Hinter Brandenburg Labs steht kein unbeschriebenes Blatt der Start-up-Szene, sondern eine Koryphäe der deutschen Ingenieurskunst. Anstatt seinen Ruhestand zu genießen, gründete der heute über 70-jährige Prof. Dr.-Ing. Karlheinz Brandenburg im Jahr 2019 das Start-up als Spin-off der Technischen Universität Ilmenau und des Fraunhofer-Instituts für Digitale Medientechnologie (IDMT). Inzwischen arbeitet ein über 20-köpfiges Team im thüringischen Ilmenau an der Vision des perfekten Raumklangs.

Warum tut sich ein Mann, der seinen Platz in den Geschichtsbüchern längst sicher hat, den enormen Stress einer Neugründung noch einmal an? „Was mich antreibt, ist nicht die Vorstellung eines ‚zweiten MP3-Moments‘, sondern die Chance, das Klangerlebnis für den Menschen grundlegend zu verbessern“, stellt Brandenburg klar. Es gehe um eine seit Jahrzehnten ungelöste Herausforderung: „wirklich natürliches, räumliches Audio über Kopfhörer.“ Den Druck eines schnellen Erfolgs wischt der erfahrene Ingenieur routiniert beiseite: „Transformative Technologien entstehen nicht über Nacht; sie erfordern langfristiges Engagement und die Bereitschaft, komplexe Probleme Schritt für Schritt zu lösen.“

Mit SPRIND in die kabellose Zukunft

Die Kerntechnologie des Start-ups heißt Deep Dive Audio. Sie gibt virtuelle Schallquellen über Kopfhörer so präzise wieder, dass sie von echten Lautsprechern nicht mehr zu unterscheiden sind. Bislang wird dies im B2B-Sektor mit dem System „Okeanos Pro“ an Toningenieure vermarktet. Doch das Setup ist komplex und kabelgebunden.

Um den technologischen Sprung aus dem Tonstudio heraus zu schaffen, hat die Bundesagentur für Sprunginnovationen (SPRIND) nun einen Validierungsauftrag in Höhe von rund 211.000 Euro für ein eng getaktetes, fünfmonatiges Projekt erteilt. Das Ziel: Die Technologie soll auf einen winzigen Einplatinencomputer schrumpfen und drahtlos werden.

Gleicht die geforderte Kombination aus absoluter Phasentreue und minimaler Latenz bei einer verlustfreien Drahtlosübertragung nicht physikalisch der Quadratur des Kreises? „Wir müssen keine physikalischen Limits überwinden“, kontert der Gründer selbstbewusst. „Unser großer Vorteil gegenüber den bekannten Mitbewerbern liegt in den Algorithmen, die auf fundierter Kenntnis der Psychoakustik und der kognitiven Vorgänge im Gehirn aufbauen.“

Auf die Frage nach dem immensen Zeitdruck der SPRIND-Vorgaben räumt Brandenburg allerdings unumwunden ein: „Wir sind etwas hinter dem Zeitplan, sehen aber keine wirklichen Probleme.“ Selbst wenn am Ende der fünf Monate nicht jeder Parameter perfekt erfüllt sei, verspricht er, dass das Projekt seinen Zweck erfülle: „Sollten bestimmte Parameter innerhalb dieses Zeitrahmens noch nicht vollständig erreicht werden können, werden wir dennoch wichtige Erkenntnisse und Demonstratoren generieren, die [...] das technische Risiko erheblich reduzieren.“

Die Vision „PARty“: Droht die totale Isolation?

Das langfristige Ziel von Brandenburg Labs ist eine auditive Augmented Reality (AR) namens „PARty“ (Personalized Auditory Reality). Kopfhörer sollen mit Sensoren und KI als smarte Alltagsbegleiter fungieren, die störende Geräusche ausblenden oder hilfreiche akustische Informationen einblenden – etwa als Navigation für blinde Menschen.

Doch laufen wir mit permanent getragenen Wearables nicht Gefahr, uns in akustischen Filterblasen vollends von der Umwelt zu isolieren? Brandenburg nimmt diese gesellschaftliche Sorge ernst, widerspricht aber der Prämisse: „Unser Ziel ist es nicht, Menschen von ihrer Umgebung abzuschotten, sondern die Interaktion mit ihr zu verbessern.“ Er verweist darauf, dass viele Menschen Kopfhörer heute ohnehin nutzen würden, um die Realität auszublenden. Sein Ansatz sei das exakte Gegenteil: „Wir wollen relevante Geräusche besser wahrnehmbar machen, nicht die Realität ausblenden.“ Die Technologie sei als Werkzeug gedacht: „Letztendlich gibt diese Technologie dem Nutzer die Kontrolle zurück. Unsere Designphilosophie konzentriert sich auf Erweiterung, nicht auf Isolation.“

Kampf gegen die Tech-Goliaths

Aus unternehmerischer Sicht begibt sich das Start-up auf hochriskantes Terrain. Der Markt für immersives Audio wird von Giganten wie Apple, Sony, Bose und Sennheiser dominiert, die Milliarden in die Entwicklung pumpen. Die Miniaturisierung und Massenproduktion von Consumer-Hardware verschlingen schnell zweistellige Millionenbeträge.

Wie will ein Thüringer Start-up diese gewaltige Hardware-Schlacht finanzieren? Brandenburg gibt sich strategisch flexibel, meidet aber klassische Wege: „Dazu wollen und müssen wir mit technologischen Partnern zusammenarbeiten. In diesem Bereich und nicht bei klassischen VCs suchen wir aktuell nach Finanzierung“, betont der Gründer.

Warum aber überhaupt der riskante Vorstoß in den Consumer-Markt? Der gigantische historische Erfolg von MP3 basierte schließlich auf kluger Lizenzierung an Hardware-Hersteller, nicht auf eigenen Playern.

Brandenburg korrigiert diesen historischen Vergleich sofort: „Man muss wissen, dass Fraunhofer-Institute kein B2C-Geschäft betreiben dürfen.“ Der Weg des MP3-Standards bis zu den ersten Millionen-Einnahmen habe damals rund zehn Jahre gedauert – getragen durch die immense Finanzkraft von Fraunhofer. Heute sieht er für Brandenburg Labs andere Möglichkeiten: „Mit Brandenburg Labs können wir dies [...] über ein Device für Verbraucher realisieren. Sobald genug Sichtbarkeit auf dem Markt vorhanden ist, kann zusätzlich ein Lizenzgeschäft aufgebaut werden.“

Als cleveren Zwischenschritt visiert das Start-up Partnerschaften an: „Als Zwischenweg sehen wir [...] die Zusammenarbeit mit aktuellen High-End-Kopfhörer-Herstellern. Wir können, anders als alle aktuellen verfügbaren Lösungen, einen Wow-Effekt liefern, einen massiven Fortschritt in der Kopfhörertechnik“, verspricht Brandenburg.

Auf den Einwand hin, dass ein reines B2B2C-Software-Lizenzmodell für Investor*innen wohl deutlich lukrativer und weniger riskant wäre, entgegnet der Audio-Pionier abschließend und trocken: „Das Lizenzgeschäft braucht viele Jahre Anlauf und damit noch höhere Finanzierung als der jetzige Weg.“

Lange Zeit erschöpfte sich die Digitalisierung von Personalabteilungen im Kauf teurer Softwarelizenzen, um Urlaubsanträge, Gehaltsabrechnungen und Spesen digital abzuheften. Dieses antiquierte Verständnis von HRTech ist längst Geschichte. Der demografische Klippensprung und die unaufhaltsame Wucht der generativen künstlichen Intelligenz haben eine gnadenlose Realität geschaffen: Alte Berufe erodieren in Echtzeit, während zeitgleich Millionen neuer, hochkomplexer Stellen unbesetzt bleiben, weil das Personal dafür schlichtweg nicht existiert.

In dieser Lücke entsteht gerade ein sehr lukrativer B2B-Markt. Der große Trend heißt Reskilling. Start-ups, die Corporate Learning aus der staubigen E-Learning-Ecke befreien, radikales Skill-Matching betreiben und die Belegschaften von Konzernen durch KI proaktiv auf neue Aufgabenstellungen umschulen, lösen das aktuell brennendste Problem jedes DAX-Vorstands. WorkTech ist nicht länger ein administratives Hilfsmittel, sondern die strategische Waffe, die über das Überleben von Unternehmen mitentscheidet.

Die Marktlage (Daten & Fakten)

Das Jahr 2026 markiert den Wendepunkt, an dem aus abstrakten Future-of-Work-Diskussionen harte, bilanzrelevante Investitionen werden. Studien des Weltwirtschaftsforums und des Instituts der deutschen Wirtschaft (IW) belegen schonungslos, dass in Europa bis zum Ende des Jahrzehnts fast die Hälfte aller Angestellten fundamentale Umschulungen benötigen, um im durchautomatisierten Markt produktiv zu bleiben. Gleichzeitig warnt der BITKOM vor einem beispiellosen Fachkräftemangel im IT-Sektor, der durch klassisches Recruiting nicht mehr aufzufangen ist. Die Antwort darauf lautet „Build, don’t buy“ – das interne Entwickeln von Talenten. Diese Dringlichkeit hat zu einem massiven Zufluss an Risikokapital in den WorkTech-Sektor geführt. Während klassische Recruiting-Tools mit sinkenden Bewertungen kämpfen, haben sich die Investitionssummen für KI-getriebene Reskilling-Plattformen stabilisiert. Reife Series-A-Runden in diesem Deep-WorkTech-Segment bewegen sich realistisch zwischen 10 und 15 Millionen Euro, während Plattformen, die nachweislich den Skill-Gap auf Enterprise-Ebene schließen, in Series-B-Finanzierungen nicht selten die 40-Millionen-Euro-Grenze durchbrechen, getrieben von extrem niedrigen Abwanderungsraten der Firmenkunden.

Die neuen Treiber (Sub-Sektoren)

Um die aktuelle Dynamik zu begreifen, lohnt ein Blick auf die Wegbereiter*innen. In den späten 2010er-Jahren legten Pioniere wie Personio das infrastrukturelle Fundament für die digitale Personalverwaltung, während Unternehmen wie CoachHub oder Masterplan das digitale Corporate Learning in die deutschen Büros brachten. Auf diesem starken Fundament dominiert heute eine völlig neue Generation von Sub-Sektoren. An vorderster Front steht das Predictive Skill-Mapping. Hier analysiert KI die unsichtbaren Fähigkeiten einer Belegschaft, gleicht sie mit künftigen Unternehmensstrategien ab und prognostiziert, welche Mitarbeitenden sich am besten für welche neuen Rollen umschulen lassen. Der zweite massive Treiber ist Immersive & Generative L&D (Learning and Development). Statt standardisierter Jahreskurse generieren Algorithmen hyperpersonalisierte Micro-Learning-Inhalte in Echtzeit, exakt abgestimmt auf den aktuellen Workflow und den Wissensstand des Nutzers bzw. der Nutzerin. Als dritter, oft unterschätzter Sektor boomt das Deskless-Worker-Enablement. Millionen von Menschen in Logistik, Pflege und Produktion waren bisher von digitaler Weiterbildung abgeschnitten; heute bringen Mobile-First-Technologien das Reskilling direkt an das Fließband und das Krankenbett.

