die aktuelle Finanzierungsrunde wurde von Campus Capital by STS Ventures (dem Frühphasen-Fonds von Serienunternehmer Stephan Schubert), der Brandenburg Kapital (Venture-Capital-Arm der Investitionsbank des Landes Brandenburg ILB) sowie ZOHO.VC angeführt. Zudem beteiligten sich spezialisierte Business Angels mit tiefer Expertise im Bereich der Ultra-Wideband-Technologie (UWB) über Gigahertz Venture und Superangels.

Das Geschäftsmodell auf dem Prüfstand

All About Accuracy will eine neue Klasse von hochpräzisen, robusten und skalierbaren Bewegungssensorik-Chips etablieren. Das Unternehmen adressiert die Schnittstelle von industriellen Anwendungen, Robotik und Physical AI – mit einem besonderen Fokus auf die humanoide Robotik.

Das technologische Versprechen der Potsdamer:

• Unabhängigkeit von Optik: Im Gegensatz zu Kamerasystemen funktioniert die funkbasierte Technologie auch bei Verdeckung, Staub, Reflexionen oder schwierigen Lichtverhältnissen zuverlässig.
• Kompakte Integration: Die Sensorik wird direkt in kleine Elektronikmodule integriert und lässt sich über Wearables, Roboter, Werkzeuge und Maschinen skalieren.
• Präzise Datenbasis: Für das Training von Physical AI liefert das System kontinuierliche und hochpräzise Referenzdaten (sogenannte Ground-Truth-Daten).

Kritische Würdigung: Obwohl das Marktpotenzial enorm ist, birgt das Geschäftsmodell die typischen Risiken von Deep-Tech-Hardware. Halbleiter-Startups sind in der frühen Phase extrem kapitalintensiv. Die jetzige siebenstellige Pre-Seed-Runde ist ein starkes Signal, doch bis zur fehlerfreien Serienreife und globalen Skalierung werden erfahrungsgemäß rasch zweistellige Millionenbeträge benötigt.

Hinzu kommen die bekannten Nadelöhre der europäischen Hardware-Branche: Abhängigkeiten von globalen Chip-Foundries und Halbleiter-Lieferketten. Zudem sind die Sales- und Integrationszyklen bei B2B-Kund*innen in der Industrie und Robotik notorisch lang. Ein etabliertes System durch eine neue, proprietäre Funktechnologie zu ersetzen, erfordert von den Industriepartner*innn ein hohes Maß an Vertrauen in die langfristige Lieferfähigkeit des Start-ups.

Markt und Wettbewerb

Der Markt für Physical AI steht vor einem ungelösten Problem: Optische Systeme (Kameras und Lidar) erfassen Daten zwar großflächig, stoßen aber bei der robusten Millimeterpräzision in rauen Industrieumgebungen an physikalische Grenzen. Professionelle Motion-Capture-Systeme wiederum sind für den flexiblen Außeneinsatz meist zu teuer und komplex. All About Accuracy besetzt genau diese infrastrukturelle Nische.

Die Konkurrenz schläft jedoch nicht:

1. Etablierte Sensor-Giganten: Große Player im Bereich Lidar und optische 3D-Erfassung dominieren den Markt und verfügen über tief integrierte Kundenbeziehungen.
2. UWB-Massenmarkt: Globale Halbleiterkonzerne wie NXP oder Qorvo treiben Standard-UWB-Chips voran. All About Accuracy muss im harten Praxiseinsatz demonstrieren, dass ihre spezialisierte Chip-Architektur einen so deutlichen Performance-Vorsprung bietet, dass sich der Wechsel für Systemintegratoren lohnt.

Einordnung für StartingUp

Für die europäische Start-up-Szene ist All About Accuracy ein hochspannender Case. Statt der nächsten B2B-Software-Anwendung stellt sich das Team der komplexen Aufgabe, echte Hardware-Infrastruktur für die KI-Welt von morgen zu bauen.

Gelingt es den Potsdamern, ihre Sensoren als Standard-Referenzschicht für humanoide Roboter und moderne Industrieanlagen zu etablieren, könnte hier ein global relevanter Player entstehen. Es bleibt eine klassische DeepTech-Wette: Hohes technologisches Risiko gepaart mit hoher Kapitalintensität – aber gestützt auf 15 Jahre fundierte Spitzenforschung und ein erfahrenes Investoren-Netzwerk.

Die Zahlen der Fashion-Industrie waren lange ein ökologischer Offenbarungseid: Bei Retourenquoten von teils über 40 Prozent im Onlinehandel landeten europaweit jährlich Millionen Tonnen neuwertiger Textilien im Schredder oder in der Verbrennungsanlage. Die Sichtung und Aufbereitung von Retouren oder Saisonware war für viele Marken schlichtweg teurer als die Entsorgung.

Doch damit ist ab dem 19. Juli 2026 Schluss. Mit dem Greifen der EU-Ökodesign-Verordnung (ESPR) gilt für große Unternehmen ein striktes Vernichtungsverbot für Bekleidung, Accessoires und Schuhe. Unternehmen müssen stattdessen Alternativen wie Wiederverkauf, Reparatur, Spenden oder Recycling etablieren und diese lückenlos dokumentieren. Wer dennoch entsorgt, muss Menge und Gründe künftig öffentlich machen – ein enormes Reputationsrisiko. Für mittelständische Unternehmen folgt das Verbot 2030, Kleinstunternehmen bleiben vorerst ausgenommen.

