Das Hygiene-Problem beim Bahnfahren kennen wir alle. Aber vom Ärgernis zur Gründung ist es oft ein weiter Weg. Was war der konkrete Auslöser, tatsächlich eine Firma anzumelden?

Mein Mann pendelt täglich mit dem ICE zwischen Stuttgart und Mannheim. Er ist morgens immer früh unterwegs und möchte häufig noch einmal die Augen schließen auf der Fahrt. Das hat ihn immer Überwindung gekostet, also haben wir nach einer Lösung gesucht, die es jedoch nicht gab. Nachdem wir den beZUG dann entwickelt hatten, gab es reges Interesse im Freundes- und Bekanntenkreis. Das bestärkte mich darin ein Business daraus zu machen.

Sie haben Ihre Prototypen live im Zug getestet. Wie viele skeptische Blicke oder Kommentare von Mitreisenden mussten Sie aushalten, bis die Passform saß?

Ehrlichweise sind Bahnfahrende relativ tolerant außergewöhnlichem Verhalten gegenüber, solange man den anderen nicht stört. Die Kissen hat mein Mann meist morgens vermessen, da abends die Züge einfach zu voll sind. Aber morgens um diese Uhrzeit gilt offenbar das Prinzip: „Mind your own Business“, sodass manches Mal verwunderte Blicke kamen, aber angesprochen wurde er darauf nicht.

Lassen Sie uns über das Risiko sprechen. Ihr Produkt ist technisch einfach: Stoff und Gummizug. Was ist Ihr Schutzwall gegen Billig-Kopien aus Fernost, die das morgen für den halben Preis anbieten könnten?

Das ist eindeutig ein kritischer Punkt. Daher habe ich mir diese Frage ebenfalls sehr früh gestellt und ein Gebrauchsmuster angemeldet. Dieses ist nun tatsächlich auch eingetragen. Zudem habe ich mich von vornherein für faire Produktionsbedingungen innerhalb Europas entschieden. Da der beZUG mit Haut in Berührung kommt war mir auch die Stoffqualität wichtig. Der beZUG ist aus Bekleidungsstoff gefertigt, welcher OEKOTEX 100 zertifiziert ist. Das sind Aspekte bei denen Billigware in der Regel nicht punkten kann. Zudem ist das Produkt eines was explizit auf den deutschen Markt zugeschnitten ist. Da bleibt abzuwarten, ob sich ein Anbieter aus Nahost überhaupt dafür interessiert.

Ein weiteres Thema ist die Abhängigkeit. Ihr Geschäftsmodell basiert zu 100 Prozent auf den Sitzen der Deutschen Bahn. Wie gehen Sie mit diesem „Klumpenrisiko“ um, das heißt, was tun, wenn die Bahn morgen das Sitzdesign radikal ändert?

Diesen Punkt sehe ich relativ entspannt. Laut DB nutzen jeden Tag 400.000 Personen die Fernverkehrsstrecken der Bahn. Eine relevant große Zielgruppe ist also vorhanden. Bezüglich des ICE-Designs wurde im letzten Jahr erst die neueste Generation des ICEs, der ICE L, vorgestellt. Und auch in diesem sind Kopfkissen verbaut. Zudem werden die vorherigen Generationen des ICE nach wie vor weiter eingesetzt. Die Kopfkissen in den verschiedenen Zug-Generationen sind ein wenig unterschiedlich. Der beZUG ist jedoch so designt, dass er auf allen Kissen universell eingesetzt werden kann.

Sie haben als UG gegründet, vermutlich um die Hürden niedrig zu halten. Ist beZUG ein klassisches Bootstrapping-Projekt aus dem Cashflow, oder suchen Sie aktiv nach Investoren für das schnelle Wachstum?

Richtig, die beZUG ist aus Eigenkapital entstanden und der Plan ist auch aus eigenem Cashflow zu wachsen. Das impliziert jedoch ein kontinuierlich moderates Wachstum. Aber müssen, wie bei fast jedem produzierenden Unternehmen, Material und Produktion vorfinanziert werden. Sollte somit das limitierte Budget die Bedienung einer schnell wachsenden Nachfrage ausbremsen, müssen auch externe Finanzmittel in Betracht gezogen werden.

Aktuell verkaufen Sie D2C über Ihren Webshop. Aber bei einem "Mitnahmeartikel" fressen Versand und Marketing oft die Marge. Planen Sie den Schritt in den stationären Handel, etwa in Bahnhofsbuchhandlungen?

Tatsächlich bin ich bereits in Kontakt mit ebensolchen Handelsunternehmen, welche direkt an Bahnhöfen oder Flughäfen angesiedelt sind. Ich könnte mir auch vorstellen, dass der beZUG zukünftig aus einem Automaten direkt am Gleis bezogen werden kann. Das sind aber Ideen für Zukunft.

Bieten Sie den beZUG auch gebrandet bzw. personalisiert an?

Ja, die Verpackung und auch der beZUG selbst bieten verschiedene Möglichkeiten für ein individuelles Branding. Auch eine individuelle Stofffarbe wäre umsetzbar bei entsprechender Abnahmemenge.

Zum Abschluss ein Rat an unsere Leser*innen: Sie haben nicht lange am theoretischen Reißbrett verharrt. Ist „Einfach machen“ immer der beste Weg, oder hätten Sie rückblickend an einer Stelle lieber mehr geplant?

Diese Frage kann ich in fünf Jahren vermutlich besser beantworten. Als Gründer heißt es doch immer learning by doing. Natürlich geht es besser, aber dieses Unternehmen würde es heute noch nicht geben hätte ich alle Eventualitäten, Möglichkeiten und Förderungen vorab recherchiert. Habe ich mich über mich selbst geärgert, als ich manches Mal mit dem Steuerberater gesprochen hatte, weil es auch anders und besser gegangen wäre? Vielleicht ja. Aber bereue ich das Unternehmen so aufgezogen zu haben wie es heute ist? Nein, bestimmt nicht. Also lieber rein ins kalte Wasser und schwimmen lernen als ewig am Beckenrand stehen.