Das deutsche Netzwerk (Hotspots)

Deutschlands Stärke in der HR- und WorkTech-Branche bündelt sich in vier klaren geografischen Epizentren. Berlin ist und bleibt die unangefochtene Hauptstadt für SaaS-Modelle und Talent-Plattformen, massiv getrieben durch den stetigen Zustrom internationaler Talente und den Hunger der dort ansässigen europäischen Top-VCs nach skalierbaren Cloud-Lösungen. München hat sich als das absolute B2B-Enterprise-Mekka positioniert. Nirgendwo sonst ist der direkte Draht zu DAX-Konzernen wie Siemens, BMW oder Allianz so eng, was der Technischen Universität München (TUM) und Start-ups aus dem UnternehmerTUM-Umfeld den perfekten Nährboden für lukrative Pilotprojekte im Industriekontext bietet. Die Achse Köln/Bonn profitiert von einer historisch gewachsenen, extrem starken Verankerung im Bereich Corporate Learning, E-Learning und Telekommunikation, wodurch tiefe Expertise in Lerndidaktik vorhanden ist. Abgerundet wird das Netzwerk durch Hamburg, das seine jahrzehntelange Tradition in den Medien und der Verlagsbranche heute exzellent nutzt, um die Content-getriebene Seite der Bildungs-Start-ups voranzutreiben.

Investor*innen-Radar

Die Investor*innenlandschaft für Reskilling hat sich extrem professionalisiert. Auf der Ebene der spezialisierten VCs agieren Fonds wie Educapital, Brighteye Ventures und Emerge Education als dominante Player, die ausschließlich in EdTech und Future of Work investieren und tiefstes didaktisches Know-how mitbringen. Gleichzeitig haben Top-Tier-Generalisten wie Earlybird, Cherry Ventures oder HV Capital längst erkannt, dass WorkTech das nächste Billionen-Dollar-Segment ist, und suchen aggressiv nach B2B-SaaS-Plattformen mit starkem KI-Hebel. Eine entscheidende strategische Rolle spielen Corporate VCs wie Bertelsmann Investments oder der Randstad Innovation Fund, die gezielt in Start-ups investieren, um ihre eigenen massiven Belegschaften fit für die Zukunft zu machen. Das Fundament dieses Ökosystems bilden die Frühphasen-Motoren. Der High-Tech Gründerfonds (HTGF) agiert gewohnt stark in der Seed-Phase, flankiert von spezialisierten Netzwerken wie der Founders Foundation und mächtigen Angel-Syndikaten, in denen genau jene HRTech-Gründer*innen der ersten Generation ihr privates Kapital in die Nachfolger*innen reinvestieren.

Die Top 10 Start-ups (Must-Watch 2026)

Für die Zusammenstellung der diesjährigen Top 10 Start-ups haben wir bei StartingUp eine strikte rote Linie gezogen: Auf unserer Watch-List 2026 stehen ausschließlich Start-ups, die im Jahr 2020 oder später gegründet wurden. Wir kappen ganz bewusst die HR-Pioniere der vergangenen Dekade, um uns voll auf die Post-Pandemie-Generation zu konzentrieren. Diese Teams sind in einer Zeit extremer Umbrüche gestartet, mussten hybride Arbeitswelten von Tag eins an mitdenken und haben KI nativ in ihrer DNA verankert. Ausgewählt wurden sie nach ihrer nachweisbaren Relevanz beim Schließen des Fachkräftemangels, der Skalierbarkeit ihrer B2B-Modelle und dem Vertrauen renommierter Lead-Investoren.

Junto

Die absolute Vorreiterrolle im modernen Führungskräfte-Reskilling übernimmt Junto. Das im Jahr 2022 von Marius Jeuck und Johannes Schnell-Kretschmer in Berlin und München gegründete Start-up baut eine hochprofitable B2B-Corporate-Learning-Plattform. Der USP ist ein radikaler Abstieg vom passiven E-Learning hin zu interaktiven Kohorten, in denen globale Tech-Leader ihr Praxiswissen direkt an Manager von Konzernen weitergeben, was Top-Investoren wie Earlybird und Picus Capital in millionenschweren Runden überzeugte.

Aivy

Einen fundamental anderen, datengetriebenen Ansatz zur Talentfindung verfolgt Aivy aus Berlin. Die Gründer um Florian Dyballa starteten 2020 mit dem Ziel, den Fachkräftemangel durch ein B2B-SaaS-Matching-Modell zu lösen, das nicht auf formelle Lebensläufe schaut. Ihr technologischer USP sind wissenschaftlich fundierte, App-basierte Minispiele, die kognitive Fähigkeiten und Soft Skills völlig vorurteilsfrei messen, um versteckte Talente in bestehenden Belegschaften aufzudecken, wofür sie in ihren frühen Finanzierungsrunden namhafte HR-Experten und Business Angels als Geldgeber überzeugten.

Tomorrow University of Applied Sciences

Die klassische akademische Bildung für den Konzernalltag übersetzt die Tomorrow University of Applied Sciences in ein radikales WorkTech-Play. Christian Rebernik und Dr. Thomas Funke gründeten die rein digitale, staatlich anerkannte Universität 2020 in Frankfurt. Ihr B2B- und B2C-Geschäftsmodell bietet akkreditierte Reskilling-Studiengänge in Bereichen wie Sustainability und Artificial Intelligence, die sich durch Challenge-basiertes Lernen nahtlos in den Berufsalltag integrieren, was EduCapital und Emerge Education als finanzstarke Lead-Geldgeber an Bord brachte.

DeepSkill

Auf die psychologische Transformation im digitalen Wandel fokussiert sich DeepSkill aus Köln. Miriam Mertens und Peter Goeke hoben das Unternehmen 2020 aus der Taufe, um emotionale Intelligenz über eine B2B-SaaS-Plattform messbar zu schulen. Der USP liegt in der KI-gestützten Orchestrierung von ganzheitlichen Lernreisen, die Soft Skills für das Middle-Management skalierbar machen, ein Marktpotenzial, das namhafte Investoren wie den HTGF und die Kienbaum-Beratungsgruppe zu signifikanten Investments veranlasste.

Hyrise Academy

Den drastischen Mangel an Tech-Sales-Spezialisten attackiert die Hyrise Academy. Das Berliner Start-up wurde 2020 von Dominic Blank und Michael Land gegründet und agiert in einem hochspannenden B2B-Reskilling-Modell. Ihr entscheidender USP sind arbeitgeberfinanzierte Intensiv-Bootcamps (Employer-Sponsored-Learning). Quereinsteiger werden dabei für sie völlig kostenfrei in Rekordzeit zu B2B-Software-Vertrieblern ausgebildet und direkt an zahlende Tech-Firmen vermittelt, ein Asset-Light-Modell, das namhafte Business Angels und erfahrene Seriengründer früh als Investoren anlockte.

Zavvy

Wie rasant WorkTech-Modelle skalieren können, bewies das Münchner Start-up Zavvy. Joshua Cornelius und Pascal Fritzen starteten das Unternehmen 2021 mit einer B2B-SaaS-Lösung für automatisiertes Onboarding und Employee Enablement. Der USP war die tiefe Integration von Karrierepfaden und Weiterbildung direkt in die Kommunikationskanäle wie Slack und Teams. Obwohl das Unternehmen kürzlich vom HR-Giganten Deel übernommen wurde, bleibt das Team ein Paradebeispiel für den Milliardenmarkt der Mitarbeiterentwicklung, was zuvor schon VCs wie La Famiglia (General Catalyst) massiv förderten.

Techstarter

Einen extrem harten Reskilling-Ansatz fährt Techstarter. Die im Jahr 2021 von Felix W. Schlegel und seinem Team gegründete Bildungsakademie hat sich voll und ganz der massenhaften Umschulung von Quereinsteigern in Richtung Cloud-Computing (insbesondere AWS) verschrieben. Ihr USP ist die passgenaue Qualifizierung von Arbeitslosen oder fachfremden Mitarbeitern zu zertifizierten Cloud-Engineers, womit sie den Flaschenhals der digitalen Transformation in der DACH-Region lösen und durch staatliche Förderungen als hochprofitables Bindeglied zwischen den Arbeitsagenturen und der händeringend suchenden Industrie fungieren.

EWOR

Die Förderung von radikalem unternehmerischem Denken als höchste Form des Reskillings etabliert EWOR. Das von Daniel Dippold gestartete EdTech-Start-up (Gründung 2020/2021) verbindet elitäre akademische Ausbildung mit echtem Venture Capital. Der USP ist ein massiv selektives Fellowship-Programm (Master-Niveau), das herausragende Talente direkt mit erfolgreichen europäischen Unicorn-Gründern vernetzt, um sie zu künftigen Tech-Foundern und unternehmerischen Führungskräften auszubilden – eine hochambitionierte Vision, für die sich Top-VCs wie General Catalyst, HV Capital und der globale EdTech-Gigant OWL Ventures als Investoren starkmachten.

nilo.health

Die mentale Belastbarkeit im Umbruch stärkt nilo.health aus Berlin. Jonas Keil, Ines Räth und Catalina Turlea gründeten das Unternehmen 2020 als B2B-SaaS-Plattform, denn erfolgreiches Reskilling erfordert psychische Resilienz. Der USP ist der niedrigschwellige, absolut datenschutzkonforme Zugang zu 1:1-Sitzungen mit Psychologen und digitalen Trainings für die gesamte Belegschaft, was das mentale Betriebssystem der Unternehmen sichert und Speedinvest sowie Atlantic Labs als Lead-Investoren für große Finanzierungsrunden begeisterte.

Tucan.ai

Den Abschluss der Generation bildet Tucan.ai, das implizites Firmenwissen sichert und für das Lernen nutzbar macht. Das 2019/2020 von Lukas Rintelen, Florian Polak und Michael Schramm in Berlin gegründete Start-up bietet eine hochspezialisierte B2B-Enterprise-Software an. Der technologische USP liegt in einer proprietären KI, die hochkomplexe Meetings, Dialekte und Fachvokabular fehlerfrei transkribiert und absolut DSGVO-konform daraus durchsuchbares, strukturiertes Firmenwissen extrahiert, womit sie IBB Ventures, Wayra (Telefónica) und APX (Porsche/Axel Springer) als treibende Kraft für ihr Wachstum gewannen.

Internationaler Ausblick & Fazit

Ein Blick über die nationalen Grenzen zeigt, wie massiv globale Regulierungen diesen Markt befeuern. Der voll wirksame AI Act der Europäischen Union und verschärfte ESG-Richtlinien zwingen Konzerne weltweit dazu, beispiellose Budgets für Compliance- und Ethik-Trainings freizugeben. Gleichzeitig verändern die alternden Gesellschaften in Deutschland und Japan den globalen Arbeitsmarkt für immer; die pure Masse an Arbeitskräften schrumpft, wodurch die Produktivität des Einzelnen exponentiell steigen muss. Parallel drängen massiv finanzierte US-Plattformen nach Europa, die durch den Einsatz von Large Language Models das Skill-Matching völlig automatisieren wollen. Das Fazit für Gründer und Investoren im Jahr 2026 ist unmissverständlich: Die Zeit der reinen HR-Verwaltung ist abgelaufen. Die Revolution der Arbeit findet im Kopf der Belegschaft statt. WorkTech-Unternehmen, die es schaffen, das Know-how von gestern in Lichtgeschwindigkeit auf die Technologien von morgen umzuprogrammieren, bauen nicht nur lukrative Software, sie sichern die wirtschaftliche Wettbewerbsfähigkeit ganzer Kontinente.

