QuantumDiamonds entwickelt Quantensensor-Technologien und -Tools für die Fehleranalyse und Messtechnik einer neuen Generation von Halbleiterchips ein. Ziel ist es, herkömmliche Halbleitertestmethoden zu unterbrechen und die Fehlerlokalisierung tief in 3D-Halbleiterarchitekturen zu beschleunigen.

Durch die Nutzung von Stickstoff-Leerstands-Zentren in Diamanten kartieren die Systeme von QuantumDiamonds zerstörungsfrei elektrischen Strom mit Mikrometer-Pezipresion in Sekundenschnelle, auch in hochkomplexen Chippaketen. Diese Fähigkeit ist von zentraler Bedeutung für fortschrittliche 2.5D- und 3D-Architekturen, die KI, mobile und Automobilelektronik untermauern, wie das Unternehmen in einer Erklärung darstellt.

Das Unternehmen hat vor Kurzem eine zerstörungsfreie Fehleranalyse auf Apple A12-Chips veröffentlicht, die von TSMC hergestellt wurden. QuantumDiamonds verwendet Quantum Diamond Microscopy, um vergrabene Defekte in kommerziellen Paket-on-Package-Geräten zu lokalisieren.

Jetzt präsentiert QuantumDiamonds seinen Plan, 152 Millionen Euro zu investieren, um die weltweit erste Produktionsstätte für fortschrittliche Chip-Testsysteme zu bauen. Nach gründlicher Prüfung möglicher Standorte in den USA entschied sich das Unternehmen bewusst für Deutschland. Der Standort in München wird als "First-of-a-Kind-Fabrik" unter dem European Chips Act betrachtet.

„Diese Investition markiert unseren Übergang von der Forschung zur globalen Produktion. Wir bauen die Werkzeuge auf, die die Chipindustrie benötigt, um zu prüfen, was bisher unsichtbar war – und zwar in Deutschland, mit europäischem IP und Talent“, so Co-Founder Berghoff gegenüber EU-Startups. „Die frühzeitige Unterstützung, die wir von Programmen wie dem EIC Accelerator und dem SPRIN-D erhalten haben, legte den Grundstein für dieses Scale-up. Mit der erwarteten Finanzierung des Chips Act werden wir von Piloteinsätzen zur Serienproduktion übergehen und dazu beitragen, die Rolle Europas in der Zukunft der Halbleiterindustrie zu sichern."

Ghazaleh, du bist 2020 aus dem Iran nach Deutschland gekommen, hast hier mehrere Studiengänge erfolgreich absolviert und 2023 CanChip gegründet. Wie hast du diese rasante Reise gemeistert und was treibt dich an?

Meine akademische Laufbahn begann mit einem Studium der Biotechnologie im Iran, immer mit dem Ziel, zur Krebsforschung beizutragen – eine persönliche Mission, die von der Krebserkrankung meiner Mutter geprägt war. Diese Motiva­tion blieb auch bestehen, als ich nach Deutschland kam und meinen Master in Biochemie und Molekularbiologie absolvierte.

Die Idee zu CanChip entstand, als ich meinen Mitgründer Dr. Omid Nejati traf und wir über das Potenzial von Tumor­on-chip-Technologien diskutierten. Das war ein Wendepunkt: Ich erkannte, wie wir Ingenieurskunst und Biologie kombinieren können, um etwas wirklich Wirkungsvolles zu schaffen.

Was mich antreibt, ist die Möglichkeit, Patient*innen einen schnelleren und präziseren Weg zur Behandlung zu ermöglichen und letztendlich die Art und Weise zu verändern, wie wir Krebs bekämpfen.

Welche Vision verfolgst du mit CanChip?

Bei CanChip wollen wir personalisierte Krebstherapien Wirklichkeit werden lassen, indem wir die Mikroumgebung von Tumoren auf einem Mikrofluidik-Chip simulieren. Unser Ziel ist es, die Arzneimittelprüfung von Tieren auf prädiktive Modelle mit menschlichen Zellen umzustellen. Wir möchten die Plattform der Wahl für Pharmaunternehmen und Forschungseinrichtungen werden, die bessere Werkzeuge für die Entwicklung von Krebsmedikamenten suchen. Über die Forschung hinaus ist es unsere langfristige Vision, patient*innenabgeleitete Tumore in unsere Chips zu integrieren, sodass Ärzt*innen Therapien vor ihrer Anwendung am Patient*innen in vitro testen können. Wir stellen uns eine Zukunft vor, in der die Krebstherapie mit „Versuch und Irrtum“ durch Präzision und Zuversicht ersetzt wird.

Wie unterscheidet sich euer Ansatz von den bestehenden Methoden?

Traditionelle 2D-Zellkulturen und Tiermodelle können die Komplexität menschlicher Tumore oft nicht abbilden. Unsere Tumor-on-Chip-Modelle beinhalten mehrere menschliche Zelltypen – wie Krebszellen, Endothelzellen und Immunzellen – die in einer 3D-Matrix in einem dynamischen Mikroflüssigkeitssystem eingebettet sind. Diese Anordnung bildet die menschliche Tumorumgebung genauer ab als bestehende Plattformen.

Der Vorteil? Zuverlässigere Daten zur Arzneimittelwirkung, weniger Tierversuche und letztlich eine schnellere und sicherere Entwicklung von Therapien. Unser Modell ist besonders wertvoll für seltene oder therapieresistente Krebsarten wie Glioblastome. Derzeit schließen wir unsere Machbarkeits­studien ab und bereiten uns auf Kooperationen mit pharmazeutischen Partnern vor.

Künstliche Intelligenz verändert immer mehr Bereiche. Welche Rolle spielt KI in deinem Fachgebiet?

Künstliche Intelligenz wird in der personalisierten Krebsforschung immer wichtiger, insbesondere bei unseren Organ­-on-Chip-Modellen. Wir nutzen KI derzeit für die automatisierte Bildanalyse, um die Zellmorphologie und die Reaktion auf Medikamente objektiv zu bewerten. Wir werden die KI-Nutzung ausweiten, um komplexe Daten wie Genexpression und Bildgebung zu analysieren und Vorhersagemodelle für patient*innenspezifische Arzneimittelreaktionen zu erstellen. KI wird auch dazu beitragen, den Versuchsaufbau zu optimieren, beispielsweise die Zellkombinationen und die Mikrofluidik-Einstellungen. Langfristig wird KI für die präklinische Forschung und die personalisierte Medizin unerlässlich sein, indem sie Muster in der komplexen Biologie aufdeckt und die Arznei­mittelentwicklung durch datengestützte Entscheidungen beschleunigt.

Die Tumor-on-Chip-Technologie ist nicht unumstritten, und der Weg zu tierversuchsfreien Arzneimittelzulassungen nicht einfach. Was sagst du den Kritiker*innen?