Hier geht's zu beZUG

Das Interview führte StartingUp-Chefredakteur Hans Luthardt

Wie sieht digitale Bildung aus, die Konzentration fördert, statt durch ständige Reize abzulenken? Das 2025 gegründete Start-up boboola liefert mit seinen sogenannten Edu Books eine Antwort auf die aktuelle Marktsättigung durch fragmentierte Spiele-Apps. Das Ziel ist die Etablierung einer neuen Produktkategorie im EdTech-Sektor für Kinder im Alter von 4 bis 7 Jahren, die die narrative Tiefe eines klassischen Bilderbuchs mit den interaktiven Möglichkeiten moderner Multimedia-Technologie vereint.

Die Köpfe hinter boboola

Hinter dem Start-up stehen federführend zwei Gründer: CEO und Creative Director Jürgen (Joe) Schmitt bringt laut Unternehmensangaben ein Studium der Soziologie, Politik und Pädagogik sowie 30 Jahre Erfahrung als Etatdirektor, Designer und Projektmanager im Agenturgeschäft mit. Sein Mitgründer Frank H. P. Dohrmann verantwortet die Bereiche Controlling und Kooperationen. Der Diplom-Ökonom und Unternehmersohn verweist auf 25 Jahre kaufmännische Verantwortung in Familienunternehmen der Sektoren Logistik, Lebensmittelgroßhandel und Rohstoffe. Ein genauerer Blick in sein heutiges unternehmerisches Umfeld zeigt zudem, dass Dohrmann ein erfahrener Akteur im Immobilien-, Finanz- und Anlagebereich ist.

Fokus statt Swipen

Als Gegenentwurf zu schnelllebigen Apps startete boboola nun im März 2026 den Verkauf der digitalen Edu Books über den eigenen Online-Shop. Ein Edu Book folgt keiner typischen App-Logik, sondern der Dramaturgie einer durchgehenden Geschichte. Um unterschiedlichen Nutzungssituationen gerecht zu werden, bietet das Format einen integrierten „Kids“-Modus mit Audiobook, durch den Kinder die Inhalte selbständig erkunden können. Im „Kids+“-Modus lässt sich hingegen der Text für Eltern zum Mit- oder Vorlesen einblenden. Technisch setzt boboola auf etablierte Web-Standards wie EPUB3, XPUB und HTML5. Die digitalen Bücher sind zudem komplett offline nutzbar und für iPads, MacOS- sowie Android-Tablets optimiert.

Doch wie verhindert man bei einer jungen Zielgruppe, dass die interaktiven Elemente passiv und ungeduldig durchgeklickt werden, wie sie es von anderen Spielen gewohnt sind? Joe Schmitt sieht hier die Eltern in der Pflicht und geht davon aus, dass diese sich das Premiumprodukt zunächst gemeinsam mit dem Kind anschauen. „Ein pädagogischer Aspekt ist hierbei unter anderem, dass Kinder lernen zuzuhören, bevor sie agieren“, betont der CEO und verweist darauf, dass die Charaktere im Buch alle Module ausführlich erklären. Tests hätten zudem gezeigt, dass Kinder und Eltern der Produktlogik gerne folgen.

Die Entscheidung, bewusst auf Web-Standards zu setzen und primär über den eigenen Shop zu verkaufen, um die typische App-Store-Logik zu umgehen, birgt Risiken. Die Bequemlichkeit der Eltern, die Käufe mit nur einem Klick gewohnt sind, könnte zur Hürde werden. Schmitt rudert hier leicht zurück und kündigt an, dass die Edu Books auch im Apple Books Store verfügbar sein werden. Dennoch verteidigt er den elitären Anspruch des Formats: „Unser Produkt ist ein ästhetisches und pädagogisches Gesamtkunstwerk, es entzieht sich damit bewusst einer Massenmarkt-Logik.“ Wer für ein solches Konzept keine Zeit oder Muße habe, greife vermutlich ohnehin zu digitalen Massenprodukten oder klassischen Bilderbüchern. Den Unterschied produziere man bewusst.

Markt, Wettbewerb und Preisgestaltung

Der EdTech-Markt für Vor- und Grundschulkinder ist lukrativ, aber hart umkämpft. Die Pressemitteilung des Start-ups suggeriert zwar, man erschaffe eine völlig neue Produktkategorie, doch dieser „unbesetzte Raum“ zwischen App und Buch ist in der Realität kleiner als dargestellt. Während Hardware-Giganten wie die Toniebox den reinen Audio-Markt dominieren und Start-ups wie Edurino mit haptischen Figuren auf app-basiertes Lernen setzen, gibt es im Bereich der interaktiven Bücher bereits massiven Wettbewerb. Analog dominiert Ravensburger mit dem „TipToi“-Stift. Im rein digitalen Raum auf Tablets bietet das Hamburger Unternehmen Tiger Media mit „TigerBooks“ längst ein erfolgreiches Flatrate-Modell an.

Boboolas Leitsatz „Ein Buch – keine App“ muss sich also gegen ein sehr erwachsenes Marktumfeld behaupten. Herausfordernd dürfte dabei vor allem die Preisstrategie werden. Für das Start-Sortiment ruft boboola Preise von 29,90 Euro für Storybooks und 12,90 Euro für Playbooks ab. Damit liegt ein einziges digitales Buch deutlich über der monatlichen Flatrate etablierter Wettbewerber*innen.

Konfrontiert mit dieser hohen finanziellen Eintrittsbarriere teilt Schmitt gegen die Konkurrenz aus: „Der Markt ist massiv geprägt von kurzweiligen digitalen App-Angeboten und Massenware, die zunehmend zu ruinös niedrigen Flatrate-Preisen angeboten wird.“ Mit wirklichem Lernen habe dies wenig zu tun. Der Gründer rechtfertigt den Preis mit dem eigenen Ökosystem an Charakteren, dem integrativen Konzept sowie der Bilingualität der Bücher.

