Die konkrete Umsetzung der im Jahr 2023 verabschiedeten EU-Richtlinie in deutsches Recht steht derzeit noch aus. Eine von der Bundesregierung eingesetzte Expertenkommission hat zwar bereits Ende 2025 Vorschläge für eine „bürokratiearme Umsetzung“ vorgelegt, der finale Gesetzestext aus dem zuständigen Ministerium lässt jedoch auch im Frühjahr 2026 noch auf sich warten. Arbeitsrechtler warnen bereits davor, dass Deutschland die Umsetzungsfrist im Juni reißen könnte. Unabhängig vom genauen Stichtag gilt jedoch: Die Anpassung von HR-Prozessen braucht Vorlauf. Je nachvollziehbarer und transparenter Start-ups ihre Gehaltssysteme bereits jetzt aufbauen, desto leichter lassen sich die kommenden gesetzlichen Anforderungen umsetzen.

Diese Pflichten gelten künftig auch für kleine Start-ups

Ein häufiger Irrtum ist, dass die neuen Regeln nur für große Konzerne gelten. Tatsächlich betreffen zentrale Vorgaben der Richtlinie grundsätzlich alle Arbeitgeber – unabhängig von der Unternehmensgröße. Für Start-ups ändert sich vor allem Folgendes:

• Transparenz im Recruiting: Bewerberinnen und Bewerber erhalten künftig das Recht, frühzeitig Informationen über das Einstiegsgehalt oder eine entsprechende Gehaltsspanne zu erhalten. Wie genau diese Information bereitgestellt wird – ob zwingend in der Stellenanzeige oder im weiteren Prozess – wird durch das nationale Gesetz noch konkretisiert.
• Verbot der Gehaltsfrage: Gleichzeitig dürfen Arbeitgeber Bewerbende künftig nicht mehr nach ihrer bisherigen Vergütung fragen.
• Auskunftsrechte für das Team: Arbeitnehmerinnen und Arbeitnehmer können künftig Informationen über ihr individuelles Entgelt sowie über durchschnittliche Entgeltniveaus vergleichbarer Tätigkeiten verlangen. Ziel ist dabei mehr Transparenz über die Strukturen, nicht die vollständige Offenlegung aller Einzelgehälter.
• Nachvollziehbare Vergütung: Unternehmen müssen transparente Kriterien für Vergütung und Gehaltsentwicklung etablieren. Klauseln in Arbeitsverträgen, die Beschäftigten das Sprechen über das eigene Gehalt verbieten (sogenannte Gehaltsgeheimhaltung), dürften damit endgültig unwirksam werden.

Aufatmen bei der Bürokratie: Was (vorerst) nicht für Start-ups gilt

Gerade die zeitintensiven Berichtspflichten zum Gender Pay Gap treffen die allermeisten jungen Unternehmen glücklicherweise nicht:

• Diese speziellen Berichtspflichten gelten künftig erst für Unternehmen ab 100 Beschäftigten.
• Unternehmen mit 100 bis 149 Beschäftigten müssen ihren ersten Bericht erst bis zum Jahr 2031 vorlegen.
• Größere Organisationen mit 150 bis 249 Beschäftigten sowie ab 250 Beschäftigten sind hingegen schon bis 2027 in der Pflicht.
• Zudem gilt: Ein geschlechtsspezifisches Lohngefälle ist nicht automatisch rechtswidrig. Erst wenn ein Gender Pay Gap von mehr als fünf Prozent festgestellt wird und nicht ausreichend erklärt werden kann, müssen Unternehmen genauer prüfen.

Fazit für die Praxis

Vergütungssysteme werden in Zukunft deutlich transparenter und erklärungsbedürftiger sein. Start-ups sollten die Zeit bis zum finalen Inkrafttreten des Gesetzes nutzen, um ihre Gehaltsbänder logisch zu strukturieren und Interview-Leitfäden anzupassen. Wer Fairness und Gehaltstransparenz proaktiv angeht, punktet nicht nur bei der rechtlichen Compliance, sondern stärkt auch das eigene Employer Branding bei hart umkämpften Talenten.

Hinweis der Redaktion: Dieser Artikel stellt keine rechtliche Beratung dar. Da sich das nationale Umsetzungsgesetz aktuell noch im parlamentarischen Prozess befindet, können sich rechtliche Details noch ändern. Konsultiere für die Anpassung deiner Arbeitsverträge im Zweifel juristisches Fachpersonal.

Hinter TRONITY stehen Torsten Born, Sebastian Netuschil und Nils Machner, die das Unternehmen 2020 in Mannheim gründeten. Die berufliche Herkunft der drei Gründer ist unverkennbar: Alle drei kommen aus dem SAP-Umfeld. Dieses tiefe Verständnis für komplexe IT-Systeme und Enterprise-Lösungen prägt die Entwicklung des Start-ups spürbar. Entstanden aus dem Ziel, die Blackbox "Elektromobilität" transparenter zu machen, hat sich der Fokus mittlerweile erfolgreich auf das lukrative B2B-Flottengeschäft erweitert.

Virtuelle Zwillinge statt Hardware-Wildwuchs

Der Kern des TRONITY-Modells ist so simpel wie effektiv: Anstatt Fuhrparks mit teurer Hardware wie OBD-Dongles oder spezifischen Smart-Wallboxen auszustatten, greift die Software rein datenbasiert auf die Fahrzeuge zu. Das Start-up baut digitale Zwillinge von Elektro- und Plug-in-Hybridfahrzeugen und nutzt dafür direkte Datenzugriffsvereinbarungen (APIs) mit über 20 Automobilherstellern – darunter Tesla, VW, BMW, Ford und Mercedes-Benz.

Mit der B2B-Lösung TRONITY Fleet adressiert das junge Unternehmen eine der größten organisatorischen Hürden der betrieblichen E-Mobilität: die Abrechnung des Ladestroms, wenn Mitarbeitende den Firmenwagen zu Hause laden. Die Software erfasst Ladevorgänge auf Basis der Fahrzeugdaten und automatisiert die Rückerstattung. Dank der SAP-Vergangenheit der Gründer lässt sich das System nahtlos in bestehende ERP-Strukturen integrieren. Nachdem die Lösung bereits 2025 in den Benelux-Ländern als Ladelösung für Mercedes-Benz-Geschäftskund*innen etabliert wurde, folgt am 24. März 2026 nun der strategisch wichtige Rollout in Deutschland.

Skalierbarkeit vs. Bürokratie

Aus Start-up- und Investor*innenperspektive ist TRONITY ein hochspannendes B2B-SaaS-Modell. Es löst ein konkretes Problem und ist durch den Verzicht auf zusätzliche Hardware extrem gut skalierbar. Dennoch birgt der Ansatz strategische Herausforderungen, die kritisch beobachtet werden müssen:

• Die API-Abhängigkeit: Das Geschäftsmodell steht und fällt mit der Bereitschaft der Automobilhersteller, ihre Telematikdaten über Schnittstellen zugänglich zu machen. Sollten große Player künftig den Datenzugriff restriktiv handhaben, um eigene, geschlossene Software-Ökosysteme zu forcieren, wäre TRONITYs Kernversprechen der Herstellerunabhängigkeit massiv bedroht.
• Die Eichrecht-Falle beim Finanzamt: TRONITY automatisiert die Abrechnung elegant. Allerdings schwelt in Deutschland ein bürokratischer Konflikt: Die Arbeitsgemeinschaft Mess- und Eichwesen (AGME) und das Finanzministerium ringen aktuell darum, wie lückenlos Ladekosten nachgewiesen werden müssen. Eine gesetzlich striktere Auslegung, die zwingend mess- und eichrechtskonforme Hardware-Zähler für steuerfreie Rückerstattungen vorschreibt, könnte dem rein softwarebasierten, ungeeichten Ansatz steuerrechtlich Steine in den Weg legen.
• Gegenwind im E-Automarkt: Das Start-up agiert in einem Sektor, der aktuell unter erheblichem Transformationsdruck steht. Eine Verzögerung bei der Umstellung von Unternehmensflotten auf E-Autos könnte das erhoffte Hyperwachstum des Unternehmens bremsen.

Fazit

TRONITY beweist eindrucksvoll, dass sich agile Software-Start-ups als Innovations-Bindeglied für etablierte Automobilkonzerne positionieren können. Die tiefe Integration in das Flottenportfolio von Mercedes-Benz ist ein massiver Proof of Concept und Ritterschlag für die Mannheimer. Um den Erfolg langfristig abzusichern, muss das Team nicht nur seinen technologischen Vorsprung verteidigen, sondern auch hoffen, dass die deutsche Steuerbürokratie der pragmatischen Digitalisierung nicht den Stecker zieht.

Für Gründer*innen im DeepTech-Segment ist es oft die größte Hürde: Wie übersetzt man Grundlagenforschung in ein Produkt, das für die Industrie greifbare Probleme löst? Das Münchner Start-up planqc liefert darauf aktuell eine spannende Antwort. Gemeinsam mit der Universität des Saarlandes sowie den Konzernen BMW und Infineon arbeitet das Team an einer Lösung für eines der hartnäckigsten Probleme der Wirtschaft: die Routen- und Prozessoptimierung bei unzähligen Variablen. Dass planqc hier als Quanten-Spezialist auftritt, ist das Ergebnis eines rasanten Aufstiegs in der europäischen Tech-Szene.

planqc: Aus der Forschung in die Wirtschaft

Gegründet 2022 von den Quantenphysikern Dr. Alexander Glätzle (CEO), Dr. Sebastian Blatt (CTO) und Dr. Johannes Zeiher, ist planqc das erste Spin-off des renommierten Max-Planck-Instituts für Quantenoptik. Das Team bringt nicht nur geballtes Know-how aus Garching mit, sondern verfolgt einen technologischen Ansatz, der sich bewusst von einigen BigTech-Giganten unterscheidet.

Während viele globale Konzerne auf fehleranfällige und aufwendig auf den absoluten Nullpunkt gekühlte Systeme setzen, nutzt planqc neutrale Atome als Qubits, die durch Laserlicht in optischen Gittern festgehalten werden. Dieser Ansatz ermöglicht den Betrieb bei Raumtemperatur und verspricht eine leichtere Skalierbarkeit der Qubits. Anstatt im Labor auf den theoretisch perfekten Rechner der fernen Zukunft zu warten, wählt das junge Unternehmen einen stark anwendungsorientierten Weg.

Der schnelle Aufstieg: Millionen-Investments und Großaufträge

Wie sehr dieser pragmatische Ansatz im Markt verfängt, zeigt die jüngere Firmengeschichte. Bereits kurz nach der Gründung zog planqc staatliche Großaufträge an Land – darunter den Zuschlag für die Entwicklung eines Quantencomputers für das Deutsche Zentrum für Luft- und Raumfahrt (DLR).