„Das Vernichtungsverbot ist ein wichtiger Schritt. Es setzt ein klares Signal gegen die Verschwendung wertvoller Ressourcen und schafft Anreize, von Anfang an anders mit Produkten umzugehen“, ordnet Dr. Carsten Gerhardt, Vorsitzender der Circular Valley Stiftung, die politische Weichenstellung ein.

Der Markt: Compliance erzwingt Innovation

Damit wandelt sich die Kreislaufwirtschaft (Circular Economy) in der Textilbranche schlagartig von einem CSR-Thema („nice to have“) zu harter Compliance. Marken suchen händeringend nach externen Dienstleister*innen, um ihre Prozesse gesetzeskonform und kosteneffizient umzubauen.

Fast Fashion und der Post-Consumer-Abfall

Das neue Vernichtungsverbot ist ein regulatorischer Meilenstein, doch es adressiert vor allem die Spitze des Eisbergs: unverkaufte Neuware und Retouren (Pre-Consumer-Waste). Die weitaus größere Herausforderung bleibt das dahinterliegende Geschäftsmodell der Fast Fashion. Durch extrem kurze Nutzungsdauern, mindere Materialqualitäten und geringe Wiederverwendungsquoten entsteht der Großteil des globalen Textilmüllbergs erst nach dem Kauf bei dem /der Endverbraucher*in.

„Wenn wir Textilien wirklich im Kreislauf halten wollen, müssen wir den gesamten Lebenszyklus betrachten – vom Design über Nutzung und Wiederverwendung bis hin zum hochwertigen Recycling. Hier entstehen derzeit zahlreiche Innovationen“, mahnt Dr. Carsten Gerhardt. Für Start-ups bedeutet das: Wer nicht nur unverkaufte Neuware rettet, sondern skalierbare Lösungen für den gewaltigen Post-Consumer-Abfall der Fast-Fashion-Industrie findet, bedient einen Markt mit gigantischem Volumen.

Das deutsche Start-up-Ökosystem: Wer den Kreislauf schließt

In genau diese Lücken stoßen derzeit deutsche Start-ups. Sie bauen die technologische und logistische Infrastruktur für eine Industrie, die bisher primär auf den linearen Vertrieb optimiert war. Das Ökosystem fächert sich dabei in hochspezialisierte Segmente entlang des gesamten Produktlebenszyklus auf:

Produktdesign & digitale Infrastruktur (Pre-Life)

Um Textilien am Ende ihrer Lebensdauer verwerten zu können, müssen Materialzusammensetzungen exakt bekannt sein.

• circular.fashion (Berlin): Das Start-up von Gründerin Ina Budde zählt zu den deutschen Pionieren für den von der EU geforderten Digitalen Produktpass (DPP). Mit der circularity.ID erhält jedes Kleidungsstück einen digitalen "Reisepass" (via QR-Code oder NFC), der alle Infos zu Materialien speichert. Zudem bietet das Unternehmen eine Software an, die Designern schon beim Entwurf zeigt, ob ein Produkt später mechanisch oder chemisch recycelbar ist.

Recommerce-as-a-Service & Reverse Logistics (Mid-Life)

Unverkaufte Ware und Retouren müssen vorrangig wieder in den Markt gebracht werden.

• reverse.supply (Berlin): Einer der führenden Akteure für B2B-Recommerce. Das Start-up baut für Marken wie Armedangels oder hessnatur White-Label-Second-Hand-Shops auf und übernimmt die komplette „Reverse Logistics“ im Hintergrund: Annahme, Qualitätsprüfung (Grading), Aufbereitung und Fotografie. Für Marken, die ab sofort nicht mehr vernichten dürfen, ist dieser Service ein direkter Rettungsanker.
• Recash (München): Ein plattformgetriebener Ansatz, der Marken hilft, Recommerce unkompliziert an den primären E-Commerce anzudocken. Das Start-up fungiert als Schnittstelle zwischen Kunden, Marken und Second-Hand-Verwertern.
• TextilTiger: Der Spezialist für die „First Mile“ der Alttextilien. Das in Hamburg gegründete Start-up holt Altkleider mit E-Lastenrädern direkt an der Haustür ab – ein Service, den das Unternehmen aktuell fokussiert in München anbietet. Das verhindert die in klassischen Sammelcontainern übliche Verschmutzung und garantiert die hohe Materialqualität, die für ein anschließendes Recycling zwingend nötig ist.

DeepTech, Recycling & Materialrückgewinnung (End-of-Life)

Produkte, die nicht mehr verkauft werden können, müssen recycelt werden. Hier liegt die höchste technologische Einstiegshürde.