Die Skalierbarkeit: Handwerk oder KI?

Angesichts dieser ambitionierten Preisgestaltung und des immensen Aufwands für multimediale Erlebniswelten stellt sich bei einem Start-up unweigerlich die Frage nach der Skalierbarkeit – und dem Einsatz von KI-Generatoren. Wie viel echte handwerkliche Kunst steckt noch in den Welten?

Auf diese Frage reagiert Schmitt pragmatisch und räumt den orchestrierten Einsatz moderner Software offen ein: Ohne diese Technologie sei das Produkt wirtschaftlich schlicht nicht umsetzbar. Der Fokus der Gründer liege nicht auf reiner Handarbeit, sondern auf der Umsetzung pädagogischer Prinzipien, bei denen Kinder über Geschichten und Emotionen involviert werden.

Mögliche Abstriche bei der visuellen Individualität der Welten ficht das Start-up nicht an. „Dass unsere Charaktere nicht die Einzigartigkeit einer Raupe Nimmersatt haben, nehmen wir in Kauf“, gesteht der CEO, verweist aber auf die kindliche Wahrnehmung: „Kinder lieben die Charaktere und kennen das Wort ‚austauschbar‘ nicht.“ Nachahmer*innen könnten zwar einzelne Figuren replizieren, ein komplexes Edu Book entstünde dadurch aber noch lange nicht.

Fazit

Mit boboola wagt ein deutsches EdTech-Start-up den bewussten Schritt in die Entschleunigung digitaler Medien für Kinder. Die Verbindungen der Gründer in den Finanz- und Anlage-Sektor deuten darauf hin, dass hier professionell und mit klarem Business-Case agiert wird. Doch das Start-up operiert in keinem luftleeren Raum. Gelingt es den Gründern nicht, den Premium-Preis durch herausragende didaktische Qualität im direkten Vergleich zur Konkurrenz zu rechtfertigen, könnte das anvisierte Category-Design an der Zahlungsbereitschaft der Zielgruppe scheitern.

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.

Wer an globale Lieferketten denkt, hat Containerschiffe, riesige Lagerhallen und KI-gestützte Routenplanung vor Augen. Doch das eigentliche Rückgrat des Welthandels ist erschreckend analog: Weltweit zirkulieren Schätzungen zufolge rund 10 Milliarden Ladungsträger – Europaletten, Gitterboxen, Spezialgestelle. Sie wechseln jährlich etwa 150 Milliarden Mal den Besitzer. Was in der Theorie nach einem reibungslosen Kreislauf klingt, ist in der Praxis ein administrativer Albtraum, der von Palettenscheinen auf Papier, fehleranfälligen Excel-Listen und endlosen E-Mail-Schleifen dominiert wird.

Genau hier setzt das Tech-Start-up Logistikbude an. Mit einer frischen Series-A-Finanzierung in Höhe von über 5 Millionen Euro, angeführt vom renommierten VC Capnamic sowie Moguntia Capital und diversen Bestandsinvestoren (u. a. FTTF, Rethink Ventures), will das Dortmunder Unternehmen eine völlig neue Softwarekategorie im B2B-Sektor etablieren: das Load Carrier Management System (LCMS).

Aus der Forschung in den Logistik-Dschungel

Die Wurzeln der Logistikbude sind ein Musterbeispiel für erfolgreichen Technologietransfer. Die Gründer Dr. Philipp Hüning (CEO), Michael Koscharnyj (COO), Patrik Elfert (CPO) und Jan Möller (CTO) stammen aus dem Fraunhofer-Institut für Materialfluss und Logistik (IML) in Dortmund. Dort arbeiteten sie in einem Enterprise Lab eng mit der European Pallet Association (EPAL) zusammen. Aus dieser direkten Schnittstelle zwischen Spitzenforschung und industrieller Realität erwuchs eine zentrale Erkenntnis: Bestehende IT-Systeme wie Warehouse Management (WMS) oder Transport Management Systeme (TMS) behandeln das Ladungsträgermanagement äußerst stiefmütterlich.

Im Oktober 2021 wagte das Quartett die Ausgründung. Aus dem Forschungsprojekt wurde ein Vertical-SaaS-Start-up, das sich anschickt, die tiefe Ineffizienz im Palettentausch zu beenden. Namhafte Kunden wie DACHSER und die Nagel-Group, die das System aktuell an 130 Standorten flächendeckend ausrollt, beweisen: Das Team hat den Product-Market-Fit gefunden.

Intelligenter Layer statt Systembruch

Das LCMS der Logistikbude positioniert sich als intelligenter Datenlayer, der sich über die bestehende – und oft stark fragmentierte – IT-Infrastruktur von Handels- und Logistikunternehmen legt. Über API-Schnittstellen zieht das System Daten aus ERP- oder WMS-Systemen, schließt Lücken über mobile Scan-Apps oder IoT-Sensoren und gleicht Salden automatisch ab.

Besonders clever: Um den manuellen Aufwand zu minimieren, nutzt die Software Künstliche Intelligenz. Ein KI-Agent liest analoge oder als PDF vorliegende Palettenscheine aus, verbucht sie und gleicht Konten ab. Partnerunternehmen, die die Software selbst nicht nutzen, lassen sich über simple Weblinks in den Bestätigungsprozess einbinden. Das Geschäftsmodell ist klassisches Software-as-a-Service (SaaS): Kunden zahlen eine monatliche Lizenzgebühr, gestaffelt nach Funktionsumfang und Volumen der Ladungsträger.

Ist das wirklich eine neue Software-Kategorie?

Die Logistikbude proklamiert selbstbewusst, mit dem LCMS eine dritte große Säule neben ERP/WMS und TMS zu schaffen. Doch hält diese These einer kritischen Marktanalyse stand?