Der vorläufige Höhepunkt der wirtschaftlichen Skalierung folgte im Sommer 2024 mit einer Series-A-Finanzierungsrunde in Höhe von 50 Millionen Euro. Mittlerweile ist das Start-up auf rund 100 Mitarbeitende angewachsen und wurde im September 2025 mit dem renommierten Deutschen Gründerpreis in der Kategorie „StartUp“ ausgezeichnet. Das aktuelle, vom Bundesministerium für Bildung und Forschung (BMBF) mit 2,3 Millionen Euro geförderte Projekt „QIAPO“ fügt sich nahtlos in diese strategische Ausrichtung ein.

Das Problem: Der limitierte klassische Computer

Ob bei der Produktion von Mikrochips (Infineon) oder in den weltweiten Lieferketten der Automobilindustrie (BMW) – überall lauern logistische Herausforderungen. Klassische Computer stoßen hier an ihre Grenzen. Sie lösen extreme Optimierungsprobleme oft nur noch mit Näherungswerten und extrem langen Rechenzeiten. Bisher galt in der Industrie daher oft die Devise: Man macht das Beste aus den vorhandenen Heuristiken.

Die Lösung: Ein hybrides Teamwork der Systeme

Genau hier setzt QIAPO (Quanteninformierte approximative Optimierung auf NISQ und partiell fehlertoleranten Quantencomputern) an. Das Projektteam erprobt ein Zusammenspiel aus zwei Welten. Den Anfang macht das System von planqc: Der Quantencomputer soll mit seinen speziellen Eigenschaften den hochkomplexen „Dschungel“ des logistischen Problems massiv ausdünnen. Das Problem wird auf diese Weise quasi „kleiner gerechnet“. Sobald es entscheidend vereinfacht ist, übernehmen wieder herkömmliche Rechner und nutzen ihre in der Praxis erprobten Algorithmen, um das greifbarere Problem zu Ende zu rechnen.

„Wir demonstrieren damit bereits heute, wie sich hochkomplexe, industrierelevante Herausforderungen in Quantenalgorithmen übersetzen lassen – die schließlich auf Quantencomputern getestet werden können“, erklärt Dr. Martin Kiffner, Head of Algorithms bei planqc.
 
Der unternehmerische Pragmatismus: Warum 85 % ein Erfolg sind

Das Besondere an diesem Ansatz – und ein wichtiges Learning für B2B-Gründer*innen – ist der Fokus auf messbare industrielle Fortschritte statt auf Perfektion. Prof. Dr. Peter P. Orth von der Universität des Saarlandes, der das Projekt koordiniert, betont, dass es auch mit dieser hybriden Methode vorerst keine 100-prozentige Lösung geben wird.

Ein theoretisches Rechenbeispiel verdeutlicht jedoch das Potenzial: Wenn ein Lieferketten-Problem heute durch klassische Rechner mit 80-prozentiger Genauigkeit gelöst wird, könnte die Kombination mit Quanten-Hardware diese Genauigkeit auf 85 oder 95 Prozent anheben. Für Corporates wie BMW und Infineon bedeutet genau diese kleine Marge durch Ressourceneinsparungen bei extrem hohen Produktionsvolumina einen enormen wirtschaftlichen Hebel.

Fazit

Planqc beweist, dass Start-ups nicht zwangsläufig das allumfassende, finale Endprodukt vorweisen müssen, um für internationale Konzerne hochrelevant zu sein. Oft reicht es, mit der eigenen Spitzentechnologie präzise in eine Lücke zu stoßen, die bestehende Systeme hinterlassen – und sich über starke Industriepartnerschaften das Rüstzeug für die weitere Skalierung zu sichern.

Es sind Zahlen, die westlichen Verteidigungsministerien Kopfzerbrechen bereiten: Bei jüngsten Angriffen im Nahen Osten mussten Verteidiger laut Analysten schätzungsweise über 1,5 Milliarden US-Dollar aufwenden, um Drohnen abzufangen, deren Start die Angreifer lediglich rund 250 Millionen US-Dollar kostete. Dieses immense Ungleichgewicht befeuert die Nachfrage nach neuen, kosteneffizienten Systemen, die massive Drohnenangriffe bewältigen können.

Genau in diese Lücke stößt Alpine Eagle. Das 2023 gegründete Start-up vereint Luftfahrtingenieure und Machine-Learning-Experten und baut das weltweit erste luftgestützte Anti-Drohnen-System.

Hinter dem schnellen Aufstieg von Alpine Eagle steht ein Gründer-Duo, das zwei für DefenseTech entscheidende Disziplinen vereint: Jan-Hendrik Boelens (CEO) und Timo Breuer. Boelens bringt als ehemaliger Chief Engineer bei Airbus sowie als Ex-CTO der Drohnen-Pioniere Volocopter und Quantum-Systems tiefe Industrie- und Hardware-Erfahrung mit. Breuer hingegen liefert als ehemaliger Wissenschaftler bei Microsoft Research und der Fraunhofer-Gesellschaft die technologische Software-Tiefe. Diese Kombination überzeugte auch Investor*innen: Namhafte VCs wie IQ Capital, General Catalyst und HCVC investierten bereits über 10 Mio. Euro in die Münchner.

Der Ansatz, nicht Jahre im Labor zu verbringen, sondern schnell in den Markt zu gehen, zahlt sich aus: Bereits 2024 wurde die deutsche Bundeswehr als Erstkundin gewonnen. Das Personalwachstum spiegelt dieses Momentum wider: Von 12 Mitarbeitenden im Jahr 2024 wuchs das Team auf aktuell 50 Personen an; bis Jahresende sollen es 100 sein.

Deep Dive: Sentinel-OS und das fliegende Sensornetzwerk

Anstatt sich auf statische, bodengestützte Abwehrsysteme zu verlassen, verlagert das Unternehmen die Abwehr in die Luft. Das Herzstück bildet die Softwareplattform Sentinel-OS, die sich in verschiedenste Hardware integrieren lässt. Die Plattform arbeitet hardware-agnostisch und nutzt maschinelles Lernen, um kleine, feindliche Drohnen zu erkennen und zu klassifizieren.

Konkret kombiniert das Sentinel-System ein luftgestütztes Radar- und Sensornetzwerk mit einer softwaredefinierten Verteidigungsarchitektur. Das System erfasst feindliche Drohnen über weite Gebiete aus der Luft und schaltet sie schließlich mit eigenen, luftgestützten Abfangdrohnen (Interceptors) aus.

Das Geschäftsmodell: Software-Brain trifft externe Muskeln

Um klassische Entwicklungsengpässe beim Bau von Trägersystemen zu umgehen, wählt Alpine Eagle einen pragmatischen Integrationsansatz. Für eine skalierbare Produktion verknüpft das Start-up seine Technologie mit der DeltaQuad Evo, einer Trägerdrohne des niederländischen Herstellers DeltaQuad. Durch diese Partnerschaft sichert sich Alpine Eagle den Zugang zu industriellen Produktionskapazitäten und stärkt eine widerstandsfähige europäische Lieferkette. Durch die Kombination aus bewährter Hardware und eigener Erkennungs- und Abwehrsoftware können die Systeme deutlich schneller geliefert werden als in klassischen Rüstungsprogrammen.

Für die finale Abfang-Komponente steht jedoch ein operativer Sprung bevor: Alpine Eagle plant aktuell nahe München den Bau einer 2.000 Quadratmeter großen Fabrik, um einen eigens entwickelten Interceptor im großen Maßstab selbst zu fertigen.

Die direkten Wettbewerber im DefenseTech-Valley

Die Standortwahl München ist strategisch. Die bayerische Landeshauptstadt hat sich zum Epizentrum für europäische Verteidigungstechnologie entwickelt. Alpine Eagle agiert hier in einem hochkompetitiven Ökosystem, das intensiv um Budgets und Top-Talente kämpft:

• TYTAN Technologies: Ein weiteres stark wachsendes Münchner Start-up, das sich auf kosteneffiziente Counter-UAS-Lösungen spezialisiert hat und jüngst ein Millionen-Funding abschließen konnte.
• Quantum-Systems: Das Unternehmen, bei dem Alpine-Eagle-CEO Boelens früher selbst als CTO tätig war, baut primär Aufklärungsdrohnen (ISR) und prägt den europäischen Markt entscheidend mit.
• Helsing: Das europäische KI-Aushängeschild der Rüstungsbranche baut zwar keine Drohnen, dominiert aber den Bereich der softwaredefinierten Sensordatenverarbeitung (Electronic Warfare).

Die Hürden der Skalierung

Alpine Eagle profitiert aktuell von massivem Momentum.

• Das Start-up liefert wichtige Praxis-Validierungen durch Härtetests unter extremen Bedingungen in der Ukraine.
• Dort sind Counter-Drohnen-Systeme ständigen Massenangriffen ausgesetzt.
• Zudem müssen die Systeme in der Ukraine auch bei gestörten GPS-Bedingungen zuverlässig funktionieren.
• Weitere Validierung erfolgte durch die Teilnahme am US/UK-Militärmanöver Project Vanaheim.
• Zudem ist Alpine Eagle in ein Verteidigungsinnovationsprogramm der Niederlande eingebunden.
• Neben der Bundeswehr konnte das Unternehmen bereits Kund*innen in UK und den Niederlanden gewinnen.

„Verteidigungsministerien suchen zunehmend nach Systemen, die schnell geliefert und skaliert werden können, wenn der operative Bedarf wächst“, erklärt CEO Jan-Hendrik Boelens. Durch den Aufbau bestehender industrieller Kapazitäten und die Integration in die eigene Architektur kann das Unternehmen skalierbare Abwehrfähigkeiten bereitstellen.

Doch die Skalierung birgt Risiken: Der Aufbau echter Fertigungslinien bindet enorm viel Kapital und bringt klassische Supply-Chain-Risiken mit sich, die im starken Kontrast zur Skalierbarkeit reiner Software-Start-ups stehen.

Fazit

Alpine Eagle beweist eindrucksvoll, dass schnelles Start-up-Tempo in der europäischen Rüstungslandschaft möglich ist. Die Symbiose aus starkem Software-Kern und pragmatischer Hardware-Integration ist klug gewählt. Der eigentliche Reifetest beginnt jedoch genau jetzt: Im direkten Wettbewerb mit hochfinanzierten Playern und etablierten Giganten wird sich zeigen, ob die Transformation zum verlässlichen, massenproduzierenden Hardware-Lieferanten gelingt.

Das sogenannte Werkstudentenprivileg klingt auf dem Papier hervorragend, birgt in der Praxis für Arbeitgebende aber einige rechtliche und finanzielle Stolperfallen. Wer Abgaben falsch berechnet oder die strikte 20-Stunden-Regel missachtet, riskiert bei der nächsten Betriebsprüfung teure Nachzahlungen.

Wir schlüsseln auf, welche Lohnnebenkosten beim Einstellen von Werkstudent*innen tatsächlich anfallen, worauf du zwingend achten musst und rechnen alles an einem konkreten Beispiel mit dem gesetzlichen Mindestlohn für 2026 vor.