Stell dir vor, du hast ein Verkaufsgespräch bei einem deutschen Hidden Champion aus dem Maschinenbau. Du demonstrierst, wie deine KI-Software seine streng geheimen Konstruktionspläne und Patente in Sekunden analysiert und optimiert. Der CEO ist begeistert. Dann fragt der IT-Sicherheitschef: „Und wo liegen die Daten, während die KI sie verarbeitet?“

Wenn deine Antwort jetzt lautet: „Wir schicken die über eine API an die Server von OpenAI oder Microsoft“, ist das Meeting in diesem Moment beendet.

Für Banken, Anwaltskanzleien, das Gesundheitswesen und den traditionellen Mittelstand ist die Nutzung amerikanischer Cloud-KIs ein absoluter Compliance-Albtraum. Die Angst vor Industriespionage, DSGVO-Strafen und Kontrollverlust ist riesig. Genau hier öffnet sich gerade ein Milliardenmarkt für europäische Tech-Start-ups, die einen radikalen Gegenentwurf bauen: Sovereign AI.

Die Illusion des Alleskönners: Warum LLMs oft Overkill sind

Bisher wurde uns eine klare Erzählung verkauft: Künstliche Intelligenz braucht gigantische Rechenzentren, Milliarden von Parametern und unfassbare Mengen an Energie. Die Large Language Models (LLMs) wie GPT-4 oder Claude sind die Zehnkämpfer der Tech-Welt. Sie können Gedichte schreiben, programmieren, spanische Rezepte übersetzen und Quantenphysik erklären.

Aber mal ehrlich: Eine KI, die für eine deutsche Bank Kreditverträge auf Risiken prüfen soll, muss nicht wissen, wie man ein Bananenbrot backt. Das gigantische Weltwissen der großen Modelle ist im B2B-Alltag oft reiner Ballast – es macht die KI langsam, teuer und halluzinationsanfällig.

Der Aufstieg der Small Language Models (SLMs)

Die Antwort der Start-up-Welt auf diesen Overkill sind Small Language Models (SLMs). Anstatt zu versuchen, OpenAI mit einem noch größeren Modell zu schlagen, trainieren clevere Gründungsteams winzige, hochspezialisierte Modelle.

Diese SLMs haben nur einen Bruchteil der Parameter der riesigen Alleskönner. Sie werden nicht mit dem gesamten Internet trainiert, sondern ausschließlich mit extrem hochwertigen, branchenspezifischen Daten – zum Beispiel nur mit deutschen juristischen Fachtexten oder medizinischen Diagnosen.

Das Ergebnis? Ein Fachidiot im besten Sinne. In ihrer spezifischen Nische schlagen diese kleinen Modelle die Branchenriesen oft bei der Präzision. Und sie bringen einen entscheidenden, geschäftsverändernden Vorteil mit sich: Sie sind so klein, dass sie keine gigantischen Cloud-Server mehr brauchen.

On-Premise feiert sein Comeback

Für ein ganzes Jahrzehnt war „On-Premise“ (also Software, die physisch auf den Servern des/der Kund*in installiert wird) das Schimpfwort der Tech-Branche. Alles musste in die Cloud. Mit Sovereign AI dreht sich der Spieß um.

Start-ups packen ihre Small Language Models in Container und installieren sie direkt im Firmennetzwerk des/der Kund*in – komplett offline, „air-gapped“ und ohne jegliche Verbindung zum offenen Internet.

Die Argumente für dieses Modell sind für B2B-Kund*innen unwiderstehlich:

• Absolute Datenhoheit: Keine API funkt sensible Unternehmensdaten an US-Server. Die Daten verlassen das Firmengebäude digital niemals.
• Predictable Pricing: Es gibt keine variablen API-Kosten pro Token mehr. Das Modell läuft auf der eigenen Hardware (oder in der privaten Cloud) des Kunden.
• Unabhängigkeit: Wenn ein Tech-Gigant in den USA seine Nutzungsbedingungen ändert oder die Preise anzieht, betrifft das den/die Kund*in nicht.

Die deutschen Vorreiter: Vom Fachidioten zum Konzernliebling

Dass diese Strategie funktioniert, zeigt ein Blick auf die deutsche Start-up-Szene, die das Thema Sovereign AI aktuell als ihren stärksten Hebel gegen das Silicon Valley entdeckt. Das Heidelberger Scale-up Aleph Alpha hat diesen Weg früh geebnet, indem es Modelle baut, die komplett „air-gapped“ auf den eigenen Servern von Behörden und hochsensiblen Konzernen (wie der Schwarz-Gruppe) laufen – fernab jeder US-Infrastruktur.

Doch die nächste Generation geht noch spitzer in die Nische: Das Berliner Start-up Xayn hat beispielsweise mit Noxtua Europas erste souveräne Rechts-KI für Anwält*innen und Jurist*innen gebaut. Die hochspezialisierten Sprachmodelle und Recherche-Tools laufen auf streng abgeschirmten, europäischen Servern, um das Anwaltsgeheimnis zu wahren. Start-ups wie Deepset (Berlin) oder Kern AI (Bonn) liefern zudem die passenden Werkzeuge und Plattformen. Mit ihnen können Versicherungen und Banken offene KIs direkt in ihren eigenen Serverkellern betreiben und sicher mit ihren eigenen, hochsensiblen Unternehmensdaten verknüpfen.

Die europäische Allianz: Paris und Helsinki als Kraftzentren

Dieser Trend beschränkt sich längst nicht auf Deutschland – ganz Europa hat sich zum globalen Zentrum für souveräne und offene KI formiert. Der absolute Superstar dieser Bewegung ist das Pariser Start-up Mistral AI. Anstatt seine KI hinter einer Paywall zu verstecken, stellt Mistral hocheffiziente, kleine Modelle (wie die Mistral- oder Mixtral-Reihen) offen zur Verfügung. Sie liefern quasi den Motor, den sich Unternehmen weltweit herunterladen, um ihn sicher auf den eigenen Servern laufen zu lassen.

Flankiert wird Mistral von Start-ups wie LightOn (ebenfalls Paris), die maßgeschneiderte On-Premise-Plattformen für Rüstungskonzerne und Banken bauen. Wie immens wertvoll der europäische Ansatz der digitalen Souveränität ist, zeigte sich auch am finnischen KI-Labor Silo AI. Die Skandinavier bauten offene Modelle explizit für den europäischen B2B-Markt auf.

Doch die Geschichte von Silo AI ist zugleich ein schmerzhafter Weckruf für den Kontinent: Der Ansatz war so erfolgreich, dass der US-Chipgigant AMD das Start-up kurzerhand für fast 700 Millionen Dollar kaufte. Dieser Exit zeigt das europäische Dilemma: Wir bauen exzellente souveräne Technologien – aber wenn uns das tiefe Anschlusskapital (Growth Capital) fehlt, wandert unsere hart erkämpfte Datenautonomie beim ersten großen Scheck aus den USA doch wieder über den Atlantik.

Datenhoheit als ultimativer USP – und politischer Auftrag

Für europäische Gründer*innen ist Sovereign AI dennoch eine historische Chance. Der Versuch, im B2C-Markt gegen die Budgets aus dem Silicon Valley anzutreten, ist ein Himmelfahrtskommando. Der Weg zum Erfolg führt aktuell über die vertikale Integration und digitale Souveränität. Wer heute ein Start-up baut, das einer Versicherung eine hochpräzise, DSGVO-konforme KI liefert, die als Blackbox auf den eigenen Servern der Versicherung läuft, hat den ultimativen Product-Market-Fit gefunden.

Wir erleben gerade die Rebellion gegen die Cloud. Und die Gewinner*innen dieser Rebellion werden nicht die Start-ups mit den größten Modellen sein – sondern die mit den sichersten. Damit diese Gewinner*innen am Ende aber auch europäisch bleiben, müssen nun auch die heimischen VCs und Konzerne beweisen, dass ihnen echte Souveränität mehr wert ist als nur ein Lippenbekenntnis.

Anfang August 2026 schreckte ein massives Datenleck die Tech-Community auf. Beim beliebten KI-Meeting-Assistenten tl;dv wurde eine kritische Sicherheitslücke bekannt. Der Sicherheitsforscher, der unter dem Pseudonym BobDaHacker auftritt, konnte auf 181.874 Meeting-Datensätze zugreifen, die mehr als 84.000 Nutzern zugeordnet waren. Zudem gelang es ihm laut eigenen Angaben, sich in zwei laufende Live-Besprechungen einzuklinken. Auch wenn tl;dv die Lücke rasch schloss und betonte, dass über diese Schwachstelle keine privaten Gesprächsprotokolle oder Aufzeichnungen abrufbar gewesen seien, bleibt ein brisanter Weckruf für Unternehmen.

Für Christoph Knöll, Geschäftsführer der KI-Beratung Neurawork, offenbart dieser Fall ein viel weitreichenderes, oft unterschätztes Problem in der Unternehmenswelt: „Das größte Risiko liegt in der unkontrollierten Nutzung von KI-Tools.“ Oft seien es die Mitarbeitenden selbst, die derartige Anwendungen ohne das Wissen der IT-Abteilung einrichten.

Die unsichtbare Gefahr: Was ist Shadow-KI?

Genau dieses Phänomen bezeichnen Experten als „Shadow-KI“ (Schatten-KI). Es ist die logische, aber heikle Evolution der klassischen Schatten-IT. Während herkömmliche nicht-genehmigte Software oft isolierte Aufgaben erfüllte, werden KI-Tools kontinuierlich mit tiefgreifenden Unternehmensdaten gefüttert – von sensiblen Kundengesprächen über proprietären Code bis hin zu Finanzdaten.

Aktuelle Erhebungen aus dem Jahr 2026 unterstreichen die Brisanz: Gartner schätzt, dass mittlerweile mehr als die Hälfte der Wissensarbeiter*innen KI-Anwendungen ohne ausdrückliche Freigabe für berufliche Zwecke einsetzt. Auch der aktuelle IBM Cost of a Data Breach Report warnt vor den finanziellen Folgen: Datenschutzverletzungen, bei denen Shadow-KI im Spiel ist, erhöhen die ohnehin immensen Kosten eines Breaches im Durchschnitt um rund 670.000 US-Dollar. Gerade für Start-ups, bei denen schnelle Prozesse essenziell sind, kann ein solches Datenleck oder ein Verstoß gegen den strengen EU AI Act existenzbedrohend sein.