• eeden (Münster): Das Start-up löst das Problem von Mischgeweben (z.B. Baumwoll-Polyester-Mix). Mit einem patentierten chemischen Recyclingverfahren gewinnen sie Zellulose aus Alttextilien zurück, die zu neuen, hochwertigen Fasern gesponnen wird. Wie stark dieser Markt wächst, zeigt eine kürzlich abgeschlossene Series-A-Finanzierung von eeden über 18 Millionen Euro.
• TURNS (Erlangen): Fokussiert sich auf das physische Faser-zu-Faser-Recycling. Das exist-geförderte Start-up sortiert Alttextilien und verarbeitet sie zu hochwertigem Recycling-Garn für neue Kollektionen.
• Kleiderly (Berlin): Für Textilien, die nicht mehr zu Garn werden können, hat das preisgekrönte Start-up ein Verfahren entwickelt, das Textilmüll in eine Alternative zu erdölbasiertem Plastik umwandelt – etwa für die Produktion von Kleiderbügeln für die Modeindustrie.

B2B-Nischen & Corporate Workwear

Auch abseits der klassischen Modeindustrie entsteht durch die Regulierung enormer Innovationsdruck.

• Circularity: Das Alumni-Start-up (Batch 1) des Circular Economy Accelerators der Circular Valley Stiftung zeigt, wie branchenspezifische Lösungen aussehen. Das Team entwickelt geschlossene Stoffkreisläufe speziell für Berufsbekleidung. Ein enormer Hebel, da Workwear aufgrund von Firmenlogos und Sicherheitsnormen bisher fast ausnahmslos der Verbrennung zugeführt wurde.

Wo die Chancen für Gründer*innen liegen

Das Wettbewerbsumfeld formiert sich gerade neu. Für Gründer*innen und VCs ergeben sich vor dem Hintergrund der neuen EU-Regulierung drei zentrale Kernmärkte mit enormem Skalierungspotenzial:

1. Software & Reporting: Werkzeuge für Materialdokumentation, Traceability (DPP) und rechtskonformes Reporting treffen aktuell auf Kunden mit extrem hoher Zahlungsbereitschaft, da die Fristen für die großen Akteur*innen ablaufen.
2. Infrastructure-as-a-Service: Modekonzerne sind auf den Hinweg zur Kundschaft optimiert. Start-ups, die die extrem kleinteilige Logistik für Grading, Refurbishment und Recommerce als White-Label-Lösung abnehmen, skalieren stark.
3. Climate-Tech & Materialinnovation: Verfahren, die das Textilrecycling vom Labor in den industriellen Maßstab bringen, lösen den größten Flaschenhals der gesamten Branche und stehen im Fokus großer Kapitalgebenden.

Fazit

Das Vernichtungsverbot markiert das regulatorisch erzwungene Ende des linearen „Take-Make-Dispose“-Modells in der Textilbranche. Der Gesetzgeber agiert ab sofort als mächtigster Vertriebsmitarbeiter für Circular-Economy-Start-ups. Wer jetzt die B2B-Schnittstellen baut, um großen Marken die Kreislaufwirtschaft als Service anzubieten, positioniert sich rechtzeitig in einem wichtigen europäischen Wachstumsmarkt.

Das deutsche Start-up-Ökosystem meldet sich im ersten Halbjahr 2026 mit einem Paukenschlag zurück: Rekordzahlen bei den Neugründungen und ein massiver KI-Hype suggerieren den großen Aufbruch. Doch ein tieferer Blick in den neuen „Next Generation“-Report offenbart: Hinter den glänzenden Zahlen verbergen sich strukturelle Risse und eine beträchtliche Ost-West-Schere. Zeit für eine kritische Analyse – und klare Forderungen.

Die Sektkorken dürften beim Startup-Verband geknallt haben. Der aktuelle „Next Generation“-Report, herausgegeben gemeinsam mit startupdetector, liefert auf den ersten Blick genau die Erfolgsmeldungen, die der Standort Deutschland nach mageren Jahren dringend gebraucht hat. Doch wer als Gründer*in oder Investor*in heute kluge Entscheidungen treffen will, darf sich von Balkendiagrammen allein nicht blenden lassen.

Die nackten Zahlen: Ein Ökosystem im Rausch

Es lässt sich nicht leugnen, die nackten Zahlen des ersten Halbjahres sind beeindruckend:

• Historisches Hoch: Mit satten 3.053 Neugründungen ist das erste Halbjahr 2026 das stärkste seit Beginn der Datenerhebung im Jahr 2019. Das entspricht einem gewaltigen Wachstum von 52 Prozent gegenüber dem zweiten Halbjahr 2025.
• KI als Turbo: Künstliche Intelligenz ist nicht mehr nur ein Trend, sie ist der Motor. Jedes dritte neue Start-up (34 %) weist mittlerweile einen klaren KI-Bezug auf (nach 27 % im Jahr 2025).
• Die Fläche holt auf: Berlin bleibt zwar mit 429 Neugründungen in absoluten Zahlen der unangefochtene Spitzenreiter. Doch die Hauptstadt wächst mit einem Plus von 21 % deutlich langsamer als der Bundesschnitt. Die wahre Musik spielt woanders: Ökosysteme wie Hamburg (+83 %) und Hessen (+82 %) verzeichnen eine enorme Dynamik.
• Scheitern wird seltener (scheinbar): Die Zahl der offiziellen Start-up-Insolvenzen ist seit dem Krisenhöhepunkt im Jahr 2024 kontinuierlich gesunken. Gleichzeitig klettert die Zahl der deutschen „Unicorns“ auf insgesamt 36.

