Mitten in der Sommerpause sendet die europäische KI-Szene ein deutliches Lebenszeichen: Das Aachener KI-Start-up amber hat erfolgreich eine Series-A-Finanzierungsrunde über 7 Millionen Euro abgeschlossen. Angeführt wird diese Investition vom VC-Fonds der NRW.BANK, NRW.Venture, sowie dem Bestandsinvestor Ventech, der sein Engagement deutlich ausgebaut hat. Damit setzt das junge Unternehmen, das bereits mit etablierten Firmen wie Ritter Sport, Scheidt & Bachmann, Schüßler-Plan, Dalli, Hailo und Zentis zusammenarbeitet, seinen Wachstumskurs fort. Mit dem frischen Kapital ist zunächst die Expansion in die Benelux-Region sowie der Ausbau der Standorte in Aachen, Köln und Tirana geplant.

Von ambeRoad zu amber: Eine Aachener Evolutionsgeschichte

Die Geschichte von amber ist eng mit dem Forschungs-Ökosystem der Rheinisch-Westfälischen Technischen Hochschule (RWTH) Aachen verbunden. Die Gründer Bastian Maiworm (CRO), Philipp Reißel (CEO) und Igli Manaj starteten das Projekt zunächst 2017 unter dem Namen ambeRoad. Das Gründerteam kombiniert dabei Erfahrungen aus einem familiengeführten Unternehmen mit der tiefgehenden Forschungsexpertise der RWTH.

Über die Jahre wandelte sich das Unternehmen zum B2B-SaaS-Anbieter amberSearch, der im Frühjahr 2025 eine Seed-Finanzierung in Höhe von 2,1 Millionen Euro einfahren konnte. Mittlerweile hat das Start-up die Namensgebung erneut geschärft und firmiert nun schlicht unter amber. Die Umbenennung verdeutlicht den strategischen Shift: Die Vision geht deutlich weiter als eine intelligente Suche. Man positioniert sich als holistische Plattform an der Schnittstelle von unternehmerischer Praxis und führender KI-Forschung, die sich im Architekturansatz grundlegend von vielen rein AI-first-getriebenen Anbietern unterscheidet.

Der USP: Der proprietäre "AI Data Layer"

Eine zentrale Herausforderung im KI-Umfeld bleibt bestehen: Unternehmenswissen ist oftmals isoliert auf E-Mails, Dokumente, Cloud-Anwendungen und verschiedene interne Systeme verteilt. Dadurch fehlt KI-Lösungen häufig der notwendige Kontext, um verlässliche Ergebnisse zu liefern. Gleichzeitig geht in vielen Unternehmen wertvolles Erfahrungswissen verloren, wenn langjährige Mitarbeitende das Unternehmen verlassen oder in Rente gehen.

Hier greift amber an: Das Start-up hat einen proprietären AI Data Layer entwickelt, an dem bereits gearbeitet wurde, lange bevor generative KI massiv Einzug in die Unternehmenswelt hielt. Dieser Layer verknüpft, strukturiert und bringt verteilte Unternehmensdaten systemübergreifend in einen fachlichen Zusammenhang. Das System schafft ein einheitliches Verständnis der Daten, bevor Large Language Models zum Einsatz kommen. Das führt zu präziseren Antworten und steigert die Effizienz der eingesetzten Sprachmodelle, da diese mit bereits strukturierten und relevanten Informationen arbeiten können.

Mit der neuen Finanzierung soll amber von einem nutzergesteuerten Assistenzsystem zu einer autonomen Business-KI transformiert werden. Die KI soll Geschäftsprozesse verstehen, Nutzer*innen-Intentionen erkennen und anstehende Aufgaben eigenständig über verschiedene Unternehmenssysteme hinweg ausführen, um Mitarbeitende aktiv zu entlasten.

Deal-Fakten im Überblick

• Unternehmen: amber (ehem. amberSearch)
• Standorte: Aachen, Köln, Tirana
• Runde: Series A (7 Mio. Euro)
• Investoren: Ventech, NRW.Venture (NRW.BANK)
• Gründer: Bastian Maiworm, Philipp Reißel, Igli Manaj
• Namhafte Kund*innen: Scheidt & Bachmann, Ritter Sport, Zentis, Schüßler-Plan, Dalli, Hailo

Geschäftsmodell und Markt im Check

Die Vision, dem Mittelstand einen autonomen KI-Agenten zur Seite zu stellen, ist vielversprechend. Dennoch muss sich das Geschäftsmodell in einem komplexen Markt beweisen.

1. Der Wettbewerb: David gegen Goliath

Der Markt für Enterprise KI ist hart umkämpft. Mit Microsoft Copilot ist ein sehr mächtiger Konkurrent für viele KMU bereits durch die Office-Umgebung allgegenwärtig. Auch US-Startups wie Glean drängen mit massiver Kapitalausstattung in diesen Bereich, während lokale Player wie Aleph Alpha das europäische KI-Feld bespielen. Ambers Vorteil: Die konsequente Fokussierung auf den KMU-Sektor, gepaart mit hoher DSGVO-Sensibilität und dem proprietären Data Layer, der tief in die spezifischen On-Premise- und Cloud-Silos deutscher Mittelständler integriert werden kann.

2. Die Integrations-Realität im Mittelstand

Amber verspricht, dass Unternehmensdaten systemübergreifend verknüpft werden. In der Praxis sind IT-Landschaften in kleinen und mittleren Unternehmen jedoch oft historisch gewachsen, stark fragmentiert und von unsauberen Berechtigungsstrukturen geprägt. Eine "Business KI" ist oftmals nur so gut wie die zugrunde liegende Datenhygiene. Das Start-up muss beweisen, dass der AI Data Layer skalierbar bleibt und nicht pro Kund*in in einem langwierigen IT-Consulting-Projekt mündet.

3. Die Hürde der autonomen KI Der geplante Evolutionsschritt hin zu einer Plattform, die Aufgaben eigenständig erledigt, ist ambitioniert. Der deutsche Mittelstand agiert traditionell sicherheits- und risikoscheu. Einer KI die Befugnis zu erteilen, proaktiv in Geschäftsprozesse einzugreifen, erfordert extremes Vertrauen. Amber wird demonstrieren müssen, dass diese autonomen Abläufe verlässlich, transparent und jederzeit kontrollierbar bleiben.

Unser Fazit

Das 7-Millionen-Euro-Investment ist ein kräftiges Signal für den KI-Standort Nordrhein-Westfalen und Europa. Amber illustriert, dass man nicht zwangsläufig eigene riesige Foundation-Modelle trainieren muss, um KI nutzbar zu machen. Der nachhaltige Mehrwert liegt stattdessen oft darin, Unternehmenswissen strukturiert und zugänglich aufzubereiten.

Für B2B-Gründer*innen liefert die Entwicklung von amber wichtige Erkenntnisse: Die konsequente Adressierung echter Schmerzpunkte (Fachkräftemangel, Informationsverlust, Daten-Silos) gepaart mit einem starken technologischen Fundament kann auch in Märkten funktionieren, in denen Big-Tech dominieren. Meistert amber den Sprung zur verlässlichen autonomen Agenten-Architektur, könnte das Aachener Spin-off zu einem zentralen KI-Betriebssystem für den europäischen Mittelstand avancieren.

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

Das Marktumfeld für Wagniskapital in Deutschland galt in den vergangenen zwei Jahren als rau. Eine viel zitierte „Funding-Winter“-Phase dämpfte die Euphorie, große Wachstumsrunden wurden seltener. Umso bemerkenswerter ist der jüngste Meilenstein der Nufin GmbH, besser bekannt unter ihrem Markennamen Moss: Das Berliner Start-up sicherte sich 30 Millionen Euro in einer Series-C-Runde und überschreitet damit glatt die Milliardenbewertung. Moss gesellt sich somit zu einer neuen Generation deutscher Einhörner (Unicorns), zu der zuletzt auch die Mobilitätsfirma Finn und das Robotik-Unternehmen Neura Robotics zählten.