Es stimmt, dass die gesetzlichen Rahmenbedingungen noch immer stark auf Tierversuche angewiesen sind. Aber die Wissenschaft entwickelt sich weiter.  Die Tumor­on-Chip-Technologie zielt nicht darauf ab, alle bestehenden Methoden über Nacht zu ersetzen, sondern ergänzt und verbessert sie. Kritiker*innen übersehen oft die Vorteile der Reproduzierbarkeit und der ethischen Vertretbarkeit von in-vitro-Modellen mit menschlichen Zellen. Zudem sind die Regulierungsbehörden zunehmend offen für alternative Methoden, wenn diese zuverlässige Daten liefern. Unsere Aufgabe ist es, zu zeigen, dass unsere Chips konsistente und biologisch aussagekräftige Ergebnisse liefern können. Skepsis ist bei Innovationen normal, aber wir sehen sie als eine Einladung, uns zu verbessern und zu beweisen, dass wir zuverlässige Ergebnisse liefern können.

Ihr seid gerade dabei, eure Chips zu validieren und zu zertifizieren. Welchen Herausforderungen habt ihr euch dabei zu stellen?

Die größte Herausforderung ist die Standardisierung eines hochkomplexen biologischen Systems. Wir müssen sicherstellen, dass unsere Chips reproduzierbare Ergebnisse liefern, unabhängig von Charge und Krebsart. Gleichzeitig müssen wir klare Protokolle für Qualitätskontrolle und Dokumentation entwickeln, die den regulatorischen Erwartungen entsprechen. Eine weitere Herausforderung ist die Skalierbarkeit: der Übergang von Laborprototypen zu robusten, benutzer*innenfreundlichen Plattformen für die industrielle Nutzung. Das betrifft Materialien, Automatisierung und Kostenoptimierung – und das alles bei gleichzeitiger Wahrung der biologischen Integrität.

Wann erwartest du die Zulassung und welche Aufgaben müssen bis dahin erledigt werden?

Die Zulassung ist ein mehrstufiger Prozess. Wir streben zwar keine direkte medizinische Zulassung an (noch nicht), aber unsere Chips müssen als valide Werkzeuge für die vorklinische Prüfung akzeptiert werden. In den nächsten 12 bis 18 Monaten wollen wir unter anderem Validierungsstudien veröffentlichen, die von Expert*innen geprüft wurden, wichtige pharmazeutische Kooperationen sichern und Qualitätssysteme einführen, die den ISO-Normen entsprechen.

Wichtig ist auch die Zusammenarbeit mit den Regulierungsbehörden: Wir sind aktiv in Netzwerken und Konsortien tätig, um uns über die neuesten Richtlinien zu informieren. Wir hoffen, innerhalb von zwei Jahren den Status einer akzeptierten vorklinischen Prüfung zu erreichen und kurz darauf mit der Anwendung an Patient*innen beginnen zu können.

BioTech-Start-ups benötigen langfristige Unterstützung und erhebliches Kapital. Wer sind eure Unterstützer*innen und Investor*innen?

Wir haben das Glück, ein starkes Netzwerk an Unterstützer*innen zu haben. Wir erhielten frühzeitig den Newcomer of the Year 2025 German Startup Award, den Sonderpreis des Brandenburg Innovation Awards, den Jurypreis beim Female Start-Aperitivo und viele weitere Auszeichnungen, was uns half, mehr Sichtbarkeit zu erlangen. Der Wissenschaftspark Potsdam hat uns mit Infrastruktur, Mentoring und einer lebendigen Start-up-Ökosystem-Umgebung unterstützt. Wir haben auch von Netzwerken wie der HealthCapital Berlin-Brandenburg profitiert. Obwohl wir derzeit selbst­finanziert sind und von Pilotstudien und Kooperationen unterstützt werden, bereiten wir uns aktiv auf eine Seed-Finanzierungsrunde vor, um unser Team zu erweitern und die Produktion zu skalieren.

Ein Blick in die Zukunft: Wie nah sind wir daran, eine wirklich personalisierte Krebstherapie für die Mehrheit der Patient*innen zu ermöglichen?

Wir sind näher dran, als wir denken. Fortschritte in der molekularen Diagnostik, der Einzelzellanalyse und der Organ-on-Chip-Technologie laufen auf ein gemeinsames Ziel hinaus. Was noch fehlt, ist die Integration, und hier sind Start-ups führend. Wir agieren schnell, wir gehen Risiken ein und schließen die Innovationslücken, die von größeren Institutionen hinterlassen werden. Personalisierte Krebstherapien werden zum Standard, wenn Plattformen wie unsere innerhalb der klinischen Fristen handlungsrelevante Ergebnisse liefern können. Wir sind davon überzeugt, dass Tumor­on-Chip-Modelle innerhalb der nächsten fünf bis zehn Jahre zu Standardwerkzeugen in der Onkologie werden und Start-ups wie CanChip diese Transformation anführen werden.

Was möchtest du anderen (BioTech-)Gründer*­innen mit auf den Weg geben?

Aus wissenschaftlicher Sicht war die Gründung eines Start-ups ein großer, aber auch lohnender Schritt. Sprecht früh mit potenziellen Kund*innen. Diese Gespräche halfen uns, unser Produkt zu formen und wirkliche Bedürfnisse zu entdecken. BioTech braucht Zeit. Zellkultur, Qualitätskontrolle, Partnerschaften. alles bewegt sich langsamer als geplant.

Seid geduldig, aber beharrlich. Soft Skills wie Kommunikation, Resilienz und strategisches Denken sind genauso wichtig wie wissenschaftliche Expertise.

Vermeidet die Perfektionismusfalle: Beginnt mit dem, was ihr habt, und verbessert iterativ. Mein Rat: Baut ein starkes Team auf, bleibt fokussiert auf eure Mission und habt keine Angst vor Fehlern; sie sind Teil des Prozesses. Verbindet wissenschaftliche Exzellenz mit unternehmerischem Mut. Diese Mischung kann euch wirklich voranbringen, auch in einem komplexen Bereich wie BioTech.

Ghazaleh, Danke für deine Insights

Lucent AI quantifiziert Risiken präziser, erkennt Auffälligkeiten anhand von Branchendaten und ermöglicht frühzeitige Risiko-Szenarien für Management und Investor*innen. Diese Aufgaben zählen zu den aufwändigsten Prozessen für Governance-Teams, da sie stark reguliert, personalintensiv und zeitkritisch sind. Die Agentic-AI-Technologie von Lucent AI übernimmt viele dieser Schritte selbstständig, indem sie Daten zusammenführt, Analysen durchführt und Handlungsempfehlungen oder Entscheidungsvorlagen bereitstellt.

Die Integration in bestehende IT-Systeme erfolgt über standardisierte Schnittstellen, sodass Unternehmen die Plattform innerhalb kurzer Zeit einsetzen können. Gerade in Organisationen, die heute noch stark mit Excel, E-Mails und manuellen Prüfungen arbeiten, führt die Automatisierung zu erheblichen Verbesserungen in Geschwindigkeit, Genauigkeit und Skalierbarkeit.

