StartingUp: Hallo Karym, hallo Sascha! Pitcht InCycling doch mal in einem Satz – was genau macht euer Start-up?

Karym El Sayed: InCycling ermöglicht Pharma- und Chemieunternehmen, hochwertige Rohstoffe, die intern nicht mehr benötigt werden, frühzeitig zu erkennen, regulatorisch zu prüfen und wirtschaftlich sinnvoll wieder in den Markt zu bringen.

StartingUp: Ihr bringt beide geballte Konzern-Erfahrung mit: Karym, du warst unter anderem Head of eHealth & Medical Software Solutions bei Bayer; Sascha, du hast dort den globalen Einkauf der Medizinprodukte verantwortet. Wie kam es zu dem Entschluss, die sicheren Spitzenpositionen im Corporate-Umfeld aufzugeben und Mitte 2025 in Berlin InCycling zu gründen?

Sascha Karhöfer: Wenn man so will, dann war der Auslöser ein Projekt rund um pharmazeutische Primärverpackung, konkret Gummistopfen für ein Medikament. Für ein Entwicklungsprojekt musste aufgrund großer Chargengrößen eine große Mindestmenge Rohmaterial bestellt werden, obwohl absehbar war, dass nur ein Bruchteil tatsächlich gebraucht würde. Während das Projekt erfolgreich abgeschlossen und die Entwicklung weitergeführt wurde, blieb eine riesige Menge Material übrig, für das weder intern noch extern eine weitere Verwendung gefunden werden konnte. Es lagerte unter kontrollierten pharmazeutischen Bedingungen, konnte aber im Konzern praktisch nicht mehr sinnvoll weitergegeben oder verkauft werden. Und der Hersteller schloss eine Rücknahme kategorisch aus. Am Ende blieb uns nur die Entsorgung.

Karym El Sayed: Entscheidend war auch die Erkenntnis aus weit über 150 Stunden Interviews mit verschiedenen Marktteilnehmenden und der Beobachtung, dass das keine Herausforderung einzelner Firmen oder Projekte war, sondern ein systemisches Problem, mit dem fast alle Firmen im hoch regulierten Umfeld konfrontiert sind. Überschüsse entstehen durch Mindestabnahmemengen, lange Lieferketten, Projektänderungen, Forecasting-Unsicherheiten, regulatorische Vorgaben oder strategische Entscheidungen wie Portfoliobereinigungen und Produktionsverlagerungen. In der Pharma- und Chemieindustrie ist das Alltag. Wir hatten beide erfüllende Positionen, aber irgendwann war der Punkt erreicht, an dem wir gesagt haben: Wenn wir dieses Problem wirklich lösen wollen, müssen wir es außerhalb klassischer Konzernstrukturen angehen. Mit InCycling sind wir nun in der Lage viele Firmen anzubinden und eine marktweite Lösung zu bauen, die an den Systemen und Prozessen großer Unternehmen ansetzt und gleichzeitig den bestehenden Handel mit Tradern, Brokern und Distributoren nutzt und alle Parteien besser vernetzt.

StartingUp: Die Dimensionen in eurer Branche sind gewaltig: Millionen Tonnen an chemischen und pharmazeutischen Produkten werden Jahr für Jahr vernichtet, weil niemand rechtzeitig an einen Weiterverkauf denkt. Warum tun sich Industrieunternehmen intern bisher so schwer mit dem sogenannten Surplus-Management?

Karym El Sayed: Weil Surplus-Management in regulierten Industrien deutlich komplexer ist, als es von außen aussieht. Es wird bereits viel versucht, das zu vermeiden. Allerdings reicht es meist nicht, ein Material im Lager zu finden und zu sagen: Das verkaufen wir jetzt. Unternehmen müssen klären, ob das Material noch als regulatorisch konformes Produkt geführt werden kann, welche Spezifikationen gelten, welche Dokumente vorliegen, wie es gelagert wurde, wie es transportiert werden muss, ob es für bestimmte Märkte freigegeben werden darf und welche Anforderungen die kaufenden Firmen erfüllen müssen. Dafür braucht es Ressourcen, Expertise in dem Bereich und fachübergreifende Prozesse. Hinzu kommt, dass die relevanten Informationen selten an einem einzigen Ort liegen. Ein Teil ist im ERP-System dokumentiert, ein Teil in Qualitätsdokumenten, ein Teil in globalen Datenbanken und manchmal auch lokalen Sharepoints verschiedener Abteilungen wie z.B. Procurement oder Supply Chain. Wenn diese Informationen manuell zusammengesucht werden müssen, lohnt sich der Aufwand oft nur bei signifikanten Mengen oder sehr hohen Werten.