Das Werkstudentenprivileg: Was Start-ups wissen müssen

Das Werkstudentenprivileg ist eine Sonderregelung in der deutschen Sozialversicherung. Es besagt, dass für immatrikulierte Studierende unter bestimmten Voraussetzungen keine Beiträge zur Kranken-, Pflege- und Arbeitslosenversicherung abgeführt werden müssen – und zwar weder vom Arbeitgebenden noch vom Arbeitnehmenden.

Damit du dieses Privileg rechtssicher nutzen kannst, müssen jedoch zwingend zwei Bedingungen erfüllt sein:

1. Ordentliche Immatrikulation: Der oder die Studierende muss an einer staatlich anerkannten Hochschule eingeschrieben sein. Wichtig: Urlaubssemester oder ein reines Promotionsstudium berechtigen in der Regel nicht zur Nutzung des Privilegs.
2. Das Studium steht im Vordergrund: Die Erwerbsarbeit darf das Studium zeitlich nicht überlagern. Hierfür gibt der Gesetzgeber eine strenge Grenze vor.

Die 20-Stunden-Regel (Die wichtigste Hürde) Das Herzstück des Werkstudentenprivilegs ist die 20-Stunden-Regel. Während der Vorlesungszeit darf ein(e) Werkstudent*in maximal 20 Stunden pro Woche arbeiten. Wird diese Grenze überschritten, entfällt das Privileg sofort und es greift die volle Sozialversicherungspflicht.

Die Ausnahme (26-Wochen-Regel): In der vorlesungsfreien Zeit (Semesterferien) oder bei reiner Wochenend- und Nachtarbeit dürfen Werkstudent*innen auch in Vollzeit arbeiten, sofern dies im Laufe eines Jahres nicht länger als 26 Wochen geschieht.

Welche Lohnnebenkosten fallen für Arbeitgeber an?

Räumen wir mit einem weit verbreiteten Mythos auf: Werkstudent*innen sind für den Arbeitgebenden nicht komplett abgabenfrei. Zwar entfallen drei große Versicherungssäulen, aber folgende Lohnnebenkosten müssen bei der Budgetplanung einkalkuliert werden:

• Rentenversicherung (RV): Hier gibt es kein Privileg. Werkstudent*innen sind voll rentenversicherungspflichtig. Der Beitragssatz liegt aktuell bei 18,6 %, wovon der Arbeitgebende exakt die Hälfte trägt (9,3 % vom Bruttolohn).
• Umlagen (U1, U2, U3): Auch bei Werkstudent*innen sind Arbeitgebende verpflichtet, an den Umlageverfahren der Krankenkassen teilzunehmen. Diese decken finanzielle Risiken wie Krankheitsausfall (U1), Mutterschutz (U2) und Insolvenzgeld (U3) ab. Die Höhe variiert je nach Krankenkasse, liegt in Summe aber meist bei ca. 1,5 % bis 2,5 % des Bruttogehalts.
• Gesetzliche Unfallversicherung: Jede(r) Arbeitnehmende muss bei der zuständigen Berufsgenossenschaft unfallversichert werden. Diesen Beitrag trägt der Arbeitgebende allein. Er ist branchenabhängig und liegt oft zwischen 1 % und 2 %.
• Lohnsteuer: Fällt grundsätzlich an, wird aber meist über den steuerlichen Grundfreibetrag der Studierenden abgefedert oder vom Arbeitgebenden pauschaliert. Für dich als Gründer*in bedeutet dies einen administrativen Aufwand bei der Lohnabrechnung, aber in der Regel keinen direkten Kostenpunkt.

Konkretes Rechenbeispiel (Stand 2026)

Machen wir das Ganze greifbar: Seit dem 1. Januar 2026 liegt der gesetzliche Mindestlohn in Deutschland bei 13,90 € pro Stunde.

Nehmen wir an, dein Start-up stellt einen Werkstudenten für die vollen 20 Stunden pro Woche ein. Das entspricht im Monatsdurchschnitt etwa 86,6 Stunden. Wir rechnen mit dem aktuellen Mindestlohn.

Ergebnis: Du musst beim Werkstudentenprivileg mit Lohnnebenkosten in Höhe von rund 12 % bis 14 % auf das Bruttogehalt rechnen. Zum Vergleich: Bei regulär sozialversicherungspflichtigen Festangestellten liegen die Lohnnebenkosten für den Arbeitgebenden bei deutlich über 20 %.

Abgrenzung: Wann lohnt sich ein Minijob mehr?

Oft stehen Gründer*innen vor der Frage, ob sie eine Aushilfskraft als Werkstudent *in oder als Minijobber*in einstellen sollen. Seit dem 1. Januar 2026 liegt die Verdienstgrenze für Minijobs bei 603 € im Monat.

Der große Unterschied: Beim Minijob zahlt der Arbeitgebende pauschale Abgaben von rund 30 % an die Minijob-Zentrale. Für die Administration ist das oft leichter, prozentual gesehen aber teurer.

Die Faustregel: Suchst du nur punktuelle Unterstützung für sehr wenige Stunden im Monat (unterhalb der 603-Euro-Grenze), ist der Minijob bürokratisch oft entspannter. Benötigst du aber fundierte Unterstützung für 15 bis 20 Stunden pro Woche, fährst du mit dem Werkstudent*innen-Modell finanziell deutlich günstiger.

Fazit & Checkliste für Gründer*innen

Werkstudent*innen sind ein enormer Gewinn für junge Unternehmen. Sie bringen frisches Wissen aus der Uni mit, sind hoch motiviert und im Vergleich zu Festangestellten günstiger in den Lohnnebenkosten. Damit alles glattläuft, nutze vor der Einstellung diese kurze Checkliste:

• [ ] Immatrikulationsbescheinigung: Liegt das Dokument für das aktuelle Semester vor? (Achtung: Muss jedes Semester neu angefordert werden!)
• [ ] Vertragliche Absicherung: Ist die maximale Arbeitszeit von 20 Stunden pro Woche (während der Vorlesungszeit) im Arbeitsvertrag festgeschrieben?
• [ ] Sozialversicherung: Ist die Anmeldung bei der Krankenkasse als Werkstudent*in (Beitragsgruppe "0100" o. ä.) korrekt vorbereitet?

Hinweis der Redaktion: Dieser Artikel dient ausschließlich der allgemeinen Information und stellt keine rechtliche oder steuerliche Beratung dar. Obwohl die Inhalte mit größtmöglicher Sorgfalt recherchiert wurden, können wir keine Haftung für die Richtigkeit, Vollständigkeit und Aktualität der bereitgestellten Informationen übernehmen. Bitte konsultiere bei spezifischen Fragen stets eine(n) Steuerberater*in oder Fachanwalt bzw. -anwältin.

DeathTech und GriefTech sind systemrelevant geworden. Getrieben von der massiven Vermögensübertragung der Babyboomer-Generation – laut dem Deutschen Institut für Wirtschaftsforschung (DIW) werden in Deutschland aktuell jährlich bis zu 400 Milliarden Euro vererbt – und einem fundamentalen Wandel in der gesellschaftlichen Akzeptanz digitaler End-of-Life-Lösungen, transformieren Gründer*innen heute einen historisch fragmentierten Markt aus rund 4.000 oft sehr traditionellen Kleinbetrieben.

Es geht längst nicht mehr nur um Preisvergleiche für Särge, sondern um die nahtlose Orchestrierung des Unvermeidlichen – von KI-gestützter Trauerbewältigung bis hin zum automatisierten Management des digitalen Nachlasses.

Wenn Demografie auf DeepTech trifft

Der Markt für Bestattungen und Nachlassverwaltung hat im Jahr 2026 eine neue, datengetriebene Reifestufe erreicht. Allein in Deutschland sprechen wir laut Erhebungen des Statistischen Bundesamtes (Destatis) von einem jährlichen Branchenumsatz im klassischen Bestattungswesen, der sich stabil der Marke von drei Milliarden Euro nähert. Flankiert wird dies von einem rasant wachsenden, digitalen Vorsorgemarkt. Der makroökonomische Hebel dahinter ist historisch einmalig: Ein immer größerer Teil der gewaltigen Erbmasse liegt dabei nicht mehr in Aktenordnern, sondern existiert ausschließlich virtuell, von Krypto-Wallets bis zu SaaS-Unternehmensanteilen.

Der Digitalverband Bitkom untermauerte diese Dringlichkeit bereits in seinen Erhebungen zum digitalen Nachlass, die zeigen, dass knapp ein Drittel der Internetnutzer*innen das Thema aktiv regeln möchte, die praktische Umsetzung aber oft an fehlenden Tools scheitert. Diese gewaltige Diskrepanz zwischen Bedarf und Angebot lockt institutionelles Geld an. Wir sehen keine utopischen Krypto-Bewertungen mehr, sondern sehr gesunde Series-A- und Series-B-Tickets für Unternehmen, die bewiesene Unit Economics aufweisen.

Jenseits von Sarg und Urne

Wer heute im DeathTech reüssieren will, muss über das Offensichtliche hinausdenken. Möglich ist das aktuelle Marktwachstum jedoch nur durch die Vorarbeit der Wegbereiter*innen der ersten Stunde, die den Markt überhaupt erst für institutionelles Kapital geöffnet haben. Unternehmen wie Mymoria sind dem Start-up-Status längst entwachsen; angetrieben von einer 15-Millionen-Euro-Finanzierungsrunde im Jahr 2021 durch namhafte VCs wie b2venture, agiert das Unternehmen heute als etablierter Omnichannel-Gigant mit bundesweiten Boutiquen.

Auch das Scale-up November hat mit einer zweistelligen Millionenrunde durch HV Capital die Bestattungsvorsorge digitalisiert. Im lukrativen Markt der rechtlichen Vorsorge dominiert Afilio, das bereits 2022 eine 13-Millionen-Dollar-Series-A unter Führung von Cherry Ventures abschloss. Im B2B-Hintergrund hat sich Columba als unsichtbares technisches Rückgrat in den Legacy-Systemen der Bestattungsbranche verankert und übernimmt vollautomatisiert die Vertragsabmeldungen. Auf der Infrastruktur dieser Pionier*innen baut nun eine neue Generation von Gründer*innen auf, die psychologische Tiefe und radikale Nachhaltigkeit in den Mittelpunkt stellt.

Die Friedhofs-Illusion und ihre Lektionen

Trotz der Goldgräberstimmung ist der Pfad der Branche mit den Überresten gescheiterter Hypes gepflastert. Ein prominentes Beispiel der jüngeren Vergangenheit war der Versuch, reine B2C-Vergleichsportale für Bestattungen nach dem Vorbild von Check24 aufzubauen. Frühe Aggregatoren-Modelle verbrannten Millionen in der Annahme, Kund*innen würden den Tod wie eine Kfz-Versicherung vergleichen. Die Realität war ein harter Crash der Profitabilität, da die Customer Acquisition Costs (CAC) via Suchmaschinenmarketing in diesem emotionalen Ausnahmezustand astronomisch hoch waren.