Jetzt wurde Lucent AI von osapiens, einem führenden deutschen Softwareanbieter für Nachhaltigkeits- und Transparenzlösungen, übernommen. Im Zuge der Übernahme werden Technologie, Produktportfolio und Kundenstamm von Lucent AI vollständig in den osapiens HUB integriert. Erste Module werden ab dem zweiten Quartal 2026 verfügbar sein. Die Gründer treten dem Team von osapiens bei und verantworten künftig die Weiterentwicklung der Lösung sowie ihre strategische Einbettung in die Bereiche Resilience & Risk Management, Disclosures & Reporting und Product Compliance & Traceability.

„Mit Lucent AI erweitern wir unser Portfolio um ein zukunftsweisendes System für Finanzrisiken und Compliance“, erklärt Matthias Jungblut, Mitgründer und Co-CEO von osapiens. „Die fortschrittlichen KI-Agenten von Lucent ergänzen unser Angebot ideal und unterstützen unsere Mission, Unternehmen weltweit zu mehr Transparenz, Sicherheit und Effizienz zu verhelfen.“

„Lucent AI wurde mit der Mission gegründet, Unternehmen durch intelligentes Risikomanagement widerstandsfähiger zu machen“, sagt Mitgründer Max Wolff. „Wir haben aus erster Hand erlebt, wie komplex und zugleich zentral diese Prozesse für regulierte Unternehmen jeder Größe sind. Mit osapiens haben wir einen Partner gefunden, der unsere Vision teilt und über die Ressourcen und die Expertise verfügt, um unsere Lösungen weiterzuentwickeln und zu skalieren.“

U2V (University2Ventures) ist ein europäischer Frühphaseninvestor mit Fokus auf Spin-offs aus Forschung und Hochschulen. 2025 aus dem Earlybird-X-Team hervorgegangen, investiert U2V in Start-ups aus KI, Novel Computing, Industrial Tech und Clean Tech – und unterstützt Forscherinnen und Forscher beim Übergang in die Gründung. Von Berlin, Aachen und London aus kombiniert das Team über 30 Jahre Erfahrung im Tech-Bereich mit starken Verbindungen zu Europas Technischen Universitäten und einem Netzwerk von mehr als 500 Unternehmen.

Transfer innovativer Technologien aus Universitäten beschleunigen

Mit dem ersten Closing seines 60-Millionen-Euro-Fonds I startet U2V in eine neue Phase der Förderung wissenschaftsbasierter Gründungen. Der Fonds unterstützt Gründerinnen und Gründer, die auf Basis europäischer Spitzenforschung skalierbare DeepTech-Unternehmen aufbauen – und so Wissenschaft und Industrie enger miteinander verzahnen. Ziel ist es, den Transfer innovativer Technologien aus Universitäten zu beschleunigen und zugleich Europas technologische Souveränität langfristig zu stärken.

U2V investiert europaweit in Start-ups in der Pre-Seed- und Seed-Phase, mit Fokus auf KI, Novel Computing, IndustrialTech einschließlich Dual Use und Clean Tech. Insgesamt plant U2V bis zu 25 Beteiligungen.

Investitionen in Europas Gründerinnen und Gründer aus Wissenschaft und Forschung

U2V setzt auf wissenschaftsgetriebenes Unternehmertum. Das Modell baut auf der Erfahrung des Teams aus der Zeit bei Earlybird-X auf – einem der ersten europäischen Fonds, der sich auf DeepTech-Spin-offs spezialisiert hat. Der Ansatz bleibt derselbe, nur konsequenter: Forschende Gründerinnen und Gründer werden früh mit Industriepartnern vernetzt, um Produktentwicklung und Markteintritt deutlich zu beschleunigen.

„Europa ist führend in der Wissenschaft, aber zu selten entstehen daraus globale Unternehmen“, sagt Dr. Philipp Semmer, Founding Partner bei U2V. „Mit U2V wollen wir das ändern: Wir helfen Wissenschaftlern, Unternehmer zu werden – und verbinden Forschung, Kapital und Industrie, um Europas nächste Generation wegweisender Deep-Tech-Unternehmen aufzubauen.“

Das Team vereint wissenschaftliche, technische und unternehmerische Erfahrung und unterstützt die Start-ups mit Kapital, strategischem Sparring, Industrie-Access und operativer Begleitung – damit aus Forschung nachhaltige, resiliente Unternehmen werden.

Brücke zwischen Forschung und Industrie

U2V verbindet den direkten Zugang zu führenden europäischen Technischen Universitäten und Tech-Ökosystemen – darunter TU München, ETH Zürich, RWTH Aachen, École Polytechnique Paris, die Universitäten Oxford und Cambridge, Imperial College London, DTU Kopenhagen und Politecnico di Milano, mit über 500 Partnerunternehmen aus Wirtschaft und Industrie.

Diese Kombination schafft einen schnellen Marktzugang und ermöglicht den Portfoliounternehmen frühe Pilotprojekte und Kundenkontakte. In enger Zusammenarbeit mit Tech-Transfer-Centern der Universitäten und Corporate Innovation-Teams großer Unternehmen beschleunigt U2V so die Kommerzialisierung und Folgefinanzierungen.

„Unser Netzwerk gibt Gründern etwas, das vielen DeepTech-Start-ups in der Frühphase fehlt: direkten Zugang zu Kunden und echtes Feedback aus dem Markt“, sagt Dr. Johannes Triebs, Founding Partner bei U2V. „Ob KI-Anwendung, Quantensensorik oder Carbon-Capture-Prozess – wir sorgen dafür, dass aus Technologie echte Traktion wird.“

Das Gründungsteam, bestehend aus Philipp Semmer, Michael Schmitt und Johannes Triebs, bringt mehr als 30 Jahre kombinierte Venture-Erfahrung mit – und baut auf erfolgreiche Investments aus früheren Fonds wie Earlybird-X und Motu Ventures auf. Zu den bisherigen Portfolios zählen etwa Quantum Diamonds (Quantensensorik für die Halbleiterindustrie), Greenlyte (Carbon Capture), Ncodin (Photonikchips), Certivity (KI-basierte Regulierungsanalyse), Twaice (Batterieanalytik) und LiveEO (Risikoanalysen aus dem All). Insgesamt haben die Partner über 50 Start-ups finanziert und bereits mehr als zehn Exits erzielt.

Das Ziel: Europas führende Plattform für DeepTech-Spin-offs bauen

Mit dem ersten Closing – unterstützt von Unternehmen wie dem Ankerinvestor Jungheinrich über Uplift Ventures sowie mehreren Family Offices, Seriengründer*innen und Führungskräften aus der Industrie – verfolgt U2V das Ziel, Europas führende Plattform für DeepTech-Spin-offs aufzubauen. Ziel ist es, universitäre Forschung in industrielle Anwendungen zu überführen, die auch international Bestand haben.