Angeführt wird die aktuelle Runde von Portage, dem kanadischen Fintech-Investment-Arm von Sagard, unter Beteiligung der Bestandsinvestoren Cherry Ventures. Dies ist bemerkenswert, da frühere Runden von Schwergewichten wie Valar Ventures (Peter Thiel) und Tiger Global Management dominiert wurden. Doch was steckt hinter dem rasanten Aufstieg, und wie behauptet sich das Geschäftsmodell in einem Markt, der von aggressiven Mitbewerbern geprägt ist?

Die Gründerhistorie: Aus dem Schmerz zur Lösung

Gegründet wurde Moss im Jahr 2019 von Ante Spittler (heutiger CEO), Anton Rummel, Ferdinand Meyer und Stephan Haslebacher. Die Ursprünge der Idee liegen im klassischen Gründer-Schmerz. Spittler, der vor der Gründung von Moss Erfahrungen im Venture Capital und in der Beratung sammelte, erlebte die finanziellen und administrativen Hürden von Start-ups aus erster Hand. Bei einer seiner früheren Unternehmungen dauerte es laut eigenen Angaben sechs Monate, um das finanzielle Chaos aufzuräumen, und weitere sechs Monate, um die Bücher endgültig zu schließen. „Alle Unternehmen, die ich gesehen hatte, hatten beim Aufbau ihrer Finanzabteilung mit denselben Problemen zu kämpfen“, resümierte Spittler im Rahmen der Entstehungsgeschichte.

Anfangs noch unter dem Namen Vanta gestartet (nicht zu verwechseln mit dem gleichnamigen US-amerikanischen Compliance-Start-up), fokussierten sich die Berliner zunächst darauf, moderne Firmenkreditkarten bereitzustellen, um das Spesen- und Ausgabenmanagement (Spend Management) zu digitalisieren. Das Team überzeugte schnell namhafte Geldgeber. Bereits kurz nach der Gründung stiegen Cherry Ventures und Global Founders Capital (Rocket Internet) ein. Im Jahr 2021 katapultierte Peter Thiels Fonds Valar Ventures das Start-up als Lead-Investor der Series-A auf die internationale Bühne, 2022 folgte Tiger Global mit 75 Millionen Euro für die Series-B – damals bei einer Bewertung von über 500 Millionen Euro.

• Umsatz & Wachstum: > 70 Mio. € ARR. Zuletzt 65 % Umsatzwachstum.
• Kundenstamm: > 5.000 Unternehmen. Aktiv in Deutschland, UK, den Niederlanden und Österreich. 2 Mio. Transaktionen monatlich.

Kritische Hinterfragung des Geschäftsmodells

Die Wachstumszahlen lesen sich beeindruckend: Über 70 Millionen Euro an wiederkehrenden jährlichen Umsätzen (ARR). Damit ergibt sich auf Basis der 1-Milliarde-Euro-Bewertung ein Multiple von knapp 14x, was im aktuellen SaaS-Klima als überaus ambitioniert gilt. Doch das Geschäftsmodell ist keineswegs ohne Herausforderungen.

Grundsätzlich verdienen Spend-Management-Plattformen ihr Geld über zwei Hauptsäulen:

1. Interchange Fees (Transaktionsgebühren): Bei jeder Kartenzahlung behält der Anbieter einen Prozentsatz ein. In der EU sind diese Gebühren für Firmenkreditkarten zwar nicht so rigide gedeckelt wie für Verbraucher, der Erlös pro Transaktion bleibt aber dennoch geringer als auf dem lukrativen US-Markt.
2. SaaS-Abonnementgebühren: Unternehmen zahlen monatliche Gebühren für die Nutzung der Software, das Rechnungsmanagement und tiefgreifende Integrationen (wie DATEV, Xero, Exact Online) sowie HR-Systeme (Personio, BambooHR, HiBob).

Kritiker*innen merken an, dass der Markt für Ausgabenmanagement extrem kompetitiv ist. Moss steht in direkter Konkurrenz zu enorm kapitalstarken Playern. Hinzu kommt eine wachsende Ausdifferenzierung: Für Software-lastige Start-ups können hybride Kostenmodelle unberechenbar werden, weshalb teils Spezialanbieter (wie Cledara für reines SaaS-Spend) oder etablierte Riesen (wie SAP Concur) vorgezogen werden. Die feste Bindung der Kunden über die Software (SaaS-Lock-in) ist für Moss folglich überlebenswichtig, da reine Kreditkartenfunktionen von Neobanken zunehmend als simples Standard-Feature angeboten werden.

Der Wettbewerb: Ein Rennen der Giganten

Moss bewegt sich keineswegs im luftleeren Raum. Der europäische Markt ist dicht besiedelt mit Playern, die fast identische Kernprobleme lösen wollen – darunter Pleo (Dänemark), Spendesk (Frankreich), Payhawk (Bulgarien/UK) und im DACH-Raum Circula. Zudem drängen US-Größen wie Brex, Ramp und Expensify weltweit auf den Markt.

Moss differenziert sich stark über tiefe Buchhaltungsautomatisierungen und einen extremen Fokus auf Sicherheit. Als BaFin-reguliertes Finanzinstitut unter dem PSD2-Rahmenwerk, ISO/IEC 27001:2022 zertifiziert, DORA-konform und mit Hosting auf der Google Cloud (GCP) in Frankfurt bedient Moss den strikten europäischen Sicherheitsanspruch punktgenau (inklusive Multi-Faktor-Authentifizierung, Biometrie und Vier-Augen-Prinzip).

Warum „nur“ 30 Millionen?

Eine Series-C-Runde mit 30 Millionen Euro, die ein Start-up in den Unicorn-Status hebt, wirft im Branchenvergleich Fragen auf. Zum Vergleich: Die Series-B umfasste noch stolze 75 Millionen Euro. Dies deutet auf zweierlei hin: Erstens hat Moss offensichtlich in den vergangenen Jahren eine sehr hohe Kapitaleffizienz bewiesen und verbrennt verhältnismäßig wenig Cash. Zweitens fungiert diese Runde weniger als klassische Kriegskasse für eine aggressive Marktexpansion, sondern primär als gezieltes strategisches Investment, um den Ausbau der neuen „Finance AI“-Suite voranzutreiben, ohne die Anteile der Gründer durch Verwässerung unnötig zu belasten. Es zeigt zudem eindrücklich, dass Investoren im aktuellen Klima weit mehr Wert auf Profitabilität als auf Wachstum um jeden Preis legen.

Der neue Rettungsanker: „Finance AI“ – Buzzword oder Gamechanger?

Das 30-Millionen-Ticket ist an ein klares strategisches Versprechen geknüpft: Die Weiterentwicklung zur „Finance AI“. Moss will es Kunden künftig ermöglichen, KI-Agenten für nahezu jeden Finanzjob frei zu konfigurieren.

Doch das Berliner Start-up setzt dabei bewusst auf eine eingebaute Kontrollmechanik. Statt vollautonomer Systeme bleibt der Mensch stets die letzte Instanz. In einer Umfrage unter 471 Führungskräften im Finanzbereich stellte Moss fest, dass 48 % der Befragten Kontrolle als oberste Priorität einstuften, während nur 6 % volle Autonomie wünschten. Investor Cherry Ventures fasste diesen Ansatz treffend zusammen: „Eine KI, die die Arbeit vorbereitet, ihre Herleitung bis auf das jeweilige Sachkonto nachvollziehbar macht und ohne Freigabe des Teams keine weitreichenden Aktionen ausführt.“

Kritisch betrachtet ist dies eine smarte Positionierung. So lässt sich das aktuelle Momentum des Begriffs „KI“ geschickt nutzen, ohne die massiven Haftungs- und Compliance-Risiken fehlerhafter automatischer Buchungen tragen zu müssen. Ob diese KI-Funktionen ausreichen, um Moss langfristig einen unüberwindbaren technologischen Burggraben gegenüber hochgerüsteten Wettbewerbern wie Spendesk oder Pleo zu sichern, wird die alles entscheidende Frage für die nächsten Geschäftsjahre sein.