Sascha Karhöfer: Mindestens genauso wichtig sind die internen Verantwortlichkeiten. Wer entscheidet, dass ein Material freigegeben werden darf? Wessen Kostenstelle gehört das Produkt? Wer bewertet Compliance und Qualität? Wer ist Ansprechperson, wenn es verkauft wurde und nun zu dem Käufer transportiert werden muss? Welche Abteilungen müssen zustimmen: Product Supply, Einkauf, Finance, Sustainability, Operations, Legal, Qualität? In vielen Unternehmen passt der Weiterverkauf von Überschüssen schlicht nicht sauber in bestehende Prozesse. Einkaufsware muss plötzlich wie Verkaufsware behandelt und im System auch so umgewertet werden. Das ist ungewohnt, sensibel und aufwändig. Dazu kommt: Niemand spricht besonders gern über Überschüsse, weil es schnell nach Fehlplanung klingt. Dabei entstehen sie in komplexen Lieferketten ganz normal und alltäglich. Unser Ansatz ist, abgebende Firmen in diesem Prozess zu begleiten, Handlungssicherheit zu schaffen und die oft noch hohen Werte von Surplus-Rohstoffen sichtbar zu machen, bevor wir diese über einen professionellen und transparenten Prozess incyclen.

StartingUp: Eure Lösung setzt direkt an der digitalen Wurzel an und integriert sich via APIs nahtlos in ERP-Systeme wie SAP S/4HANA. Wie genau läuft dieser automatisierte Prozess ab, von der Entdeckung eines drohenden Überschusses bis hin zum erfolgreichen B2B-Handel?

Sascha Karhöfer: Der erste Schritt ist Sichtbarkeit. Unsere Plattform dockt über Schnittstellen an bestehende Systeme an, in Zukunft zu allererst an SAP S/4HANA, und analysiert, welche Materialien vorhanden sind, welche Mengen verfügbar sind, welche Haltbarkeiten hinterlegt sind und ob es Hinweise gibt, dass ein Material intern nicht mehr benötigt wird. Dann geht es um die Datenbasis. InCycling sammelt und strukturiert relevante Informationen: Sicherheitsdatenblätter, Produktspezifikationen, Qualitätsdokumentation, Haltbarkeit, Testergebnisse, Lagerhistorie, Verpackungs- und Transportspezifikationen. Genau hier hilft KI, weil viele dieser Daten verteilt, unstrukturiert oder schwer vergleichbar sind.

Karym El Sayed: Darauf folgt die fachliche Einordnung. Wir nutzen Chemical-Informatics, um das Material chemisch zu verstehen und zu prüfen, in welchen Industrien, Anwendungen oder Endprodukten es noch eingesetzt werden könnte. Das können komplett andere Märkte und Produkte sein, da viele Chemikalien ein breites Einsatzspektrum haben. Oft auch in Bereichen, die nicht direkt sichtbar sind. Danach erfolgt eine regulatorische Bewertung: In welchen Ländern oder Regionen darf der Rohstoff angeboten werden? Welche Sicherheitsvorgaben gelten? Welche Transportanforderungen gibt es? Gibt es Dual-Use-Themen, Embargos oder besondere Lizenzanforderungen auf Käuferseite? Auch hier helfen zukünftig KI-Modelle unseren Kunden, rechtssicher zu handeln. Im letzten Schritt führt ein Matchmaking-Modul diese Informationen zusammen. Es identifiziert passende Geschäftspartner, oft Trader, Broker oder Distributoren, und gibt konkrete Empfehlungen für den Weiterverkauf. Ziel ist nicht, bestehende Marktakteure zu ersetzen, sondern ihnen bessere, validierte Informationspakete und mehr handelbare Materialien zugänglich zu machen, die den Zweitmarkt bisher nicht einmal erreichen würden.

