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.

Hinter pacemaker.ai steht kein klassisches Garagen-Start-up, sondern geballte Konzernpower: Das Unternehmen, dessen Wurzeln auf ein 2021 in Lissabon gestartetes Projekt zurückgehen, wurde 2022 offiziell als Tochterunternehmen der tk accelis Supply Chain Solutions ausgegründet. Damit gehört es zum Imperium von thyssenkrupp. Geleitet wird das im westfälischen Münster beheimatete Unternehmen von einem vierköpfigen Management-Team: CEO Christian Jabs, CFO Christian Pixberg, CCO Robert Kokott und CTO Andreas Höppener.

Das Geschäftsmodell basiert auf cloudbasierten Software-as-a-Service-Produkten (SaaS), die Machine Learning und tiefes Branchenwissen vereinen. Zum Produktportfolio gehören schlüsselfertige Softwareprodukte für präzise Nachfrage- und Rohstoffpreisprognosen (Demand Forecast) sowie die Automatisierung von Bestell- und Nachschubprozessen (Replenishment Decision Intelligence).

Einen entscheidenden strategischen Wachstumshebel legte das Unternehmen bereits durch Zukäufe um: Nach der Übernahme des Westphalia DataLabs im Jahr 2022 übernahm pacemaker.ai Anfang 2025 das luxemburgische Start-up WAVES, mitsamt dessen Gründer Armin Neises. Damit erweiterte das Spin-off sein Angebot massiv um eine TÜV-zertifizierte Sustainability Management Platform (SMP) für präzise Emissionsberechnungen und ESG-Reporting gemäß aktueller EU-Regularien wie der CSRD.

Der Markteintritt in den USA: Das Momentum nutzen

Der jetzige Schritt nach Nordamerika markiert die nächste Phase der Wachstumsstrategie und folgt auf erste erfolgreich abgeschlossene Pilotprojekte in den USA. Die Argumentation von CEO Christian Jabs für die Expansion stützt sich auf aktuelle Marktdynamiken:

• Die US-Wirtschaft wächst, nicht zuletzt durch massive Investitionen in künstliche Intelligenz, derzeit schneller als der Euroraum.
• Gleichzeitig forciert eine volatile Zoll- und Handelspolitik den Bedarf amerikanischer Unternehmen an hochgradig resilienten, datengesteuerten Lieferketten.
• Hinzu kommen steigende regulatorische Anforderungen an Rückverfolgbarkeit und Qualität in Branchen wie Pharma, Food und Healthcare.

Einordnung für StartingUp: Stärken, Schwächen und harte Konkurrenz

• Das Corporate-Start-up-Modell in der Praxis: Das Konstrukt als Ausgründung unter dem Dach eines globalen Konzerns bringt gewaltige Startvorteile mit sich. pacemaker.ai musste nicht mühsam um den ersten großen Ankerkunden kämpfen – thyssenkrupp fungierte von Beginn an als massiver Hebel und globales Testlabor. Auch Zukäufe wie WAVES lassen sich mit entsprechender Rückendeckung weitaus leichter stemmen. Die Kehrseite der Medaille: pacemaker.ai muss in den USA nun vor unabhängigen B2B-Kund*innen beweisen, dass die Lösung flexibel genug für den freien Markt ist und nicht nur als Inhouselösung des Mutterkonzerns funktioniert.
• Dichtes Marktumfeld und Wettbewerb: Der Markt für „Supply Chain AI“ ist kein Blue Ocean. pacemaker.ai betritt in Nordamerika eine Arena, in der sich etablierte SaaS-Anbieter drängen. Konkurrent*innen wie Anaplan, Netstock oder Slim4 bieten teils seit Jahren hochspezialisierte Softwarelösungen für Bestandsoptimierung und Supply Chain Analytics an.
• Fazit zum Geschäftsmodell: pacemaker.ai hebt sich jedoch durch einen klugen strategischen Ansatz ab: die Bündelung von operativer Effizienzsteigerung (KI-Prognosen) mit der Lösung drängender Compliance-Pflichten (TÜV-geprüftes Nachhaltigkeitsmanagement). Da Themen wie CSRD-Konformität und Scope-3-Emissionen aktuell auf den C-Level-Agenden massiv an Bedeutung gewinnen, trifft das Startup einen wunden Punkt der globalen Industrie. Gelingt es dem Führungsteam, sich in den USA gegen etablierte Software-Konkurrent*innen als agiler und neutraler Partner zu positionieren, hat der digitale Herzschrittmacher aus Münster beste Chancen, im amerikanischen S&OP-Markt signifikante Marktanteile zu gewinnen.