Aus diesen gescheiterten Hoffnungen lassen sich harte Lektionen ableiten. Der erste Fehler ist die Ignoranz gegenüber den Unit Economics: Da der Customer Lifetime Value (LTV) beim Tod naturgemäß auf eine Transaktion beschränkt ist, müssen Geschäftsmodelle zwingend auf margenstarken B2B2C-Vertrieb oder Lebzeiten-Vorsorge-Abos ausweichen. Ein zweites Risiko lauert in der Unterschätzung der B2B-Gatekeeper; wer die traditionellen Bestatter*innen als Feinde statt als Vertriebspartner*innen betrachtet, verliert den Kund*innenzugang. Drittens bricht vielen Gründer*innen die regulatorische Tiefe das Genick, denn wer sensible Nachlassdaten verarbeitet, operiert im Hochrisikobereich der DSGVO. Der subtilste Fehler ist ein Mangel an Branding-Sensibilität; wer mit aggressiver Growth-Hacking-Mentalität an trauernde Angehörige herantritt, wird vom Markt gnadenlos abgestraft.

Wo die DeathTech-Exzellenz in Deutschland liegt

Die geografische Verteilung der DeathTech-Exzellenz in Deutschland hat sich auf wenige, aber extrem leistungsstarke Hubs konzentriert. Berlin bleibt der unangefochtene Motor für Plattformen und Venture Capital, profitierend von einem dichten Ökosystem rund um Hubs wie den Inkubator Mitte von Science & Startups der Berliner Universitäten. München und der bayerische Raum haben sich hingegen als das Epizentrum für DeepTech, InsurTech-Schnittstellen und anspruchsvolle KI-Modelle etabliert. Die physische Nähe zu Rückversicherungs-Giganten wie Munich Re sowie exzellente Fakultäten der LMU machen München zum Nährboden für versicherungsgekoppelte Vorsorgemodelle. Leipzig hat sich dank Ausgründungen im Umfeld der Handelshochschule (HHL) zu einem Hub für LegalTech und rechtssicheres Datenmanagement entwickelt. Die Metropolregion Rhein-Ruhr und das Rheinland fungieren als essenzieller Testmarkt für psychologisch fundierte Ansätze – stark getrieben durch das Exzellenz Start-up Center Köln (Gateway), das gezielt hochschulnahe Gründungen im HealthTech- und GriefTech-Bereich fördert.

Investor*innen-Radar

Das Kapital, das in diese Branche fließt, ist klüger, geduldiger und diverser geworden. Spezialisierte VCs für den Tod gibt es in Europa zwar noch nicht in Reinform, aber wir beobachten eine klare strategische Erweiterung von HealthTech-Spezialisten wie Heal Capital, die Trauerbewältigung zunehmend als Teilaspekt der mentalen Gesundheit begreifen und kapitalisieren. Die richtig großen Schecks schreiben die Top-Tier Generalisten: Player wie b2venture, HV Capital und Cherry Ventures haben die massiven TAM-Zahlen (Total Addressable Market) längst in ihren Investmentthesen verankert.

Auf der anderen Seite positionieren sich Corporate VCs, allen voran der Berliner Wagniskapitalgeber IBB Ventures, der strategisch früh in Plattformen wie Emmora investierte. Den entscheidenden Treibstoff für Frühphasen-Start-ups liefern jedoch Business Angels und geförderte Exzellenz-Programme wie die exist-Gründerstipendien, die den Teams den nötigen Runway geben, um hochsensible Produkte in der Seed-Phase ohne sofortigen Profitdruck zu iterieren.

Unsere DeathTech- und GriefTech-Start-up-Watch List 2026

Für unsere finale Selektion im Jahr 2026 haben wir bewusst eine strenge Definition des Start-up-Begriffs angelegt. Die durch große Series-A- oder Series-B-Runden bereits skalierten Pionier*innen wurden als Wegbereiter*innen klassifiziert und aus der engeren Auswahl exkludiert. Die resultierende Watchlist besteht aus acht agilen Unternehmen. Kohorte eins umfasst reifere Start-ups der Gründungsjahre ab 2019, die bereits solides Investor*innen-Vertrauen und validierte Umsätze aufweisen. Kohorte zwei integriert junge Early-Stage-Start-ups aus dem Jahr 2024, die als hochspannende universitäre Spin-offs die nächste disruptive Innovationswelle abbilden.

Meine Erde

Im Jahr 2021 von Pablo Metz und Max Hüsch ins Leben gerufen, innoviert Meine Erde den Green-Death-Markt in Deutschland massiv. Das Unternehmen bringt die Reerdigung als natürliche Kompostierung in 40 Tagen aus der regulatorischen Grauzone in den legalen Markt. Der USP ist ein patentiertes Verfahren im Kokon, das pro Bestattung laut Unternehmensangaben rund eine Tonne CO₂ im Vergleich zur Feuerbestattung einspart und traditionellen Methoden ökologisch messbar überlegen ist. Dieses Impact-Potenzial überzeugte namhafte VCs: Project A Ventures führte bereits 2022 eine 5,8-Millionen-Euro-Seed-Runde an, flankiert von Vorwerk Ventures.

Emmora

Victoria Dietrich und Evgeniya Polo gründeten Emmora 2019 mit dem Ziel, Bestattungsplanung und Trauerbegleitung weiblicher und empathischer zu gestalten. Das B2C-Plattform-Modell begleitet Angehörige von der Organisation der Beisetzung bis hin zur psychologischen Unterstützung. Der klare USP liegt in der kuratierten Auswahl von Dienstleistern und einem Marktauftritt, der sich wohltuend von der drückenden Schwere traditioneller Bestatter abhebt. Das Modell überzeugte früh den Accelerator APX und führte 2021 zu einer siebenstelligen Seed-Runde unter Führung von IBB Ventures.

Memoresa

Das 2019 von Jörg Schädlich und Steffen Stundzig gegründete Leipziger Start-up hat sich der Ordnung des digitalen Chaos verschrieben. Ihr hybrides B2B2C-Modell bietet eine Plattform zur Verwaltung des digitalen Nachlasses. Der USP von Memoresa ist die tiefe API-Anbindung, wodurch im Todesfall Verträge vollautomatisiert gekündigt oder umgeschrieben werden können – ein Service, der für Banken und Versicherungen wie die Signal Iduna extrem wertvoll ist. Finanziert wurde das Start-up unter anderem durch Business-Angel-Netzwerke und den Inkubator cetup.INNOLAB der TU Dortmund.

TrostHelden

Das von Hendrik Lind und der ausgebildeten Sterbe-Amme Jennifer Lind 2019 ins Leben gerufene Start-up adressiert die isolierende Einsamkeit, die dem Tod folgt. Das B2C-Subscription-Modell basiert auf einem Smart-Matching-Algorithmus, der Trauernde mit exakt passenden Schicksalsschlägen und der gleichen Trauersprache verbindet. Der USP ist diese hochpräzise Logik, die echte, kuratierte Begegnungen schafft. TrostHelden wächst primär gebootstrappt, getragen von Impact-fokussierten Netzwerken, und wurde vom BMWK als herausragendes Social-Entrepreneurship-Modell ausgezeichnet.

Grievy

Dr. Nele Stadtbäumer, Daniel Bachmann und Aenis Chebil brachten 2021 eine technologisch skalierbare, psychologische Perspektive in den Markt. Grievy ist eine auf kognitiver Verhaltenstherapie fundierte App, die Nutzern therapeutische Impulse ausspielt. Der USP liegt in der klinischen Fundierung und der Skalierbarkeit der Trauerbegleitung. Das Team durchlief erfolgreich die Inkubation am Gateway Exzellenz Start-up Center Köln, sicherte sich das exist-Gründerstipendium und belegte 2022 den dritten Platz als Digitales Start-up des Jahres des Bundeswirtschaftsministeriums.

anfang.

Dieses reinrassige GriefTech-Start-up entstand im Wintersemester 2023/24 und wurde 2024 von den Studierenden Luisa Otto, Janek Voss und Pia Mauermann auf den Weg gebracht. Das B2C-Modell dreht sich um eine App als holistischen, digitalen Trauerbegleiter. Der USP ist die Kombination aus Reflexionsmodulen und einer geschützten Community. Eng begleitet wird das Team durch HIKE, den Hochschulinkubator für Entrepreneurship der Hochschule Nordhausen, wo aktuell die Strukturierung der Skalierungsphase im geschützten universitären Umfeld vorangetrieben wird.

Kreis & Raum

Im Jahr 2024 von der Architektin Eva Hartmann und der Projektmanagerin Miriam Becker in Berlin gegründet, schlägt dieses Start-up die Brücke zwischen physischer Bestattung und moderner Trauerbegleitung. Das hybride B2C-Modell bricht mit der starren Trennung von Beerdigungsinstitut und psychologischer Betreuung. Der USP ist ein radikal individueller Ansatz, der den Trauerprozess architektonisch neu designt. Begleitet von Science & Startups im Inkubator Mitte der Humboldt-Universität zu Berlin, validiert Kreis & Raum dieses hoch-emotionale Modell aktuell im städtischen Raum.

Lebewohl App

Als Ausgründung aus dem Umfeld der Lokalpioniere in Ostwestfalen-Lippe im Jahr 2024 attackiert dieses Team die überbordende Nachlass-Bürokratie. Die App fungiert als digitaler Assistent, der Hinterbliebene mit strukturierten Checklisten durch den Behörden-Dschungel manövriert. Der USP liegt in der enormen Kosteneffizienz für den Endnutzer, da automatisierte Dokumentenbeschaffung teure Rechtsberatungen flankiert oder ersetzt. Mit starkem organischen Wachstum im OWL-Netzwerk beweist Lebewohl App zugleich, dass Innovation im DeathTech nicht zwingend aus den Metropolen kommen muss

Internationaler Ausblick & Fazit

Blicken wir über den deutschen Tellerrand, zeigen sich globale Makro-Trends, die den europäischen Markt unweigerlich erfassen werden. Aus den USA schwappt die Welle der hyperpersonalisierten Generativen KI zu uns herüber; Start-ups trainieren dort bereits Large Language Models mit den digitalen Fußabdrücken von Verstorbenen, um interaktive Legacy-Avatare zu erschaffen. Asien, insbesondere Südkorea und Japan, forciert derweil die Verschmelzung von Trauer und dem Metaverse, wo physischer Platzmangel auf Friedhöfen durch immersive, digitale Gedenkstätten kompensiert wird. Israel wiederum bringt massive Impulse im Bereich der Cybersecurity in den DeathTech-Sektor ein, um posthumen Identitätsdiebstahl zu bekämpfen.

Für Gründer*innen und Investor*innen lautet das aktuelle Fazit: Der Tod ist kein Nischenthema mehr, sondern die ultimative Customer Journey. Wer in diesem drei Milliarden Euro schweren Markt bestehen will, benötigt nicht nur brillantes Tech-Know-how und wasserdichte Unit Economics, sondern vor allem eines: tiefgreifende, authentische Empathie, die im Code ebenso verankert ist wie in der Unternehmenskultur.