StartingUp: In der Chemie- und Pharmabranche gelten extrem strenge regulatorische Vorgaben. Wie stellt ihr mithilfe eurer KI – die ja auch auf NLP und OCR zur Dokumentenanalyse setzt – sicher, dass die gehandelten Rohstoffe absolut rechtssicher validiert und für die Käufer*innen compliance-konform sind?

Karym El Sayed: Zunächst ist wichtig: KI bereitet Daten auf und schlägt ein weiteres Vorgehen für eine Substanz vor. Sie unterstützt dabei, Informationen zu finden, zu strukturieren, zu vergleichen und für Expert:innen nutzbar zu machen. In regulierten Industrien braucht es nachvollziehbare Prozesse, klare Dokumentation und menschliche Verantwortung. Genau so bauen wir InCycling auf. An kritischen Wegpunkten immer mit einem „Human in the loop“, um Entscheidungen zu treffen und Prozesse zu kontrollieren. Ein einfaches Beispiel: NLP und OCR helfen uns, Dokumente wie Sicherheitsdatenblätter, Analysezertifikate, Spezifikationen oder Qualitätsunterlagen maschinenlesbar zu machen. Daraus entsteht ein strukturierter Quality- und Compliance-Kontext. Dieser kann dann über hoch spezialisierte KI-Agenten geprüft und ausgewertet werden: Passt das Material zur angegebenen Spezifikation? Welche Haltbarkeit ist relevant? Welche Lagerbedingungen sind dokumentiert? Welche regulatorischen Einschränkungen gibt es?

Sascha Karhöfer: Für kaufende Firmen ist Vertrauen entscheidend. Langfristig stellen wir uns vor, dass „InCycled“-Ware so selbstverständlich und verlässlich wird wie Refurbished-Produkte im Elektronikbereich. Eigentlich ist der Vergleich sogar etwas zu schwach, weil die Rohstoffe quasi nie genutzt wurden. Sie wurden produziert, qualitätsgesichert und dann nur bei einem anderen Unternehmen gelagert. Daher die Wortkreation „InCycling“, denn Recycling und Upcycling treffen nicht zu. Die Rohstoffe, auf die wir uns fokussieren, sind lediglich nach dem Kauf zwischengelagert, aber noch nicht einmal geöffnet, verändert oder gar eingesetzt worden. Damit dieser Markt funktioniert, müssen Kaufende nachhalten können, dass die Ware ihren Anforderungen entspricht. Daher sind wir bestrebt, dass Unternehmen beim Einkauf einer Surplus-Chemikalie auch alle relevanten Produkt- und Qualitätsdaten einsehen können, bevor ein Produkt gehandelt wird.

StartingUp: Ihr vertreibt InCycling als klassisches Software-as-a-Service-Modell (SaaS) mit einer Provisionskomponente. Wie sieht euer konkretes Monetarisierungsmodell aus und wie hoch sind die Hürden, wenn man eine traditionell eher konservative Industrie von einer neuen digitalen Plattform überzeugen will?

Sascha Karhöfer: Wir kombinieren eine SaaS-Lizenz für die ERP-Integration mit einer erfolgsabhängigen Provision auf abgewickelte Trades. Die SAP-Anbindung schafft laufende Sichtbarkeit auf Überschussbestände, substanziell verdient wird aber erst, wenn tatsächlich ein Trade zustande kommt. Das koppelt unseren Erfolg direkt an den wirtschaftlichen Nutzen, den wir für die Kunden schaffen, statt an reine Lizenzgebühren. Die Plattform muss sich nicht über ein abstraktes Digitalisierungsversprechen rechtfertigen, sondern über messbare Effekte im Bestand, in den Kosten und in der Ressourcennutzung: Wenn ein Unternehmen Abschreibungen vermeidet, Entsorgungskosten reduziert und gleichzeitig zusätzlichen Wert aus bestehenden Beständen schafft, ist der wirtschaftliche Hebel sehr konkret und messbar.