• Die Stärken: Das Start-up löst ein akutes Schmerzproblem. Paletten sind gebundenes Kapital. Hoher Schwund und massiver administrativer Personalaufwand für den Saldenabgleich kosten Großlogistiker jährlich Millionen. Der Return on Investment (ROI) der Software lässt sich für Kunden schnell und hart in Euro beziffern.
• Die Risiken: Langfristig stellt sich die Feature-or-Product-Frage. Bislang ignorieren große ERP-Anbieter (wie SAP) oder etablierte WMS-Hersteller das Thema weitgehend, weil es extrem kleinteilig ist. Sollten diese Tech-Giganten jedoch den Wert der Automatisierung im Palettenmanagement erkennen und entsprechende Module nativ in ihre Suiten integrieren, gerät ein Standalone-LCMS unter Druck. Logistikbude muss sich in den Lieferketten unentbehrlich machen, bevor die großen Tanker ihren Kurs korrigieren.
• Der Netzwerkeffekt: Palettentausch ist ein Multiplayer-Spiel. Wenn Spedition A und Händler B unterschiedliche Systeme nutzen, droht ein neuer Datenbruch. Logistikbude federt dies zwar stark durch KI-gestützte Dokumentenauslese und Partner-Links ab, doch die volle Skalierungskraft entfaltet sich erst, wenn das System zum Quasi-Standard der Branche wird.

Wettbewerb und Markt

Der Markt für das Management von Ladungsträgern ist stark fragmentiert, wobei sich die Konkurrenz im Wesentlichen in drei Cluster unterteilen lässt. Der mit Abstand größte und hartnäckigste Gegenspieler ist dabei der etablierte Status quo in Form von Excel-Tabellen und Papierdokumenten. Daneben existieren diverse Alt-Systeme und Nischenanbieter, die einfache Lademittelverwaltungen oft noch als isolierte On-Premise-Lösungen anbieten. Diesen traditionellen Ansätzen fehlt im direkten Vergleich jedoch meist die nötige Cloud-Dynamik sowie eine moderne KI-Integration. Ein drittes Cluster bilden digitale Pooling-Dienstleister wie inter.PAL, die sich dem Problem von der physischen Seite nähern. Diese Player kombinieren ein digitales Palettenkonto mit dem europaweiten, physischen Handling und Pooling der Paletten, teilweise ergänzt durch Blockchain-Verbuchungen. Im Gegensatz dazu grenzt sich die Logistikbude klar ab, indem sie rein digital, plattformunabhängig und als völlig neutraler Software-Dienstleister operiert.

Einordnung & Ausblick

Für Gründerinnen, Gründer und Investor*innen sendet die Series-A der Logistikbude ein starkes Signal: Die lukrativsten Start-up-Ideen liegen oft nicht in hippen Endkonsumenten-Trends, sondern in den unsexy Untiefen des B2B-Alltags. Die Logistikbude ist ein klassischer Hidden Champion in spe.

Mit dem frischen Kapital von über 5 Millionen Euro muss das Team nun beweisen, dass es die Internationalisierung über den DACH-Raum hinaus stemmen und eine Marktdurchdringung erreichen kann, die das System vom smarten Tool zum echten Branchenstandard erhebt. Gelingt dies, könnte das Konzept LCMS tatsächlich als eigenständige Kategorie in die IT-Systemlandschaften der globalen Wirtschaft einziehen.

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.

In der ganz frühen Phase einer Gründung, wenn klassische Bankkredite noch in weiter Ferne liegen, schlägt die Stunde der informellen Investor*innen. Ob Business Angels oder das private Umfeld: Ohne dieses Kapital würden viele Ideen den Sprung zum Markteintritt nicht schaffen.

Eine aktuelle Studie des RKW Kompetenzzentrums in Kooperation mit dem Thünen-Institut offenbart nun jedoch eine tiefe Kluft im Investitionsverhalten. Die Daten, basierend auf dem Global Entrepreneurship Monitor (GEM), zeigen ein deutliches Muster: Man investiert bevorzugt in das eigene Geschlecht.

Die Zahlen: Einseitigkeit bei den Männern

Besonders deutlich wird dies bei den männlichen Kapitalgebern. Rund 64 Prozent ihres Kapitals floss im Jahr 2024 in Gründungen von Männern. Nur magere 18 Prozent der männlichen Investitionen kamen Gründerinnen zugute.

Frauen zeigen sich hier deutlich offener: Fast 60 Prozent der informellen Investorinnen unterstützten andere Frauen. Gleichzeitig floss knapp ein Drittel ihres Kapitals in männlich geführte Startups. Damit investieren Frauen weitaus häufiger geschlechterübergreifend als ihre männlichen Pendants.

Mutiger außerhalb der Familie

Ein weiteres Detail der Studie betrifft die soziale Nähe zum Investitionsobjekt. Zwar bleibt der Kreis aus Familie und Freunden („Family and Friends“) für beide Geschlechter wichtig (ca. 37 bis 39 Prozent), doch bei Investitionen außerhalb des sozialen Nahfelds haben Frauen die Nase vorn:

• Frauen: 51 Prozent investieren in Personen außerhalb des engen Kreises (z. B. Fremde mit guten Ideen oder Kollegen).
• Männer: Hier liegt der Anteil bei lediglich 42 Prozent.

Dies deutet darauf hin, dass Frauen bei ihren Investment-Entscheidungen häufiger sachbezogen und jenseits bestehender privater Netzwerke agieren.

Einordnung für die Praxis

Für das Startup-Ökosystem ist dieser Befund ein Weckruf. Da Männer mit einer Quote von 9 Prozent deutlich häufiger als informelle Investoren auftreten als Frauen (5,1 Prozent), entsteht für Gründerinnen ein struktureller Nachteil beim Kapitalzugang.

Was bedeutet das für Gründer*innen und Investor*innen?