Auf der jährlichen Hausmesse der Amazon Tochter AWS sind neben Produkt-Ankündigungen, Partner*innen und Kund*innen auch zahlreiche Start-ups anwesend. AWS nutzt die Förderung von Start-ups zur Identifizierung neuer Trends. In zahlreichen Gesprächen mit Expert*innen und jungen Unternehmen zeichnete sich in diesem Jahr ab: Die nächste Welle der Innovation verschmilzt künstliche Intelligenz (KI) mit der physischen Welt und schafft autonome Systeme, die nicht nur Daten verarbeiten, sondern real handeln. Zwei Trends stechen dabei besonders hervor.

Physical AI: Wenn KI in die physische Welt eingreift

Physical AI beschreibt die Verschmelzung von KI mit der physischen Realität. Das Spektrum reicht von humanoider Robotik über autonome Fahrzeuge bis hin zu intelligenten Industrieanlagen. Gemeinsam ist diesen Systemen, dass sie in Echtzeit flexibel auf ihre Umgebung reagieren und dabei komplexe Informationen wie Tiefe, Krafteinwirkung und räumliche Daten verarbeiten müssen.

Wie weit manche Start-ups bereits sind, zeigt BrainBox AI aus Montreal im Gebäudetechnikbereich. Das Unternehmen steuert Heizungs- und Kühlsysteme anhand von Prognosen zu Wetter, Energiepreisen und Strommix und greift so direkt in den Energieverbrauch von Gebäuden ein. Ein integriertes Assistenzsystem unterstützt zusätzlich Wartungs- und Betriebsprozesse. So beeindruckend die Technologie ist, zeigt sie zugleich die Herausforderungen physischer KI-Systeme. Jede Fehleinschätzung kann reale Kosten und Schäden verursachen.

In der Robotik macht das Schweizer Start-up Mimic Robotics deutlich, wie anspruchsvoll es ist, menschliche Bewegungen für Maschinen nutzbar zu machen. Die Gründer setzen auf eine eigene Datenerfassungsmethode mit sensorgestützten Handschuhen und hochflexiblen Roboterhänden. Ziel ist, dass Maschinen das Greifen durch Imitation des Menschen erlernen und sich dadurch in Logistik und Fertigung schneller an neue Aufgaben anpassen können.

Physical AI erobert auch Branchen, die bislang wenig digitalisiert sind. Das Start-up Bedrock Robotics etwa arbeitet daran, schwere Baumaschinen autonom zu steuern. Es ist ein Beispiel dafür, wie diese Technologie in traditionelle Industrien vordringt

Agentic AI: Autonome Systeme im Unternehmensalltag

Parallel dazu entstehen Start-ups, die KI nicht als Tool, sondern als handelnde Einheit begreifen. Agentic AI bezeichnet Modelle, die Aufgaben planen, Entscheidungen vorbereiten oder eigenständig Prozesse ausführen. Diese Systeme sollen nicht einfach automatisieren, sondern sich an neue Situationen anpassen.

In der Praxis ist das anspruchsvoll. Unternehmen müssen definieren, welche Entscheidungen KI treffen darf und wo menschliche Kontrolle notwendig bleibt. Gleichzeitig wächst der Druck, komplexe Dokumente, Datenbestände oder Kund*inneninteraktionen effizienter zu verarbeiten.

Ein Beispiel aus München macht diese Entwicklung greifbarer. Das Start-up Vidlab7 entwickelt KI-basierte Avatare, die auf Webseiten Produkte erklären, Demos durchführen und Anfragen qualifizieren. Damit entsteht eine neue Form der digitalen Kund*inneninteraktion, die deutlicher als bisher an reale Verkaufsprozesse anknüpft und für kleinere Unternehmen zugänglich wird.

Noch weiter geht Brainbase Labs aus der Bay Area. Das Start-up verfolgt einen experimentellen Ansatz und entwickelt Umgebungen, in denen Software-Agenten über Gedächtnis- und Planungsfunktionen komplexe Aufgaben autonom übernehmen können. So entsteht ein komplett digitaler Arbeitskollege.

Eine Entwicklung mit langen Zyklen

Die Entwicklung von Physical AI und agentenbasierte Systeme erfordert deutlich mehr Aufwand als klassische Softwareprodukte. Sie benötigen lange Entwicklungszyklen, interdisziplinäre Expertise und oft höhere Anfangsinvestitionen. Gleichzeitig adressieren sie Themen, die für viele Unternehmen immer dringlicher werden, etwa Energieeffizienz, Prozessautomatisierung oder der Umgang mit wachsenden Datenmengen.

Ob aus den heutigen Pilotprojekten tragfähige Geschäftsmodelle entstehen, bleibt abzuwarten. Sicher ist jedoch, dass die Kombination aus physischer und digitaler Autonomie die kommenden Jahre prägen wird. KI verlässt ihre isolierte Rolle und wird zu einem Bestandteil realer Abläufe und Entscheidungen. Damit beginnt eine Phase, in der ihr unmittelbarer Einfluss spürbarer wird als je zuvor.

Der Autor Arne Bauer ist Consultant bei der Söldner Consult GmbH. Das von den Brüdern Prof. Dr. Jens-Henrik Söldner, Dr. Guido Söldner und Dr. Constantin Söldner gegründete und geleitete Unternehmen unterstützt auf regionaler, deutschlandweiter sowie internationaler Ebene bei der Planung und Implementierung von komplexen IT-Umgebungen.

SereneDB hat seine Pre-Seed-Finanzierungsrunde abgeschlossen und 2,1 Millionen US-Dollar eingesammelt. Die Runde wurde von den Risikokapitalfonds Entourage und High-Tech Gründerfonds (HTGF) angeführt.

Das Team nutzt sein Know-how aus der Entwicklung der weltweit schnellsten C++-Suchbibliothek für Unternehmen, um die Engine für Datenanwendungen der nächsten Generation zu entwickeln. Das Unternehmen wird die Investition nutzen, um seine Kernaufgabe zu verfolgen: den Aufbau einer dedizierten Datenbank für Echtzeit-Suche und -Analyse, die die aktuellen Industriestandards neu definiert.

Die meisten Such- und Analysetools wurden entwickelt, um einzelne, statische Elemente zu finden, und nicht, um sich schnell ändernde, komplexe Daten zu analysieren. Sie haben Schwierigkeiten mit Aktualisierungen und Löschungen in Echtzeit und zwingen Teams dazu, Suchvorgänge, Caches und Dashboards miteinander zu verknüpfen. Das Ergebnis sind langsame Antworten, instabile Pipelines und veraltete Erkenntnisse.