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.

Es klang nach dem modernen Lehrbuch-Playbook: Im Frühjahr 2026 übernahm Tom Mayer als CEO bei Mymuesli, um den Passauer Müsli-Pionier durch den Einsatz von künstlicher Intelligenz und datengetriebener Personalisierung auf das nächste Level zu heben. Doch ein knappes halbes Jahr später ist dieses Kapitel bereits wieder beendet. Laut offizieller Unternehmensmitteilung vom 27. Juli 2026 übernimmt Mitgründer Max Wittrock, der sich Ende 2019 aus dem operativen Geschäft zurückgezogen hatte, ab sofort wieder den Vorstandsvorsitz.

Die neue Strategie: Zurück zu den Wurzeln

Die Personalentscheidung liest sich wie eine bewusste Kurskorrektur: Weg vom technokratischen Tech-Fokus, hin zur alten Gründer-DNA. Die Marke soll wieder ein unternehmerisches Gesicht erhalten. So begründet Aufsichtsratsvorsitzender Tobias Bachmüller den Schritt: „Max Wittrock steht als Mitgründer für die Idee und die Werte von mymuesli. Mit seiner Rückkehr geben wir der Marke wieder das unternehmerische Gesicht, das unsere Kundinnen und Kunden und unser Team gleichermaßen verbindet.“

Wittrock selbst gibt die Parole aus, an den ursprünglichen Pioniergeist anknüpfen zu wollen – ohne jedoch die technologischen Errungenschaften der letzten Jahre komplett über Bord zu werfen: „Die Besonderheit von mymuesli liegt darin, dass wir nah an unseren Kundinnen und Kunden sind und den Mut haben, eigene und unkonventionelle Ideen umzusetzen. Genau daran werden wir weiter anknüpfen. Gleichzeitig wollen wir gemeinsam daran arbeiten und das weiter ausbauen, was mymuesli ausmacht: Personalisierung, eine starke Markenkommunikation und digitale Exzellenz. Und vor allem wieder ins Wachstum kommen!“

Zudem kündigt der Rückkehrer an, künftig offener über die anstehenden Hürden sprechen zu wollen: „Wir haben einige spannende Herausforderungen zu bewältigen. Darüber wollen wir auf meinen und auf unseren eigenen Kanälen sprechen, ebenso wie im Dialog mit unserer Community. Denn Offenheit und Ehrlichkeit gehören seit der Gründung zur mymuesli-DNA.“

Die Historie: Der Prototyp des deutschen D2C-Erfolgs

Um die aktuelle Situation und Wittrocks Aussagen einzuordnen, lohnt ein Blick zurück. Als Max Wittrock, Hubertus Bessau und Philipp Kraiss das Unternehmen 2007 gründeten, leisteten sie echte Pionierarbeit. Die Idee der massentauglichen Individualisierung („Mass Customization“) war im europäischen Food-Sektor völlig neu. Die markanten, zylinderförmigen Dosen wurden zum Statussymbol in deutschen Büroküchen. Mymuesli bewies als einer der Ersten, dass das Direct-to-Consumer-Modell (D2C) in Deutschland im großen Stil funktionieren kann. Heute ist die Marke in sieben europäischen Ländern aktiv und zählt nach eigenen Angaben mehr als eine Million aktive Kundinnen und Kunden.

Das Geschäftsmodell im Stresstest: Die Skalierungs-Falle

Doch der Weg vom hippen Start-up zum etablierten Mittelständler war steinig. Das Geschäftsmodell stand und steht unter permanentem Druck:

• Die Logistik- und Margen-Bremse: Individuell gemischte Müslis erfordern eine hochkomplexe, fehleranfällige Logistik. Der Einzelversand an Endkunden frisst im Vergleich zur klassischen Food-Branche massive Margen auf.
• Der teure Filial-Traum: In der Expansionsphase betrieb das Unternehmen zeitweise 50 eigene stationäre Stores in Top-Lagen. Die hohen Mieten und Fixkosten erwiesen sich jedoch oft als zu große Belastung. Im Zuge von Restrukturierungen und der Corona-Krise musste das Filialnetz drastisch eingedampft werden.
• Der Spagat im Supermarkt: Um weiter wachsen zu können, ging der Weg in den klassischen Lebensmitteleinzelhandel (LEH). Dort konkurrieren die vorgefertigten Standard-Mischungen nun direkt mit etablierten FMCG-Riesen und agilen Start-ups (wie 3Bears), wodurch der ursprüngliche Wettbewerbsvorteil der reinen Individualisierung verwässert wird.