Die Verbands-Chefin im TV-Verhör: Wenn Euphorie auf knallharte Forderungen trifft

Wie extrem die Diskrepanz zwischen den feierlichen Gründungszahlen und der harten Realität im Maschinenraum der Start-ups wirklich ist, offenbarte Verena Pausder, die Vorsitzende des Startup-Verbands, in einem bemerkenswert offenen TV-Interview im ARD-Morgenmagazin.

Während der eigene Report die reine Anzahl der Neugründungen feiert, zeichnete Pausder vor einem Millionenpublikum ein Bild, das unsere kritische Analyse in allen Punkten bestätigt. Drei ihrer Forderungen stechen besonders hervor – und manche grenzen an einen Tabubruch:

1. Bürokratie-Kollaps statt „Startup in a day“

• Der O-Ton: Pausder kritisiert die Hürden scharf: „Wir laden gerade auf diese Gründungsphase so viel Bürokratie drauf wie auf die großen DAX-Konzerne.“ Sie fordert ein „Startup in a day“ (Gründung in 24 bis 48 Stunden), statt wie bisher „sechs Wochen auf eine Handelsregisternummer“ zu warten.
• Der Reality-Check: Das demaskiert die Rekordzahlen der Studie. Wenn der Weg ins Handelsregister ein sechswöchiger Hürdenlauf ist, zeigt dies, dass der aktuelle Anstieg der Neugründungen trotz und nicht wegen der Standortbedingungen passiert. Der digitale Staat ist für Gründende im Jahr 2026 noch immer eine Fata Morgana.

2. Der Tabubruch: Kündigungsschutz und die „Cost of Failure“

• Der O-Ton: Um Start-ups agiler zu machen, attackiert Pausder ein deutsches Heiligtum: den Kündigungsschutz. Ein Unternehmen müsse am Anfang „atmen“, man wisse noch nicht, wie viele Leute man brauche. Durch hohe Gehälter in der Tech-Branche sei das klassische Schutzbedürfnis ohnehin geringer. Die sogenannte Cost of Failure – also die Kosten und Konsequenzen, wenn eine Idee scheitert – sei in Deutschland schlichtweg zu hoch.
• Der Reality-Check: Hier trifft die Verbandschefin den wunden Punkt der deutschen „Fail Fast“-Kultur. Wer schnell wachsen will, muss auch schnell korrigieren dürfen. Diese Forderung dürfte die Gewerkschaften auf die Barrikaden rufen, ist aber aus Gründerperspektive eine bittere Notwendigkeit im internationalen Wettbewerb. Es zeigt zudem: Die sinkenden Insolvenzzahlen im Report sind kein reines Erfolgszeichen, sondern oft auch das Resultat von Unternehmen, die sich aus Angst vor den Kosten des formellen Scheiterns als „Zombies“ am Leben halten.

3. Das Eingeständnis der massiven Kapital-Lücke

• Der O-Ton: Pausder liefert die Zahlen, die der „Next Generation“-Report verschweigt: Während in den USA pro Kopf 510 Euro in Venture Capital (Risikokapital) fließen, sind es in Deutschland gerade einmal 90 Euro. „Damit die Unternehmen, die wir hier gründen, auch groß werden können, müssen wir mehr Kapital allokieren“, so Pausder. Es fehle massiv an privatem und institutionellem Geld.
• Der Reality-Check: Dies ist der entscheidende Sargnagel für blinde Euphorie. Was nützen uns 3.053 neue GmbHs im ersten Halbjahr, wenn das Geld für die Skalierung fehlt? Wir bauen aktuell einen riesigen Trichter an Frühphasen-Startups, dessen Ausgang verstopft ist. Die Abwanderung der besten KI- und DeepTech-Firmen in die USA (wo das 5,6-fache an Kapital wartet) ist so vorprogrammiert.

Was die Statistik gern umschifft

Wer sich durch die Tiefen der Methodik und die feingranularen Daten wühlt, stößt auf weitere Aspekte, die das reine Jubel-Narrativ trüben:

• Die Ost-West-Schere: Der Report spricht von steigenden Gründungszahlen in allen Bundesländern. Doch die Pro-Kopf-Werte offenbaren ein hartes Gefälle: Während Bayern mit 4,7 Gründungen pro 100.000 Einwohner glänzt, herrscht in Thüringen und Sachsen-Anhalt (je 0,9) digitale Flaute. Der Boom ist nicht flächendeckend – der Osten (ohne Berlin) droht abgehängt zu werden.
• Das Sterben der Berliner Einhörner: Die Zahl der Unicorns ist zwar bundesweit auf 36 gestiegen, doch ein Blick auf die Zeitachse zeigt: Berlin hat seit dem Jahr 2023 massiv Federn gelassen und rutschte von 22 auf 16 Einhörner ab. Gleichzeitig verdoppelte sich die Zahl der Unicorns in Städten abseits der Hotspots von 5 auf 10. Das Zeitalter des billigen Geldes für reine Berliner B2C-Hype-Modelle ist vorbei – milliardenschwere Substanz entsteht jetzt dezentraler in der Fläche.
• Die Methodik-Falle: Wie definiert man 2026 eigentlich ein Start-up? Laut Report werden aus den Handelsregistereinträgen rund 20 % händisch nach Kriterien wie „innovatives Produkt“ oder „Wachstumspotenzial“ selektiert. Diese manuelle Filterung durch Analysten öffnet Bewertungsspielräumen Tür und Tor – wer heute das Trendwort „KI“ in den Unternehmenszweck schreibt, wird statistisch schlichtweg schneller als Startup erfasst.
• Die Branchen-Illusion: Der Report feiert die Industrie als Sektor mit dem stärksten Wachstum (+125 %). Absolut betrachtet sind das aber gerade einmal 128 Start-ups. Der Software-Sektor dominiert weiterhin erdrückend mit 844 Neugründungen. Hardwarenahe und kapitalintensive Innovationen fristen im Land der Ingenieure weiterhin ein Nischendasein.