SereneDB vereint Live-Daten und tiefgehende Analysen in einem System. Es verbindet eine leistungsstarke und vielseitige Suchmaschine mit moderner OLAP-Ausführung unter dem Standard-PostgreSQL-Dach, verarbeitet Echtzeit-Eingaben mit korrekten Aktualisierungen und Löschungen und liefert komplexe Ergebnisse in Millisekunden. Während Menschen und KI-Agenten bessere Fragen zu den aktuellsten Daten stellen können, reduzieren Unternehmen den Werkzeug-, Kosten- und Betriebsaufwand durch den Einsatz einfacher und standardisierter SQL-Tools und APIs.

Andrey Abramov, Mitbegründer von SereneDB, sagt: „Wir haben uns von einem persönlichen Projekt im Jahr 2014 zu dem außergewöhnlichen Team entwickelt, das wir heute sind. Unser gemeinsames Ziel war es schon immer, echte Echtzeit-Analysen zu verwirklichen. Die Partnerschaft mit Entourage und HTGF gibt uns die Ressourcen, um dieses Ziel zu erreichen, und wir schätzen ihr Vertrauen, während wir unsere Mission erfüllen.“

Wer schon einmal an einer Marktforschungsumfrage teilgenommen hat, weiß: Das ist eine zähe Angelegenheit. Man klickt sich durch Fragebögen, nimmt an Diskussionsrunden teil und erhält zum Schluss (bestenfalls) eine magere Entlohnung.

Für Unternehmen, die solche Befragungen durchführen, besteht genau darin ein Problem: „Es ist schwer, an die gewünschten Zielgruppen heranzukommen, weil keiner mitmachen will“, sagt Tobias Klinke, Co-Gründer des Start-ups experial. „Und wenn doch, dann sind es die falschen.“

Klassische Marktforschung ist ineffektiv

Der promovierte Konsumforscher weiß, wovon er spricht. Für seine wissenschaftliche Arbeit hat er sich jahrelang mit Marktforschungsmethoden beschäftigt und selbst unter der unzureichenden Datenlage aus Zielgruppenbefragungen gelitten. „Man darf sich nichts vormachen: Da sitzen Leute, die Geld verdienen wollen und den Fragebogen so schnell wie möglich abhaken. Relevante Daten lassen sich so nur schwer erheben.“ Denn ob die Antworten tatsächlich das Konsumverhalten widerspiegeln oder die Befragten einfach nur schnell fertig werden oder sich ins rechte Licht rücken wollen, ist kaum auszumachen.

Hinzu kommt: Für die Auftraggebenden sind solche Marktforschungen extrem aufwändig, teuer und langwierig – vom Erstellen des Fragenkatalogs über das Organisieren der Befragung bis hin zur Auswertung der Ergebnisse.

Genau hier setzt experial an: Es möchte Unternehmen besser, schneller und günstiger wissen lassen, was bestimmte Kund*innenprofile zu konkreten Fragestellungen denken, zum Beispiel über ein neues Produktfeature. „Jeder Produkt- oder Marketingmanager hat täglich Entscheidungen zu treffen, für die authentisches Kundenfeedback absolut relevant ist“, so Klinke. Dafür stellt experial in einem klassischen Software-as-a-Service-Modell sogenannte Digital Twins zur Verfügung – digitale Simulationen realtypischer Personen aus der gewünschten Zielgruppe.

Über eine Chat-Funktion können diese digitalen Zwillinge nach Belieben befragt oder interviewt werden. Neben der Darstellung der Umfrageergebnisse in Diagrammen, Tabellen oder Kurztexten ermöglicht das Tool, mit Kund*innenprofilen in Echtzeit zu interagieren, Nachfragen zu stellen, zu diskutieren.

Zielgruppe abbilden statt Persona erfinden

Das Besondere: Statt klassische Personas abzubilden – also ein stereotypisches Bedürfnisbündel einer fiktiven Persönlichkeit –, simuliert experial zum Beispiel 1000 Personen eines bestimmten Adressat*innenkreises, die dann an einer Befragung teilnehmen. So wird eine spezifische Gruppe in ihrer ganzen Meinungsvielfalt abgebildet. „Es geht nicht darum, eine idealtypische Kunstfigur, sondern eben 1000 konkrete Personen zu simulieren. So können wir die ganze Bandbreite an Meinungen innerhalb einer Zielgruppe abbilden“, erläutert Klinke.

Von der Forschung zur Geschäftsidee

Am Anfang stand ein konkretes Problem für die eigene Arbeit. Alle drei Gründer haben ihre Wurzeln in der Forschung. Tobias Klinke und Nader Fadl haben gemeinsam studiert, für Klausuren gebüffelt und später beide promoviert – Klinke in Consumer Research, Fadl in Gamification. Drei Jahre arbeiteten sie bereits zusammen, bevor 2022 die Idee für das gemeinsame Start-up entstand. Als die technische Umsetzung immer komplexer wurde, kam Nils Rethmeier – er hat in Machine Learning promoviert – als dritter Gründer hinzu.

Während sich die drei als Wissenschaftler noch mit der geringen Datenqualität klassischer Marktforschung herumschlugen, wuchsen zeitgleich die Anwendungspotenziale künst­licher Intelligenz (KI). Immer mehr beschäftigte sie die Frage, ob nicht beides kombinierbar wäre. Erste Lösungen suchten Klinke und Fadl zunächst, indem sie große Sprachmodelle (LLMs) mit demografischen Standarddaten aus der Marktforschung fütterten – mit ernüchterndem Ergebnis. „ChatGPT allein eignete sich kaum. Um Zielgruppen in ihrer Vielschichtigkeit zu simulieren, müssen wir viel mehr wissen als Alter, Beruf und Postleitzahl“, so Klinke. So lernten sie, welche Daten für eine realitätsnahe Simulation hilfreich sind und welche nicht. „Relevante Inputs sind eher Persönlichkeitsmerkmale, Werte, Lebensgeschichten. Echte Daten von echten Personen“, so Klinke weiter. Durch den Abgleich mit bestehenden Daten konnten die synthetischen KI-Modelle sukzessive verbessert werden. Die Verwendung von AI Agent Memory brachte dann den ersten Durchbruch: eine Übereinstimmung von 85 Prozent.

Seitdem geht der technologische Fortschritt rasant voran. Heute laufen bei experial verschiedene LLMs im Hintergrund. Das LLM-Ensembling hat den Vorteil, dass je nach Fragestellung die geeignetsten Modelle zum Einsatz kommen, etwa mit oder ohne Reasoning. „Die rationale Begründbarkeit von Antworten ist für unsere Simulationen nicht immer relevant. Menschen entscheiden oft aus dem Bauch heraus“, fügt Fadl hinzu.

Von Wissenschaftlern zu Unternehmern

Klinke und Fadl wussten: Sie sind an etwas dran. Verlässlich simulierte Datensätze würden nicht nur ihrer Forschung zugutekommen, sondern auch vielen Unternehmen. Die zündende (Geschäfts-)Idee kam mitten im Arbeitsalltag. Nach ihrer Zeit an der Uni arbeiteten die beiden in einer Digitalagentur und begleiteten erste Online-Marktforschungsprojekte für größere Kund*innen. Dabei erlebten sie hautnah, wie klassische Marktforschung in der Praxis funktioniert: Ein Marketing- oder Innovationsmanager formuliert eine Fragestellung, schickt sie per E-Mail an die interne Insights-Abteilung und wartet.