1. Netzwerk-Strategie: Gründerinnen sollten gezielt weibliche Business-Angel-Netzwerke ansprechen. Die Daten belegen hier eine signifikant höhere Erfolgswahrscheinlichkeit.
2. Unconscious Bias: Männliche Investoren sollten ihr Portfolio kritisch prüfen. Wer nur in das eigene Spiegelbild investiert, übersieht lukrative Investmentchancen in weiblich geprägten Märkten.
3. Strukturelle Förderung: Um die Finanzierungslücke für Frauen zu schließen, ist nicht nur mehr Wagniskapital nötig, sondern vor allem eine Stärkung der weiblichen Investorinnen-Basis.

Fazit

Der Women Entrepreneurship Monitor macht klar: Kapital ist in Deutschland (noch) nicht geschlechtsneutral. Die größere Offenheit der Frauen beim Investieren sollte als Vorbild dienen, um die deutsche Startup-Landschaft diverser und damit wettbewerbsfähiger zu machen.

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.

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.

Die Zahlen der jüngsten JIM-Studie (Jugend, Information, Medien) sprechen eine deutliche Sprache: 70 Prozent der Jugendlichen nutzen Künstliche Intelligenz zur Informationssuche, 74 Prozent lassen sich bei den Hausaufgaben helfen. Die Kehrseite dieser rasanten Adaption: Die Nutzung erfolgt zumeist über die kostenlosen Web-Versionen von US-Giganten wie OpenAI oder Google. Sensible Daten – von persönlichen Fragen bis zu hochgeladenen Schuldokumenten – fließen oft ungefiltert in die globalen Trainingsdatenbanken der Anbieter, sofern nicht manuell widersprochen wird.

Während die Politik über Social-Media-Verbote für Minderjährige debattiert, bleibt der regulatorische blinde Fleck bei KI-Tools im Kinderzimmer bislang bestehen. Genau in diese Lücke stößt nun das niedersächsische Start-up Inno KI GmbH mit seiner Plattform innoGPT.

Von der Agentur zum KI-Aggregator

Hinter innoGPT steht kein klassisches, VC-finanziertes Silicon-Valley-Konstrukt, sondern mittelständischer Pragmatismus aus Vechta. Co-Founder Maurice Brumund und sein Team begannen bereits 2022 im Umfeld einer eigenen Digitalmarketing-Agentur, intensiv mit KI-Tools zu experimentieren.

Aus dem internen Pain Point – der Frage, wie Mitarbeitende rechtssicher und datenschutzkonform mit großen Sprachmodellen (LLMs) arbeiten können – entstand Ende 2024 die Plattform innoGPT. Bisher lag der Fokus des Startups strikt auf dem B2B-Segment: Mit rein europäischem Hosting, DSGVO-Konformität und einer Zero-Retention-Policy (keine Nutzung der API-Daten für das Modell-Training) positionierte sich innoGPT als Lösung gegen die „Schatten-IT“ in Unternehmen. Laut Unternehmensangaben nutzen bereits über 2.500 Privat- und Geschäftskund*innen den Service. Nun folgt die Ausweitung des Geschäftsmodells auf den B2C-Markt.

Das Produkt: Ein "Safe Space" für die Familie

Mit dem neuen „Family Package“ erhalten bis zu fünf Familienmitglieder für 34,90 Euro im Monat individuelle Logins zu einer zentralen Plattform. Über diese können sie gebündelt auf verschiedene führende KI-Modelle von OpenAI, Anthropic, Google, Meta, Mistral und Black Forest Labs zugreifen. Ein zusätzlich buchbares Add-on filtert persönliche Daten (Named Entity Recognition) wie Namen oder E-Mail-Adressen und ersetzt diese vor der Übermittlung an die Rechenzentren automatisch durch Platzhalter.

Das Geschäftsmodell und der Markt

Aus Start-up-Sicht ist der Vorstoß von B2B-SaaS in ein Family-Abo-Modell gleichermaßen spannend wie riskant. Eine kritische Analyse offenbart dabei mehrere Marktherausforderungen:

• Der technologische Burggraben (Moat): Das Geschäftsmodell von innoGPT ist im Kern ein Aggregator- oder Wrapper-Modell. Das Start-up entwickelt keine eigenen Foundation-Modelle, sondern baut eine sichere, europäische Middleware-Schicht über die Schnittstellen (APIs) der Tech-Giganten. Der technologische Burggraben ist folglich eher niedrig. Der primäre Unternehmenswert liegt in der User Experience, der reibungslosen Modellanbindung und dem abstrakten Vertrauensfaktor „Datenschutz“.
• Zahlungsbereitschaft: 34,90 Euro im Monat (knapp 420 Euro im Jahr) sind für ein klassisches Familienbudget eine erhebliche Summe. Der Preis entspricht fast den Kosten von anderthalb ChatGPT-Plus-Lizenzen. Die zentrale Herausforderung für das Marketing wird sein: Sind Eltern bereit, für den Schutz der Daten ihrer Kinder diesen Premium-Aufschlag zu zahlen, während der Nachwuchs die Basis-Tools de facto kostenlos und mit einem Klick auf dem Smartphone nutzen kann?
• Token-Ökonomie in der Praxis: Das Modell sieht einen geteilten Token-Pool für die fünf Accounts vor. In der Praxis könnte dies zu Reibereien führen, wenn beispielsweise ein Familienmitglied rechenintensive Bildgenerierungen (etwa über Black Forest Labs) durchführt und das Kontingent für die Text-Prompts der restlichen Familie vorzeitig aufbraucht.
• Wettbewerbslandschaft: InnoGPT bewegt sich in einem Sandwich-Markt. Von oben drohen die direkten B2C-Angebote der Tech-Riesen (es ist absehbar, dass OpenAI oder Google eigene „Family Plans“ ausrollen). Von der Seite drücken EdTech-Start-ups in den Markt, die KI DSGVO-konform direkt in die Lernplattformen der Schulen integrieren – was eine private Familienlizenz obsolet machen könnte.