Raus aus der Hype-Falle: Fünf Hebel für das Ökosystem

Wenn wir wollen, dass aus dem Rekord-Jahrgang 2026 in einigen Jahren global relevante Marktführer*innen werden, muss das Ökosystem strukturell gestärkt werden. Hier sind die Hebel, die Politik und Wirtschaft jetzt umlegen müssen:

1. Fokus auf Wachstumsfinanzierung (Scale-up-Kapital): Deutschland hat kein reines Gründungsproblem mehr, sondern ein Skalierungsproblem. Wir brauchen drastische Anreize, damit institutionelle Gelder (wie von Pensionskassen oder Versicherungen) endlich unkompliziert in den VC-Markt fließen können.
2. Qualität statt Quantität (DeepTech priorisieren): Die staatliche Förderung und der Transfer aus Universitäten müssen gezielt auf kapitalintensive, hardwarenahe Deep- und ClimateTech-Ideen gelenkt werden. Reine Software-SaaS-Klone reguliert der Markt ohnehin von selbst.
3. Die „Fail Fast“-Kultur entbürokratisieren: Das stille Beerdigen und Liquidieren einer gescheiterten GmbH ist in Deutschland absurd teuer und langwierig. Wer schnell gründen darf, muss auch unbürokratisch scheitern dürfen, um wertvolle Tech-Talente zügig wieder dem Markt zur Verfügung zu stellen.
4. Mitarbeiterbeteiligungen (ESOP) wettbewerbsfähig machen: Im globalen Talent-Wettbewerb gewinnt, wer die besten Köpfe hält. Die deutsche Gesetzgebung rund um ESOPs muss dringend weiter an internationale Standards angepasst werden, um die steuerliche Belastung von virtuellen Anteilen zu minimieren.
5. Regionale Ökosysteme vernetzen: Da klassische Metropolen an Wachstumsdynamik einbüßen, während Regionen wie Hessen oder Hamburg stark zulegen, müssen dezentrale Universitätsstandorte systematisch gefördert werden, um den Innovations-Transfer flächendeckend zu sichern.

Fazit

Der Report liefert eine hervorragende Nachricht – der Gründungsgeist in Deutschland ist intakt. Doch aus der schieren Masse an neuen Einträgen im Handelsregister müssen nun echte Tech-Champions geschmiedet werden. Machen wir uns an die Arbeit!

Das Konsortium, das diese 411-Millionen-Euro-Runde stemmt, wird von XTX Ventures und East X Ventures angeführt. Als strategische Investoren steigen der deutsche Energiekonzern RWE und der US-Technologiegigant Google ein. Letzterer markiert damit sein massives Interesse an grundlastfähiger, sauberer Energie – eine Grundvoraussetzung für den exponentiell steigenden Strombedarf von KI-Rechenzentren.

Im Cap Table findet sich zudem ein breites Bündnis aus staatlichen Förderern und internationalen VCs: KfW Capital, SPRIND, Burda Principal Investments sowie Bestandsinvestoren wie Plural, UVC Partners und Cherry Ventures sind beteiligt.

Besonders bemerkenswert ist die Hebelwirkung dieser privaten Kapitalaufnahme: Erst im Februar 2026 hatten der Freistaat Bayern, RWE und Proxima Fusion ein Memorandum of Understanding (MoU) verabschiedet. Darin stellte Bayern 400 Millionen Euro an öffentlichen Geldern in Aussicht – geknüpft an die Bedingung, dass Proxima privates Kapital in gleicher Höhe beibringt. Diese Hürde wurde vom Start-up in der Rekordzeit von nur drei Monaten zwischen MoU und Termsheet genommen. In weniger als drei Jahren seit der Gründung hat Proxima somit über 650 Millionen Euro (740 Millionen US-Dollar) gesichert, wovon 95 Millionen Euro aus öffentlichen Fördermitteln stammen.

Vom Labor auf das Kraftwerksgelände: Die Historie

Proxima Fusion wurde Anfang 2023 als erstes offizielles Spin-out des renommierten Max-Planck-Instituts für Plasmaphysik (IPP) in München gegründet. Das Gründerteam um CEO Dr. Francesco Sciortino kombiniert dabei jahrelange Forschungsexpertise am IPP mit Know-how aus der Industrie.