Wochen später, oft nach externem Agenturbriefing und einem fünfstelligen Budget, kommen die Ergebnisse zurück – viel zu spät und viel zu teuer für den heutigen Innovationsdruck. „Das war für uns der Moment, an dem wir dachten: Das muss doch anders gehen“, erinnert sich Klinke. Genau zu dieser Zeit erschien ChatGPT. Die Idee war plötzlich greifbar: Warum nicht Zielgruppen simulieren, in Echtzeit, mit KI? Damit war der Grundstein für das Start-up gelegt.

Danach ging es schneller als gedacht. Mit dem steigenden technischen Anspruch war das Projekt nicht mehr eigen­ständig finanzierbar. „Als wir die ersten Machine-Learning-­Researcher brauchten, war klar: Wir müssen Kapital aufnehmen“, so Fadl. Ein Professor, mit dem die Gründer bereits inhaltlich zusammengearbeitet hatten, stieg als erster Business Angel ein. „Durch die persönliche inhaltliche Verbindung zum Thema hat das einfach sehr gut gepasst“, erinnert sich Klinke. „Noch heute treffen wir uns alle vier Monate, um viele Fragestellungen miteinander zu diskutieren.“ Es folgten zwei weitere Angel Investoren und ein halbes Jahr später zwei Venture-Capital-Unternehmen.

Die nächste Generation Digital Twins im Visier

Heute arbeitet das Start-up mit zehn Mitarbeitenden und betreut Teams von Unternehmen wie Fressnapf, Ergo und der Versicherungskammer Bayern. „Der Marktforschungsmarkt ist gigantisch“, so Fadl. „Global liegt der Umsatz bei zirka 150 Milliarden US-Dollar, wovon gut ein Drittel in den USA anfällt. Wir wollen uns in Zukunft verstärkt auf den amerikanischen Raum konzentrieren.“

Die Ziele sind ambitioniert, aber alles andere als unrealistisch. Das Geschäftsmodell von experial hat das Potenzial, die Branche zu verändern. „Studien zeigen eindeutig: Je kundenorientierter Unternehmen handeln, desto profitabler werden sie. Wir wollen Kundenfeedback in die tägliche Arbeit von Entscheider*innen integrieren. Mit klassischer Marktforschung ist das nicht möglich“, so Klinke.

Und noch einen Vorteil sehen die Gründer in ihrem Modell: Bisherige Versuche, neue Technologien für die Branche zu nutzen, zielten darauf ab, die Marktforscher*innen zu ersetzen. Experial denkt anders: Nicht die Forschenden sollen ersetzt werden, sondern die Befragten, die ohnehin keine Lust darauf haben.

Künftig wird es zudem entscheidend sein, mit den tech­nischen Entwicklungen Schritt zu halten. Dementsprechend will experial die eigenen Digital Twins weiterentwickeln. Die neue Generation soll „sehen“ und „hören“ können, um etwa Websitedesigns und Videos zu bewerten – ein weiterer Schritt mit immensem Potenzial. Ende des Jahres startet dafür eine weitere Finanzierungsrunde. Man darf also gespannt sein, wo die unternehmerische Reise von Tobias Klinke, Nader Fadl und Nils Rethmeier noch hinführen wird.

Der Straßengüterverkehr zählt zu den wirtschaftlich bedeutendsten – und zugleich am wenigsten digitalisierten – Sektoren Europas. Rund 35 % der verkehrsbedingten CO₂-Emissionen entstehen durch Schwerlast-Lkw. Trotz klarer wirtschaftlicher Vorteile elektrischer Antriebe bleibt die Elektrifizierung bislang langsam: Über 90 % der Spediteure verfügen nur über kleine, veraltete Diesel-Flotten, arbeiten mit geringen Margen und haben begrenzten Zugang zu Kapital und digitalen Tools. Während Elektro-Lkw über den Lebenszyklus zunehmend wettbewerbsfähig werden, zögern viele Betreiber weiterhin angesichts hoher Anfangsinvestitionen und der Umstellung auf neue Betriebsprozesse. Hinzu kommen fehlende Ladeinfrastruktur und geringe Digitalisierung als zentrale Hürden. Insgesamt steht die Branche daher vor tiefgreifenden strukturellen Herausforderungen. Mit NexOS, einer KI-basierten Orchestrierungsplattform für Flotten, Energie und Kapital, will NexDash die digitale Grundlage für den Übergang zu elektrischer und – zukünftig –autonomer Logistik schaffen.

Plattform-Ansatz zur Elektrifizierung, Digitalisierung und Konsolidierung des Straßengüterverkehrs

NexDash schließt diese Lücke mit einem Plattform-Ansatz, der Digitalisierung, Elektrifizierung und Wachstum verbindet. Das Unternehmen übernimmt mittelständische Speditionen, um operative Kapazitäten und ein Kundennetzwerk aufzubauen. Die übernommenen Flotten werden schnell elektrifiziert und erweitert - gestützt durch skalierbare strukturierte Finanzierungen, die eine zügige Transformation ermöglichen. Über die eigene Trucking-as-a-Service-Plattform (“TaaS”) und das Betriebssystem NexOS orchestriert NexDash Ladeinfrastruktur, Routenoptimierung und KI-gestütztes Flottenmanagement, um Kosten und Emissionen gleichzeitig zu senken. So entsteht ein skalierbares, wirtschaftlich tragfähiges Modell für eine emissionsfreie, digital vernetzte Transportlogistik.

„Die Elektrifizierung Deutschlands beginnt bei der Logistik“, sagt Michael Cassau, Gründer und CEO von NexDash. „Der Mittelstand ist das Rückgrat der Branche – aber bisher stark fragmentiert. Wir bündeln, transformieren und elektrifizieren diese Dieselflotten – und schaffen so die Grundlage einer neuen Industrie - “Trucking-as-a-Service made in Europe.“

Cassau weiter: „Neo-Bank war gestern, Neo-Carrier ist heute. Mit NexOS verbinden wir Energie, Kapital und Daten - und entwickeln das Betriebssystem einer elektrifizierten und zunehmend autonomen Wirtschaft.“ Verstärkung erhält Cassau von Karsten Sachsenröder, langjährigem Top-Manager bei DB Schenker und erfahrenem Berater führender Private-Equity-Häuser.

Logistik als Transformationshebel

Während der aktuelle Fokus auf der Elektrifizierung liegt, plant NexDash bereits die nächste Entwicklungsphase, in der autonome und datengetriebene Transportlösungen auf Basis der eigenen Ladeinfrastruktur umgesetzt werden sollen. Ziel ist der Aufbau einer skalierbaren und nachhaltigen Logistikplattform für die nächste Generation des europäischen Güterverkehrs.