Warum ein pauschales Verbot scheitert

Christoph Knöll sieht in der Entstehung von Shadow-KI nicht nur ein Sicherheitsrisiko, sondern primär ein Warnsignal. Es sei ein klares Indiz dafür, dass konkrete Probleme der Belegschaft im Unternehmen nicht ausreichend gelöst würden. Daher seien pauschale Verbote der völlig falsche Ansatz. Sie führen in der Praxis lediglich zum sogenannten Wasserbetteffekt: Die Nutzung weicht auf private Geräte oder schwerer kontrollierbare Kanäle aus, was die Risiken weiter verschärft.

Ohne einen strukturierten Umgang mit künstlicher Intelligenz, so Knöll, suchen sich die Mitarbeitenden unweigerlich ihre eigenen Lösungen – was dazu führt, dass aus vereinzelten Tools schnell ein unkontrollierter Wildwuchs entsteht. Statt zuerst die Frage nach dem passenden Tool zu stellen, sollten Firmen gemeinsam mit ihrem Team analysieren: Wo haken unsere Prozesse, wo geht wertvolle Zeit verloren und an welchen Stellen kann KI eine sinnvolle Hilfestellung bieten?

Drei klassische Fehler begünstigen den Wildwuchs

Nach Erfahrungen der Expert*innen liegen der unkontrollierten KI-Nutzung meist drei grundlegende Management-Fehler zugrunde:

• Die Technologie wird vor das Geschäftsproblem gestellt: Unternehmen führen KI ein, ohne vorab klar zu definieren, welche konkreten Probleme für Kund*innen oder Mitarbeitende damit eigentlich gelöst werden sollen. Erfolgreiche Integration startet jedoch immer bei der Herausforderung, nicht bei der Tool-Auswahl.
• Das Team wird nicht mitgenommen: Selbst die raffinierteste KI-Lösung verpufft, wenn sie im Alltag nicht genutzt wird. Mitarbeitende müssen den Nutzen verstehen und wissen, wie sich ihre Arbeitsweise dadurch positiv verändert.
• Mangelnde Alltagstauglichkeit: Was im Labor oder Pilotprojekt glänzt, läuft in der Praxis oft instabil. KI-Lösungen müssen sicher in die bestehenden Unternehmenssysteme eingebunden, mit hochwertigen Daten gespeist und vor allem dauerhaft zuverlässig betrieben werden.

To-Dos für Gründer*innen: So gelingt der strukturierte Rollout

Ein strukturierter KI-Rollout, der Shadow-KI vorbeugt, basiert auf den drei Säulen Strategie, Architektur und Change-Management. Fehlt auch nur eine dieser Säulen, bleibt der erhoffte wirtschaftliche Nutzen aus. Gründer*innen sollten folgende Schritte sofort einleiten:

• Den echten Bedarf evaluieren (Strategie): Sprich mit deinen Teams. Frage offen: Welche Probleme sollen gelöst werden? Verstehe den Bedarf, bevor du Vorgaben machst oder teure Lizenzen einkaufst.
• Sichere Alternativen bereitstellen (Architektur): Verbiete nicht einfach unsichere Tools, sondern biete nahtlose, sichere Alternativen an. Die KI-Architektur muss gewährleisten, dass Systeme sicher und zuverlässig funktionieren. Implementiere Enterprise-Gateways, die den Abfluss von Unternehmensdaten zu Trainingszwecken verhindern.
• Schulung und Befähigung (Change-Management): Verankere KI-Kompetenz in deiner Unternehmenskultur. Kläre dein Team über die Risiken unautorisierter Datenfreigabe auf und etabliere klare Leitlinien (Governance), damit die neuen Tools auch produktiv und sicher im Alltag genutzt werden.

Fazit

Shadow-KI ist längst in den Büros und Homeoffices der Start-up-Welt angekommen. Der Vorfall um den Meeting-Assistenten tl;dv ist ein unmissverständlicher Weckruf. Gründer*innnen, die KI lediglich als randläufiges IT-Projekt begreifen, greifen zu kurz. Es geht vielmehr um eine strategische Transformation, bei der Sicherheit, Compliance und Produktivität im Einklang stehen müssen.

Stell dir vor, du sitzt als B2B-Gründer*in in deinem nächsten VC-Pitch. Du präsentierst stolz deine Wachstumskurve, basierend auf dem heiligen Gral der Tech-Szene: dem „Per-Seat“-Pricing. Dein Geschäftsmodell skaliert wunderbar berechenbar mit der Anzahl der menschlichen Nutzer*innen auf Kund*innenseite. 50 Euro pro Monat und Mitarbeitendenkapazität – ein Traum für den wiederkehrenden Umsatz (ARR).

Doch der Lead-Investor unterbricht dich mit einer unbequemen Frage: „Was passiert mit unserem Umsatz, wenn eure Kunden in zwei Jahren keine zehn Mitarbeiter mehr brauchen, um diese Software zu bedienen, sondern nur noch einen menschlichen Manager und drei autonome KI-Agenten?“

In diesem Moment zerfällt dein Pitch-Deck. Denn das ist kein dystopisches Zukunftsszenario, sondern die Realität, mit der sich die Start-up-Szene genau jetzt auseinandersetzen muss. Die nächste Evolutionsstufe der künstlichen Intelligenz, die sogenannten Agentic Workflows, verändert nicht nur, wie wir arbeiten. Sie zerstört das Fundament, auf dem die wertvollsten Tech-Unternehmen der letzten 15 Jahre aufgebaut wurden.

Vom Werkzeug zum Mitarbeitenden: Aus „Software-as-a-Service“ wird „Service-as-a-Software“

Um die Tragweite zu verstehen, muss man sich die bisherige Logik von B2B-Software vor Augen führen. Klassische SaaS-Produkte (Software-as-a-Service) sind letztlich nur digitale Werkzeuge. Ein Hammer schlägt keinen Nagel von selbst ein; eine Buchhaltungssoftware bucht keine Belege ohne eine(n) Buchhalter*in, der/die die Tasten drückt. Unternehmen kauften Software, um ihre menschlichen Mitarbeitenden produktiver zu machen.

Agentic AI dreht dieses Paradigma um. KI-Agenten chatten nicht nur passiv wie ChatGPT, sie agieren. Sie bedienen APIs, navigieren durch Webseiten und treffen Entscheidungen. Ein Unternehmen kauft künftig nicht mehr das Werkzeug für den Buchhalter, sondern die Buchhaltung als fertigen Service, der von digitalen Agenten-Schwärmen erledigt wird. Die Software wird vom Hilfsmittel zum/zur eigentlichen Mitarbeitenden.

Das Ende der Benutzeroberfläche

Diese Verschiebung hat gravierende Auswirkungen auf das Produktdesign. Wenn Software traditionell für Menschen gebaut wurde, brauchte sie Dashboards, Menüleisten, farbige Buttons und komplexe Filter-Funktionen. Das Design-Team eines Start-ups verbrachte Monate damit, die User Experience (UX) so intuitiv wie möglich zu gestalten.

Doch wozu brauchen wir noch Dashboards, wenn der Einkaufs-Agent eines Konzerns im Hintergrund direkt mit dem Sales-Agenten eines Zulieferers kommuniziert? Maschinen brauchen keine bunten Buttons, sie sprechen über Schnittstellen (APIs) in maschinenlesbarem Code miteinander. Wenn der Mensch nur noch am Anfang das Ziel definiert und am Ende das fertige Ergebnis abnickt, wird die grafische Benutzeroberfläche – das Aushängeschild der bisherigen SaaS-Ära – in vielen Bereichen überflüssig. Die beste Software der Zukunft wird jene sein, die man gar nicht mehr sieht.

Die Pricing-Krise: Wer zahlt für die fehlenden Nutzer*innen?

Die größte Erschütterung betrifft jedoch die Bilanzen der Tech-Konzerne und VCs. Das klassische SaaS-Modell skaliert nach dem „Per-Seat“-Prinzip: Man zahlt pro menschlichem/menschlicher Nutzer*in. Kostet eine Software 50 Euro im Monat und das Team hat 100 Mitglieder, freut sich der Software-Anbieter über 5.000 Euro monatlich wiederkehrenden Umsatz (MRR).

Was aber passiert, wenn Agentic AI es ermöglicht, dass ein Team aus zehn Menschen denselben Output liefert wie zuvor 100? Das Unternehmen jubelt über massive Kosteneinsparungen – und dem SaaS-Anbieter brechen 90 % seiner Nutzer*innenlizenzen weg. Der paradoxe Effekt: Je besser die KI wird, desto mehr sägt sie an den Umsätzen der Softwarefirmen, die sie integrieren.

Die Tech-Branche steht damit vor einer fundamentalen Pricing-Krise. Wenn Start-ups nicht mehr pro Nutzer*in abrechnen können, wie monetarisieren sie dann ihre Agenten? Die Antwort dürfte in einem radikalen Modellwechsel liegen:

• Usage-Based-Pricing: Abgerechnet wird nach Rechenleistung oder Token-Verbrauch.
• Task-Based-Pricing: Man zahlt einen fixen Betrag pro erledigter Aufgabe (z. B. 10 Cent pro fehlerfrei gebuchter Rechnung).
• Outcome-Based-Pricing: Die ultimative, aber riskanteste Stufe. Der Software-Anbieter wird am Erfolg gemessen und bekommt beispielsweise eine Provision für jeden Deal, den sein KI-Agent erfolgreich abgeschlossen hat.

Eines ist sicher: Die Zeit, in der Start-ups Unternehmen einfach pro Kopf für den Zugang zu einer leeren Software-Hülle zur Kasse bitten konnten, neigt sich dem Ende zu. Wer in der Ära der Agenten überleben will, darf keine Werkzeuge mehr verkaufen. Er muss Ergebnisse liefern.

StartingUp: Was war der konkrete Auslöser für dich, Order Right gegen den digitalen Flickenteppich in der Gastronomie zu gründen?

Muhammed Ali Yildiz: Der Auslöser war die enorm herausfordernde Situation der Branche. Viele Gastronomen kämpfen mit komplexen Abläufen, langen Vertragslaufzeiten und einer Vielzahl an isolierten Einzellösungen, die nicht miteinander kommunizieren. Genau hier setzen wir an: Wir wollen eine zentrale Infrastruktur bieten, die den Alltag vereinfacht, damit sich Betreiber wieder auf ihr eigentliches Geschäft konzentrieren können.

StartingUp: Warum ist euer All-in-One-Ansatz für Gastronom*innen besser als schlanke Nischenlösungen („Best-of-Breed“)?

Muhammed Ali Yildiz: In der Gastronomie fehlt schlicht die Zeit für IT-Pflege. Zwischen einzelnen Nischensystemen brechen die Abläufe auf, was zu Reibungsverlusten und Mehrfachkosten führt. Wenn alles aus einer Hand kommt, entfallen diese Probleme – es gibt nur einen Ansprechpartner und eine zentrale Datenpflege. All-in-One ist für uns deshalb kein reines Feature, sondern die eigentliche Leistung.

StartingUp: Wie habt ihr es geschafft, die im Tagesgeschäft stark eingespannten Gastronom*innen für den Erstkontakt zu erreichen?