Wer sich heutzutage mit gesunder Ernährung beschäftigt, verliert sich schnell in einem Dickicht aus Protein-Hypes, Mikro-Diäten und unzähligen Supplements. Gleichzeitig klafft im Markt eine strukturelle Lücke: Klassische Ernährungsberatung ist oft teuer, punktuell und richtet sich meist an Menschen, die bereits gesundheitliche Probleme haben. Digitale Ernährungs-Tracker hingegen sind zwar günstig und zugänglich, fokussieren sich aber fast ausschließlich auf rudimentäres Kalorienzählen und kurzfristigen Gewichtsverlust. Die langfristige Gesundheit – die sogenannte Healthspan – bleibt dabei oft auf der Strecke. Genau in diese Lücke stößt nun das 2025 gegründete Start-up Preeo. Das Gründungsteam um Anneke Flechtner (CEO) und Christopher Marx (CTO) positioniert sich mutig im aufstrebenden Longevity-Sektor und plant Ende März 2026 den offiziellen Launch seiner App.

Vom Marketing zur Gesundheitsmission

Die Idee zu Preeo reifte nicht über Nacht. CEO Anneke Flechtner, die ursprünglich aus dem Marketing kommt und bereits eine eigene Agentur aufbaute, widmete sich dem Thema angetrieben von der Frustration über oberflächliche Ernährungstrends und kurzsichtige Diät-Apps. Zusammen mit CTO Christopher Marx wurde aus der Ursprungsidee schließlich Preeo, das Prävention in den Alltag der breiten Masse bringen will.

Doch reicht Marketing-Erfahrung für einen Markt, der tiefe wissenschaftliche und teils medizinische Expertise erfordert? Flechtner kontert diesen Einwand selbstbewusst: „Mein beruflicher Fokus lag in den letzten Jahren zwar im Marketing, gleichzeitig bin ich aber auch lizenzierte Ernährungsberaterin.“ Sie betont, dass es zwar viel fundiertes Wissen über Ernährung gebe, dieses aber im Alltag kaum ankomme. „Oft fehlt die Übersetzung in etwas, das verständlich und wirklich umsetzbar ist“, so die Gründerin. Um das wissenschaftliche Fundament zu sichern, orientieren sich die Inhalte an etablierten Leitlinien und evidenzbasierter Präventionsforschung. Flankierend baut das Start-up ein Advisory Board mit Expertinnen und Experten aus Ernährungswissenschaft, Medizin und Präventionsforschung auf. Flechtners Hintergrund soll letztlich genau die Brücke schlagen, um diese Erkenntnisse für die Nutzer tatsächlich alltagstauglich aufzubereiten.

KI-Tracking trifft auf Wearable-Daten

Der Einstiegspunkt für die Nutzer*innen ist die Preeo-App, die deutlich mehr sein will als ein weiteres Food-Tagebuch. Um die bei Tracking-Apps gefürchtete „App Fatigue“ (die Ermüdung durch aufwendiges manuelles Eintragen) zu umgehen, setzt Preeo auf KI-Fotoerkennung sowie Sprach- und Texteingaben. Der eigentliche technologische Clou ist jedoch die Datenfusion: Preeo verknüpft die getrackte Ernährung mit biometrischen Daten aus Wearables wie Apple Health oder Garmin. Parameter wie Schlafqualität, Stresslevel und tägliche Bewegung fließen in die Algorithmen ein. So sollen Nährstoffdefizite proaktiv erkannt und kontextbezogene Empfehlungen ausgesprochen werden. Wer schlecht schläft oder hohem Stress ausgesetzt ist, bekommt entsprechende Anpassungen für seinen Speiseplan.

Angesichts der oft fehleranfälligen KI-Erkennung und variierender Hardware-Genauigkeit drängt sich jedoch die Frage nach der Zuverlässigkeit dieser Empfehlungen auf. CTO Christopher Marx räumt technische Unschärfen unumwunden ein: „Unser Ziel ist aktuell bewusst nicht, auf das Gramm genau zu sein.“ Das Kernproblem bestehender Apps sei nicht mangelnde Präzision, sondern dass Nutzer schnell kapitulieren. „Ein schnelles Foto vom Teller hat eine gewisse Unschärfe, aber es ist unendlich wertvoller als ein perfektes Protokoll, das am Ende nie ausgefüllt wird“, argumentiert Marx. Die App ziele nicht auf obsessiven Tracking-Stress ab, sondern basiere ihre kontextbezogenen Impulse auf längerfristig beobachteten Trends, wodurch sich Ausreißer über die Zeit ausgleichen würden. Wer es genauer brauche, könne zudem manuell nachjustieren.

Bei der Verschmelzung solch intimer Gesundheits- und Stressdaten schrillen aus Datenschutzsicht unweigerlich die Alarmglocken. Hier verspricht Marx strikte DSGVO-Konformität. „Preeo versteht sich als Verbindungsstück zwischen verschiedenen Datenquellen – nicht als Datentresor“, stellt der CTO klar. Sensible Gesundheitsdaten bleiben lokal auf dem Gerät oder in den Ökosystemen der Hersteller. Preeo ziehe diese nur anlassbezogen und kurzlebig heran, während Mahlzeiten-Daten lediglich anonymisiert zur Weiterentwicklung der Erkennung genutzt würden.

Bleibt das Problem der traditionell hohen Abwanderungsraten bei Fitness-Apps: Warum sollten Nutzer*innen jahrelang für ein Abo bezahlen, wenn sie ihre Defizite längst verstanden haben? Für Anneke Flechtner ist Gesundheit kein Projekt mit Enddatum. „Stress, Schlaf, Bewegung oder Trainingsziele verändern sich ständig und damit auch die Anforderungen an unsere Ernährung“, erklärt die CEO. Preeo solle als kontinuierlicher Gesundheitsbegleiter agieren, der mit der Zeit aus den Daten lernt und Empfehlungen dynamisch an die Lebensumstände anpasst.

Zwischen Megatrend und hartem Wettbewerb

Das Marktumfeld könnte spannender kaum sein: Longevity ist einer der Megatrends dieses Jahrzehnts. Während in den USA Start-ups wie Zoe oder InsideTracker dreistellige Millionenbeträge einsammeln, steht Europa noch am Anfang.

Bis zum Launch Ende März wurde Preeo vom Gründerduo komplett gebootstrapped. „Diese Phase war für uns sehr wertvoll, weil wir uns vollständig auf Produktqualität und Nutzererlebnis konzentrieren konnten“, resümiert Flechtner. Doch die Vision ist größer: Um Prävention in Deutschland und Europa stärker zu skalieren, peilt das Start-up noch 2026 eine Pre-Seed-Finanzierungsrunde über rund eine Million Euro an. Voraussetzung dafür ist jedoch eine entsprechende Nutzer*innen-Traktion. CTO Marx ergänzt dazu pragmatisch: „Wir bauen momentan ein reines Digitalprodukt auf, was mit AI immer günstiger wird [...] Neue Start-ups erzielen Milliarden-Bewertungen mit sehr kleinen AI-nativen Teams.“

Gleichzeitig muss sich Preeo in einem stark umkämpften „Red Ocean“ gegen Giganten wie Yazio, MyFitnessPal, Oura oder Whoop behaupten. Preeo positioniert sich exakt an der Schnittstelle dieser Welten. Um Nutzer*innen angesichts kostenloser Konkurrenz zum Zahlen zu bewegen, setzt das Start-up auf ein Freemium-Modell. Während Basis-Tracker Nutzer*innen mit ihren Daten oft allein ließen, schließe Preeos Premium-Abo mit tieferen Analysen und einem KI-Coach die Lücke zwischen billigen Apps und teurer Einzelberatung.

Das Geschäftsmodell unter der Lupe

Bei aller Euphorie stellen sich für das Geschäftsmodell zentrale Herausforderungen. Ob sich Preeo das Trend-Label Longevity wirklich anheften kann, ist fraglich, da das Start-up bislang auf echte klinische Biomarker wie Blut- oder DNA-Tests verzichtet. Die Ansätze basieren stattdessen rein auf der Kreuzung von Software-Daten und Wearable-APIs.

Auf die direkte Frage nach der regulatorischen Grauzone und einer möglichen Einstufung als Medizinprodukt (MDR) oder der Abrechnung über Krankenkassen (DiGA) bleibt die Gründerin zurückhaltend und den konkreten Zukunftsplan schuldig. Sie betont stattdessen die aktuelle Positionierung: „In der aktuellen Phase versteht sich Preeo bewusst als Präventions- und Lifestyle-App. Wir diagnostizieren keine Krankheiten und ersetzen keine medizinische Beratung.“ Eine stärkere medizinische Validierung sei eher „eine Perspektive für die Zukunft“.

Zudem birgt die Verknüpfung von Wearable-Daten mit Ernährung im Alltag die Gefahr einer Datenüberflutung, die schnell zu Frustration führen kann. Die Handlungsempfehlungen müssen zwingend so simpel und granular aufbereitet sein, dass sie nachhaltige Verhaltensänderungen bewirken.

Aus wirtschaftlicher Sicht plant Preeo langfristig den cleveren Sprung vom margenschwachen B2C-Abo zu margenstärkeren Telehealth-Dienstleistungen wie digitaler Beratung durch echte Experten. Dem naheliegenden Einstieg ins Betriebliche Gesundheitsmanagement (BGM) erteilt Flechtner vorerst jedoch eine Absage. Auch wenn das Feld spannend sei, liege der Fokus aktuell „ganz bewusst darauf, Prävention für den einzelnen Nutzer greifbar und verständlich zu machen“. B2B2C-Modelle sehe sie erst langfristig als Potenzial.

Auch der geplante Telehealth-Ausbau liegt noch in der Ferne. Zunächst müsse die technologische Grundlage stehen. „Der Ausbau in Richtung digitaler Beratung ist deshalb perspektivisch geplant, aber nicht der erste Schritt nach dem Launch“, stellt Flechtner klar. Für die spätere Qualitätssicherung verspricht sie allerdings bereits klare Qualifikationsanforderungen und ein kuratiertes Netzwerk aus zertifizierten Berater*innen.

Einordnung & Fazit

Preeo surft auf einer massiven Welle. Die Fusion aus KI-Tracking und Gesundheitsdaten ist der logische nächste Schritt in der Evolution der Health-Apps. Isoliertes Kalorienzählen ist ein Relikt der Vergangenheit. Gelingt es Preeo nach dem Launch Ende März, eine loyale Nutzer*innenschaft aufzubauen und nahtlos in höherwertige Longevity-Services zu konvertieren, winkt dem jungen Hamburger Start-up die Rolle als relevanter europäischer Player. Zuvor muss das Gründungs-Duo jedoch beweisen, dass seine Algorithmen echten gesundheitlichen Mehrwert liefern, der den Wechsel von den etablierten Platzhirschen rechtfertigt.