Fazit: Ein starkes Signal für den Standort Deutschland

Der Aufstieg von Moss zum Unicorn ist ein starkes und dringend benötigtes Signal für das deutsche Start-up-Ökosystem. Ante Spittler und sein Team haben bewiesen, dass man auch in einem B2B-Markt, der oberflächlich betrachtet bereits überfüllt wirkt, durch exzellente Execution, starke Regulierungs-Compliance (BaFin, DORA) und einen tiefen Fokus auf lokale Kunden-Schmerzpunkte erfolgreich skalieren kann.

Dennoch wird die Luft an der Spitze zunehmend dünner. Moss muss in naher Zukunft beweisen, dass die vollmundig versprochene „Finance AI“ kein reines Marketing-Vehikel ist, sondern echten, messbaren SaaS-Mehrwert liefert, um die hohe Bewertungsgrundlage auch langfristig zu rechtfertigen.

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.

Rückblick ins Jahr 2020: Die Gründer Roland Moussavi und Philipp Henn treten an, um ein massives Infrastrukturproblem der Transportbranche zu lindern. Allein in Deutschland fehlen jede Nacht bis zu 30.000 Lkw-Stellplätze. Die Folgen sind übermüdete Fahrer*innen, gefährlich zugeparkte Autobahnausfahrten und ineffiziente Lieferketten.

Mit der Aparkado UG und der zugehörigen LKW.APP entwickelten sie ein System, das durch prädiktive Modelle und historische Geodaten die Auslastung von Parkplätzen prognostizieren soll. Die Anfangsphase war von den typischen Hürden geprägt: Investoren und Banken reagierten zunächst zurückhaltend, und auch die Zielgruppe der Berufskraftfahrer*innen musste erst schrittweise überzeugt werden.

Der Durchbruch gelang über Etappen: Das Start-up erhielt Förderung durch die Europäische Weltraumorganisation (ESA), wurde 2022 als überregionaler „Startup-Champ“ ausgezeichnet und baute seine Anwendung konsequent zu einer paneuropäischen Community-Plattform aus. Heute verzeichnet die LKW.APP nach Unternehmensangaben mehr als 85.000 aktive Nutzer in 44 Ländern und erfasst über 50.000 Parkplätze.

Der Deal: Konsequenter Schritt nach strategischem Investment

Bereits im Januar 2025 sicherte sich der in Erkrath ansässige FreightTech-Anbieter TIMOCOM eine strategische Beteiligung an Aparkado. Die Synergien lagen auf der Hand: TIMOCOM betreibt ein europaweites Logistiknetzwerk mit über 58.000 geprüften Unternehmen, besaß jedoch historisch wenig direkten Zugang zum/zur Endanwender*in in der Fahrer*innenkabine. Durch die schrittweise Verzahnung – unter anderem der Live-Sendungsverfolgung von TIMOCOM in der LKW.APP – testeten beide Partner die operative Zusammenarbeit.

Der Vollzug der Übernahme zum 1. August 2026 markiert nun den finalen Schritt. Während die LKW.APP für die Nutzer*innen unverändert bestehen bleibt, sichert sich TIMOCOM die mobile Entwicklungskompetenz und den direkten Zugang zur Fahrer-Community dauerhaft.

„Unser Ziel ist es, den TIMOCOM Road Freight Marketplace kontinuierlich entlang der Anforderungen des Transportalltags weiterzuentwickeln. Die erfolgreiche Zusammenarbeit mit Aparkado hat gezeigt, wie gut sich unsere Kompetenzen ergänzen. Mit der vollständigen Übernahme bündeln wir diese Expertise dauerhaft unter einem Dach und schaffen die Grundlage, mobile Innovationen und digitale Services für unsere Kunden konsequent weiterzuentwickeln“, so Tim Thiermann, Managing Partner bei TIMOCOM.

Markt & Wettbewerb

Der Markt für digitale Parkplatz- und Navigationslösungen im Güterverkehr gilt als hochkompetitiv und stark fragmentiert. Aparkado bewegte sich bisher im Umfeld etablierter Akteure wie Bosch Secure Truck Parking, KRAVAG Truck Parking oder dem niederländischen Anbieter Travis Road Services.

Während Wettbewerber*innen wie Bosch oder Travis primär auf B2B-Modelle setzen – also auf physisch gesicherte, reservierbare Stellplätze für Speditionen –, wählte Aparkado von Beginn an den B2C-Ansatz über die Fahrer*innenschaft. Dass diese Ansätze zunehmend verschmelzen, zeigte sich in der jüngeren Unternehmensentwicklung, in der Aparkado auch Buchungsfunktionen für gesicherte Partner-Parkplätze in die App integrierte.

Kritische Hinterfragung des Geschäftsmodells

Trotz des erfolgreichen Exits offenbart der Case die strukturellen Grenzen reiner Softwarelösungen im Logistiksektor. Denn: Eine App baut keinen Beton. Das fundamentale Problem des physischen Stellplatzmangels lässt sich digital nicht auflösen; Algorithmen können vorhandene Kapazitäten lediglich effizienter verteilen.

Zudem gilt die direkte Monetarisierung von Fahrer*innen (B2C) in der Branche als extrem schwierig, da die Zahlungsbereitschaft für digitale Zusatzdienste bei der Endzielgruppe gering ist. Das eigentliche Kapital von Aparkado lag folglich nie allein in der Parkplatzsuche, sondern in der aggregierten Aufmerksamkeit und den Daten einer hochspezifischen Community.

Das strategische Meisterstück der Gründer bestand darin, eine B2C-Anwendung als Türöffner für den B2B-Markt einzusetzen. Wer die Schnittstelle zum/zur Fahrer*in besetzt, kontrolliert einen entscheidenden Informationsknotenpunkt auf der letzten Meile.

Was Gründer*innen aus dem Exit lernen können

Der Verkauf von Aparkado an TIMOCOM bietet wertvolle Lehren für Gründer*innen im B2B- und Plattform-Bereich. Viele LogTech-Start-ups scheitern an den langwierigen Vertriebswegen und den komplexen Entscheidungsstrukturen etablierter Speditionen. Moussavi und Henn umgingen diesen Engpass, indem sie das unterdigitalisierteste, aber operativ kritischste Element der Lieferkette adressierten: den/die Fahrer*in selbst.

„Seit fünf Jahren begleiten wir mit der LKW.APP Berufskraftfahrer europaweit im Alltag, beginnend rund um das Thema Parken. Gemeinsam mit TIMOCOM entwickeln wir diesen Ansatz künftig weiter. Für uns ist das der Aufbruch in eine neue Phase“, so Roland Moussavi, Gründer von Aparkado.

Für TIMOCOM handelt es sich bei dem Zukauf nicht um ein Investment in Parkplatzdaten, sondern um einen strategischen Buy-out von mobiler Nutzer*innenreichweite und Software-Infrastruktur. Um sich gegenüber digitalen Plattformen und neuen Marktteilnehmer*innen zu behaupten, wird die direkte Schnittstelle ins Fahrzeug immer mehr zum Wettbewerbsvorteil.

Der Fall zeigt: Der maximale Exit-Wert eines Start-ups bemisst sich oft nicht an der ursprünglichen Einzelfunktion eines Produkts, sondern an der strategischen Relevanz des aufgebauten Netzwerks für einen etablierten Branchenplayer.

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.