Muhammed Ali Yildiz: Die eigentliche Hürde ist tatsächlich der Erstkontakt während des laufenden Betriebs. Aber sobald wir im persönlichen Gespräch waren, konnten wir die meisten Betriebe für uns gewinnen. Unser stärkster Kanal ist dabei die Mundpropaganda, da die Branche stark vernetzt ist und sich Qualität schnell herumspricht.

StartingUp: Welcher Vertriebskanal war euer stärkster Hebel für das schnelle Wachstum von über 500 Kund*innen in zwölf Monaten?

Muhammed Ali Yildiz: Ganz klar Empfehlungen. Eine Kassenumstellung ist Vertrauenssache, da hört man lieber auf Kollegen als auf Werbung. Kaltakquise diente anfangs als Türöffner, und Partnerschaften werden jetzt relevanter, um neue Regionen zu erschließen. Der eigentliche Wachstumsmotor bleibt aber die Qualität der Arbeit beim bestehenden Kunden.

StartingUp: Wie entgegnest du im Verkaufsgespräch dem Einwand, dass eine Systemumstellung zu viel Zeit und Kosten verursacht?

Muhammed Ali Yildiz: Ich frage nach den aktuellen Kosten. Zählt man Kasse, Lieferdienste, Webshop und die manuellen Arbeitsstunden für die Buchhaltung zusammen, sind mehrere Einzellösungen oft deutlich teurer. Zudem ist unser System bewusst so einfach gehalten, dass Aushilfen in zehn Minuten eingearbeitet sind. Wir übernehmen die Einrichtung und sorgen dafür, dass die Umstellung nicht im stressigen Wochenendgeschäft passiert.

StartingUp: Überwiegt bei traditionellen Betrieben die Skepsis gegenüber KI und Automatisierung oder die Erleichterung beim Personal?

Muhammed Ali Yildiz: Anfängliche Skepsis schwindet sehr schnell durch die einfache Bedienung und unseren ständigen Support. Der KI-Telefonassistent nimmt beispielsweise verpasste Anrufe an und sichert so Umsatz, der sonst verloren ginge. Letztlich überwiegt beim Personal ganz klar die Erleichterung, weil lästige Routineaufgaben wegfallen und mehr Zeit für den Gast bleibt.

StartingUp: Welche manuellen Prozesse wird es in Restaurants in drei Jahren definitiv nicht mehr geben?

Muhammed Ali Yildiz: Erstens die handschriftliche Telefonbestellung, zweitens die doppelte Datenpflege auf verschiedenen Plattformen und drittens die Zettelwirtschaft am Monatsende für den Steuerberater. Alles, was keinen Umsatz bringt und niemandem Freude macht, wird automatisiert. Der Rest – das Kochen, Beraten und der menschliche Kontakt – bleibt beim Menschen.

StartingUp: Muhammed Ali Yildiz, danke für die Insights!

Das Interview führte StartingUp-Chefredakteur Hans Luthardt

Key Takeaways für Gründer*innen

• All-in-One schlägt Insellösungen: In Branchen mit hohem operativen Druck gewinnt das System, das Schnittstellenprobleme eliminiert.
• Schmerzpunkt statt Feature-Schlacht: Schnelles B2B-Wachstum gelingt, wenn das Produkt direkte Antworten auf drängende Branchenprobleme (wie Personalmangel und Kostensteigerungen) liefert.
• Technologie als Entlastung: KI und Automatisierung dienen im B2B-Bereich vor allem dazu, dem Personal Routineaufgaben abzunehmen und Freiräume zu schaffen.

Die strukturellen Probleme sind offensichtlich: In 94 Prozent der deutschen Krankenhäuser können offene Stellen nicht besetzt werden. Gleichzeitig fallen Mitarbeitende in Ver- und Entsorgungsberufen mit durchschnittlich 38,5 Arbeitsunfähigkeitstagen pro Jahr aus – ein Plus von 5,9 Tagen im Vergleich zu 2019. Während in Teilen Asiens und Skandinaviens autonome Roboterflotten mit über 30 Einheiten im Einsatz sind, dominieren in Deutschland bislang oft inkompatible Pilotprojekte. Hier will Elvio Robotics ansetzen. Das Start-up positioniert sich als Systemanbieter für die Automatisierung, initial für Logistik und Flächenreinigung. Die Gründer versprechen dabei ein ganzheitliches Modell von der Beratung bis zum Service. Ihr erklärtes Ziel ist eine herstellerübergreifende Plattform namens „Elvio OS“, die Hardware-Silos aufbrechen und Roboter verschiedener Hersteller zentral steuern soll.

Das Gründer-Duo: Vom Tech-Umfeld in die Klinik-Realität

Geführt wird das im Februar 2026 gegründete Unternehmen von Marco Brizzolara (CEO) und Johannes Drexler (CTO). Brizzolara blickt als Schwarzman Scholar auf Stationen bei Horizon Robotics, TikTok und McKinsey zurück. Drexler bringt Erfahrung aus einem Master in Robotik an der TU München und einer Tätigkeit bei Elon Musks The Boring Company in Texas mit.

Doch warum der Wechsel in die als notorisch zäh und chronisch unterfinanziert geltende deutsche Krankenhauslandschaft? „Die größten Chancen liegen oft dort, wo die Probleme am schwierigsten zu lösen sind“, sagt Brizzolara. Ein Krankenhausbesuch habe ihm das Versagen bisheriger Konzepte gezeigt. „Jeder brachte einen Teil der Lösung mit, aber niemand hatte die Verantwortung für ein Gesamtsystem übernommen“, so der CEO.

Drexler ergänzt„Die Krankenhausbranche steht hinsichtlich Automatisierung noch ganz am Anfang – und das, obwohl diese Technologien genau hier einen riesengroßen gesellschaftlichen Mehrwert liefern können.“ Natürlich sei die Herausforderung enorm. „Doch umso größer ist die Wirkung, die wir erzielen können, wenn wir Krankenhäuser erfolgreich bei der Einführung autonomer Service-Roboter unterstützen.“

Das Team kooperiert bei der Entwicklung unter anderem mit der Berliner Charité und sammelte kürzlich Kapital von institutionellen Investoren und Business Angels ein. Auf die Frage, wie viel Vorlaufzeit das frische Kapital in diesem stark hardwarelastigen Geschäft realistisch bietet, bleibt Brizzolara vage. Er pocht vielmehr auf die Vision der Geldgeber: „Am Ende haben die Kapitalgeber in die These investiert, dass das autonome Krankenhaus in den nächsten zehn Jahren Realität wird.“ Ob diese Rechnung in einem durch klamme Kassen geprägten Markt aufgeht, muss sich in der Praxis allerdings erst noch beweisen.

Das Geschäftsmodell: Orchestrierung und die Gefahr des Lock-ins

Das Konzept von Elvio Robotics basiert auf Orchestrierung. Um den Vendor Lock-in einzelner Roboterhersteller zu umgehen, soll Elvio OS als Middleware das Flottenmanagement und die Infrastrukturintegration übernehmen. Tauschen die Kliniken damit aber nicht einfach den Hardware-Lock-in gegen einen massiven Software-Lock-in ein? Brizzolara wehrt sich gegen diesen Vorwurf: „Was ist die Alternative? Ein Mix aus unterschiedlichen Robotern mit proprietärer Software stellt für kein Krankenhaus eine tragfähige Lösung dar.“ Das Start-up wolle bestehende Abhängigkeiten auflösen.

Drexler argumentiert, dass Kliniken mit dem System in der Lage seien, Reinigungsroboter unterschiedlicher Hersteller über eine einheitliche Oberfläche zu steuern und Infrastruktur wie Aufzüge nur einmalig anbinden müssten. Doch die architektonische Realität in deutschen Krankenhäusern, die oft historisch gewachsene Labyrinthe mit einem Flickenteppich an IT-Landschaften sind, birgt das Risiko einer echten „Integrations-Hölle“. Dass das System derzeit noch kein reines Plug-and-Play-Geschäft ist, räumt Drexler unumwunden ein: „Angesichts der Heterogenität deutscher Krankenhaus-Infrastrukturen wäre es vermessen, zu behaupten, dass unsere Integrationsprojekte vollständig Plug-and-Play sind.“ Man bewege sich durch Standardisierung aber in Richtung eines skalierbaren Automatisierungsbaukastens.

Markt & Wettbewerb: Konkurrenz aus der Intralogistik

Zudem betritt Elvio keinen leeren Markt. Es existieren bereits generalistische Flottenmanagement-Tools aus der Intralogistik (Lager, Fabriken). Dass in absehbarer Zeit große Player oder Tech-Riesen verstärkt in dieses Segment drängen könnten, liegt auf der Hand. Wie will sich das Start-up davor schützen? „Unser Burggraben ist nicht eine einzelne Technologie, sondern die Kombination aus Infrastrukturintegration, Betriebs-Know-how und dem Vertrauen unserer Kunden“, behauptet Brizzolara und zieht einen ambitionierten Vergleich: Dies lasse sich „ebenso wenig kopieren, wie man AWS kopieren könnte, indem man einige Millionen Zeilen Code schreibt.“

Drexler verweist darauf, dass die Branche ohnehin keine Standardlösungen dulde. Das zeige etwa der aktuelle Rückzug von SAP aus dem klinischen Patientenmanagement zugunsten hochspezialisierter Medizin-IT. Zudem spielt er die Karte der Datensouveränität: „Wollen wir diese kritische Infrastruktur wirklich den Tech-Riesen überlassen?“

Noch in diesem Jahr sollen erste Installationen in Kliniken abgeschlossen werden. In einem Umfeld, in dem Krankenhäuser notorisch klamm sind und Neuanschaffungen hohes Vorabkapital erfordern, stellt sich die Frage der Rentabilität. Subventioniert das Start-up seine ersten Leuchtturm-Projekte mit VC-Geld quer? „Wir nutzen das VC-Kapital nicht, um Marktanteile aufzubauen“, versichert Brizzolara.

Drexler verweist auf ein monatlich abgerechnetes „Robot-as-a-Service-Modell“, das die Einstiegshürden niedrig halten soll. „Lässt man die Entwicklungskosten der Plattform außen vor, werden wir schon beim ersten Pilotkunden positive Unit-Economics vorweisen können“, verspricht der CTO.

An diesen harten Kennzahlen, einer funktionierenden Technologie und der tatsächlichen Überzeugungsarbeit im herausfordernden Klinikalltag werden sich die ambitionierten Gründer in den kommenden zwölf Monaten messen lassen müssen.

Ein neues Rechenzentrum vor den Toren Berlins. Die Bagger rollen an, dafür muss ein lokales Feuchtgebiet weichen. Früher hätte das Unternehmen als Ausgleich einfach ein paar Setzlinge am Waldrand gepflanzt. Heute, im Zeitalter der strengen EU-Nachhaltigkeitsrichtlinien, reicht das nicht mehr. Der Konzern will – und muss – auf dem Papier „Nature Positive“ sein.

Die Lösung aus der Tech-Welt scheint elegant: „Mit einem Klick kauft das Unternehmen sogenannte Biodiversity Credits bei einem der gehypten neuen Nature-Tech-Start-ups. Die Investition fließt in den Schutz eines ausgetrockneten Pinienwaldes in Andalusien, der mit Sensoren überwacht wird. Das Gewissen der Investor*innen ist rein, die Excel-Tabelle der Nachhaltigkeitsabteilung leuchtet grün.