Technologisch baut das Unternehmen auf den jahrelangen Durchbrüchen des Wendelstein-7-X-Programms auf. Im Fokus steht die Entwicklung von sogenannten QI-HTS-Stellaratoren. Das frisch eingesammelte Kapital soll nun direkt in den Bau von „Alpha“ fließen. Dieser Nettoenergie-Demonstrator soll Anfang der 2030er-Jahre auf dem Gelände des ehemaligen Kernkraftwerks in Gundremmingen (Bayern) entstehen und zentrale technologische Systeme validieren. RWE stellt für das Vorhaben nicht nur das Gelände zur Verfügung, sondern bringt sich auch strategisch ein. Darauf aufbauend soll noch im selben Jahrzehnt mit „Stellaris“ das weltweit erste kommerzielle Stellarator-Fusionskraftwerk realisiert werden.

Kritische Einordnung: Markt, Modell und Machbarkeit

Das Geschäftsmodell von Proxima Fusion ist hochriskant und extrem kapitalintensiv. Der Weg von der rein wissenschaftlichen Machbarkeit des Plasmaeinschlusses hin zur industriellen Skalierung erfordert nicht nur weitere Milliarden, sondern auch den Aufbau komplett neuer, robuster Lieferketten. Proxima muss Hochtemperatur-Supraleiter (HTS), neuartige Magnete und Kryotechnik in einem bisher nicht gekannten Maßstab fertigen.

Der Markt ist geprägt von einem globalen Subventions- und Innovationsrennen, das maßgeblich von den USA, China und Großbritannien dominiert wird:

Die technologische Wette: Die Kernfusions-Branche leidet traditionell unter dem Vorwurf, dass der kommerzielle Durchbruch „immer 30 Jahre in der Zukunft liegt“. Der ambitionierte Zeitplan von Proxima lässt kaum Spielraum für Verzögerungen beim Bau der Demonstratoren. Sollten Materialermüdungen bei extremer Hitze oder Skalierungsprobleme der Magnettechnologien auftreten, verschiebt sich die Rendite für die Investoren schnell in die 2040er-Jahre oder später.

StartingUp Fazit: Ein europäisches Wirtschaftswunder in der Mache?

Für die europäische Start-up- und VC-Landschaft ist der Erfolg von Proxima ein wegweisendes Signal. „Diese Finanzierung zeigt, dass Deutschland und Europa in der Lage sind, internationales Kapital für strategische Zukunftstechnologien zu mobilisieren“, betont Proxima-CEO Francesco Sciortino. Es geht um Tech-Souveränität und den Aufbau einer potenziellen Schlüsselindustrie, die – so die Vision des Gründers – als Wachstumstreiber, Jobmotor und Exportpfeiler der deutschen Wirtschaft fungieren kann.

Für die frühen deutschen Geldgeber zahlt sich das Risiko zumindest in der Bewertung bereits aus. Der High-Tech Gründerfonds (HTGF) begleitet Proxima seit der Pre-Seed-Phase, der DeepTech & Climate Fonds (DTCF) ist seit der Seed-Phase an Bord. Romy Schnelle, Geschäftsführerin von DTCF und HTGF, bringt die rasante Entwicklung auf den Punkt: „Als wir Proxima in der Pre-Seed-Phase finanzierten, war Fusion für die meisten noch eine wissenschaftliche Ambition. Nur drei Jahre später ist sie, mit 411 Millionen Euro und Investoren wie RWE und Google, eine industrielle Realität.“ Johannes Weber (Partner beim HTGF) ergänzt: „Proxima hat die reelle Chance, eine völlig neue Industrie und Lieferkette zu schaffen, mit volkswirtschaftlicher Tragweite.“

Proxima Fusion hat mit dem frischen Kapital und der Perspektive für das Kraftwerksgelände in Gundremmingen nun alle Trümpfe in der Hand, um globale Geschichte zu schreiben. Die immense Beweislast liegt jetzt beim mittlerweile rund 200-köpfigen Team: Aus herausragender theoretischer Physik muss nun funktionierendes, fehlertolerantes und wirtschaftlich tragfähiges Engineering werden.

Die Auxilius.ai GmbH hat erfolgreich eine Pre-Seed-Finanzierungsrunde in Höhe von rund 1,3 Millionen Euro abgeschlossen. Angeführt wird diese Runde vom High-Tech Gründerfonds (HTGF), zudem beteiligten sich das Accelerator-Netzwerk Techstars sowie mehrere industrieerfahrene Business Angels. Das frische Kapital soll in den Ausbau des Engineering- und Domain-Teams fließen.

Im Zentrum der technologischen Weiterentwicklung steht ein sogenannter Control-Intelligence-Knowledge-Graph, der den organisatorischen Zusammenhang von Kontrollen abbilden und Risiken direkt mit den jeweiligen Unternehmenszielen verknüpfen soll. Erste zahlende Enterprise-Kunden, darunter europäische Banken und Mischkonzerne, nutzen die Plattform laut Unternehmensangaben bereits in Pilotprojekten und verzeichnen dabei einen geringeren manuellen Aufwand.