Die europäische Chemieindustrie, die mit einem Jahresvolumen von rund 1 Billion Euro das industrielle Rückgrat des Kontinents bildet, steckt laut Branchenangaben in einer tiefgreifenden Strukturkrise. Wie Level Nine in seiner aktuellen Mitteilung betont, setzen volatile Rohstoffpreise, hohe Energiekosten und massiver Wettbewerb aus China und dem Nahen Osten die Margen so stark unter Druck, dass Standorte zunehmend gedrosselt oder geschlossen werden müssen. Seit Jahrzehnten gilt Biomasse als potenzielle Alternative, doch die industrielle Umsetzung scheiterte bisher an der Effizienz: Herkömmliche Katalysatoren sind für komplexe Biomoleküle nicht selektiv genug, während natürliche Enzyme für die rauen Bedingungen der Schwerindustrie – wie hohen Druck und extreme Hitze – zu empfindlich und teuer sind. Diese technologische Lücke hat die Industrie bisher in einer riskanten Abhängigkeit von fossilen Importen gehalten.

Das Team hinter der Vision

Um diese Lücke zu schließen, setzt Level Nine auf ein Gründungsduo, das wissenschaftliche Tiefe mit operativer Erfahrung vereint. CTO Dr. Emily Sheridan ist Spezialistin für enzym-inspirierte Materialien sowie Reaktionstechnik. Sie widmete ihre Forschung gezielt der Fragestellung, wie die Präzision biologischer Prozesse mit der für die Industrie notwendigen Robustheit verbunden werden kann.

Ihr zur Seite steht CEO Seadna Quigley, der die kommerzielle Seite des Unternehmens verantwortet. Quigley arbeitete zuvor intensiv an der Schnittstelle von Kreislaufwirtschaft, Nachhaltigkeit und Unternehmensaufbau. Seine Skalierungskompetenz stellte er unter anderem als CFO eines Amsterdamer Unternehmens unter Beweis, dessen Wachstum er auf über 140 Mitarbeitende begleitete. Gemeinsam führt das Duo heute ein 14-köpfiges Team am neuen Hauptsitz in Berlin.

Die Berliner Lösung: Präzision trifft industrielle Härte

Die Innovation von Level Nine basiert auf einer neuen Klasse industrieller Katalysatoren, die enzymähnliche Präzision bieten, aber gleichzeitig hohen Temperaturen, Drücken und industriellen Lösungsmitteln standhalten. Das Herzstück bildet eine auf maschinellem Lernen basierende Plattform, welche die Entwicklungszyklen für neue Katalysatoren massiv verkürzt und eine hocheffiziente Umwandlung komplexer biobasierter Rohstoffe ermöglicht. Laut Dr. Iris ten Have vom Lead-Investor Visionaries Tomorrow stellt dies eine fundamentale Technologieschicht dar, die ganze Wertschöpfungsketten erschließen kann.

Der 100-Milliarden-Euro-Target: Polyurethan im Fokus

Mit dem frischen Kapital konzentriert sich das Team zunächst auf den globalen Polyurethan (PU)-Markt, der jährlich über 100 Milliarden Euro schwer ist. Level Nine hat hierfür ein biobasiertes aromatisches Polyol entwickelt, das laut Unternehmensangaben die Leistung fossiler Alternativen erreicht. Ein strategischer Vorteil ist die „Drop-in“-Fähigkeit: Das Produkt kann laut Mitteilung direkt in bestehende Fertigungsinfrastrukturen integriert werden. Zudem weist das Material laut Level Nine inhärente flammhemmende Eigenschaften auf, was den Einsatz giftiger halogenierter Additive überflüssig machen soll.

Das „Tal des Todes“ der Hardware-Skalierung

Trotz des Investoren-Vertrauens durch Visionaries Tomorrow, Zero Carbon Capital, Rockstart, IBB Ventures und better ventures steht Level Nine vor der größten Hürde: dem physischen Scale-up. Das Unternehmen bereitet aktuell den Bau der ersten Kilotonnen-Produktionsanlage vor. In der Chemiebranche gilt dieser Schritt als das berüchtigte „Tal des Todes“, da die Skalierung von Laborreaktionen in industrielle Dimensionen extrem kapitalintensiv ist und technische Risiken birgt, die rein softwarebasierte Startups nicht kennen. Die Wirtschaftlichkeit wird sich erst beweisen, wenn Level Nine zeigt, dass ihre Chemie den Übergang ohne Kompromisse bei Kosten oder Leistung ermöglicht.

Der EU-Green-Deal als Marktmacher

Die strategische Positionierung von Level Nine wird durch aktuelle regulatorische Weichenstellungen in Europa gestützt. Die EU-Bioökonomie-Strategie hat biobasierte Materialien zur strategischen Priorität erklärt, um die Abhängigkeit von fossilen Rohstoffen zu beenden. Zusätzliche Dynamik verspricht der EU Biotech Act, der regulatorische Hürden abbauen und den Weg vom Labor in die Fabrik beschleunigen soll. Da die Lösungen von Level Nine zudem helfen könnten, strengere Grenzwerte für chemische Additive unter der REACH-Verordnung einzuhalten, bietet das Startup eine zeitgerechte Lösung für eine Industrie unter massivem Anpassungsdruck.

Fazit

Level Nine will die 4 Millionen Euro nutzen, um den Beweis anzutreten, dass nachhaltige Chemie nicht nur ökologisch notwendig, sondern ökonomisch souverän sein kann. Sollte die Skalierung in den Kilotonnen-Maßstab gelingen, könnte das Berliner Team eine Schlüsselrolle dabei spielen, die europäische Industrie zukunftsfähig und unabhängig aufzustellen.

In der frühen Phase eines Start-ups sind Engineering-Ressourcen das wertvollste Gut. Wenn es um die Überwachung der eigenen Software geht, tappen viele Tech-Teams in eine von zwei Fallen: Entweder sie fliegen komplett blind oder sie bauen gigantische, teure Dashboards, die niemand versteht.

Um pragmatisch zu starten, müssen wir zunächst zwei Begriffe trennen, die oft fälschlicherweise synonym verwendet werden: Monitoring und Observability.

• Monitoring sagt dir, dass etwas kaputt ist (Das System ist krank).
• Observability (Beobachtbarkeit) sagt dir, warum es kaputt ist und wo genau es wehtut.

Um das „Warum“ herauszufinden, nutzt die Industrie verschiedene Signale: Logs, Metriken, Traces und Frontend-Daten. Doch nicht alle sind für Start-ups gleich wichtig. Hier ist der Reality-Check, worauf es anfangs wirklich ankommt.

1. Der absolute Gamechanger: Exception Tracking (Die User-Sicht)

Das beste Server-Monitoring nützt nichts, wenn der „Kaufen“-Button im Browser des Kunden einen unsichtbaren JavaScript-Fehler wirft. Das Backend merkt davon nichts, aber der Umsatz bleibt aus.

Der Nutzen: Extrem hoch. Tools für sogenanntes Exception Tracking (wie Sentry, Bugsnag oder Rollbar) fangen Fehler genau dort ab, wo sie passieren – im Frontend beim Nutzer und im Backend. Sie gruppieren tausende Fehlermeldungen intelligent zusammen und zeigen: "Dieser spezifische Fehler betrifft gerade 150 Nutzer."

Das Start-up-Urteil: Ein absolutes Muss von Tag eins an. Es priorisiert Fehler automatisch nach Dringlichkeit und liefert den Entwicklern den genauen Code-Schnipsel, der den Absturz verursacht hat.

2. Das Rückgrat der Fehlersuche: Strukturierte Logs

Logs sind das Tagebuch der Applikation. Wenn ein Fehler auftritt, sind sie der Ort, an dem Entwickler den Kontext finden: Wer hat was wann versucht?

Der Nutzen: Sehr hoch. Aber Vorsicht: Einfache Text-Logs (wie man sie früher geschrieben hat) werden bei viel Traffic schnell unlesbar.

Das Start-up-Urteil: Pflichtprogramm, aber richtig umgesetzt. Startups sollten von Beginn an auf Structured Logging (JSON-Format) setzen. So lassen sich Log-Dateien später wie eine Datenbank durchsuchen (z.B. "Zeige mir alle Fehler von User ID 12345"). Um Kosten zu sparen, sollten anfangs nur echte Warnungen und Fehler geloggt werden, nicht jeder harmlose Klick.

3. Der Puls des Systems: Metriken (und die RED-Methode)

Metriken sind aggregierte Zahlen über die Zeit (z. B. CPU-Auslastung, Anzahl der Fehlermeldungen pro Minute, durchschnittliche Ladezeit).

Der Nutzen: Mittel für die eigentliche Ursachenfindung, aber essenziell für Alarme. Metriken verraten dir nicht die exakte fehlerhafte Codezeile, aber sie wecken dich nachts auf, wenn das System kollabiert.

Das Start-up-Urteil: Wichtig, aber bitte simpel halten. Anstatt Dutzende von Dashboards zu bauen, sollten Start-ups die sogenannte RED-Methode für ihre wichtigsten Schnittstellen nutzen:

• Rate: Wie viele Anfragen kommen rein?
• Errors: Wie hoch ist die Fehlerrate?
• Duration: Wie lange dauern die Antworten?

Reißt einer dieser drei Werte aus, gibt es eine Slack-Nachricht ans Team – und die Entwickler springen zur eigentlichen Fehlersuche in die Logs.

4. Die Overkill-Falle: Distributed Tracing und Session Replays

Jetzt kommen wir zu den Tools, die auf Konferenzen gerne beworben werden, Start-ups aber oft mehr Zeit kosten, als sie einbringen.

• Distributed Tracing: Traces verfolgen den Weg einer einzelnen Nutzeranfrage durch ein Labyrinth aus Dutzenden Microservices. Solange ihr aber einen gut gebauten Monolithen oder nur eine Handvoll Services betreibt, rechtfertigt der enorme Implementierungsaufwand den Nutzen nicht. Hebt euch Tracing für den Tag auf, an dem euer System massiv skaliert.
• Session Replay: Das sind Tools, die den Bildschirm des Nutzers aufzeichnen, um Mausbewegungen vor dem Fehler nachzuvollziehen. Ein fantastisches Werkzeug für UX-Designer, aber für Entwickler unter Zeitdruck oft zu zeitraubend in der Auswertung.

Die Schattenseiten: Wenn das Monitoring selbst zum Problem wird

Observability ist kein reines Wundermittel. Wer nicht aufpasst, schafft sich mit den besten Absichten neue Probleme. Startups müssen vor allem vier Risiken im Blick behalten:

• Die Kostenexplosion: Viele SaaS-Tools rechnen nach Datenvolumen ab. Wer stur nach dem Motto „Log everything“ vorgeht, zahlt am Ende oft mehr für das Monitoring als für die eigentlichen Server. Lösung: Unwichtige Daten filtern und Löschfristen (Retention) auf 7 bis 14 Tage begrenzen.
• Das DSGVO-Minenfeld: Detaillierte Logs saugen schnell sensible Daten wie Klartext-Passwörter, E-Mail-Adressen oder Kreditkarten-Fragmente auf. Landen diese auf Servern von US-Drittanbietern, drohen handfeste rechtliche Konsequenzen. Lösung: Sensible Daten müssen zwingend maskiert werden (Data Scrubbing), bevor sie das eigene System verlassen.
• Alarm-Müdigkeit (Alert Fatigue): Wenn der Slack-Kanal alle fünf Minuten wegen Nichtigkeiten bimmelt, stumpft das Team ab. Irgendwann wird der eine, wirklich kritische Ausfall übersehen. Lösung: Alarme dürfen nur feuern, wenn Nutzer tatsächlich beeinträchtigt sind und Entwickler aktiv eingreifen müssen.
• Performance-Einbußen: Zu viel Tracking im Code (gerade im Frontend des Nutzers) kann die Applikation spürbar verlangsamen. Die Beobachtung des Systems darf das Produkt niemals ausbremsen.