Doch genau in dieser grünen Zelle der Tabelle offenbart sich der fundamentale Denkfehler eines aufstrebenden Marktes. Beim klassischen Klimaschutz funktioniert diese Ausgleichslogik. Eine Tonne CO₂, die in Brandenburg ausgestoßen wird, ist physikalisch identisch mit einer Tonne CO₂, die in Spanien aus der Luft gesaugt wird. Dem Klima ist die Geografie egal, die Währung ist universell austauschbar.

Die Natur lässt sich aber nicht in ein globales Hauptbuch pressen. Man kann den Lebensraum der brandenburgischen Rotbauchunke nicht durch eine iberische Eidechse ausgleichen. Wer Jaguare mit Regenwürmern vergleicht, verliert. Dennoch arbeiten Dutzende europäische NatureTech-Start-ups aktuell genau daran: Sie nutzen Drohnen, Umwelt-DNA und Bioakustik-KIs, um die unendliche Komplexität eines Ökosystems in eine einzige, handelbare Finanzkennzahl zu übersetzen.

Es ist der ambitionierte Versuch der Tech-Branche, das Unmessbare messbar zu machen – und er droht zu einer gigantischen Illusion zu werden.

Die „God-Mode“-Technologien: Der Wald wird ausgelesen

An Daten mangelt es dabei nicht. Im Gegenteil: Die technologische Entwicklung der letzten Jahre ermöglicht uns einen völlig neuen, fast gottgleichen Blick auf Ökosysteme.

Nehmen wir das Münchner Start-up Hula Earth. Das Team bringt das Internet of Things in den Wald. Solarbetriebene Sensoren und Mikrofone lauschen rund um die Uhr. Eine künstliche Intelligenz filtert das Rauschen, identifiziert das spezifische Zirpen einer bestimmten Grillenart und verknüpft diese akustischen Daten mit Satellitenbildern. Ähnlich radikal ist der Ansatz des Start-ups IdentMe aus Halle an der Saale. Statt Tiere mühsam zu fangen oder zu zählen, setzt das Team auf eDNA (Umwelt-DNA). Ein winziger Tropfen Wasser aus einem See oder eine Bodenprobe reichen aus, um genetisch exakt nachzuweisen, welche Tier- und Pflanzenarten in den vergangenen Tagen hier verkehrten.

Der blinde Fleck der Biologie verschwindet. Wir wissen heute besser denn je, was im Wald passiert. Das Problem der Start-ups ist nicht die Datenerhebung. Das Problem beginnt beim nächsten Schritt: der Monetarisierung.

Der Index-Fehler: Mathematik vs. Biologie

Um einen Biodiversitäts-Credit an ein Unternehmen verkaufen zu können, müssen Start-ups Millionen von Datenpunkten – Vogelstimmen, DNA-Spuren, Lidar-Scans von Baumkronen – aggregieren. Sie müssen all das in eine einzige Zahl pressen. Einen Index. Einen Score.

Und hier schlagen Ökolog*innen und Biolog*innen Alarm. Die Natur ist kein Dashboard. Wenn ein Start-up-Algorithmus Biodiversität vor allem nach der bloßen Anzahl der gefundenen Arten bewertet (weil sich das mathematisch leicht berechnen lässt), droht eine gefährliche Gamification. Nach dieser Logik wäre ein künstlich angelegter Stadtzoo mit exotischen Tieren wertvoller als ein natürliches, hochspezialisiertes – aber naturgemäß artenarmes – Hochmoor. Die Reduktion von Ökosystemen auf eine handelbare Metrik öffnet Tür und Tor für Fehlsteuerungen.

Das Trauma der Carbon-Märkte

Die europäische Start-up-Szene agiert hier in einem extrem angespannten Umfeld. Der Vorgänger-Markt – die freiwilligen CO₂-Zertifikate – liegt nach massiven Greenwashing-Skandalen um wertlose „Phantom-Wälder“ in Trümmern. Investor*innen sind nervös, das Misstrauen gegenüber reinen Tech-Versprechen ist groß.

Gleichzeitig baut sich ein immenser regulatorischer Druck auf. Durch die europäische Berichtspflicht (CSRD) geraten Konzerne in Panik. Start-ups wie das Berliner Unternehmen Kuyua bauen deshalb Plattformen, die Unternehmen helfen, ihre extrem komplexen Natur- und Klimarisiken in den globalen Lieferketten überhaupt erst einmal zu erfassen. Konzerne müssen plötzlich handeln, Metriken vorweisen und Natur-Bilanzen erstellen, obwohl die wissenschaftlichen Standards für diese Bilanzen noch gar nicht ausgereift sind. Es entsteht ein gefährlicher Blindflug, bei dem Milliardenbudgets in unfertige Systeme fließen könnten, nur um Compliance-Häkchen zu setzen.

Fazit: Von Offsetting zu Insetting

Bedeutet das, dass die europäischen NatureTech-Start-ups auf dem Holzweg sind? Keineswegs. Die Technologien von eDNA bis Bioakustik sind bahnbrechend. Der Fehler liegt nicht in der Hard- oder Software, sondern im Geschäftsmodell des Ablasshandels.

Biodiversität lässt sich schlichtweg nicht „offsetten“. Zerstörung an Ort A kann nicht durch Schutz an Ort B ungeschehen gemacht werden. Der wahre und zukunftsfähige Wert der NatureTech-Szene liegt im sogenannten Insetting.

Anstatt Zertifikate aus dem Amazonas an deutsche Autobauer zu verkaufen, müssen diese Technologien eingesetzt werden, um die Natur innerhalb der eigenen Lieferketten zu reparieren. Die KI von Hula Earth oder die eDNA-Analysen von IdentMe entfalten ihr volles Potenzial, wenn sie messen, wie sich die Pestizidreduktion auf den Feldern der direkten Zulieferer auswirkt.

Die Natur lässt sich nicht als globale Währung handeln. Aber mit der richtigen Technologie lässt sie sich vor der eigenen Haustür endlich verstehen – und im besten Fall retten.

Der Fachkräftemangel ist das Dauerthema der deutschen Wirtschaft. Doch wer jenseits der 50 auf Jobsuche geht, erlebt oft eine paradoxe Realität: Trotz jahrzehntelanger Erfahrung bleiben die Türen vieler Personalabteilungen verschlossen. Die offiziellen Arbeitsmarktdaten stützen dieses Gefühl: Laut Strukturdaten der Bundesagentur für Arbeit sind Menschen ab 55 Jahren in der Statistik der Langzeitarbeitslosen massiv überrepräsentiert und haben bei der Wiedereingliederung in den ersten Arbeitsmarkt mit den höchsten strukturellen Hürden zu kämpfen.

Eine aktuelle Auswertung der Plattform freelancermap unter 164 Personen, die sich erst im Alter von 50 Jahren oder später selbständig gemacht haben, wirft ein bezeichnendes Licht auf die aktuellen Rekrutierungsprozesse – und auf die wachsende Gruppe der Ü50-Freelancer*innen.

Wenn die Festanstellung zur Sackgasse wird

Rund ein Drittel der Befragten (32 Prozent) gibt unumwunden an, schlicht „keine passende Festanstellung mehr gefunden“ zu haben. Die Selbständigkeit war demnach der nächste logische Schritt. Die Erfahrungsberichte der Teilnehmenden zeichnen ein frustrierendes Bild: Ein Teilnehmer berichtet von über 200 Projekt- und Jobbewerbungen in wenigen Monaten, von denen über 80 Prozent völlig unbeantwortet blieben ("Ghosting").

Dabei stemmen sich diese sogenannten Seniorpreneure gegen den allgemeinen Trend: Laut dem aktuellsten KfW-Gründungsmonitor werden Gründer*innen in Deutschland im Schnitt immer jünger (aktuell 34,2 Jahre). Die Gruppe der Silver Entrepreneurs (50 bis 65 Jahre) ist hingegen auf mittlerweile rund 12 Prozent der Gründerszene geschrumpft.

KI-Recruiting: Der algorithmische Altersfilter

Ein wesentlicher Treiber für die verschlossenen Türen ist die zunehmende Automatisierung in den Personalabteilungen. Wo Algorithmen, KI und Keyword-Scanning regieren, haben Profile, die nicht dem klassischen Bild des "jungen, dynamischen" Mitarbeitenden entsprechen, oft das Nachsehen.

Thomas Maas, CEO von freelancermap, sieht hier ein klares Warnsignal: „Wenn Profile und Schlagwörter über Einladungen entscheiden und Feedback ausbleibt, lassen sich Absagen schwer einordnen. Für Betroffene kann das wie ein impliziter Altersfilter wirken.“

Dass dies mehr als nur ein subjektiver Eindruck ist, untermauern aktuelle Forschungsergebnisse. Das europäische Forschungsprojekt FINDHR, an dem unter anderem die NGO AlgorithmWatch beteiligt ist, belegt, dass KI-Systeme im Recruiting häufig bestehende Vorurteile erlernen und diskriminierende Muster reproduzieren. Oft reicht der KI schon das Auslesen langjähriger Berufserfahrung, um das Alter der Bewerbenden als Ausschlusskriterium zu werten. Kein Wunder also, dass in einer großen Studie der IU Internationalen Hochschule gut 64 Prozent der Befragten den Einsatz von KI im Recruiting kritisch sehen und ablehnen. In den offenen Antworten der freelancermap-Umfrage beklagen ebenfalls 23 Prozent explizit „Altersdiskriminierung und Vorurteile“ als Hürden.

Wer sind die späten Gründenden?

Der Schritt in die Unabhängigkeit erfolgt bei den meisten Befragten der freelancermap-Erhebung (68 Prozent) in der Altersspanne zwischen 50 und 54 Jahren. Bemerkenswert ist der berufliche Rucksack: 70 Prozent von ihnen waren vor ihrer Gründung zwischen 21 und über 30 Jahre in Festanstellung. Es handelt sich hierbei also um hochgradig krisenerprobte Fachkräfte.

Das überraschende Fazit: Ende gut, alles gut

Obwohl der Weg in die Selbständigkeit für viele aus einer Not heraus (fehlende Festanstellung) geboren wurde, ist das Resümee erstaunlich positiv. Rund 73 Prozent der Ü50-Freelancer*innen sind mit ihrer Entscheidung sehr oder eher zufrieden. Ganze 85 Prozent würden diesen Schritt heute auf jeden Fall oder eher wieder gehen.

Wer die Selbständigkeit aktiv als bewusste Karriereentscheidung für mehr Flexibilität gewählt hat, blickt positiver auf den Wechsel. Doch selbst wer aus Mangel an Alternativen in die Freiberuflichkeit flüchtete, bereut den Schritt heute äußerst selten.