Die 5 Millionen Euro Seed-Finanzierung soll dem Erwerb und der Integration kleinerer Logistikunternehmen, der Inbetriebnahme der ersten Elektro-Lkw sowie der Weiterentwicklung der digitalen Plattform für effizientes Flottenmanagement dienen. Zudem sollen die Mittel in den Ausbau der Ladeinfrastruktur, die Steigerung der betrieblichen Effizienz und den Teamausbau fließen – mit dem Ziel, das Null-Emissions-Logistiknetzwerk von NexDash europaweit zu skalieren.

Die skulio-Gründer Elias Perez und Teoman Köse möchten mithilfe von künstlicher Intelligenz Lehrkräfte bei der Unterrichtsvorbereitung entlasten und Schüler*innen individuell fördern.

Mit der Finanzierung wird das Start-up aus Köln nun bei der Weiterentwicklung seiner KI-Lösung für Schulen unterstützt. Das Ziel der Gründer ist es, jede Lehrkraft dabei zu unterstützen, das Beste aus sich herauszuholen, Schüler*innen individuell und inklusiv zu fördern und die Bildung zu verbessern.

„Die Heterogenität in Schulklassen ist enorm groß und dennoch wird kaum individuell gefördert. Mit unserer Lösung ermöglichen wir es Lehrkräften viel Zeit zu sparen und ihre Schüler*innen gezielt auf ihre Bedürfnisse zu fördern. Das ist ohne unsere KI in der Praxis momentan gar nicht umsetzbar”, sagt Elias Perez, Mitgründer von skulio.

Der offizielle Launch von skulio ist für das Frühjahr 2026 geplant. Schulen haben die Möglichkeit, eine Schullizenz für ihr Kollegium zu erwerben, während Lehrkräfte auch Einzellizenzen nutzen können. Bereits jetzt führt Elias Perez Gespräche mit interessierten Schulen aus ganz Deutschland, die ihre innovative KI-Lösung künftig einsetzen möchten. Schulen aus jedem Bundesland können sich bei Interesse direkt an Elias Perez wenden.

Das exist Programm fördert innovative, technologieorientierte und wissensbasierte Gründungsvorhaben aus Hochschulen und Forschungseinrichtungen. Ziel des Programms ist es, die Gründungskultur in Deutschland zu stärken und den Transfer von Forschung in marktfähige Produkte zu beschleunigen.

Die unübersichtliche Datenlandschaft und viele zeitintensive manuelle Prozesse in der Pharmaindustrie führen dazu, dass es nach der Zulassung über ein Jahr dauern kann, bis neu entwickelte, lebensrettende Medikamente zu den Patientinnen und Patienten gelangen, die sie benötigen. Market Access-, Pricing-, HTA- und HEOR-Teams haben die mühsame Aufgabe, Unterlagen für die behördliche Zulassung sowie Strategien für die Preisgestaltung und Erstattung von Medikamenten zu erstellen. Vor diesem Hintergrund geben Pharmaunternehmen oft ein Vermögen aus, um Zugang zu wichtigen Preis- und Marktdaten zu erhalten, oder beauftragen Dritte mit der Vervollständigung dieser Daten.

Cellbyte hat eine KI-Plattform für Teams entwickelt, die an der Markteinführung von Medikamenten beteiligt sind. Diese ermöglicht es ihnen, mühelos Millionen von Datenpunkten aus klinischen Studien, der Preisgestaltung, HTA (Health Technology Assessments) und regulatorischen Vorgaben sowie aus internen Unternehmensquellen in Echtzeit zu analysieren. Durch die Bereitstellung schneller, zuverlässiger und qualitativ hochwertiger Erkenntnisse hilft Cellbyte dabei, Dokumente zu erstellen, Abläufe für die Markteinführung effizienter zu gestalten und Go-to-Market-Strategien in deutlich kürzerer Zeit zu entwickeln.

Felix Steinbrenner, Co-CEO und Mitgründer von Cellbyte, erklärt: „Der Erfolg des gesamten Lebenszyklus eines Medikaments entscheidet sich in der Einführungsphase. Um die besten Entscheidungen für die Markteinführung zu treffen, sind Erkenntnisse aus Gigabytes an genauen, aktuellen Informationen erforderlich. Die Aufmerksamkeit, die Cellbyte seit seiner Einführung bei einigen der weltweit größten Pharmaunternehmen erlangt hat, zeigt, dass die Branche bereit ist, die Workflows für die Markteinführung von Medikamenten neu zu denken und schnellere, kostengünstigere sowie qualitativ hochwertige Prozesse einzuführen.“

Daniel Moreira, Co-CEO und Mitgründer von Cellbyte, ergänzt: „Während meiner langjährigen Tätigkeit in der Life-Science-Beratung habe ich unzählige Innovationen erlebt, die die klinische Entwicklung verändert haben. Im Bereich Preisgestaltung und Marktzugang basieren Entscheidungen jedoch immer noch zu oft auf manuellen Tätigkeiten und anekdotischer Evidenz, obwohl Informationen im Überfluss vorhanden sind. Generative KI verändert dies nun, und wir sind stolz darauf, diesen Wandel voranzutreiben.“

Das Unternehmen verzeichnet ein rasantes Wachstum. Bereits wenige Wochen nach der Gründung erreichte es einen sechsstelligen Jahresumsatz (ARR) und expandierte in wichtige globale Märkte. Das Team hat bereits einige Verträge mit globalen Pharmaunternehmen wie Bayer abgeschlossen und gewinnt kontinuierlich neue Kund*innen hinzu.

Mit den zusätzlichen finanziellen Mitteln plant Cellbyte, die Anzahl seiner Mitarbeitenden zu verdreifachen und seine Plattform weiter auszubauen, um der wachsenden Kundennachfrage gerecht zu werden. Die Investition soll es ermöglichen, das beachtliche Umsatzwachstum fortzusetzen und das Ziel voranzutreiben, das bevorzugte System für die Einführung neuer Medikamente weltweit zu werden.

Nach einer erfolgreichen Finanzierungsrunde über 5 Millionen US-Dollar, angeführt von General Catalyst, geben die beiden deutschen Gründerinnen Anna-Julia Storch und Leonie Freisinger heute den offiziellen Start von “Dryft” bekannt. Dryft ist eine neue Softwareplattform für Fertigungsunternehmen - ein sogenanntes Agentic Operating System-, das bestehende ERP-Systeme schrittweise ergänzen und langfristig ablösen soll.

Der innovative Ansatz von Dryft kombiniert kontextbewusste KI-Agenten mit präziser mathematischer Optimierung. Ziel ist es, komplexe operative Entscheidungen zu automatisieren, die bislang viel manuelle Abstimmung und Erfahrung erforderten. Damit richtet das Unternehmen seinen Fokus auf eine Softwarekategorie, die seit den 1970er-Jahren nur wenig Innovation und Weiterentwicklung erfahren hat.