Ein mutiger Testballon

Für das Start-up-Ökosystem ist die Inno KI GmbH dennoch ein Paradebeispiel für „bootstrapped“ Innovationskraft. Anstatt ein Produkt am Reißbrett zu entwerfen, hat das Team ein valides Angebot aus einem eigenen betrieblichen Schmerz heraus entwickelt.

Der Vorstoß in den B2C-Markt wirkt wie ein smarter, PR-wirksamer Testballon. Das Start-up greift eine hochaktuelle, emotionale gesellschaftliche Debatte auf (Jugendschutz bei KI) und besetzt rhetorisch geschickt die Rolle des Problemlösers. Ob sich das Family-Modell finanziell trägt, hängt letztlich davon ab, ob innoGPT den trockenen Begriff der „DSGVO-Konformität“ für Eltern emotional so aufladen kann, dass er als unverzichtbare Sicherheitsmaßnahme wahrgenommen wird. Gelingt dies nicht, ist das Risiko überschaubar: Das Start-up kann sich nahtlos wieder auf sein wachsendes B2B-Kerngeschäft konzentrieren.

Hinter der Aiconiq GmbH stehen zwei ausgewiesene Branchenexperten. Gegründet wurde das Start-up 2025 von Prof. Dr. Peter Gentsch, einem bekannten KI-Pionier und Seriengründer, sowie dem KI-DeepTech-Experten Dr. Michael Patrushev. Gemeinsam bringen sie jahrzehntelange Erfahrung aus der KI-Forschung, im internationalen Engineering und beim Skalieren technologiegetriebener Unternehmen in ihr neues Projekt ein.

Mehr als nur ein Chatbot

Dass hier DeepTech-Experten am Werk sind, zeigt sich am technologischen Anspruch: Während viele Firmen mit generischen Chatbots experimentieren, integriert Aiconiqs Corporate Brain laut Unternehmensangaben nicht nur explizites, sondern gezielt das implizite Wissen (Tacit Knowledge) der Belegschaft. Erfasst wird dies durch KI-gesteuerte Interviews. Um Halluzinationen und subjektiven Fehleinschätzungen vorzubeugen, setzt Co-Gründer Michael Patrushev auf harte Validierung: „Die KI stellt keine offenen, spekulativen Fragen, sondern kontextualisierte, prozessbezogene Fragen entlang realer Use Cases.“

Nach einem Abgleich mit ERP-Logs und Experten-Kreuzvergleichen speichere das System keine absoluten Wahrheiten, so Patrushev, sondern „gewichtete Wissenselemente mit Vertrauens-Score und Quellenreferenz“. Gerade dieses subjektive Erfahrungswissen sei im Unternehmensalltag entscheidend, müsse aber umsichtig geprüft werden.

David gegen die Tech-Goliaths

Im hart umkämpften Markt stellt sich die Frage, wie lange das Start-up gegen die Milliarden-Budgets von Microsoft oder OpenAI bestehen kann. Prof. Peter Gentsch gibt sich pragmatisch: „Wir kämpfen nicht gegen die Hyperscaler wie OpenAI, Google oder Anthropic – wir nutzen sie.“ Das eigene System setze horizontal auf den bekannten Modellen auf. Der Burggraben entstehe durch branchenspezifische Use Cases in einer sicheren, DSGVO-konformen Umgebung, wahlweise on-premises oder in einer europäischen Cloud.

Gentsch pointiert: „Wir wollen nicht das größte Gehirn bauen; wir bauen das relevanteste Brain für ein Unternehmen. Die Tech-Giganten optimieren Skalierung – wir optimieren den Unternehmens-Kontext.“

Skalierung: Softwareprodukt oder Manufaktur?

Die schnelle Entwicklung der eigenen Modelle sichert Aiconiq durch die interne „Aiconiq Factory“ ab, die auf radikale Automatisierung setzt. Kontrollverlust fürchtet Patrushev dabei nicht: „Geschwindigkeit ersetzt bei uns nicht Qualität – sie wird durch Qualitätssicherungssysteme ermöglicht.“ Jeder KI-generierte Code durchlaufe strenge Security-Checks und Test-Pipelines.

Doch lässt sich das aufwendige Einfangen von Unternehmenswissen beim Kunden ebenso reibungslos skalieren, oder droht Aiconiq in einem beratungsintensiven Manufaktur-Modell steckenzubleiben? Gentsch wehrt ab: Man nutze KI, um KI im Unternehmen aufzubauen. Algorithmen deckten Inkonsistenzen im Wissen automatisch auf und lösten sie teils selbständig. Ganz ohne menschliches Zutun gehe es aber nicht, räumt der Gründer ein: „Damit bleibt immer ein wenig Manufaktur bzw. ‚Human in the loop‘.“

Ausblick

Mit einer aktuellen Bewertung von 10 Millionen Euro und der Aufnahme ins „German Accelerator USA-Programm“ hat Aiconiq.io nach eigenen Angaben bereits namhafte DAX-Konzerne überzeugt. Gelingt es den Frankfurtern nun, die komplexe Wissensextraktion weiter zu standardisieren, könnte sich ihr „Corporate Brain“ als eine treibende Kraft der „industriellen KI-Revolution“ aus Deutschland etablieren.

Für Gründer*innen im Hardware- und Robotik-Bereich ist der Sprung von der Technologieentwicklung in den industriellen Masseneinsatz oft die größte Hürde. Bisher adressierte Unchained Robotics mit seiner Plattform vor allem kleine und mittelständische Betriebe in Europa. Durch die enge Verzahnung mit der Bertelsmann-Tochter Arvato validiert das Start-up seine Technologie nun im industriellen Großmaßstab.