GRC-Expertise trifft auf Cloud-Architektur

Gegründet wurde das Unternehmen Ende 2025 mit offiziellem Sitz in Unterföhring bei München. Hinter dem Start-up stehen zwei erfahrene B2B-Gründer. Christian Hoppe fungiert als CEO und bringt 15 Jahre Erfahrung aus den Bereichen Governance, Risk & Compliance (GRC) sowie SaaS mit, nachdem er zuvor als Equity-Partner bei der Wirtschaftsprüfung EY tätig war. James Barnes bekleidet die Rolle des CTO. Er war in der Vergangenheit als Softwarearchitekt bei Sopra Steria CSS angestellt und verfügt über umfassende Expertise in den Feldern Enterprise AI, Cloud-Architektur und ERP-Integration. Aktuell wird das Führungsduo von einem vierköpfigen Team aus Software- und AI-Ingenieuren unterstützt.

Policy-as-Code als Beweismittel

Das Problem, das Auxilius lösen will, ist in Großkonzernen allgegenwärtig. Aktuell werden rund 80 Prozent der Unternehmenskontrollen nach wie vor händisch durchgeführt. Auditorinnen und Auditoren prüfen manuelle Stichproben, während Teams oftmals Monate später noch immer Excel-Listen oder Screenshots als Nachweise zusammentragen. Als Konsequenz daraus übersteigen die Kosten von Compliance-Verstößen weiterhin die eigentlichen GRC-Ausgaben. Der Lösungsansatz von Auxilius ist ein automatisierter Control Execution Layer. Das Start-up wandelt Unternehmensrichtlinien, Risiko-Kontroll-Matrizen und regulatorische Anforderungen in deterministischen, ausführbaren Code um. Dieser Code führt Kontrollen nicht nur stichprobenartig, sondern kontinuierlich auf der gesamten Datenbasis aus. Ändern sich externe Regeln oder interne Prozesse, passt sich der Code automatisch an. Der entscheidende Clou dabei ist, dass der ausführbare Code selbst den Prüfern künftig als belastbare Evidenz dienen soll.

Marktumfeld & Wettbewerb

Die Automatisierung von Compliance und Risikomanagement gehört aktuell zu den umkämpftesten B2B-Softwaresektoren. Auxilius betritt hier keinen leeren Raum, sondern muss sich gegen massive, teils global dominierende Konkurrenz behaupten. Internationale Schwergewichte wie Vanta, Drata und Secureframe dominieren derzeit den Markt für Compliance-Automatisierung mit hunderten vorgefertigten Integrationen. Der US-Konkurrent Drata ist massiv kapitalisiert und wächst zudem stark anorganisch durch Zukäufe. Plattformen wie Sprinto positionieren sich mit hohem technologischem Anspruch explizit im Bereich des autonomen und kontinuierlichen Monitorings. Im reinen Enterprise-Segment konkurriert Auxilius zudem mit etablierten Software-Giganten wie MetricStream oder AuditBoard, die bereits tiefe Wurzeln in den Konzernstrukturen geschlagen haben.

Potenzial & kritische Hürden

Der Ansatz von Auxilius, Compliance tief in die Prozesse zu integrieren und auditierbare Evidenz als reibungsloses Nebenprodukt bestehender Prozessschritte abfallen zu lassen, ist strategisch hochrelevant. Dennoch gibt es signifikante Hürden, die das Modell auf dem Weg zur Skalierung überwinden muss. Die erste große Herausforderung ist die Integrationstiefe als Flaschenhals. Um Kontrollen über komplette Datenbasen automatisiert laufen zu lassen, muss sich die Plattform tief in die oftmals veralteten und fragmentierten IT-Landschaften von Großkonzernen einklinken. Das junge Team muss beweisen, dass es mit dem Pre-Seed-Budget die enormen Entwicklungskosten für die zahlreichen notwendigen Schnittstellen stemmen kann, um mit den hochfinanzierten US-Konkurrenten Schritt zu halten.

Die zweite Hürde betrifft die kulturelle Akzeptanz der Prüfer*innen. Der Code von Auxilius soll künftig als harte Evidenz dienen. In der streng regulierten Welt europäischer Banken müssen traditionelle Wirtschaftsprüfer*innen diesen deterministischen Ansatz jedoch rechtlich und prozessual als vollwertigen Audit-Nachweis akzeptieren. Dieser Kulturwandel in der klassischen Prüfungspraxis ist erfahrungsgemäß zäh und erfordert viel Überzeugungsarbeit.

Zuletzt zielt das Start-up ganz bewusst auf große Unternehmen, Banken und Mischkonzerne ab. Die Verkaufs- und Implementierungszyklen in diesen Segmenten sind notorisch lang und verschlingen oft immense personelle sowie finanzielle Ressourcen, was für ein frisch gegründetes Startup im Seed-Stadium eine erhebliche Belastungsprobe darstellt.

Auxilius sendet mit der erfolgreichen Finanzierungsrunde dennoch ein starkes Lebenszeichen aus München. Wenn es dem Team gelingt, seinen Control-Intelligence-Knowledge-Graph so skalierbar zu bauen, dass sich die sonst langwierigen Implementierungszeiten bei Konzernen radikal verkürzen, hat das Start-up durchaus das technologische Potenzial, den internationalen Playern im lukrativen europäischen Enterprise-Markt langfristig gefährlich zu werden.