Karym El Sayed: Die Hürden liegen auch viel weniger darin, ob Unternehmen das Problem verstehen. Viele kennen es sehr genau. Wie schon gesagt, niemand spricht besonders gern über Überschüsse, weil es eben schnell nach Fehlplanung klingt. Die meisten Unternehmen sind in dem Bereich vorsichtig im externen aber auch internen Austausch. Neue Lösungen müssen in bestehende Systeme und bekannte Prozesse passen, regulatorisch belastbar sein und interne Entscheidungswege berücksichtigen. Deshalb verkaufen wir InCycling nicht als isolierte Verkaufsplattform. Wir erarbeiten mit den Unternehmen auch die effizientesten Prozesse für den Umgang mit Surplus: Wer muss eingebunden werden? Welche Freigabeschritte sind nötig? Welche Dokumente werden gebraucht? Wie wird aus einem potenziellen Überschuss ein sicher handelbares Material? Wenn diese Fragen sauber beantwortet sind, sinkt die Hürde nochmal deutlich.

StartingUp: Nachhaltigkeit und ESG-Kriterien sind heute fester Bestandteil von Geschäftsberichten. Welches Argument zieht in euren Verkaufsgesprächen mit den Konzernen derzeit besser: Die Reduktion des CO₂-Fußabdrucks durch echte Kreislaufwirtschaft oder die knallharte finanzielle Optimierung der Bilanz?

Karym El Sayed: Beides ist relevant, aber in unterschiedlichen Gesprächssituationen. Nachhaltigkeit und ESG öffnen oft die Tür, weil Unternehmen zunehmend berichten müssen, wie sie Ressourcen nutzen, Abfall vermeiden und Emissionen reduzieren. Gerade in der Chemie- und Pharmaindustrie ist das ein großes Thema und Unternehmen suchen nach immer neuen Ansätzen, hier noch besser zu werden. Die Entscheidung wird am Ende aber meist dort getroffen, wo operative und finanzielle Verantwortung liegt. Wenn Werksleiter*innen, Finance-Teams oder Operations-Verantwortliche sehen, dass weniger abgeschrieben, kürzer gelagert, weniger entsorgt und vorhandenes Material besser genutzt werden kann, wird der Case sehr konkret und die vermiedenen Kosten und generierten Revenues können produktiv investiert werden.

Sascha Karhöfer: Für uns ist die Stärke von InCycling genau diese Verbindung und dass wir den Prozess zu großen Teilen automatisieren können. Wenn hochwertiges Material vernichtet wird, verliert das Unternehmen Wert, zahlt teilweise zusätzlich für Lagerung, Transport und Entsorgung und verursacht unnötige Umweltbelastung. Wenn dasselbe Material weiterverwendet wird, entsteht ein Vorteil auf mehreren Ebenen.

StartingUp: Ihr seid nun seit gut einem Jahr am Markt. Wo steht InCycling heute und was sind die wichtigsten Meilensteine, die ihr in den kommenden Monaten auf eurer Roadmap habt?

Sascha Karhöfer: Wir sind in einer Phase, in der wir die Plattform im Markt weiter validieren, erste industrielle Testphasen und Pilot-Anbindungen mit Konzernen und dem Mittelstand ausbauen und mehr Materialvolumen sichtbar machen. In den vergangenen Monaten haben wir auch dank des Accelerator-Programms von AI NATION, in dem KI-Start-ups wie wir gefördert werden, große Schritte nach vorn gemacht. Jetzt machen wir uns nach einer erfolgreichen Angel-Runde bereit für eine erste größere Finanzierungsrunde, die wir für Ende 2026 anstreben.

Karym El Sayed: Die nächsten Meilensteine liegen für uns in drei Bereichen: Erstens wollen wir die technische Integration und die KI-Module weiter ausbauen, insbesondere Dokumentenanalyse, regulatorische Bewertung und Matchmaking. Zweitens geht es um den Aufbau eines starken internationalen und industrieübergreifenden Netzwerks aus abgebenden Unternehmen, Tradern, Brokern und Distributoren. Drittens wollen wir zeigen, dass InCycling skalierbar ist: zunächst in einer klaren Nische, aber mit einem sehr großen internationalen Markt dahinter. Und klar, langfristig wollen wir erreichen, dass überschüssige chemische und pharmazeutische Rohstoffe nicht mehr automatisch als Abfall gedacht werden, sondern als wertvolle Ressource, die verlässlich verkauft, eingekauft und eingesetzt werden kann.

StartingUp: Zum Abschluss ein Rat an unsere Community: Was empfiehlt ihr Gründer*innen, die mit DeepTech- und KI-Lösungen eine stark regulierte und etablierte Industrie umkrempeln wollen?