Fazit: Das 80/20-Prinzip für Start-ups

Start-ups sollten nicht versuchen, das Observability-Setup von Tech-Giganten zu kopieren. Die goldene Regel für die Frühphase lautet: Investiert 80 Prozent eurer Zeit in ein sauberes Exception Tracking (Frontend und Backend) und konsequent strukturierte Logs. Ergänzt das Ganze durch einfache Metriken (RED), die Alarm schlagen, wenn es wirklich brennt. Vermeidet unnötige Datensammelwut und schützt die Privatsphäre eurer Nutzer.

Infobox: Die Grundsatzentscheidung – Selbst bauen oder mieten?

Neben der Wahl der Signale stehen Start-ups früh vor der Frage, wie sie diese Tools betreiben. Hier gibt es zwei Lager:

1. Open Source (Selber hosten): Tools wie der ELK-Stack, Prometheus oder Grafana kosten keine Lizenzgebühren und die Daten bleiben komplett auf den eigenen Servern (ein DSGVO-Vorteil).
Der Haken: Die Einrichtung und Wartung frisst wertvolle Entwicklerzeit. Die teuerste Ressource im Start-up ist nicht der Server, sondern die Zeit der Entwickler.

2. SaaS / Managed Services (Mieten): Plattformen wie Datadog, Sentry oder New Relic sind in wenigen Minuten einsatzbereit und erfordern null Wartung.
Der Haken: Sie kosten Geld, und bei steigendem Datenvolumen können die Rechnungen empfindlich steigen (Vendor Lock-in).

Die goldene Regel & Teamkultur: Startet nach Möglichkeit mit SaaS-Lösungen, um euch auf euer Kernprodukt zu konzentrieren. Wechselt erst zu selbst gehosteten Systemen, wenn die monatliche SaaS-Rechnung teurer wird als die Arbeitszeit eines DevOps-Engineers. Und vergesst nicht die Kulturfrage ("You build it, you run it"): Das beste Tool nützt nichts, wenn nicht klar geregelt ist, wer sich am Wochenende um den Alarm kümmert.

Mit diesem pragmatischen Setup löst ein agiles Entwicklerteam 99 Prozent aller Probleme in Rekordzeit – und kann sich ansonsten auf das konzentrieren, was wirklich zählt: Ein Produkt zu bauen, das die Kunden lieben.

Am Anfang stand kein Hype, sondern eine einfache Wahrheit: Die günstigste Kilowattstunde ist die, die gar nicht erst verloren geht. Christian Grüner, Mathematiker, ehemaliger Managementberater und Gründer, folgte dieser schlichten Logik, als er sich nach dem Verkauf seines ersten Start-ups den Themen Klimaschutz und klimawirksame Gebäudesanierung widmete und erkannte: Nicht die nächste glänzende Hardware verspricht den größten Hebel für mehr Energie­- und Kosteneffizienz in Gebäuden, sondern eine solide Hülle. „Ich wollte etwas Physisches mit echtem Impact bauen. Dämmung ist dafür der unterschätzte Schlüssel“, sagt Christian rückblickend.

So entstand die Idee zu VARM, das er 2023 zusammen mit Sebastian Würz gründete, der über Know-how im Aufbau wachstumsstarker Start-ups und Expertise in Finanzen, Personal und Vertrieb verfügte, – als zentrale Anlaufstelle für effek­tive Hausdämmung. „Wir verbinden Handwerkskompetenz mit digitalen Prozessen – von der Beratung bis hin zur Ausführung“, so Christian. Das Ziel: Full-Service-Dämmung für Ein- und Mehrfamilienhäuser – transparent, plan- und skalierbar.

Brücke zwischen zwei Welten

Die größte Challenge dabei? Zwei Kulturen zusammenbringen: moderne Start-up-Mechanismen und traditionelles Handwerk. „Auf dem Papier ist Standardisierung leicht. Auf der Baustelle bedeutet sie: klare Abläufe, gute Ausbildung, saubere Kommunikation – jeden Tag“, sagt Christian.

Deshalb baut VARM eigene Teams auf, setzt auf eigene Handwerker*innen statt auf Subunternehmertum und professionalisiert das Gewerk mit durchgängig digitalen Prozessen: Von der Bedarfsanalyse über Angebot und Materiallogistik bis hin zur Nachbetreuung läuft alles in einer klaren Taktung. Qualität ist kein Zufall, sondern das Ergebnis von Prozessen und den Menschen, die diese Struktur tragen, so das Credo der Gründer.

Die Business-in-a-Box fürs Handwerk

Mit der inhouse entwickelten Business-in-a-Box hilft man den eigens ausgebildeten Handwerker*innen, ihre eigenen Betriebe per Franchise zu eröffnen und als selbständige „Dämm-Entrepreneur*innen“ zu operieren. „Wir reduzieren Einstiegshürden, stellen Tools, Aufträge, Schulung sowie Qualitätsmanagement und ermöglichen Selbständigkeit, wo sie bisher nur sehr schwer zugänglich war“, sagt Christian.

Der digitale Backbone schafft zugleich Skalierbarkeit: KI-gestützte Planung, zentrale Materiallogistik und intelligente Einsatzsteuerung sollen es perspektivisch ermöglichen, dass eine Person bis zu 50 Handwerkteams parallel koordiniert; ein Effi­zienzsprung um den Faktor 25 gegenüber dem klassischen Handwerk.

VARM ist somit der klassische Anwendungsfall von Physical­ AI: Hier trifft die „echte“ Welt auf KI-basierte Effi­zienz­steigerung. Für eine fragmentierte Branche bedeutet das Disruption mit Augenmaß: lokal, qualitätsgesichert und paneuropäisch denkbar.

Auf Wachstumskurs

Schon kurz nach dem Start konnte das Start-up eine siebenstellige Pre-Seed-Runde schließen – angeführt von Foundamental und noa, flankiert von Business Angels wie den Gründern von Thermondo und Ecoworks. 2024 folgte die Seed-­Runde über 5,7 Millionen Euro, an der unter anderen Emerge, Pale Blue Dot und die Bestands­investor*innen beteiligt sind.

Zudem expandierte VARM rasch nach Hamburg, Nordrhein-­Westfalen und in die Rhein-Main-Region – weitere Standorte sind in Planung. Strategische Partnerschaften mit Energie­beratungen, Hausverwaltungen, Versorger*innen, Wärmepumpen-Playern und den großen deutschen Baumarktketten sollen letztendlich das Thema Dämmung mit der restlichen Energiewelt verzahnen. „Unser Anspruch ist Exzellenz im Handwerk. Das macht unsere Kunden zu Fans“, so Christian. „Mit über 300 Fünf-Sterne-Google-­Bewertungen können wir stolz auf unseren Service sein.“

Das Berliner KI-Infrastruktur-Start-up Qdrant hat heute eine Series-B-Finanzierungsrunde in Höhe von 50 Millionen US-Dollar bekannt gegeben. Angeführt wird die Runde vom Investor AVP, unter Beteiligung von Bosch Ventures, Unusual Ventures, Spark Capital und 42CAP. Mit dem frischen Kapital will das Unternehmen, das eine in der Programmiersprache Rust entwickelte Open-Source-Vektorsuchmaschine für Produktionslasten anbietet, seine sogenannte Composable Vector Search als fundamentale Infrastruktur für die KI-Ära standardisieren.

Für die Start-up-Szene und die StartingUp-Leser*innen liefert Qdrant ein Paradebeispiel für europäisches DeepTech, Product-Led Growth über Open-Source und den harten strategischen Wettbewerb im aktuellen KI-Ökosystem.

Vom Side-Project zur modularen Architektur

Die Ursprünge von Qdrant gehen auf das Jahr 2021 in Berlin zurück. Die Gründer André Zayarni, heute CEO des Unternehmens, und Andrey Vasnetsov, der heutige CTO, arbeiteten zunächst an einer Matching-Engine für gigantische Mengen unstrukturierter Textdaten. Der technologische Durchbruch kam, als Vasnetsov vorschlug, auf neuronale Suche umzuschwenken und sich in seiner Freizeit die speichersichere Programmiersprache Rust aneignete.

Technologisch hat sich der Markt seitdem rasant entwickelt. Zu Beginn löste die Vektorsuche ein sehr spezifisches Problem, nämlich das Abrufen der nächsten Nachbarn aus dichten Embeddings über weitgehend statische Datensätze. Moderne KI-Systeme sehen heute jedoch völlig anders aus: Retrieval-Prozesse laufen nun in Agenten-Schleifen ab, führen pro Workflow Tausende von Abfragen über hybride Modalitäten aus und greifen auf sich kontinuierlich verändernde Daten zu.

Qdrant verabschiedet sich daher von einer reinen Black-Box-Lösung und setzt stattdessen auf eine modulare Infrastruktur. Entwickler*innen können Primitive zur Vektorsuche – wie dichte und spärliche Vektoren, Metadaten-Filter, Multi-Vektor-Darstellungen und benutzerdefinierte Bewertungsfunktionen – direkt zum Zeitpunkt der Abfrage frei kombinieren. Dies erlaubt eine explizite Steuerung darüber, wie sich jede einzelne Komponente auf die Relevanz, die Latenz und die Kosten auswirkt. Um der steigenden Forderung nach Flexibilität nachzukommen, ist Qdrant so designt, dass es sich nahtlos in Cloud-, Hybrid-, On-Premise- und Edge-Umgebungen einsetzen lässt.

Das Open-Core-Modell auf dem Prüfstand

Mit diesem Ansatz tritt Qdrant als sogenannter Picks-and-Shovels-Anbieter der andauernden KI-Revolution auf. Das Geschäftsmodell basiert auf einem Open-Core-Ansatz: Die Basis-Software ist quelloffen und erfreut sich mit mittlerweile über 250 Millionen Downloads sowie mehr als 29.000 GitHub-Stars einer massiven Beliebtheit. Namhafte Konzerne wie Tripadvisor, HubSpot, OpenTable, Bazaarvoice und Bosch nutzen die Technologie bereits kontinuierlich unter realer Produktionslast. Geld verdient das Start-up durch Managed-Cloud-Dienste sowie dedizierte Enterprise- und On-Premise-Lösungen.

Die kritische geschäftliche Hürde liegt jedoch in der massiven Ressourcen- und Rechenintensität von Vektordatenbanken. Die enorme Verbreitung im Open-Source-Bereich ist zwar exzellent für das Marketing, muss sich jedoch dauerhaft mit einer hohen Konversionsrate in zahlende Enterprise-Kund*innen übersetzen lassen, um die erheblichen Infrastruktur- und Vertriebskosten zu decken. Das Funding über 50 Millionen US-Dollar ist deshalb essenziell, um das Wachstum und den Cloud-Ausbau massiv zu forcieren.