Die Markteinführung erfolgt zu einem entscheidenden Zeitpunkt: Anhaltende Volatilität ausgelöst durch die COVID-Pandemie und geopolitische Unsicherheiten setzt eine Branche unter Druck, die laut Weltbank rund 16 % (in Prozent des BIP) der weltweiten Wirtschaftsleistung ausmacht. Das Ergebnis sind steigende Kosten, längere Lieferzeiten und erhebliche Ineffizienzen.

„Anstatt Fortschritte zu machen, bewegen wir uns rückwärts. Lieferzeiten haben sich von Wochen auf Monate oder sogar Jahre verlängert und die Volatilität wird weiter zunehmen. Wir müssen schneller reagieren, ob beim Aufbau von Kapazitäten für eine neue Impfstoffproduktion oder beim Hochfahren von Verteidigungsprojekten“, erklärt Dryft-Mitgründerin und CEO Anna-Julia Storch.

Die beiden an der Stanford University ausgebildeten Ingenieurinnen wollen die globale Lieferkette beschleunigen, indem sie eine neue Softwarekategorie schaffen, die zentrale Funktionen klassischer ERP-Systeme erweitert und perspektivisch ersetzt: Enterprise Resource Automation. „Unsere Arbeit ist erst dann getan, wenn unsere Nutzer*innen nicht mehr mit klassischen ERP-Systemen interagieren müssen“, sagt Storch. „Mit Dryft’s Agentic Operating System rücken ERP-Systeme zunehmend in den Hintergrund und dienen künftig vor allem als Datenbasis. Unser Ziel ist es, komplexe operative Entscheidungen zu automatisieren, sodass Fachkräfte zu Managern und Manager zu Strategen werden können. "Indem wir tausende Entscheidungen entlang des gesamten Fertigungszyklus vereinfachen, modernisieren wir eine Softwarekategorie mit einem Marktvolumen von über 100 Milliarden US-Dollar.”

Intelligente Entscheidungsfindung in Echtzeit

Im Gegensatz zu herkömmlichen ERP-Systemen, die primär als Planungswerkzeuge dienen, trifft die Plattform von Dryft in Echtzeit Entscheidungen über sämtliche Fertigungsprozesse. Dies reicht von der Bestimmung optimaler Bestellmengen bis hin zur automatischen Koordination mit Zulieferern, um pünktliche Lieferungen sicherzustellen.

Das System erfasst die Komplexität und das Erfahrungswissen von Produktionsunternehmen und trifft zugleich ökonomisch optimale Entscheidungen. Dieser hybride Ansatz ermöglicht es dem System, die zahllosen Störungen und Unwägbarkeiten der Fertigung, von verspäteten Lieferanten bis zu plötzlichen Änderungen im Produktionsplan, zu bewältigen, ohne dass ganze Planungsteams manuell eingreifen müssen. Dryft agiert an der Spitze des technologisch Machbaren und nutzt die neueste KI-Forschung, um eine neue Art der Lieferketten- und Produktionsplanung zu ermöglichen. Dryft’s Agentic Operating System löst damit das, was CEO Anna-Julia Storch als die zentrale Herausforderung der modernen Fertigung bezeichnet.

„Dryft handelt eigenständig, statt seinen Anwendern zusätzliche Arbeit zu verschaffen. Entscheidend dafür ist unser Fokus auf Design und Benutzerfreundlichkeit. Die meisten unserer Nutzer haben bislang nie hochwertige digitale Produktgestaltung erlebt – sie kennen nur Excel-Tabellen, E-Mails und ein ERP-System. Wenn sie Dryft sehen, sind viele erstaunt, wie mühelos Entscheidungsfindung sein kann, wenn ein System konsequent auf Anwenderfreundlichkeit ausgerichtet ist“, erklärt Storch.

Für die reale Welt gebaut

Die Gründerinnen Anna-Julia Storch und Leonie Freisinger lernten sich an der Stanford University kennen und bringen beide Karrieren in der Fertigungsindustrie mit. Storch, ehemalige internationale Skirennläuferin, arbeitete bereits vor ihrem Abschluss in Data Science mit einigen der größten Automobilzulieferer, um deren Mitarbeitenden in der Anwendung neuer Technologien zu schulen. Freisinger entwickelte die Entscheidungs- und Sicherheitssysteme für den Porsche Taycan und leitete Europas größte Studierendeninitiative im Bereich künstliche Intelligenz.

Beide teilen, wie Storch es beschreibt, eine „Leidenschaft für Geschwindigkeit und die physische Welt: Autos, Flugzeuge, Maschinen, Roboter“. Mit Dryft wollen sie ihre Leidenschaft für Geschwindigkeit und Agilität in Form einer revolutionären Software für die Fertigungsindustrie unter Beweis zu stellen.

Das Dryft-Team besteht aus Spezialisten in KI und Industrie, darunter Ingenieur:innen von Spitzenuniversitäten wie Stanford, Berkeley und MIT sowie ehemaligen Mitarbeitern von Unternehmen wie NASA, Nvidia, Siemens und Amazon.

„Dryfts Mission ist es, die physische Welt zu beschleunigen“, sagt Leonie Freisinger, CTO von Dryft. „Wir haben gesehen, wie die jüngsten Fortschritte in der Software die Welt verändert haben und wir sind überzeugt, dass ein ähnlicher Wandel nun im Hardware-Bereich bevorsteht. Dryft steht an der Spitze dieser Entwicklung, indem wir Fertigungsprozesse massiv beschleunigen. Dies ist der entscheidende Hebel, um in der physischen Welt schneller zu bauen und zu iterieren.“

Den Wandel zur Enterprise Resource Automation schaffen

Die Seed-Finanzierungsrunde über 5 Millionen US-Dollar soll den Aufbau der Dryft Plattform beschleunigen und den Übergang von klassischen ERP-Systemen hin zu Enterprise Resource Automation vorantreiben. Angeführt wurde die Runde von General Catalyst, mit Beteiligung von Neo, Sandberg Bernthal Venture Partners (mitgegründet von Sheryl Sandberg) sowie namhaften Angel-Investoren wie Jeff Wilke (ehemaliger CEO des weltweiten Endkundengeschäfts von Amazon), Qasar Younis (ehemaliger COO von Y Combinator und heutiger CEO von Applied Intuition), Claire Hughes Johnson (ehemalige COO von Stripe) und Dr. Markus Flik (ehemaliger CEO der Industrieunternehmen Behr, Homag und Chiron).

Die Finanzierungsrunde soll die Einstellung weiterer Ingenieur*innen beschleunigen und den Ausbau von Dryfts agentischem Entscheidungs-Engine vorantreiben, um der – laut den Gründerinnen – außergewöhnlich hohen Kund*innennachfrage gerecht zu werden.