Sascha Karhöfer: Fangt beim echten Problem an, nicht bei der Technologie. In regulierten Industrien reicht es nicht, eine technisch spannende Lösung zu bauen. Man muss verstehen, wo der Schmerz im Alltag liegt, welche Daten wirklich verfügbar sind, welche Abteilungen betroffen sind und warum bestimmte Prozesse heute so laufen, wie sie laufen und auch wer die neuen Prozesse nutzen wird. KI ist dann stark, wenn sie ein konkretes industrielles Problem lösbar macht. Bei uns geht es nicht um KI als Selbstzweck, sondern darum, verteilte Informationen nutzbar zu machen, manuelle Aufwände zu senken, Entscheidungen besser vorzubereiten und dass InCycling gewinnbringend für alle Seiten wird. Wenn das gelingt, kann Technologie sehr viel bewegen.

StartingUp: Karym, Sascha – danke für eure spannenden Insights.

Das Interview führte StartingUp-Chefredakteur Hans Luthardt

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

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

Verschwiegenheitspflicht und berufsrechtliche Hürden

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

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

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

Mehr als ein Chatbot

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

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

Das Gründerteam: Mix aus Tech und Tax

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

Kritischer Blick auf die Skalierbarkeit

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

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

Fazit

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

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

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

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

Deep-Tech, Rüstung & Fusionsenergie erreichen historischen Höhepunkt

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

Berlin und München beheimaten 68 % aller deutschen Einhörner

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

Die DNA der deutschen Unicorn-Gründer*innen

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

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

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

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

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

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

Die 12 Neuzugänge der Rekord-Kohorte 2026 im Überblick

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

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

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

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

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

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

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

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

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

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

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

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

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

Fazit: Deutschland baut eigene Champions

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

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

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

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

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

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

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

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

Geschäftsmodell, Markt und Wettbewerb

Der Markt und das Potenzial

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

Die Entwicklung der Investor*innenlandschaft

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

Die Hürden im Geschäftsmodell

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

Wettbewerbsumfeld

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

Unsere Einordnung

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

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

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

Ein seltener Sieg für die Diversität

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

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

GEM 2025/26 in Zahlen:

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

Die Illusion der Vorbereitungsphase

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

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

Am Tropf des Staates

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

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

Fazit: Vom Labor auf den Markt

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

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

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

Die bisherige Unternehmenshistorie verdeutlicht ein hohes Entwicklungstempo:

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

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

Der technologische Ansatz: Kausalität statt bloßer Korrelation

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

Kausable setzt an dieser Schwachstelle an:

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

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

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

Die Herausforderungen der Praxis

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

1. Vertriebshürden im B2B-Enterprise-Segment

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

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

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

2. Wettbewerbsumfeld und Big-Tech-Druck

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

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

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

3. Kapitalintensität von Frontier-AI

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

Key Takeaways für Gründer*innen

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

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

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

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

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

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

Vom Pain Point zur Profitabilität

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

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

Das Herz-Kreislauf-System für den Kosmos

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

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

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

Skalierungsrisiken und der Kampf um Branchenstandards

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

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

Learnings

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

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

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

Aus der Formel 1 in die Fabrikhalle

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

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

Geschäftsmodell und kritische Einordnung

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

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

Markteinordnung: Die Wette auf die Reindustrialisierung

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

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

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

Gründer und Herkunft aus der Spitzenforschung

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

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

Das Geschäftsmodell auf dem Prüfstand

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

Das technologische Versprechen der Potsdamer:

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

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

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

Markt und Wettbewerb

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

Die Konkurrenz schläft jedoch nicht:

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

Einordnung für StartingUp

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

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

Die Zahlen 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.

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

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

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

Vom Labor auf das Kraftwerksgelände: Die Historie

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

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

Kritische Einordnung: Markt, Modell und Machbarkeit

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

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

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

StartingUp Fazit: Ein europäisches Wirtschaftswunder in der Mache?

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

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

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

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

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

GRC-Expertise trifft auf Cloud-Architektur

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

Policy-as-Code als Beweismittel

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

Marktumfeld & Wettbewerb

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

Potenzial & kritische Hürden

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

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

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

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

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

Die Köpfe hinter der Technologie

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

Datenschutz vs. Effizienz

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

Ein hart umkämpfter Markt

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

Unser Fazit

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