Arvato plant, in den kommenden Jahren eine dreistellige Anzahl von Robotern in unterschiedlichen operativen Umgebungen zu implementieren. Dieses Volumen schafft Erfahrungswerte und Standards, die Unchained Robotics gegenüber Mitbewerbern einen deutlichen Skalierungsvorteil verschaffen dürften. Neue Lösungen können fortan direkt entlang konkreter Use Cases im echten Betrieb erprobt und für den breiten operativen Rollout vorbereitet werden.

Plattform-Strategie und strategische Einordnung im Wettbewerb

Der deutsche Robotik-Markt ist stark umkämpft und von unterschiedlichen Lösungsansätzen geprägt. Während einige Start-ups auf die Entwicklung eigener Hardware setzen, fokussiert sich Unchained Robotics auf die softwareseitige Integration, insbesondere durch ihr Betriebssystem. So setzt beispielsweise das Münchener Start-up RobCo auf eigene, physische und modulare Hardware-Roboterarme, wohingegen Unchained strikt modular und herstellerunabhängig agiert.

Auch im Vergleich zu WAKU Robotics aus Berlin, die mit einem Marktplatz und eigener Software einen starken Fokus auf mobile Logistikroboter (AMR/AGV) legen, decken die Paderborner breitere Pick-and-Place-Anwendungen ab. Gegenüber Unternehmen wie Magazino (gehört zu Jungheinrich), die auf spezialisierte autonome Logistik-Roboter und Eigenentwicklungen für spezifische Prozesse fokussiert sind, grenzt sich Unchained durch seinen offenen, plattformbasierten Ansatz ab.

Diese strategische Positionierung erweist sich nun als maßgeblicher Hebel. Für einen globalen 3PL-Dienstleister wie Arvato wäre die Bindung an nur einen Hardware-Hersteller zu starr. Durch die Unabhängigkeit von Unchained Robotics lassen sich Lösungen flexibel für reale Logistik- und Fulfillment-Prozesse maßschneidern.

Der „Huckepack“-Vorteil bei der US-Expansion

Ein weiterer kritischer Faktor für die künftige Marktstellung des Start-ups ist die Internationalisierung. Üblicherweise erfordert der Sprung über den Atlantik für deutsche Tech-Gründer enorme Summen und den langwierigen Aufbau eigener Vertriebsstrukturen.

Unchained Robotics wählt eine effizientere Route: Neben europäischen Standorten eröffnet die Partnerschaft den direkten Zugang in internationale Märkte, insbesondere in die USA. Das Start-up expandiert quasi „huckepack“ über die bestehenden, hochkomplexen Logistik-Setups von Arvato. Gerade in den USA, wo hohe Automatisierungsanforderungen auf dynamische E-Commerce-Strukturen treffen, sichert dies einen schnellen und praxisnahen Markteintritt.

Automatisierung ohne „Raketenwissenschaft“

Für den Logistikkonzern steht bei dem Deal vor allem die rasche operative Umsetzung im Vordergrund: Automatisierung müsse heute in erster Linie schnell wirken, so Arvato-CEO Frank Schirrmeister.

Dies zahlt direkt auf die ursprüngliche Vision von Unchained Robotics ein: Die Paderborner sind angetreten, um zu beweisen, dass industrielle Automatisierung längst keine „Raketenwissenschaft“ mehr ist. Durch den Arvato-Deal erhält das Start-up nun die Möglichkeit, diesen Anspruch von der Konzeption bis zur Inbetriebnahme im globalen Großmaßstab unter Beweis zu stellen.

Smart Scaling: 3 konkrete Learnings für B2B- und Tech-Gründer*innen

Aus dem Deal zwischen Unchained Robotics und Arvato lassen sich drei handfeste strategische Manöver ableiten, die Start-ups bei der Skalierung im B2B-Umfeld helfen können:

1. Orchestrierung schlägt Vendor-Lock-in

Gerade im Hardware- und Maschinenbau neigen Start-ups dazu, eigene proprietäre Systeme zu entwickeln. Unchained Robotics zeigt den Wert des Plattform-Gedankens: Corporates hassen den „Vendor-Lock-in“ (die Abhängigkeit von einem einzigen Hersteller).
Learning: Wer sich als herstellerunabhängige, modulare Software- oder Integrationsschicht positioniert, macht sich für Konzerne, die flexibel bleiben müssen, weitaus attraktiver als der Anbieter einer isolierten Einzellösung.

2. Die „Huckepack“-Expansion (Piggybacking)

Der teuerste und riskanteste Schritt für deutsche B2B-Start-ups ist oft die Internationalisierung – insbesondere in die USA. Anstatt Millionen an VC-Geldern in den Aufbau eigener US-Vertriebs- und Servicestrukturen zu verbrennen, nutzt Unchained Robotics die bestehende Infrastruktur seines strategischen Partners.
Learning: Sucht gezielt nach Kund*innen oder Investor*innen, deren eigene globale Logistik oder Infrastruktur ihr als direktes Sprungbrett für neue Märkte nutzen könnt.

3. Volumen-Commitment als unfairen Wettbewerbsvorteil (Moat) aufbauen

Ein Corporate-Investment ist gut, ein garantiertes operatives Testfeld ist besser. Arvato hat sich nicht nur an dem Start-up beteiligt, sondern ein klares Commitment zum Rollout einer dreistelligen Anzahl von Robotern abgegeben.
Learning: Verhandelt bei strategischen Beteiligungen immer auch den operativen Einsatz mit hinein. Das garantierte Volumen generiert reale Use Cases und Datenmengen, die für neue Wettbewerber einen fast unüberwindbaren Burggraben („Moat“) darstellen.

Vivid Money positioniert sich im Geschäftskundensegment mit einem erweiterten Cash-Management-Angebot. Im Zentrum der Ankündigung stehen Verzinsungen, die speziell auf die Bedürfnisse international finanzierter Start-ups zugeschnitten sind. Geschäftskund*innen erhalten auf Guthaben in US-Dollar und britischen Pfund bis zu 5 Prozent Zinsen pro Jahr. Auf Euro-Guthaben zahlt das Unternehmen bis zu 4 Prozent.