Mit dem frischen Kapital will Aampere den Ausbau seiner volldigitalen Handelsplattform europaweit voranzutreiben. Bemerkenswert ist dabei das hohe Tempo: Nach einer Pre-Seed-Runde von 350.000 Euro im Sommer 2023 und einer Seed-Runde über 1,6 Millionen Euro im Oktober 2025 schiebt das Start-up nun direkt die nächste Millionensumme hinterher. Angeführt wird die aktuelle Runde erneut vom estnischen VC Trind Ventures – ein starkes Signal an den Markt. Zudem holte sich das Unternehmen strategisches Gewicht aus dem skandinavischen Raum an Bord: Die Vend Marketplaces ASA – die Gruppe hinter nordischen Plattform-Riesen wie FINN.no und Blocket – steigt als Minderheitsinvestor ein. Komplettiert wird die Runde durch den Consumer-Investor G-FUND, Bestandsinvestoren wie GIMIC sowie weitere Business Angels aus der Autoindustrie.

Reichlich PS im Gründer-Trio

Hinter Aampere steht das Trio Florian Reister (CEO), Niko Schmidt (CGO) und Maximilian Rost (CPO). Gegründet im Jahr 2022 in München, trat das Team an, um die Komplexität beim Wiederverkauf von Elektroautos aufzubrechen. Inzwischen bündelt das auf über 25 Mitarbeitende angewachsene Team handfeste Erfahrung aus der Corporate- und Start-up-Welt: Auf den Lebensläufen finden sich Stationen bei Porsche, Mercedes und KPMG, aber auch bei Limehome und dem direkten Konkurrenten Cardino. Dieser Mix zahlt sich offenbar aus: Laut Firmenangaben verzeichnete Aampere im vergangenen Jahr ein vierfaches Umsatzwachstum und verkauft inzwischen mehrere Tausend Elektrofahrzeuge pro Jahr.

Doch der Anfang in einem stark analogen Marktumfeld war kein Selbstläufer. Wie gewinnt man das Vertrauen der Händler*innen? „Der Schlüssel liegt immer im ersten Kauf“, erklärt CEO Florian Reister. Um diesen Einstieg zu erleichtern, griff das Team in die Trickkiste und ließ Händler das erste Fahrzeug erst nach der tatsächlichen Lieferung bezahlen. „Sobald wir bewiesen haben, dass unsere Versprechen – transparente Zustandsinfos, zeitsparende Transaktion und schnelle Lieferung – wirklich funktionieren, werden neue Kunden zu langfristigen Partnern“, betont Reister.

„Smartphones on Wheels“: Der digitale C2B-Verkauf

Aampere fungiert als Vermittler zwischen privaten oder gewerblichen Verkäufer*innen und einem europaweiten Händler*innennetzwerk. Der Ablauf ist konsequent digitalisiert: Eine Software ermittelt den Wert, gefolgt von einem digitalen Zustands- und Historiencheck, bevor das Auto europaweit versteigert wird. Doch wie sichert sich die Plattform gegen unentdeckte Mängel am kritischen Bauteil Batterie ab, wenn niemand das Auto vor Ort inspiziert?

Reister gibt sich hier selbstbewusst: „Elektroautos sind Smartphones on Wheels.“ Anders als beim Verbrenner, wo Laufgeräusche oder Geruch physisch gecheckt werden müssten, sei bei E-Autos allein die Datenlage entscheidend. Aampere wertet Fahrzeughistorien sowie Herstellerdaten aus und prüft markenspezifisch, ob die Batteriegarantie noch greift. Reister verspricht: „Mit jedem Monat und damit weiteren Daten erlernt der Wertalgorithmus immer präziser die Wertindikation zu berechnen.“

Geld verdient das Münchner Start-up über Arbitrage – also die Differenz zwischen dem Höchstgebot der Händler*innen und dem Auszahlungsbetrag an den/die Verkäufer*in. Nimmt der/die Verkäufer*in an, überweist Aampere das Geld noch vor der Abholung und löst sogar bestehende Kredite direkt bei der Bank ab. Ein Modell, das enorm viel Kapital bindet? Reister verneint und verweist auf das geschickte Timing der Zahlungsströme: „Wir haben keine gebundene Liquidität. Wir kaufen Fahrzeuge für eine juristische Sekunde an und verkaufen sie direkt an den höchstbietenden Händler weiter.“ Da der Händler zuerst an Aampere zahle und das Start-up erst danach den Verkäufer auszahle, trage man während der Haltezeit kein Preisrisiko.

Kritische Markteinordnung und Volatilität

Trotz einer hohen Kund*innenzufriedenheit von 4,9 Sternen auf Google bewegt sich Aampere auf einem schmalen Grat. Volatile Förderpolitik und massive Rabatte bei Neuwagen setzen die Gebrauchtwagenpreise spürbar unter Druck. Darauf angesprochen, kontert Reister gelassen: „Volatilität ist für uns keine Bedrohung, sondern eine Chance, Marktanteile auszubauen.“ Weil Aampere Fahrzeuge nur für jene besagte „juristische Sekunde“ auf der Bilanz habe, entfalle das Restwertrisiko klassischer, asset-lastiger Plattformen. Zudem helfe die geografische Streuung: Durch das europaweite Händlernetz auf Käuferseite würden Preisausschläge abgedämpft – ein Puffer, den nationale Player nicht bieten können.

Wettbewerb: Kampf der Giganten

Das makroökonomische Umfeld bietet reichlich Rückenwind: Die Besitzumschreibungen von gebrauchten Elektroautos in Deutschland stiegen laut Kraftfahrt-Bundesamt in den vergangenen drei Jahren um durchschnittlich rund 60 Prozent jährlich. Dennoch bleibt das Wettbewerbsumfeld hart. Reichweitenriesen wie Mobile.de und AutoScout24 dominieren den Markt, während C2B-Schwergewichte wie die Auto1 Group über perfektionierte Logistiknetzwerke verfügen.

Was also ist der technologische Burggraben der Münchner, sollten diese Giganten voll auf E-Autos umschwenken? „Aampere hat einen unfairen Wettbewerbsvorteil: 100 Prozent Fokus auf E-Autos“, gibt sich Reister kämpferisch. Der rein digitale Prozess komme gänzlich ohne teure Ankaufsstellen aus. Während E-Autos für Branchengrößen wie Auto1 gerade einmal ein Prozent des Volumens ausmachten, widme sich Aampere jeden Tag ausschließlich dieser spezifischen Zielgruppe.

Fazit und Ausblick

Für das Start-up-Ökosystem beweist Aampere, dass sich spezialisierte Marktplätze auch in unsicheren Zeiten behaupten können. Die größte Aufgabe für das Gründer-Trio liegt nun darin, die Marktanteile so schnell auszubauen, dass ein Frontalangriff großer Konkurrent*innen unwirtschaftlich wird.

Auf die Frage nach dem konkreten Einsatz der frischen 4,2 Millionen bedient Reister zwar zunächst die typischen Tech-Buzzwords – künftig sollen Telematikdaten für tiefere Fahrzeug-Insights und KI-Features für eine bessere Conversion Rate sorgen –, wird bei den operativen Skalierungshürden aber erfrischend ehrlich. Der CEO räumt ein, dass die Europa-Expansion kein Selbstläufer ist: „Wir haben gelernt, dass jedes Land spezifische Anforderungen mit sich bringt.“ Aampere werde in Zukunft deshalb keine „One-Size-Fits-It-All“-Lösung sein, sondern gezielt auf länderspezifische Eigenheiten eingehen. Gelingt es Aampere, mit diesem Ansatz die Hürden der europäischen Skalierung zu meistern, rückt die große Mission tatsächlich in greifbare Nähe.

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.

Die nackten Zahlen markieren einen historischen Meilenstein für das europäische Tech-Ökosystem: Das Münchner DefenseTech-Start-up Helsing hat eine Series-E-Finanzierungsrunde in Höhe von 1,8 Milliarden US-Dollar abgeschlossen und wird nun mit astronomischen 18 Milliarden US-Dollar bewertet.