Was Gründer*innen daraus lernen können

Für die Start-up-Szene liefert das Stühlerücken in Passau drei wesentliche Lektionen:

Technologie ersetzt keine Seele: Der Versuch, ein stagnierendes Konsumgütergeschäft allein durch den Stempel von KI-Prozessen zu transformieren, greift oft zu kurz. D2C-Marken leben von Storytelling, Haltung und nahbarer Kommunikation.

Der „Boomerang-CEO“ als zweischneidiges Signal: Wenn Gründer zurückkehren, schafft das kurzfristig enormes Vertrauen bei Team, Partnern und Investor*innen. Es bleibt jedoch die operative Herausforderung, die Nostalgie der Anfangsjahre mit den harten wirtschaftlichen Realitäten der Gegenwart zu verknüpfen.

Die Omnichannel-Sackgasse: Der Übergang vom reinen Online-Nischenplayer zum Massenmarkt-Anbieter im Supermarkt ist ein Drahtseilakt, bei dem die Markendifferenzierung schnell verloren gehen kann. Wittrocks Fokus auf Community-Nähe und ehrliche Kommunikation ist der Versuch, genau dieses Ruder rechtzeitig herumzureißen.

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 rund 30 Millionen Euro soll das Zentrum am Münchner Ostbahnhof zu einem internationalen Start-up- und Scale-up-Campus ausgebaut werden. Doch während der Freistaat kräftig in Infrastruktur investiert, bleibt die Frage, ob Raumkonzepte allein die strukturellen Hürden des europäischen Tech-Ökosystems überwinden können.

Die Faktenlage: Ausbau statt Stagnation

Wie das Bayerische Wirtschaftsministerium unlängst bekanntgab, fließen die Mittel in den konsequenten Ausbau des Standorts im Münchner Werksviertel. Bayerns Wirtschaftsstaatssekretär Tobias Gotthardt betonte bei der Übergabe des Förderbescheids an WERK1-Geschäftsführer Dr. Robert R. Richter die Rolle des Zentrums als „Möglichmacher“ und „zentralen Hub“.

Die blanken Zahlen untermauern das bayerische Selbstbewusstsein: Mit 626 Neugründungen im ersten Halbjahr 2026 – ein Zuwachs von 48 Prozent gegenüber dem zweiten Halbjahr 2025 – führt Bayern das bundesweite Ranking der Gründungsdynamik an. München hat, gemessen an der Einwohnerzahl, Metropolen wie Berlin und Düsseldorf als Gründungshochburgen abgehängt. Dr. Richter sieht in der Finanzspritze einen „klaren Auftrag“, das WERK1 zu einem vollumfänglichen Campus weiterzuentwickeln, auf dem Start-ups, Scale-ups, Investoren und Wissenschaft noch enger verzahnt werden.

Hintergrund: Vom Pfanni-Werk zum Coliving-Vorreiter

Die Historie des WERK1 spiegelt die Transformation des Münchner Ostens wider. Wo einst der Verwaltungssitz des Kartoffelherstellers Pfanni residierte, entstand vor über einem Jahrzehnt das erste WERK1. Einen Meilenstein markierte 2023 die Eröffnung des Erweiterungsbaus „WERK1.4“, der neben einer Flächenverdopplung auf rund 10.000 Quadratmeter auch 63 vollausgestattete Coliving-Apartments umfasste. Ein Novum in der Szene, das gezielt auf einen der größten Flaschenhälse für Start-ups in München reagierte: den immens teuren Wohnungsmarkt. Durch De-minimis-geförderte, all-inclusive Mieten schuf Bayern hier eine begehrte „Softlanding“-Plattform für internationale Talente und Gründer*innen.

Subventionierte Blase oder essenzieller Nukleus?

Für das Ökosystem ist die Förderung ein Paukenschlag. Doch eine rein lobpreisende Betrachtung greift zu kurz. Ein differenzierter Blick auf die 30-Millionen-Euro-Investition offenbart starke Hebel, aber auch strukturelle blinde Flecken:

• Die Standort-Rendite: Ohne Zweifel ist das WERK1 ein Erfolgsmodell. Es fungiert als Gravitationszentrum der bayerischen Gründerszene und hat landesweit Vorbildcharakter – inzwischen existieren 19 digitale Gründerzentren an 30 Standorten im Freistaat. Der Netzwerkeffekt zwischen Tech-Talenten, Corporates und Kapitalgebern an einem zentralen Ort ist immens.
• Die Gefahr der „Wohlfühloase“: Staatlich stark subventionierte Räumlichkeiten und geförderte Coaching-Programme bergen stets das latente Risiko, dass junge Unternehmen sich in einer geschützten Blase einrichten. Dem WERK1 gelingt es bislang, dieses Risiko durch strikte Aufnahmekriterien, Evaluationen und eine maximale Verweildauer (meist bis zu 5 Jahre) abzufedern. Dennoch steigen bei einem Ausbau zum „Scale-up Campus“ die Anforderungen an echte Markthärte und KPI-getriebenen Erfolg.
• Der blinde Fleck – Late-Stage-Funding: Raum, Netzwerk-Events und günstige Apartments sind essenziell für die Seed- und Early-Stage-Phase. Das fundamentale Problem der deutschen Start-up-Landschaft ist jedoch nicht der Mangel an Schreibtischen, sondern der chronische Mangel an Wachstumskapital (Growth Capital) in späteren Skalierungsphasen. Benötigen bayerische Tech-Hoffnungen zweistellige Millionenbeträge, richtet sich der Blick meist mangels regionaler Alternativen nach Übersee. Eine physische Campus-Erweiterung allein adressiert diese tiefersitzende Finanzierungslücke bei Scale-ups nicht unmittelbar.

Fazit & Würdigung

Dass die bayerische Staatsregierung in wirtschaftlich volatilen Zeiten, geprägt von geopolitischen Unsicherheiten, KI-Machtkämpfen und anhaltendem Konsolidierungsdruck im VC-Markt, antizyklisch und massiv in ihr Start-up-Ökosystem investiert, ist ein starkes und lobenswertes Signal der Standortsicherung. Das WERK1 hat sich längst von einem klassischen Coworking-Space zu einer Institution gemausert, deren Strahlkraft dem bayerischen Ökosystem und darüber hinaus enorme Sichtbarkeit verleiht.

Die zentrale Herausforderung für das WERK1-Team um Dr. Richter wird für die neue Förderperiode bis 2032 darin bestehen, den Hub nicht nur als attraktive Herberge, sondern als verlässliche Brücke zu internationalem Big-Ticket-Kapital zu positionieren. Gelingt dieser Brückenschlag, sind die 30 Millionen Euro zweifelsohne exzellent investiertes Steuergeld für die wirtschaftliche Zukunftsfähigkeit des Landes.

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.

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.

Inmitten des harten Verdrängungswettbewerbs im D2C-E-Commerce des Home-&-Living-Segments agiert das 2020 gegründete Start-up Neona Living. Die Gründer*innen Lea Wecken, René Schröder und Gabriel Wittschier beweisen, dass sich der Leuchtenmarkt auch ohne eigene Produktion und stattdessen mit kuratiertem Design erfolgreich aufmischen lässt.

Die aktuellen Zahlen des Leverkusener Unternehmens unterstreichen diesen Kurs gegen den allgemeinen Plattform-Trend. Laut eigenen Angaben bedient Neona heute über 75.000 Kund*innen, der Umsatz habe sich 2025 auf einen knapp achtstelligen Betrag verdoppelt, und im ersten Quartal 2026 verzeichnete das Unternehmen ein starkes Wachstum um das 2,7-Fache im Vergleich zum Vorjahr. Für das Gesamtjahr 2026 visiert das gebootstrappte Start-up nun einen mittleren achtstelligen Umsatz an – ambitionierte Ziele, die sich im weiteren Jahresverlauf jedoch erst noch in testierten Bilanzen niederschlagen müssen.

Das Konstrukt Gründungs-Paar: Belastungsprobe im Wachstum?

Eine derart rasante Skalierung bringt unweigerlich operative Schmerzen mit sich und stellt das Führungsteam auf eine harte Probe. Bei Neona Living kommt in dieser ohnehin intensiven Phase eine besondere Dynamik hinzu: Die Gründerin Lea Wecken und ihr Mitgründer Gabriel Wittschier sind privat ein Paar. Es ist ein Detail, das bei Investor*innen oft kritisch gesehen wird, welches das Unternehmen jedoch ganz offen kommuniziert.

CEO Lea Wecken bezeichnet den Aufbau der Unternehmenskultur als „People Game“. Zur Illustration dient ein interner Slack-Channel, in dem Mitarbeitende wöchentliche private Highlights teilen. Doch trägt so ein Modell auch bei sinkenden Margen und wirtschaftlichem Druck?