Bei diesen Zahlen ist jedoch eine kritische Einordnung geboten: Es handelt sich um klassische, zeitlich befristete Lockangebote zur Neukund*innengewinnung. Der Spitzenzinssatz für Fremdwährungen gilt für fünf Monate. Der Zinssatz für Euro-Guthaben ist auf vier Monate begrenzt. Nach Ablauf dieser Aktionszeiträume fallen die Zinsen deutlich ab – auf bis zu 3 Prozent für Fremdwährungen und bis zu 2 Prozent für den Euro, was zudem an den jeweils gewählten Tarif des FinTechs gekoppelt ist. Darüber hinaus behält sich der Anbieter vor, die Zinssätze je nach Marktlage oder nach eigenem Ermessen anzupassen.

Jenseits der Marketing-Zahlen bietet die strukturelle Erweiterung der Plattform jedoch einen greifbaren administrativen Nutzen für Gründerinnen und Gründer. Da viele Start-ups ihr Kapital durch US-Investor*innen in Dollar erhalten, mussten diese Gelder bislang oft aufwendig und gebührenpflichtig umgeschichtet werden. Vivid ermöglicht es nun, internationale SWIFT-Zahlungen direkt aus den verzinsten USD- und GBP-Konten heraus zu tätigen. Zusätzliche Bankpartner, externe Treasury-Lösungen oder teure Währungsumrechnungen entfallen für diese Transaktionen. Zudem öffnet die Plattform, die nun vollständig über den Webbrowser bedienbar ist, den Zugang zu über 1850 Assets (Money Market Funds, ETFs, stocks, iBonds, crypto).

Für junge Unternehmen ohne eigene Finanzabteilung stellt dies eine niedrigschwellige Möglichkeit dar, Teile der Firmenrücklagen strukturiert anzulegen und brachliegendes Kapital zumindest als Inflationsausgleich arbeiten zu lassen.

Vom B2C-Hype zur pragmatischen B2B-Plattform

Vivid startete ursprünglich mit einer gänzlich anderen Vision in den Markt. In der Hochphase des Fintech-Booms positionierte sich das von namhaften Investoren wie Greenoaks Capital und DST Global Partners finanzierte Unternehmen als verbraucher*innenorientierte App mit einem starken Fokus auf Krypto-Trading und Cashback-Programme. Die harte Marktrealität im Privatkund*innengeschäft, dominiert von Playern wie N26 und Revolut, zwang das Management jedoch zu einem strategischen Kurswechsel.

Vivid vollzog einen weitreichenden Pivot weg vom reinen Endkonsument*innen und wandte sich dem Geschäftskund*innensegment zu. Dieser Strategiewechsel scheint aufzugehen, denn nach Unternehmensangaben konnte in weniger als zwei Jahren die Marke von 100.000 KMU-Kund*innen überschritten werden.

Das Treasury-Volumen spiegelt diese Neuausrichtung ebenfalls wider: Zwischen Februar 2025 und Februar 2026 wuchs die Zahl der Treasury-Nutzer*innen um das Zweieinhalbfache, während sich die verwalteten Einlagen im selben Zeitraum verdreifachten. Die von Mitgründer Alexander Emeshev und dem für das Treasury verantwortlichen Esmond Berkhout formulierte Strategie setzt nun vollends darauf, Start-ups eine kombinierte Infrastruktur aus alltäglichem Banking und anspruchsvolleren Anlageprodukten zu bieten. Für das Jahr 2026 hat das Management das ambitionierte Ziel ausgegeben, die Kund*innenzahl in diesem Segment abermals zu verdoppeln.

Ein hart umkämpftes Oligopol

Der aktuelle Vorstoß in das Zinsgeschäft für Fremdwährungen trifft einen wunden Punkt der europäischen Gründer*innenszene. Das allgemeine Finanzierungsumfeld hat sich merklich abgekühlt, Finanzierungsrunden dauern deutlich länger und Kapital wird von Investor*innen spürbar selektiver vergeben. Gleichzeitig stammen laut KfW-Daten rund 60 Prozent der Startup-Investitionen von internationalen Geldgeber*innen, wobei gut ein Viertel des Kapitals allein aus den USA fließt. Die Verlängerung der sogenannten Runway durch ein aktives Liquiditätsmanagement rückt daher gezwungenermaßen ins Zentrum der Finanzplanung vieler Gründungsteams. Dennoch bewegt sich Vivid bei dem Versuch, dieses Problem zu lösen, in einem hochkompetitiven Umfeld.

Im europäischen B2B-Banking dominieren stark finanzierte und etablierte Player wie der französische Marktführer Qonto, der finnische Pionier Holvi oder aufstrebende Herausforderer wie Finom. Auch Revolut Business ist mit aggressiven Preismodellen dauerpräsent. Die strategische Differenzierung von Vivid liegt im Versuch, sich nicht nur als reines Transaktionskonto, sondern als holistisches Betriebssystem für Finanzen zu etablieren, das operative Liquidität und strukturierten Anlageverkehr verschmilzt.

Für uns ergibt sich aus dieser Entwicklung ein klares pragmatisches Bild. Das temporäre Zinsangebot in Dollar und Pfund ist ein unbestreitbar attraktives Vehikel für frisch finanzierte Start-ups mit internationalen Investor*innen, um Währungsverluste durch Liegegelder zu minimieren und das aufgenommene Kapital sofort arbeiten zu lassen.

Gründungsteams müssen jedoch fernab des ersten Zinsversprechens nüchtern kalkulieren. Es gilt genau zu prüfen, ob die fixen Grundgebühren der verschiedenen Vivid-Tarife und die Konditionen nach Ablauf der viermonatigen respektive fünfmonatigen Lockzinsphase langfristig tatsächlich wirtschaftlicher sind als die etablierten Strukturen und Konditionen der direkten Wettbewerber*innen am Markt.