Die Fertigungsindustrie steht massiv unter Druck: Steigende Kosten, Fachkräftemangel und zunehmende Konkurrenz aus Niedriglohnländern drücken die Margen auf jeder Ebene der Lieferkette. Gleichzeitig basieren Entscheidungen auf dem Shopfloor oft noch auf manuellen, fragmentierten Prozessen und lückenhaften Daten. Almetras Lösung setzt genau hier an, indem die Plattform KI-gestützte Kameras nutzt, um Produktionsabläufe zu erfassen und diese direkt vor Ort in Echtzeit in Kennzahlen wie Durchsatz und Auslastung zu übersetzen, ohne dass eine aufwendige IT-Integration nötig ist. Mit der aktuellen Finanzierungsrunde vollzieht das Unternehmen einen strategischen Schwenk von einer reinen Lösung für visuelle Produktionsanalysen hin zu einer zentralen Daten- und Automatisierungsplattform. Zukünftig sollen Videodaten, Maschinendaten und bestehende IT-Systeme sowie das Wissen der Mitarbeitenden auf einer einheitlichen Basis gebündelt werden, was auch den Einsatz von Robotik in den Werken ermöglichen soll.

Die Köpfe hinter der Technologie

Gegründet wurde Almetra von Maximilian Fischer und Silviu Homoceanu. Das Duo vereint dabei tiefgreifende Industrieerfahrung mit akademischer KI-Forschung. Maximilian Fischer, CEO und Maschinenbauingenieur der ETH Zürich, analysierte und digitalisierte in seiner bisherigen Laufbahn weltweit bereits Dutzende Fabriken. Sein Co-Gründer Silviu Homoceanu hält einen Doktortitel in Machine Learning und verantwortete zuvor die Software-Einheit für autonomes Fahren bei Volkswagen. Die technologische Tiefe von Almetra wird zudem durch die Aufnahme in renommierte Programme wie den Robotics Accelerator von Google DeepMind sowie das Physical AI Fellowship von AWS, Nvidia und MassRobotics untermauert.

Datenschutz vs. Effizienz

Das Versprechen, die Produktivität bei namhaften Firmen durch die Abschaffung von „Blindflügen“ um bis zu 20 Prozent zu steigern, klingt für Produktionsleiter extrem verlockend. Laut Unternehmensangaben konnte die Produktionsleistung bei Kunden wie eBike Systems innerhalb weniger Wochen bereits um 19 Prozent gesteigert werden. Dennoch birgt das Geschäftsmodell der visuellen Erfassung durch Computer Vision inhärente regulatorische und soziale Risiken. Die Sorge vor einer potenziellen visuellen Dauerüberwachung am Fließband ruft unweigerlich Gewerkschaften und Betriebsräte auf den Plan. Almetra versucht diesem potenziellen „Big-Brother“-Image proaktiv durch striktes lokales Edge Computing zu begegnen: Sämtliche Aufnahmen werden von Beginn an anonymisiert und der Großteil der Daten verlässt die Fabrikhalle nie. Lediglich kurze, zufällig ausgewählte Sequenzen werden zur Ursachenanalyse gespeichert. Abseits der internen Firmenpolitik stellt der EU AI Act eine signifikante Hürde für den Sektor dar. Dauerhafte und lückenlose Compliance im Umgang mit sensiblen Mitarbeiterdaten wird für die Skalierung des Geschäftsmodells in Europa eine ständige Begleiterscheinung sein.

Ein hart umkämpfter Markt

Die Nische der Produktionsanalytik durch Künstliche Intelligenz ist lukrativ, aber dicht besiedelt. Globale Unternehmen wie Viso.ai, Roboflow oder Jidoka Tech bieten der Industrie bereits ausgereifte KI-Plattformen für Qualitätssicherung, Fehlererkennung und Echtzeit-Monitoring an. Gleichzeitig konkurriert Almetra mit bewährten Plattformen wie Shoplogix oder ValueStreamer, die seit Jahren darauf spezialisiert sind, Maschinen- und Produktionsdaten über MES- und ERP-Schnittstellen auszuwerten. Wenn Almetra nun den Anspruch erhebt, zur zentralen Daten- und Automatisierungsplattform der Fabriken zu werden, begibt sich das Startup unweigerlich auf Kollisionskurs mit den gigantischen, oft schwerfälligen, aber tief im industriellen Rückgrat verankerten Systemen etablierter IT-Konzerne.

Unser Fazit

Mit dem Rebranding und der Millionenspritze demonstriert Almetra eindrucksvoll, wie sich europäische DeepTech-Expertise in einen handfesten B2B-SaaS-Case übersetzen lässt. Das Gründerteam hat verstanden, dass reine visuelle Analysen für die Industrie auf Dauer nicht ausreichen – der Sprung zur ganzheitlichen Automatisierungsplattform ist der strategisch richtige nächste Schritt. Der Erfolg des Berliner Start-ups, besonders bei der nun anstehenden US-Expansion, wird am Ende von zwei kritischen Faktoren abhängen. Erstens muss es gelingen, in den Fabrikhallen den Spagat zwischen technischer Effizienzsteigerung und strengsten Datenschutzvorgaben in der Praxis dauerhaft zu meistern. Zweitens wird sich zeigen müssen, ob sich die Plattform gegen bereits stark integrierte IT-Giganten auf dem Shopfloor durchsetzen kann. Schafft Almetra beides, hat das Team eine reale Chance, den globalen Markt für Enterprise-Manufacturing-Software maßgeblich mitzugestalten.