Die Investorennachfrage überstieg das verfügbare Volumen deutlich. Das Konsortium liest sich wie das Who-is-Who des globalen Kapitals: Unter anderem sind Dragoneer, Lightspeed Venture Partners, Goldman Sachs, JPMorganChase, General Catalyst und Plural an Bord. Trotz der massiven US-Beteiligung bleibt Helsing mehrheitlich in europäischem Besitz. Dem Verwaltungsrat sitzen weiterhin Spotify-Gründer Daniel Ek sowie der ehemalige Airbus-Chef Tom Enders vor.

Doch was steckt hinter dem rasanten Aufstieg des Unternehmens, wer sind die Köpfe dahinter und wie tragfähig ist das Modell, die Verteidigung der Zukunft primär durch Software zu definieren?

Die Gründer: Vom Gaming und Ministerium zum Rüstungs-Unicorn

Helsing wurde im März 2021 gegründet. Hinter dem Unternehmen steht ein ungewöhnliches, interdisziplinäres Gründer-Trio, das bewusst aus völlig unterschiedlichen Welten zusammenkam:

• Torsten Reil (Co-CEO): Studierter Biologe und KI-Experte aus der Gaming-Industrie. Er gründete zuvor NaturalMotion (ein Spin-off der Universität Oxford), dessen Animationssoftware in Blockbuster-Spielen wie GTA genutzt und später für über 520 Millionen Dollar an Zynga verkauft wurde.
• Dr. Gundbert Scherf (Co-CEO): Bringt die strategisch-politische Tiefe. Er war zuvor Beauftragter im Bundesverteidigungsministerium und kennt die starren, oft langwierigen Beschaffungsprozesse des Militärs aus eigener Erfahrung.
• Niklas Köhler (President & CPO): Spezialist für Deep Learning, der die technologische Expertise für die Software-Architektur beisteuert.

Die Gründungsidee basierte auf der Erkenntnis, dass gigantische Mengen an Sensordaten des Militärs ungenutzt bleiben und moderne Kriegsführung maßgeblich durch Software entschieden wird. Spotify-Gründer Daniel Ek glaubte früh an diese Vision und finanzierte das Vorhaben im November 2021 über sein Investmentvehikel Prima Materia mit einer für europäische Verhältnisse beispiellosen Seed-Runde von 100 Millionen Euro.

Das Geschäftsmodell: Silicon Valley statt „Cost-Plus“

Traditionelle Rüstungskonzerne arbeiten vornehmlich nach dem sogenannten „Cost-Plus“-Modell: Der Staat beauftragt und finanziert die jahrelange Entwicklung von militärischer Hardware. Helsing dreht diesen Prozess als softwaregetriebener Disrupter um: Das Unternehmen entwickelt primär mit privatem Risikokapital, um marktreife Softwarelösungen schnell und flexibel an das Militär verkaufen zu können.

Helsings Kernprodukt ist eine KI-Plattform, die riesige Mengen an Sensordaten auf dem Schlachtfeld in Echtzeit auswertet, fusioniert und vernetzt. Mittlerweile integriert das Startup seine Technologie sowohl in bestehende Großplattformen – wie beim Upgrade der elektronischen Kampfführung des Eurofighters – als auch in neue, softwaregesteuerte Systeme. Dazu zählt die Ausstattung autonomer Drohnenschwärme („Loitering Munition“) ebenso wie KI-Software für die Unterwasser-Überwachung.

Markt und Wettbewerber: Das Betriebssystem des Krieges

Der Markt für „Defense Tech“ erlebt durch die veränderte geopolitische Weltlage und weltweit drastisch steigende Verteidigungsbudgets einen massiven Boom. Helsing positioniert sich hier als die souveräne, europäische Antwort auf die US-Dominanz.

Die Hauptkonkurrenz stammt direkt aus dem Silicon Valley:

• Anduril Industries: Das vom Oculus-Gründer Palmer Luckey initiierte Unternehmen verfolgt einen ähnlichen Ansatz (Lattice OS), skaliert massiv die Produktion autonomer Systeme und wird im Peak bereits im hohen zweistelligen Milliardenbereich taxiert.
• Palantir: Der US-Datenriese ist der Pionier bei der Datenfusion für Geheimdienste und Militär, weshalb Helsing in der Branche oft als das „europäische Palantir“ bezeichnet wird.

Kritische Würdigung: Die Belastungsprobe des Hypes

Trotz des gewaltigen Aufschwungs erfordert das Modell Helsing eine nüchterne, kritische Betrachtung:

1. Bewertungsblase vs. staatliche Trägheit: Eine Bewertung von 18 Milliarden Dollar preist ein extremes, fast fehlerfreies Zukunftswachstum ein. Obwohl Helsing prestigeträchtige Regierungsaufträge sichern konnte, bleiben europäische Beschaffungsprozesse bürokratisch. Ob die realen Umsätze die Erwartungen des Venture Capitals dauerhaft rechtfertigen, muss sich erst noch zeigen.
2. Die Ethik der Autonomie: Helsing verweist stets auf restriktive ethische Standards und die Prämisse, ausschließlich mit Demokratien zusammenzuarbeiten. Dennoch berührt der Einsatz von KI-Systemen, die innerhalb von Millisekunden Ziele erkennen und priorisieren, ethische rote Linien. Die lückenlose Kontrolle durch den Menschen (Human-in-the-loop) bleibt in der Hochgeschwindigkeits-Kriegsführung ein rechtliches und moralisches Spannungsfeld.

Was das Start-up-Ökosystem von Helsing lernen kann

Für Gründerinnen und Gründer jenseits der Rüstungsindustrie liefert der Case Helsing drei fundamentale Learnings:

• Radikale Talent-Dichte: Die Gründer betonen unermüdlich, dass Recruiting absolute Chefsache ist. Um traditionelle Branchen zu überholen, bedarf es einer kompromisslosen Konzentration auf die besten Tech-Talente des Marktes.
• Vom Problem her gründen: Das Team spürte eine geopolitische Dringlichkeit und baute das Unternehmen mitten in einer globalen Zeitenwende auf, statt in vermeintlich sicheren, rein zivilen Nischen zu verharren.
• Ein starkes, klares Narrativ: Um hochqualifizierte Software-Entwickler aus der zivilen Tech-Welt für das ethisch sensible Defense-Segment zu gewinnen, braucht es Sinnstiftung. Helsing löst dies durch das klare, übergeordnete Versprechen, die technologische Souveränität westlicher Demokratien zu schützen.

Helsing hat bewiesen, dass man in Europa aus dem Stand ein hochkapitalisiertes Deep-Tech-Unicorn formen kann. Der finale Lackmustest wird nun sein, ob die Software die extremen Erwartungen der Investoren und die raue, sicherheitspolitische Realität langfristig ausgleicht.

Der Markt für Gastro-Bewertungen ist heiß umkämpft und wird von Giganten wie Google Maps und TripAdvisor dominiert. Dennoch wagen Gründer*innen immer wieder den Vorstoß in Nischen. Der neueste Akteur: Die App DishDrop, entwickelt vom 22-jährigen Bertin Kabanda. Sein Versprechen: Nicht das Restaurant als Ganzes wird bewertet, sondern das einzelne Gericht auf dem Teller. Eine spannende Idee, die vor allem durch ihre Entstehungsgeschichte aufhorchen lässt – denn DishDrop ist ein Kind der fortschreitenden KI-Demokratisierung.

Bootstrapping im KI-Zeitalter

Bertin Kabanda hat die App, die seit Sommer 2026 im Apple App Store verfügbar ist, weitgehend im Alleingang hochgezogen. Möglich wurde dies laut Gründerangaben durch den intensiven Einsatz moderner KI-Tools, die das Fehlen eines Entwickler- und Designteams kompensierten. Von der Code-Generierung über das UI-Design bis hin zur Fehlersuche fungierte die künstliche Intelligenz als digitaler Co-Founder. Das senkt die Einstiegshürden für Tech-Start-ups massiv und macht DishDrop zu einem Paradebeispiel für den Trend des „AI-assisted Solopreneurship“.