„Die eigentliche Bewährungsprobe einer Unternehmenskultur kommt nicht im ruhigen Alltag, sondern immer dann, wenn Druck entsteht“, erklärt Wecken. Eine strikte Trennung von Beruf und Privatleben sei bei einem Gründungspaar ohnehin unrealistisch. In kritischen Momenten gelte bei strategischen Differenzen ein pragmatisches Prinzip: „Am Ende trifft die Person, die in ihrem Bereich den Hut aufhat, auch die finale Entscheidung.“ Wichtig sei, dass Sachthemen nicht persönlich genommen werden.

Kuratiertes Sortiment und der fehlende technologische Burggraben

Laut globalgrowthinsights soll der deutsche Markt für Lampen und Leuchten bis 2029 auf rund 8,36 Milliarden Euro anwachsen. Während der Gesamtmarkt eher moderat performt, verzeichnet das Segment der dekorativen Beleuchtung ein jährliches Wachstum von etwa 2,8 Prozent.

Statt wie Plattformen à la Lampenwelt auf maximale Sortimentstiefe zu setzen, fokussiert sich Neona auf ein kuratiertes Portfolio mit minimalistisch-skandinavischer Ästhetik. Das Unternehmen verzichtet auf eine eigene Produktion. Die Leuchten werden bei Partnern in Fernost gefertigt. Das hält die Fixkosten und Auslastungsrisiken gering, birgt jedoch branchenüblich das Risiko einer niedrigen technologischen Eintrittsbarriere.

Ohne exklusive Hochtechnologie-Patente liegt der sogenannte Burggraben (Moat) fast ausschließlich im Brand-Building und in der Content-Produktion. Lea Wecken räumt ein, dass sie nicht jedes eigene Design automatisch als bahnbrechende Innovation bezeichnen würde. Innovation zeige sich bei Neona vielmehr in Technik, die sich in den Alltag einfügt – etwa durch austauschbare Trafos oder flexibel steuerbare Lichttemperaturen. Dennoch bleibt das margenstarke Premium-Versprechen in diesem Modell anfällig für Nachahmer*innen, da Wettbewerber*innen ähnliche Designs zügig adaptieren können.

Customer-Acquisition-Kosten und das Nachhaltigkeits-Dilemma

Wie fast alle D2C-Player ist Neona von Performance-Marketing bei Plattformen wie Meta und Google abhängig. Um den steigenden Customer Acquisition Costs (CAC) zu begegnen, setze man laut Wecken strategisch verstärkt auf organische Reichweite und Kund*innenbindung. „Wiederkehrende Kundinnen und Kunden sind langfristig deutlich wertvoller als kurzfristig eingekaufte Aufmerksamkeit“, so die Gründerin.

Ein struktureller Spagat zeigt sich beim Thema Umweltbewusstsein: Auf der Website wird Nachhaltigkeit beworben, während das D2C-Geschäftsmodell auf globalen Lieferketten und Einzelversand basiert. Die Gründerin benennt diesen Widerspruch pragmatisch: „Wir würden niemals behaupten, dass ein physisches Produkt, das produziert und verschickt wird, vollkommen nachhaltig ist.“ Man versuche dies durch langlebige Designs und den Einsatz energieeffizienter LEDs zu kompensieren. Verbraucherschützer merken bei derartigen D2C-Modellen jedoch regelmäßig an, dass der CO₂-Fußabdruck durch die Logistik aus Asien und den Einzelversand an den Endkund*innen schwer wiegt.

Operative Herausforderungen in der Skalierung

Das angestrebte Wachstum bringt operative Hürden mit sich. „Einer unserer größten Lernmomente war die Erkenntnis, dass Wachstum viele Probleme zunächst kaschiert“, gibt Lea Wecken zu. Eine Unterschätzung der Nachfrage führte in der Vergangenheit zu frustrierenden Lieferengpässen und verpassten Umsätzen. Ab einer gewissen Größe werde operative Exzellenz wichtiger als reines Marketing. Ihr Appell an andere Start-ups: „Baut eure Strukturen immer ein Stück früher auf, als ihr glaubt, sie zu brauchen.“

Fazit

Das Beispiel Neona zeigt exemplarisch, wie moderner D2C-Handel abseits der großen Plattformen funktionieren kann. Ohne eigene Produktionsstätten setzt das Unternehmen fast vollständig auf Brand-Building und eine kuratierte Ästhetik. Das wirtschaftliche Fundament basiert auf der Wette, dass Konsument*innen bereit sind, für dieses kuratierte Lebensgefühl einen deutlichen Aufpreis zu zahlen. Ob sich diese Strategie angesichts steigender Werbekosten und der aggressiven Konkurrenz dauerhaft trägt oder ob am Ende doch der Exit an einen Aggregator steht, werden die kommenden Geschäftsjahre zeigen müssen.

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.

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.