Ein Weckruf für Corporates, eine Chance für Start-ups

Die Ergebnisse von freelancermap – flankiert von den harten Zahlen des Arbeitsmarktes – sind ein Armutszeugnis für viele etablierte Personalabteilungen. Während die Wirtschaft branchenübergreifend über fehlende Arbeitskräfte jammert, wird das immense Potenzial der Ü50-Generation durch starre Raster und unreflektiert trainierte HR-Algorithmen systematisch aussortiert. Wenn Software jahrzehntelange Lebenserfahrung als Bug und nicht als Feature wertet, verliert am Ende nur das Unternehmen selbst.

Für die Gründubngsszene und den Freelancer-Markt ist diese Entwicklung jedoch ein enormer Gewinn. Die Seniorpreneure bringen etwas in den freien Markt, das vielen jungen Start-ups oft fehlt: ein unbezahlbares Maß an Durchhaltevermögen, tief verwurzelte Branchennetzwerke und eine professionelle Gelassenheit, die man sich nicht anlesen kann.

Start-ups und agile Unternehmen sollten genau hier ansetzen: Wer smarte, erfahrene Köpfe für Projekte sucht, findet in der wachsenden Gruppe der Ü50-Freelancer*innen hochmotivierte Expert*innen, die der klassische Arbeitsmarkt gerade fahrlässig aussortiert. Ein "Brain-Gain", den man sich auf keinen Fall entgehen lassen sollte.

Die Kreativbranche durchlebt gerade eine Zerreißprobe. Auf der einen Seite versprechen generative KI-Modelle Audioproduktion auf Knopfdruck. Auf der anderen Seite wächst die Angst vor einer Welle an Urheberrechtsklagen. Genau in dieses Spannungsfeld – zwischen der viel zitierten „KI-Schockstarre“ und dem Wilden Westen unregulierter Algorithmen – stößt das von Hans Landwehr gegründete Start-up LYBS mit seiner Plattform Sonica.

Die Botschaft des erst seit Kurzem am Markt agierenden Start-ups ist selbstbewusst: Man habe das „erste Betriebssystem für skalierbaren, rechtssicheren Markensound“ erschaffen. Sonica verspricht, Voice-Artists die Kontrolle und Vergütung zurückzugeben und gleichzeitig das juristische Risiko für Corporate-Kund*innen zu eliminieren.

Doch wann genau fiel der Startschuss, den Tech-Riesen nicht einfach nur das Feld zu überlassen? Die Wurzeln der Plattform reichen deutlich tiefer als der aktuelle KI-Hype, erklärt Brand & Strategy Lead Vincent Raciti. Schon vor knapp zehn Jahren habe man gemeinsam mit Hochschulen eigene Machine-Learning-Technologien entwickelt. „Der eigentliche Auslöser kam dann mit den Fortschritten der generativen KI“, blickt Raciti zurück. Dabei sei dem Team schnell ein gravierendes Defizit am Markt aufgefallen: „Wir haben gemerkt, dass zwischen beeindruckenden Demos amerikanischer Foundation Models und einem Enterprise-tauglichen Workflow für Marken ein großer Unterschied liegt.“

Marken bräuchten konsistente Qualität, klare Rechteketten und eine sichere EU-Infrastruktur – eine Lücke, die LYBS schließlich gemeinsam mit seinem ersten Kunden Yello zu schließen begann. KI sei dabei kein Selbstzweck, versichert der Raciti: „Sie automatisiert aufwendige Produktionsschritte, während Markenidentität, Qualitätskontrolle und sichere Workflows im Mittelpunkt stehen.“

Vom Agentur-Geschäft zum skalierbaren SaaS-Produkt

Was LYBS von typischen Tech-Start-ups unterscheidet, ist die Entstehungsgeschichte. Hinter der Neugründung steckt kein unerfahrenes Team mit großen Ideen, sondern eines mit jahrzehntelanger Branchenerfahrung. LYBS ist ein technologischer Spin-off der renommierten Düsseldorfer Agentur TRO GmbH. Founder Hans Landwehr ist bereits seit Oktober 1989 in der Geschäftsführung von TRO aktiv und kennt das Sound-Business wie kaum ein anderer.

Doch ein Spin-off ist kulturell wie finanziell oft ein Kraftakt. Wie trennt man das rasante Start-up-Wachstum vom klassischen Agenturgeschäft? „Technologie spielt bei uns schon seit vielen Jahren eine zentrale Rolle im Beratungsprozess“, ordnet Landwehr ein. Die Ausgründung sei daher der nächste logische Schritt gewesen. „Wir wollten ein eigenständiges Softwareunternehmen aufbauen, das unabhängig vom Agenturgeschäft wachsen kann – mit eigenen Strukturen, eigener Geschwindigkeit und voller Transparenz über die wirtschaftliche Entwicklung“, betont der Branchen-Veteran.

Bislang ist Sonica weitgehend aus eigener Kraft finanziert. Zum Start holte sich das Team drei vernetzte Business Angels aus der Medienbranche an Bord, um erste Entwicklungen zu beschleunigen. Die Gründer halten nach eigenen Angaben weiterhin 93 Prozent der Anteile – doch das soll nicht zwingend so bleiben: „Nach den Ergebnissen der ersten Monate führen wir bereits erste Gespräche über die nächste Wachstumsphase“, gibt sich Landwehr angriffslustig.

Das Ergebnis dieses Prozesses ist Sonica: Eine modulare Sound-Branding-Plattform. Anstatt Audio-Dateien und Lizenzen dezentral auf Servern oder in E-Mail-Postfächern zu verwalten, bündelt das System Soundlogos, adaptive Musikmodule und Voice-Anwendungen in einem vollwertigen Produktionsstudio. Das Ziel: Audio soll konsistenter, skalierbarer und schneller in länderübergreifende Kampagnen eingebunden werden.

Der Markt: Big Tech vs. Compliance

Der Markt wächst rasant, doch die großen Tech-Player haben oft das Prinzip „Move fast and break things“ auf das Copyright angewandt. Dies ruft zunehmend Regulatoren auf den Plan. Sonica positioniert sich hier bewusst als sicherer Hafen: Statt Stimmen unautorisiert abzugreifen, wahrt und vergütet das System die Rechte der Künstler*innen. Dass LYBS nach nur acht Wochen bereits Einladungen zu globalen Pitches erhält, unterstreicht den enormen Bedarf von Konzernen.

In diesen Pitches sitzt das Start-up quasi zwischen den Stühlen – auf der einen Seite Musikplattform-Riesen wie Artlist oder Songtradr, auf der anderen spezialisierte Sound-Agenturen. Was also ist das Killer-Argument der Düsseldorfer? „Der entscheidende Unterschied liegt aus unserer Sicht im Zielbild“, analysiert Landwehr. „Geht es darum, bestehende Dienstleistungen digital zu ergänzen – oder Unternehmen eine Infrastruktur an die Hand zu geben, mit der sie ihre Brand-Sound-Prozesse langfristig selbst steuern können?“ LYBS habe sich bewusst für Letzteres entschieden.

Man wolle das klassische Agenturgeschäft dabei keinesfalls kannibalisieren, schiebt Vincent Raciti hinterher. Vielmehr verstehe man sich als unabhängige Partner-Plattform. „Die kreative Entwicklung einer starken Sound-Identität wird auch in Zukunft bei Agenturen, Komponistinnen und Sound-Expert*innen liegen“, verspricht Raciti. Sonica solle diese Arbeit nicht ersetzen, sondern dafür sorgen, „dass sie weltweit konsistent im Unternehmen ankommt“.

Das Geschäftsmodell auf dem Prüfstand

Trotz der fundierten Positionierung muss die Lösung kritisch hinterfragt werden: Die PR-Aussage, Sonica spare bis zu 5.000 Euro Produktionsbudget pro Tag und Marke, ist ein massiver Marketing-Anker. Für globale Kampagnen mögen diese Summen plausibel sein, für den Mittelstand wirken sie gigantisch.

Auf diese steile These angesprochen, erwidert Raciti: „Richtig, die Zahl bezieht sich auf komplexe, internationale Produktionssituationen und nicht auf jeden Kunden oder jeden Tag.“ In einem typischen internationalen Rollout würden sich Studiozeiten, Sprecher*innenbuchungen und aufwendige Freigabeschleifen jedoch schnell zu Tausenden Euros addieren. Der Brand & Strategy Lead rechnet vor: Bei einem aktuellen Kunden-Onboarding habe man einen sich täglich wiederholenden Prozess für 14 Märkte auf rund eine Stunde inklusive Freigabe eingedampft. Ob sich diese massive Ersparnis tatsächlich quer durch alle Branchen – von der Werbung bis zur Straßenbahnansage – halten lässt, bleibt vorerst abzuwarten. Das Start-up kündigt an, bis Jahresende belastbarere Zahlen liefern zu wollen.

Zudem drängt sich die Frage nach der technologischen Tiefe auf: Baut Sonica wirklich eigene Modelle oder ist die Plattform im Kern nur eine smarte, branchenspezifische Benutzeroberfläche über bestehenden Basismodellen?

„Ich glaube, die wichtigste Frage ist nicht mehr, wer das nächste Foundation Model baut“, kontert Raciti. Diese Entwicklung werde ohnehin von wenigen globalen Playern dominiert. „Unsere Wertschöpfung liegt deshalb in der Orchestrierung.“ Man kombiniere unterschiedliche KI-Modelle mit eigener Technologie, etwa für Emotionserkennung, und verbinde sie mit striktem Rechte- und Freigabemanagement. „Genau dort entstehen für Unternehmen die eigentlichen Herausforderungen“, stellt er klar.

Und was passiert, wenn Google, Meta & Co. das Copyright-Problem irgendwann einfach selbst lösen? „Das wäre aus unserer Sicht sogar eine gute Entwicklung“, überrascht Hans Landwehr. Die Mission von LYBS sei es ohnehin, Sound Branding für deutlich mehr Unternehmen zugänglich zu machen. Die eigentliche Infrastruktur zur Steuerung dieser Prozesse bräuchten die Konzerne künftig trotzdem – völlig unabhängig davon, wie ethisch sauber die zugrundeliegenden KI-Modelle arbeiten.

Unsere Einordnung

Der Fall LYBS zeigt eindrucksvoll: Die größte Wertschöpfung im B2B-Bereich entsteht oft an der Schnittstelle zwischen neuen Technologien und alten, hochkomplexen Branchenproblemen. Die lange Expertise der Gründer ist dabei ein massiver Wettbewerbsvorteil. Ob LYBS sich langfristig gegen die Budgets der großen Player wehren kann, wird sich zeigen. Der extrem fokussierte Nischen-Start ist jedoch ein Meisterkurs in B2B-Positionierung.