Im Haifischbecken der Tech-Giganten

In diesem Umfeld agiert das Start-up in einem der derzeit umkämpftesten Tech-Sektoren überhaupt. Zu den Hauptkonkurrenten zählen Pure-Play Vektordatenbanken wie Pinecone, das als Platzhirsch im reinen Cloud-Segment gilt und enorme Einfachheit bietet, architektonisch jedoch die Gefahr eines Cloud-Vendor-Lock-ins birgt. Mitbietende Open-Source-Rivalen wie Weaviate mit einem starken Fokus auf hybride Suche und Milvus kämpfen in einer ähnlichen Liga wie Qdrant.

Die vielleicht größte Bedrohung geht jedoch von traditionellen Datenbanksystemen wie PostgreSQL, MongoDB oder Elasticsearch aus, die Vektorsuch-Funktionen inzwischen integriert haben. Herkömmliche Tools, die Vektorsuche nur als zusätzliche Schicht auf alte Indexierungsmodelle packen, brechen jedoch unter den Anforderungen moderner KI-Skalierungen oft ein. Qdrant ist daher strategisch gezwungen, als Spezialist durch vorhersagbare, niedrige Latenzen im Milliarden-Skalen-Bereich zu überzeugen.

Lektionen für die Start-up-Szene

Für Gründerinnen und Gründer lassen sich aus dem Fall Qdrant wertvolle Lektionen ziehen. Das Start-up zeigt eindrucksvoll, dass Entwickler*innen heute die wichtigsten Gatekeeper im B2B-Sales sind und eine starke Open-Source-Community eine organische Adaption generiert, die sich im Anschluss an große Enterprises monetarisieren lässt.

Zudem zahlt sich die frühe technologische Wette auf die Programmiersprache Rust aus, da Performance im KI-Markt ein harter Wettbewerbsvorteil ist.

Nicht zuletzt demonstriert Qdrant, dass tiefgreifende KI-Infrastruktur – eine Technologie, von der alle fortschrittlichen KI-Anwendungen abhängig sein werden – erfolgreich aus Berlin heraus gegründet und in globale Märkte skaliert werden kann.

Angeführt wird die 1,7 Millionen-Euro-Runde von Vanagon Ventures, während sich mit Bayern Kapital über den Innovationsfonds EFRE II auch ein gewichtiger institutioneller Partner beteiligt. Das Konsortium wird durch das Family Office Lightfield Equity, den neu gegründeten ZOHO.VC sowie mehrere strategisch erfahrene Business Angels vervollständigt.

Wenn Forschung auf Versicherung trifft

Hinter Neuramancer steht ein Führungstrio, das akademische Tiefe mit Branchenexpertise vereint. Den technologischen Grundstein legte Anatol Maier, der als technischer Architekt und CTO das wissenschaftliche Rückgrat bildet. Seine an der Friedrich-Alexander-Universität Erlangen-Nürnberg (FAU) im Bereich IT-Sicherheit entwickelte Methodik bildet heute das proprietäre Herzstück der Plattform.

Flankiert wird er von Anika Gruner, die als CEO die strategischen Fäden in der Hand hält. Durch ihre Stationen beim Bayerischen Rundfunk und bei Burda kennt sie die Mechanismen der Medienwelt und die Gefahren durch Desinformation aus erster Hand.

Um die technologische Lösung nun in marktfähige Bahnen zu lenken, komplettiert Martin Sondenheimer als Chief Commercial Officer das Team. Mit seiner Erfahrung als Venture-Experte bei Branchenriesen wie der Munich Re und der Allianz soll er die entscheidende Brücke zur Versicherungswirtschaft schlagen – dem Sektor, den Neuramancer als seinen ersten Fokusmarkt definiert hat.

Dem digitalen Rauschen auf der Spur

Während viele Wettbewerber auf eine rein visuelle Analyse setzen, geht Neuramancer eine Ebene tiefer. Die Plattform konzentriert sich auf die Analyse von Hintergrundrauschen und statistischen Artefakten in Bild- und Videodateien. Jede generative KI hinterlässt beim Erstellungsprozess einer Datei eine Art mathematischen Fingerabdruck. Neuramancer nutzt eigene, probabilistische Algorithmen, um diese Spuren zu isolieren. Ein wesentlicher Vorteil dieses Ansatzes ist die angestrebte Transparenz: Das System liefert mathematisch nachvollziehbare Beweise statt vager Wahrscheinlichkeiten. Dies ist insbesondere für die Akzeptanz vor Gericht oder in komplexen Versicherungsfällen ein entscheidendes Kriterium.

Zwischen Nischen-Spezialisten und Big Tech

Neuramancer tritt in einen Markt ein, der gerade erst erwachsen wird, aber bereits von verschiedenen Seiten besetzt ist. Die Wettbewerbslandschaft teilt sich dabei in drei Lager auf. Zum einen agieren internationale Schwergewichte wie Reality Defender (USA) oder DuckDuckGoose (Niederlande), die über deutlich höhere Finanzmittel verfügen.

Auf nationaler Ebene trifft Neuramancer auf spezialisierte Konkurrent*innen wie das Start-up VAARHAFT, das sich ebenfalls auf die automatisierte Prüfung von Schadensbildern fokussiert hat. Schließich arbeiten auch Tech-Giganten wie Intel oder Adobe innerhalb der Content Authenticity Initiative an eigenen Standards. Während Adobe verstärkt auf digitale Wasserzeichen setzt, um Originale zu kennzeichnen, muss Neuramancer beweisen, dass die nachträgliche Detektion von Fälschungen der effizientere Weg für Unternehmen ist.

Das Risiko der technischen Kurzlebigkeit

Trotz der exzellenten Forschungsgrundlage steht das Start-up vor Hürden. Eine der größten technischen Herausforderungen ist das Kompressions-Dilemma: Wenn Deepfakes über Dienste wie WhatsApp verschickt werden, geht oft genau das feingliedrige Rauschen verloren, auf das Maiers Algorithmen angewiesen sind. Das Team muss beweisen, dass die Technologie auch unter realen Bedingungen mit stark komprimierten Dateien robust bleibt. Zudem wirkt das Funding von 1,7 Millionen Euro im Vergleich zu den zweistelligen Millionenbeträgen der US-Konkurrenz fast bescheiden, was einen extrem effizienten Mitteleinsatz erfordert. Nicht zuletzt bleibt das Geschäft ein permanentes Wettrüsten: Sobald Detektionsmechanismen bekannt sind, könnten künftige KI-Modelle darauf trainiert werden, genau diese statistischen Spuren von vornherein zu vermeiden.

Fazit und Einordnung

Neuramancer ist ein Paradebeispiel für ein DeepTech-Spin-off, das den Sprung aus der Universität über renommierte Förderprogramme wie das Media Lab Bayern oder die Bundesagentur SPRIND in die kommerzielle Welt geschafft hat. Der Erfolg wird maßgeblich davon abhängen, wie schnell das Start-up die Versicherungswirtschaft als zahlende Kund*innen skalieren kann, bevor die nächste Generation von KI-Generatoren die aktuellen Algorithmen technologisch überholt. Ein riskanter, aber technologisch hochspannender Case für den Standort Deutschland.

Friction-Maxxing ist ein Trend aus dem Lifestyle-Bereich, der jedoch auch großes Potenzial für die Arbeitswelt und den strategischen Einsatz von KI in Unternehmen hat. Gemeint ist damit ein Verhalten, bei dem man bewusst mehr kleine Hindernisse und Hürden in Arbeitsprozessen akzeptiert.

Der große Vorteil: Durch eine bewusste Verzögerung wird das Urteilsvermögen geschärft, das Engagement vertieft und die mentale Resilienz der Mitarbeitenden gestärkt.

Friction-Maxxing als Gegengewicht zur KI-Dominanz

Insbesondere für Führungskräfte und das mittlere Management bietet Friction-Maxxing die Möglichkeit, produktive Reibung in Entscheidungsprozesse zurückzubringen. Durch die Rückkehr zu mehr persönlichen Begegnungen und analogen Arbeitsabläufen entstehen Dinge, die in digitalen Formaten schlicht verloren gehen:

• Konzentrierte Aufmerksamkeit.
• Psychologische Sicherheit.
• Wichtige nonverbale Signale.

Persönliche Begegnungen ermöglichen einen konstruktiven Austausch und helfen Teams dabei, ein gemeinsames Verständnis von Qualität zu entwickeln. Am Ende geht es nicht darum, unnötige Hürden aufzubauen, sondern das richtige Maß an „Reibung“ zu gestalten: Analoges für einen besseren Umgang mit Ambiguität, Kreativität und richtungsweisenden Entscheidungen – Digitales für die Umsetzung.

Fokus und Sinnhaftigkeit zurückerobern

Positive Reibung kann als dringend benötigtes Gegengewicht zur KI-getriebenen Beschleunigung in der Arbeitswelt fungieren und den Fokus wiederherstellen. Sei es durch das gründliche, manuelle Überdenken eines Briefings oder den bewussten Wunsch nach persönlichem Austausch anstelle eines asynchronen Chats. Wer sich Zeit zum Denken, Begegnen und Gestalten zurückerobert, ermöglicht es Teams, sich wieder mit ihrem eigentlichen Auftrag und ihren Ansprüchen zu verbinden – Qualitäten, die KI-Automatisierung allein niemals erreichen kann.

Dieses geänderte Verhalten führt zu mehr Präsenz, weniger Angst und einem gestärkten Gefühl der Kontrolle. Der bewusst gewählte, nur scheinbar umständlichere Weg kann somit zu mehr Autonomie und tieferer Zufriedenheit am Arbeitsplatz beitragen.

Ein Plädoyer für intentionale Reibung

Die Aufgabe moderner Führungskräfte ist es daher, bei menschenzentrierten Tätigkeiten ganz bewusst sogenannte intentionale Reibung herbeizuführen und KI parallel dazu zu nutzen, den täglichen administrativen Arbeitsaufwand zu minimieren.

Unternehmen müssen klar benennen, wo KI ihre Stärken hat und eingesetzt werden soll – und wo menschliche Fähigkeiten wie Empathie, Urteilsvermögen und kritisches Denken absolut unersetzlich sind. So gibt man Mitarbeitenden die Möglichkeit, sich auf die Arbeit zu konzentrieren, die wirklich zählt und echten Mehrwert schafft.

Friction-Maxxing ist somit weniger ein Plädoyer gegen die Technologie, sondern vielmehr ein Aufruf zur Intentionalität: Dem bewussten Abwägen darüber, wann Prozesse automatisiert werden sollten und wann gerade der Widerstand den entscheidenden Unterschied machen kann.

Der Autor Dr. Arne Sjöström ist Regional Director, People Science EMEA bei Culture Amp. Sein Schwerpunkt liegt in der Organisationspsychologie und der angewandten Forschung.