„Als ich mit DishDrop angefangen habe, konnte ich überhaupt nicht programmieren“, blickt der 22-Jährige auf die dreimonatige, oft bis tief in die Nacht reichende Entwicklungsphase zurück. Statt auf menschliche Hilfe verließ er sich auf ChatGPT und Claude. „KI war für mich kein Ersatz für einen Entwickler, sondern mein täglicher Lernpartner“, so Bertin.

Doch trotz des digitalen Co-Piloten war das Projekt kein Selbstläufer. „Am schwierigsten war für mich nicht ein einzelner Fehler, sondern das Zusammenspiel der verschiedenen Technologien“, räumt der Gründer ein. Schon kleine Patzer ließen etwa die Registrierung scheitern, weil die Daten zwischen der auf Next.js basierenden App und dem Backend nicht richtig kommunizierten. Auch bei der Kartenfunktion musste er kapitulieren und von Google Maps auf das simplere OpenStreetMap wechseln. Eine heilsame Lektion für den Solopreneur: „KI kann einem viele Wege zeigen, aber sie nimmt einem nicht die Verantwortung ab, technische Entscheidungen zu treffen und aus Fehlern zu lernen.“

Der Fokus aufs Detail

Die fundamentale These von DishDrop lautet: Eine Restaurant-Gesamtbewertung greift zu kurz. Ein erstklassiger Italiener kann eine unterdurchschnittliche Carbonara servieren; eine unscheinbare Pizzeria dagegen die beste Lasagne der Stadt. Nutzer*innen können auf der Plattform gezielt einzelne Speisen bewerten, Fotos hochladen und so eine feingranulare kulinarische Landkarte erstellen.

Doch jede neue Plattform kämpft mit dem klassischen „Henne-Ei-Problem“: Ohne Content keine Nutzer*in, ohne Nutzer*in kein Content. Bertin geht dieses Problem mit brutaler Ehrlichkeit an und verweist auf die noch winzigen Kennzahlen seines Start-ups: Aktuell verzeichnet DishDrop gerade einmal 41 registrierte Nutzer*innen, 44 Downloads und 57 bewertete Gerichte.

„Netzwerkeffekte entstehen Schritt für Schritt“, gibt sich der App-Macher gelassen. Anstatt künstlich Reichweite aufzublasen, setzt er auf analoges Guerilla-Marketing: Er spricht persönlich mit Food-Creatorn und verteilt Visiten- sowie Tischkarten direkt in den Restaurants. Langfristig sollen Gamification-Elemente wie Badges, Rankings und Streaks die Community bei Laune halten. Bertins Vision ist klar: „Wenn jemand die beste Carbonara oder das beste Curry einer Stadt sucht, interessiert ihn in erster Linie genau dieses Gericht. Genau auf dieses Suchverhalten möchte ich DishDrop langfristig ausrichten.“

Qualitätssicherung in der Nische: Zwischen Anspruch und Realität

Wenn der Fokus derart auf einzelnen Speisen liegt, steigt die Anforderung an die Qualität der hochgeladenen Inhalte massiv. DishDrop lebt von echten Fotos und verlässlichen Einschätzungen. Doch je relevanter die Plattform wird, desto größer ist das Risiko von gezielten Manipulationen durch Gastronom*innen, die ihre eigenen Gerichte ins Rampenlicht rücken wollen.

Auf die Frage, wie er seine App vor systematischen Fake-Bewertungen schützen will, bleibt der Gründer noch vage und verweist auf künftig geplante Standard-Maßnahmen wie eine Meldefunktion und die automatische Erkennung ungewöhnlicher Bewertungsmuster. Gleichzeitig bemüht er sich um eine realistische Einordnung: „Keine Plattform kann garantieren, dass es niemals Fake-Bewertungen geben wird – selbst die größten Anbieter stehen vor dieser Herausforderung.“

Seine Hoffnung ruht vielmehr auf dem Konzept selbst. Da die User*innen nicht nur Sterne vergeben, sondern konkrete Fotos der Gerichte hochladen müssen, sei die Hürde für Fälschungen ohnehin höher. „Dadurch entstehen nachvollziehbarere Inhalte als bei einer reinen Gesamtbewertung“, argumentiert Bertin.

Gegen die Übermacht von Google und Co.

DishDrop ist mit dem Fokus auf Einzelgerichte nicht gänzlich allein auf dem Markt. In der Vergangenheit haben sich bereits verschiedene Start-ups an ähnlichen Konzepten versucht, scheiterten jedoch oft an der langfristigen Monetarisierung und der schieren Marktmacht von Google Maps. Der Suchriese integriert längst KI-gestützte Fotoanalysen, die Speisekarten auslesen und populäre Gerichte hervorheben. Zudem ist DishDrop derzeit nur für das iPhone verfügbar, was den Markt stark limitiert.

Wie also will Bertin Kabanda einen langfristigen Burggraben (Moat) gegen diese Datenübermacht aufbauen? Dass Google seine Funktionen technisch leicht kopieren könnte, bestreitet der Gründer gar nicht erst. „Der eigentliche Burggraben entsteht deshalb nicht allein durch die Technologie, sondern durch die Community“, betont er stattdessen. „Technologie lässt sich kopieren – eine aktive Community mit echten Erfahrungen, Fotos und Bewertungen zu einzelnen Gerichten nicht.“

Ein großes Fragezeichen bleibt jedoch die Monetarisierung. Aktuell wirft die App kein Geld ab. Bertin schließt B2B-Datenverkäufe oder Premium-Features für Gastronom*innen zunächst aus und fasst stattdessen vage kostenpflichtige Zusatzfunktionen für die Endnutzer*innen ins Auge. „Mir ist wichtig, dass sich die Monetarisierung an den Interessen der Nutzer orientiert und nicht den eigentlichen Zweck der Plattform verändert“, verspricht der Solo-Gründer.

Fazit und Ausblick

DishDrop ist ein faszinierendes Experiment an der Schnittstelle von FoodTech und Solopreneurship. Es zeigt eindrucksvoll, wie weit ein einzelner Gründer im Jahr 2026 dank künstlicher Intelligenz kommen kann. Ob das Produkt jedoch den Sprung von der technischen Machbarkeit zu einem nachhaltigen Plattform-Unternehmen schafft, hängt primär davon ab, ob die Nutzer*innen den Fokus auf das „Gericht“ gegenüber der etablierten Bequemlichkeit von Google-Rezensionen vorzieht.

Die Zahlen lassen aufhorchen, selbst im oft von Superlativen geprägten Tech-Ökosystem: Insgesamt 91 Millionen Euro fließen in das 2022 gegründete Münchner Start-up QuantumDiamonds. Davon stammen 15 Millionen Euro aus einer Series-A-Runde, angeführt vom World Fund und unter Beteiligung von Bayern Kapital, IQ Capital, Earlybird und weiteren namhaften VCs. Den wahren Hebel liefert jedoch die öffentliche Hand: 76 Millionen Euro fließen als nicht verwässernde Direktförderung im Rahmen des European Chips Acts, bereitgestellt vom Bundeswirtschaftsministerium und dem Freistaat Bayern. Das ambitionierte Ziel: Noch im Jahr 2026 soll in München der erste Bauabschnitt einer 152 Millionen Euro teuren Produktionsstätte für quantenbasierte Halbleiterprüftechnik in Betrieb gehen.