Für die kommenden Monate stehen die Zeichen auf Expansion. Um die eigene Lösung nicht nur Konzernen, sondern auch dem Mittelstand und Creator Brands schmackhaft zu machen, braucht es allerdings frisches Kapital. „Wir bereiten aktuell unsere nächste Finanzierungsrunde vor“, verrät Landwehr. Mit dem Geld sollen vor allem das KI- und Produkt-Team ausgebaut sowie das Partnernetzwerk international erweitert werden. Das ultimative Ziel für das nächste Jahr formuliert Landwehr klar: Man wolle beweisen, „dass Sound Branding mit der richtigen Infrastruktur dauerhaft und effizient im Unternehmen betrieben werden kann.“

Start-up-Steckbrief: LYBS / Sonica

• Gründer: Hans Landwehr
• Ursprung: Spin-off aus dem Umfeld der TRO GmbH (gegründet 1989)
• Kernprodukt: Sonica – Plattform und Betriebssystem für skalierbaren, rechtssicheren Markensound
• USP: 100 % rechtssichere Audio-Assets, faire Vergütungsmodelle für Voice Artists, Bündelung aller Audio-Assets, jahrzehntelange Branchenexpertise

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

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

Die Gründerhistorie: Aus dem Schmerz zur Lösung

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

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

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

Kritische Hinterfragung des Geschäftsmodells

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

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

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

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

Der Wettbewerb: Ein Rennen der Giganten

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

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

Warum „nur“ 30 Millionen?

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

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

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

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

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

Fazit: Ein starkes Signal für den Standort Deutschland

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

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

Der Frust ist vielen Bewerber*innen und digitalen Nomad*innen nur allzu gut bekannt: Man filtert auf etablierten Job-Portalen nach „Remote“ oder „Homeoffice“, nur um dann im Textfeld über Klauseln wie „zwei Tage pro Woche am Standort“ zu stolpern. Große Plattformen filtern meist nur nach Stichworten, was für Unübersichtlichkeit sorgt. Genau hier setzt Nomado24 an. Das junge HR-Tech-Start-up aus Ludwigshafen will den Markt mit einem KI-Sprachmodell (LLM) sauberer vermessen, indem es den Kontext jeder Anzeige liest und verifiziert, ob der Job zu 100 Prozent ortsunabhängig ausgeübt werden kann.

Doch wer braucht so eine spezialisierte Plattform überhaupt? Schließlich finden sich viele echte Remote-Jobs im IT-Sektor, wo Fachkräfte sich ihre Stellen ohnehin aussuchen können. „Der Einwand stimmt“, räumt Mitgründer Anton Petuchow unumwunden ein. „Senior-Entwicklerinnen und -Entwickler bekommen drei Recruiter-Nachrichten pro Woche, die brauchen uns nicht, und sie sind ausdrücklich nicht unser Fokus.“ Nomado24 zielt stattdessen auf die andere Hälfte des Remote-Marktes ab: Berufe im Kund*innenservice, Vertriebsinnendienst, Marketing oder der Buchhaltung sowie Menschen, die einen Nebenjob von zu Hause suchen. Hier gebe es echte ortsunabhängige Stellen, aber die Kandidat*innen müssten selbst suchen. „Für sie ist eine Plattform, die aussortiert statt aufzublähen, ein spürbarer Unterschied“, betont Petuchow. Der geografische Fokus liege dabei klar auf dem deutschsprachigen Raum, da der globale englischsprachige Markt bereits gut versorgt sei.

Die Nomado24-Datenanalyse im Fokus

Wie dringend dieser KI-Filter nötig ist, zeigt ein Blick auf die Daten: Ein interner Audit des Start-ups von Ende Juli 2026 offenbart die Schwächen des aktuellen Marktes. Von 2.459 als „remote“ ausgewiesenen Stellen fielen 14,5 Prozent durch das KI-Raster, da sie de facto nicht komplett ortsunabhängig waren. Zudem nennt nur jede vierzigste Anzeige ein konkretes Gehalt – trotz der längst abgelaufenen Frist zur EU-Entgelttransparenzrichtlinie.

Für digitale Nomad*innen lauert jedoch oft ein weiterer Knackpunkt: „100 % Remote“ bedeutet in der Praxis häufig „100 % Homeoffice innerhalb Deutschlands“, da Arbeitgeber*innen bei dauerhafter Arbeit aus dem EU-Ausland schnell steuerliche Fallstricke drohen. Prüft die KI also auch das Arbeitsrecht? „Wir prüfen mehr, als der reine Remote-Haken hergibt, aber wir ziehen eine bewusste Grenze“, erklärt Petuchow. Der KI-Klassifikator lese zwar geografische Einschränkungen aus, eine verbindliche Einzelfallprüfung zu Betriebsstättenrisiken oder Sozialversicherungsfragen biete man jedoch bewusst nicht an. „Das wäre automatisierte Rechtsberatung“, so der Gründer. Gerade der Beschäftigungskontext sei laut EU-KI-Verordnung hochriskant. „Ein System, das verbindliche steuer- und arbeitsrechtliche Auskünfte zu konkreten Arbeitsverhältnissen erteilt, bringt einen Pflichtenkatalog mit, den wir als zweiköpfiges Team heute nicht seriös stemmen können“, stellt er klar. Stattdessen mache man die ohnehin entspannten Freizügigkeitsregeln innerhalb der EU sichtbar und verweise bei komplexen Einzelfällen auf Expert*innen.

Die Gründer: Aus dem Hörsaal auf den Markt

Hinter Nomado24 stehen keine langjährigen HR-Veteranen, sondern Anton Petuchow und Lars Schreiner. Die zündende Idee brachte Schreiner, der an der HWG Ludwigshafen Sustainable Management studiert, aus seiner Zeit als Surflehrer mit: Mangels lokaler Alternativen mussten viele seiner Kollegen außerhalb der Saison unterqualifizierte Jobs annehmen. Bei Nomado24 verantwortet er heute Vertrieb und Marketing, während WHU-Absolvent Petuchow nach Stationen bei BASF und Allianz die Bereiche Strategie und Produkt leitet.

Der Weg aus dem studentischen Umfeld zur offiziell gegründeten UG (haftungsbeschränkt) war jedoch zäh. „Die größte Hürde war nicht die Gründung selbst, sondern das Drumherum“, blickt Petuchow auf Themen wie Steuernummern, Datenschutz und AGBs zurück. „Für zwei Studenten ohne Vorerfahrung sind das Wochen, in denen kein einziges Produktfeature entsteht. Rückblickend war es trotzdem richtig, das früh sauber zu machen.“ Finanziert ist das Start-up, das im TechnologieZentrum Ludwigshafen (TZL) sitzt und Ende Mai 2026 live ging, bislang komplett gebootstrappt und durch Fördermittel (StartInRLP) sowie Azure-Credits von Microsoft. Business Angels sollen erst in einer kommenden Finanzierungsrunde an Bord geholt werden.

Geschäftsmodell und Markt: Ein kritischer Blick

Nomado24 bietet neben der Jobvermittlung auch eine „Pro“-Funktion für Bewerber*innen sowie mittelfristig die Vermittlung von Coworking-Spaces an. Droht dem kleinen Team hier nicht ein klassischer „Feature Creep“, bei dem man sich verzettelt? Petuchow nimmt die Kritik gelassen auf: „Die Jobbörse ist das Produkt. Alles andere muss aus derselben Datenbasis fallen und darf keine eigene Roadmap verlangen.“ Die geplante Coworking-Suche sei der beste Beleg für diese Disziplin, da man keine Ressourcen in den Aufbau eigenen Inventars stecke, sondern auf eine Partnerschaft mit einem Weltmarktführer setze. Dennoch gibt er selbstkritisch zu: „Ja, wir haben in der Anfangsphase mehr gebaut, als für den Fokus gut war, und haben deshalb inzwischen Dinge bewusst zurückgestellt.“

Um im Haifischbecken der großen Jobbörsen wie Stepstone oder Indeed zu bestehen, nutzt das Start-up Automatisierung, um schnell eine kritische Masse an Stellen zu bieten. Den Vorwurf des unerlaubten „Scrapings“ von Fremdportalen lässt die Geschäftsführung jedoch nicht gelten. Hier wird Petuchow deutlich: „Der Begriff Scraping beschreibt unsere Arbeitsweise falsch. Wir lesen keine Fremdportale aus. Indeed, Stepstone oder LinkedIn fassen wir nicht an.“ Stattdessen beziehe man die aktuell rund 2.400 Anzeigen aus offiziellen Schnittstellen der Arbeitsagentur, von Partnerschnittstellen, aus Bewerbermanagementsystemen oder direkt von Arbeitgeber*innen. „Wir entziehen niemandem Traffic, wir schicken welchen“, wehrt er rechtliche Bedenken ab.

Auch die befürchteten Serverkosten für das ständige KI-Screening seien extrem überschaubar. „Eine Anzeige wird einmal gelesen und danach beliebig oft ausgeliefert, ohne dass noch einmal ein Modell anspringt“, erklärt der Gründer. Dank des Microsoft-Förderprogramms verbrenne man aktuell ohnehin kein Geld für die Infrastruktur.

Bleibt das klassische Henne-Ei-Problem: Wie überzeugt man zahlende Unternehmenskunden, wenn die Reichweite noch im Aufbau ist? „Unsere Antwort auf das Henne-Ei-Problem heißt nicht Vertrieb, sondern Google“, verrät Petuchow die SEO-Strategie. Durch strukturiert ausgezeichnete Anzeigen bei „Google for Jobs“ und gezielte Suchseiten baue man organisch Reichweite auf. Die Klicks verdreißigfachten sich zuletzt nahezu – ganz ohne Werbebudget. Petuchows Maxime: „Erst Nutzerzahlen aufbauen, dann monetarisieren. Und wenn wir mit Arbeitgebern über bezahlte Inserate sprechen, dann mit belegbarer Reichweite statt mit Versprechen.“

Einordnung und Fazit

Nomado24 bedient zweifellos einen echten Pain Point und punktet mit seinem transparenten Ansatz, unpassende Jobs knallhart auszusortieren. Das große Risiko: Die Technologie hinter LLMs wird rasant zugänglicher. Große Player könnten die Kernfunktion mit ihren massiven Entwicklungs-Ressourcen theoretisch schnell kopieren.

Wo liegt also der Burggraben? „Ehrlich gesagt: Einen unkopierbaren Burggraben haben wir nicht, und ich würde jedem Gründer misstrauen, der bei einem Sprachmodell-Feature einen behauptet“, kontert der WHU-Absolvent selbstbewusst. Die Branchengiganten würden einen so strengen Filter jedoch kaum ausrollen wollen, da deren Geschäftsmodell auf Reichweite und Anzeigenvolumen basiere. Ein Filter, der rigoros 14 Prozent der Anzeigen als „Fake-Remote“ aussortiert, würde dort zahlende Kund*innen verprellen. „So etwas baut niemand konsequent gegen das eigene Geschäftsmodell“, ist Petuchow überzeugt. „Für die Großen wäre derselbe Filter ein Umsatzproblem, für uns ist er das Produktversprechen.“

Ein klassischer David-gegen-Goliath-Pitch mit einer cleveren Nischenstrategie. Für die Zukunft hat sich das Team bis Mitte 2027 vier klare Meilensteine gesetzt: Organische Reichweite aufbauen, eine belastbare Konversionsrate für das Pro-Modell erzielen, das Angebot an echten Remote-Stellen im deutschsprachigen Raum ausbauen und die Coworking-Partnerschaft live bringen. Erst danach sei der B2B-Verkauf an Arbeitgeber*innen der logische Schritt. Anton Petuchow schließt mit einem klaren Versprechen an sich selbst: „Wenn diese vier bis Mitte 2027 nicht stehen, schulden wir uns selbst eine ehrliche Antwort darauf, warum nicht.“