Die Historie: Vom TUM-Labor in die globalen Fabs

Hinter QuantumDiamonds stehen Kevin Berghoff (CEO) und Dr. Fleming Bruckmaier (CTO), die das Unternehmen als Spin-off der Technischen Universität München (TUM) und gefördert durch die TUM Venture Labs gründeten. Berghoff, der Management studierte und zuvor als Berater bei McKinsey Tech-Konzerne zu Wachstumsstrategien beriet, liefert das kommerzielle Rüstzeug. Bruckmaier, promovierter Quantenphysiker der TUM mit Masterabschluss der ETH Zürich, bringt die technologische Tiefe mit.

Die Entwicklungsgeschwindigkeit des Teams ist enorm: Nach ersten Prototyping-Grants sicherte sich das Start-up Ende 2023 eine Seed-Finanzierung in Höhe von 7 Millionen Euro. Nur rund zweieinhalb Jahre später expandierte QuantumDiamonds im Frühjahr 2026 nach Taiwan und ins kalifornische Silicon Valley, um strategisch nah an den asiatischen und US-amerikanischen Halbleiter-Clustern zu operieren.

Das Problem und die technologische Lösung

Der größte Engpass der modernen Chipindustrie liegt im Qualitätsmanagement. Halbleiter werden nicht mehr nur flach (2D), sondern zunehmend in komplexen, mehrlagigen 3D-Architekturen (Advanced Packaging) verbaut – eine Grundvoraussetzung für leistungsstarke KI-Anwendungen. Traditionelle Prüfverfahren erfordern oft das physische Zerschneiden von Chip-Proben. Das dauert teils Wochen und zerstört das wertvolle Produkt.

Hier setzt QuantumDiamonds an: Das Unternehmen nutzt sogenannte Stickstoff-Vakanzzentren (NV-Zentren) in synthetischen Diamanten als Quantensensoren. Diese Sensoren messen Magnetfelder, die durch fließende elektrische Ströme in den Chips entstehen, optisch und auf den Nanometer genau. Der entscheidende Vorteil: Das Verfahren arbeitet zerstörungsfrei und reduziert den Prozess der Fehlererkennung von Wochen auf wenige Minuten.

Geschäftsmodell, Markt und Wettbewerb

So brillant die Technologie im Labor glänzt, so steinig ist der vor QuantumDiamonds liegende Weg in den globalen Markt. Ein kritischer Blick auf die strategischen Hürden:

• Das „Valley of Death“ der Hardware-Skalierung (Capex-Risiko): Ein 152-Millionen-Euro-Produktionsstandort ist für ein junges Unternehmen ein gigantisches finanzielles Wagnis. Hardware-Start-ups scheitern besonders in Europa oft an der extremen Kapitalintensität (Capital Expenditure, Capex). Ohne die massiven Subventionen aus dem European Chips Act hätten traditionelle Venture-Capital-Geber ein solches Vorhaben kaum allein geschultert. Das Geschäftsmodell ist somit stark von politischen, industriestrategischen Konjunkturen abhängig.
• Der harte Kampf um den „Inline“-Betrieb: Bislang werden die Werkzeuge von QuantumDiamonds vor allem für stichprobenartige Analysen in Laboren eingesetzt. Das erklärte Ziel ist es jedoch, hochskalierte Inspektionssysteme für die 100-prozentige Qualitätskontrolle direkt am Fließband (Inline-Inspektion) zu etablieren. In den Reinräumen der Chip-Giganten zählt jede Sekunde. Die Anlagen müssen im 24/7-Betrieb absolut ausfallsicher laufen. Die Halbleiterbranche gilt als extrem konservativ, wenn es darum geht, völlig neue physikalische Messmethoden in laufende, hochempfindliche Prozesse zu integrieren.
• Klumpenrisiko im Oligopol: Laut eigenen Angaben arbeitet das Start-up bereits mit neun der zehn weltweit führenden Chip-Hersteller zusammen. Der Markt ist jedoch ein extremes Oligopol (bestehend aus wenigen Playern wie TSMC, Intel oder Samsung). Das bedeutet: Einige wenige Großkunden diktieren die Bedingungen, und die Verkaufszyklen für Multimillionen-Dollar-Maschinen sind enorm lang. Um planbar zu wachsen, muss es QuantumDiamonds gelingen, neben dem Hardware-Verkauf wiederkehrende Umsätze über Software- und Wartungsabonnements (Software-as-a-Service zur Datenanalyse) zu etablieren.
• Die Konkurrenz der Branchenriesen: Im spezifischen Bereich der Quanten-Metrologie für Halbleiter besitzt QuantumDiamonds derzeit einen technologischen Vorsprung. Der eigentliche Wettbewerb droht jedoch durch die Verdrängung etablierter, klassischer Inspektionsverfahren von Markt-Goliaths wie der KLA Corporation oder Applied Materials. Diese US-Konzerne verfügen über milliardenschwere F&E-Budgets und jahrzehntelange, tief verzweigte Lieferbeziehungen zu den Chip-Fabriken.

Einordnung für die Start-up-Szene

Der Case QuantumDiamonds ist für die europäische Gründungsszene ein wichtiges Signal und ein Paradebeispiel für eine kluge Finanzierungsstrategie. Das Gründerteam beweist, wie sich das aktuelle geopolitische Momentum – der Wille der EU und des Bundes, technologische Souveränität in der Halbleiter-Lieferkette aufzubauen – als massiver Hebel für das eigene Wachstum nutzen lässt.

Während sich ein Großteil der Investor*innen derzeit im weniger kapitalintensiven B2B-SaaS- und KI-Softwaremarkt tummelt, zeigt QuantumDiamonds: DeepTech-Hardware Made in Germany ist finanzierbar, wenn VC-Geld intelligent mit hochvolumigen staatlichen Fördertöpfen kombiniert wird. Meistert das Team nun den Übergang von der universitären Ausgründung zum verlässlichen Serienproduzenten für die anspruchsvollsten Fabs der Welt, könnte in München ein neuer europäischer Hardware-Champion nach dem Vorbild des niederländischen Tech-Riesen ASML heranwachsen.

Der Übergang zu einer Kreislaufwirtschaft in der Textilbranche stockt oft an einer ganz entscheidenden Stelle: der hochgradig effizienten Sortierung. Genau hier setzt das Berliner KI-Start-up reverse.fashion an und hat nun eine siebenstellige Erweiterung seiner Pre-Seed-Finanzierungsrunde durch den High-Tech Gründerfonds (HTGF) abgeschlossen. Das frische Kapital soll genutzt werden, um bestehende Pilotprojekte auszuweiten und den kommerziellen Markteintritt der industriellen Sortierlösung „line.sort“ voranzutreiben.

Die Technologie: Von der Handarbeit zur Automatisierung

Bisherige manuelle Sortierprozesse stoßen an wirtschaftliche und kapazitäre Grenzen. reverse.fashion nutzt für seine Anlagen künstliche Intelligenz, um Kleidungsstücke präzise nach Zustand, Stil, Marke, Größe sowie Materialzusammensetzung zu kategorisieren und zu digitalisieren. So sollen die Textilien exakt für den Wiederverkauf oder das hochwertige Recycling getrennt werden. Laut Mitgründer Dr. Karsten Pufahl steigern Kund*innen durch die Anlagen ihre Produktivität um 40 Prozent und erzielen gleichzeitig eine Erlössteigerung von etwa 20 Prozent. Neben der Hardware-Gesamtlösung „line.sort“ bietet das Start-up auch das Softwareprodukt „co.sort“ an, mit dem die erfolgreichen Pilotprojekte in den kommenden Monaten fortgeführt werden.

Gründungshistorie und Team: Tiefes Branchen-Know-how

Gegründet wurde reverse.fashion 2024 als Spin-off aus der Technischen Universität Berlin (Fachgebiet Mikro- und Feingerätetechnik). Die Technologie basiert auf geistigem Eigentum (IP), das in gemeinsamen Forschungsprojekten der TU Berlin, der Freien Universität Berlin und der circular.fashion GmbH entwickelt wurde.

Das derzeit zwölfköpfige Team wird von drei Gründern geführt:

• Dr. Karsten Pufahl (Managing Director / CTO): Der Physiker bringt profunde Expertise in KI, Optik und Hardware-Engineering mit und leitete zuvor eine Arbeitsgruppe an der TU Berlin, die sich intensiv mit Textilsortierung befasste.
• Paul Doertenbach (Managing Director Strategie & Vertrieb): Er steuert über 16 Jahre Erfahrung im Altkleider-Sektor bei. Er baute unter anderem I:Collect, das weltweit erste Rücknahmesystem für Alttextilien, als Managing Director auf.
• Mario Osterwalder (Managing Director Operations, Finanzen & Business Development): Er war zuvor sieben Jahre bei ABB tätig und sammelte anschließend als Co-Founder von circular.fashion sieben Jahre lang Branchenerfahrung. Zudem ist er aktiv in die Entwicklung des EU Digital Product Passports eingebunden.

Marktumfeld und Wettbewerb

Treibende Kräfte für das Geschäftsmodell sind steigende regulatorische Anforderungen, insbesondere die erweiterte Herstellerverantwortung (EPR) und striktere EU-Vorgaben. Doch der Weg zum Branchenstandard ist steinig. Der Markt für KI-basierte Textilsortierung wird global kompetitiver. Wettbewerber wie Refiberd (USA) oder NewRetex aus Dänemark drängen in denselben Space. Auch etablierte Player wie der Recycling-Pionier SOEX nutzen bereits Nahinfrarot-Technologien.

Ein großes technologisches Problem der Branche bleibt die komplexe Zusammensetzung moderner Kleidung. Mischgewebe machen ein sortenreines Recycling zur Herkulesaufgabe. Hinzu kommt der Trend zu „Ultra-Fast-Fashion“, durch den die Qualität des eingespeisten Materials in den Sortieranlagen massiv sinkt.

Geschäftsmodell auf dem Prüfstand

Für reverse.fashion liegt die größte betriebswirtschaftliche Hürde in der Skalierung der Hardware. Das Altkleider- und Sortiergeschäft ist traditionell eine absolute „Low-Margin“-Industrie. Die Investitionskosten für hochentwickelte Anlagen wie „line.sort“ müssen sich sehr schnell amortisieren. Erzielen die durch die KI erzeugten sortenreinen Materialströme am Markt keine signifikanten Preisprämien, rechnet sich die Anschaffung der Technologie für die Sortierer nicht.

Unsere Einordnung

Für die Start-up-Szene ist reverse.fashion ein exzellentes Fallbeispiel dafür, wie tiefe wissenschaftliche Forschung mit harter Industrie-Erfahrung gekreuzt wird. Das Gründer-Team gehört durch die jahrelange Erfahrung in der Sortierindustrie vom Track-Record her zum Besten, was die europäische Circular-Economy-Szene zu bieten hat. Dennoch handelt es sich um ein kapitalintensives B2B-Hardware-Business. Der langfristige Erfolg wird nicht allein davon abhängen, ob die Algorithmen den Unterschied zwischen Baumwolle und Viskose erkennen, sondern ob es gelingt, die Entsorgungsbranche von den Vorabinvestitionen zu überzeugen.

Hinter ARC Intelligence stehen CEO Clemens Wessendorff und CTO Simon Zimmermann. Das Duo gründete das Softwareunternehmen 2024 in Berlin. Nach einer ersten Pre-Seed-Finanzierung vor rund einem Jahr (getragen unter anderem durch 468 Capital und IBB Ventures) hat das Start-up nun kräftig nachgelegt.

In der aktuellen Seed-Runde über 4 Millionen Euro übernimmt der Fonds 42CAP den Lead, während auch die bestehenden Investoren erneut mitgehen. Besonders bemerkenswert: Mit 42CAP-Partner Moritz Zimmermann steigt einer der profiliertesten europäischen Enterprise-Software-Investoren ein. Zimmermann hatte einst Hybris mitgegründet und das Unternehmen 2013 für rund 1,5 Milliarden US-Dollar an SAP verkauft. Die operative Entwicklung gibt dem jungen Team offenbar Rückenwind, denn seit der Pre-Seed-Phase konnte ARC seinen Umsatz laut eigenen Angaben verzehnfachen.

Das Geschäftsmodell: „AI-native Finance OS“

Das Geschäftsmodell von ARC setzt an einem altbekannten Schmerzpunkt an. Unternehmen haben in der Vergangenheit Milliarden in komplexe ERP-Systeme investiert. Dennoch basieren kritische Finanzentscheidungen – gerade in Gruppen mit mehreren Gesellschaften und internationalen Standorten – noch immer auf fragmentierten Daten, Excel-Tabellen und manuellen Reports.

ARC baut hierfür eine KI-gestützte Steuerungsebene (ein AI-native Finance OSs), die sich über bestehende ERP- und CRM-Systeme legt. Statt auf den Monatsabschluss zu warten, erhalten CFOs in Echtzeit einen Überblick über finanzielle und operative Treiber. Die bisherige Traction kann sich sehen lassen: Innerhalb von sechs Monaten konnten laut Unternehmen über 100.000 Stunden manueller Arbeit eingespart werden. Zu den frühen Nutzern gehören Vorzeige-Mittelständler wie Burmester, Pfanner Schutzbekleidung und Robert Bürkle. Zudem kooperiert ARC mit Private-Equity-Häusern wie Auctus Capital und GENUI, um in deren Portfoliounternehmen Finanzprozesse zu digitalisieren.

Markt, Wettbewerb und Risiken

Der eklatante Fachkräftemangel im Controlling und die anstehende Pensionierungswelle im Mittelstands-Management zwingen Firmen zunehmend zur Digitalisierung. ARC adressiert diese Lücke punktgenau und fokussiert sich bewusst auf die Steuerung komplexer, ERP-intensiver Organisationen. Der Markt für derartige Softwarelösungen gleicht jedoch einem Haifischbecken. Etablierte deutsche Platzhirsche wie Lucanet beherrschen die Konsolidierung seit Jahren, während hochkapitalisierte Scale-ups wie Pigment massiv in die Finanzabteilungen drängen. Zudem rüsten die ERP-Giganten selbst – allen voran SAP und Microsoft – ihre Systeme massiv mit eigenen KI-Modellen und Copilots auf.

Auch die technologische Umsetzung birgt Hürden: Das Versprechen von ARC, bestehende ERP-Systeme nicht ersetzen zu wollen, sondern als systemübergreifende Steuerungsebene zu agieren, ist in der Theorie extrem elegant. In der Praxis führt die Anbindung historisch gewachsener On-Premise-Datenbanken und fragmentierter Insellösungen jedoch oft zu enormem manuellen Onboarding-Aufwand, was die schnelle Skalierbarkeit eines Start-ups bremsen kann. Darüber hinaus sind CFOs traditionell restriktiv, was das Einspeisen hochsensibler Finanzdaten in neue Plattformen betrifft. ARC muss hier höchste Standards bei Datensicherheit und Compliance nicht nur zusagen, sondern in den komplexen mittelständischen Unternehmensgruppen technisch reibungslos beweisen.

Fazit

ARC Intelligence wählt einen klugen, sehr pragmatischen B2B-Ansatz. Dass ein Industrie-Schwergewicht wie Moritz Zimmermann an die Vision und die Umsetzungsstärke des Teams glaubt, ist ein echtes Ausrufezeichen im aktuellen VC-Markt. Das frühe Anpeilen von Private-Equity-Firmen als Multiplikatoren ist zudem ein exzellenter Go-to-Market-Schachzug. Gelingt es ARC, die berüchtigten Integrationshürden im fragmentierten deutschen ERP-Markt technologisch schlank zu lösen, hat das Start-up das Potenzial, sich vom KI-Tool für das CFO-Office langfristig zum zentralen Betriebssystem für ERP-intensive Unternehmen zu entwickeln.