Tsuga entwickelt eine Observability-Plattform für Unternehmen, die Daten in der eigenen Cloud verwalten und ihre IT-Systeme für die KI-Ära effizient, sicher und skalierbar betreiben möchten.
Herr Safar, können Sie Tsuga kurz vorstellen und erzählen, wie es zur Gründung des Unternehmens kam?
Tsuga ist ein Observability-Unternehmen für die KI-Ära mit Hauptsitz in Paris. Sébastien Deprez und ich haben es gegründet, nachdem wir viele Jahre in dieser Branche gearbeitet hatten – unter anderem bei Datadog, das unser vorheriges Unternehmen Madumbo im Jahr 2018 übernommen hatte. Was wir dabei immer wieder beobachtet haben: Das vorherrschende Modell, bei dem Kunden ihre gesamte Telemetrie in die Cloud eines Anbieters übertragen und eine Rechnung erhalten, deren Kosten mit jedem Host und jedem Gigabyte steigen, gerät genau in dem Moment an seine Grenzen, in dem KI-Workloads die Datenmengen explodieren lassen. Deshalb haben wir Tsuga so konzipiert, dass die Lösung in der eigenen Cloud des Kunden läuft, die Daten unter dessen eigener Governance bleiben und alles auf offenen Standards basiert. Dadurch gewinnen Engineering-Teams Kontrolle zurück und erhalten zugleich besser planbare Kosten.
Sie waren zuvor bei Datadog tätig. Welche Erfahrungen haben Sie dazu bewegt, mit Tsuga einen neuen Ansatz im Bereich Observability zu verfolgen?
Ich habe aus nächster Nähe erlebt, wie wertvoll Observability ist – und zugleich, wo das Modell an seine Grenzen stößt. Am deutlichsten zeigt sich das an den Kosten. Für viele Unternehmen ist Observability inzwischen der zweitgrößte IT-Kostenblock nach der Cloud-Infrastruktur und wächst oft schneller als der Nutzen, den sie stiftet. Um diese Kosten einzudämmen, verwerfen oder sampeln Teams regelmäßig Telemetriedaten. Das bedeutet jedoch, dass sie genau die Daten wegwerfen, die sie benötigen, wenn etwas schiefgeht. Im Jahr 2023 haben wir über eine neue Herausforderung nachgedacht, uns zunächst etwas Abstand von der Branche genommen und verschiedene nächste Schritte geprüft. Nach einiger Zeit sind wir wieder bei Observability gelandet – allerdings nicht bei einer weiteren Plattform, die Kunden dazu zwingt, ihre Daten zu verschieben, sondern bei einem Modell, das die Daten in der Cloud des Kunden belässt und die Aufschläge entfernt, die die Kosten so schwer vorhersehbar machen.
Welche Vision verfolgen Sie als Mitgründer und CEO von Tsuga, und wie möchten Sie diese verwirklichen?
Unsere Mission ist es, Observability für jedes Unternehmen, das in der KI-Ära entwickelt, zu einem Wettbewerbsvorteil zu machen – mit Hyperscale, Intelligenz und voller Kontrolle für den Kunden. In der Praxis bedeutet das: Observability läuft in der eigenen Cloud, basiert auf OpenTelemetry und offenen Formaten, sodass kein Lock-in-Effekt entsteht, und die Preise sind transparent, sodass die Kosten nicht mit jedem gesammelten Gigabyte proportional wachsen. Umgesetzt wird das über ein Modell, das wir „Software as a Service” nennen. Wir betreiben und managen die Plattform, während Deployment und Daten vollständig beim Kunden bleiben. Unser interner Leitsatz bringt es gut auf den Punkt: Managed by Tsuga, owned by you. Um diese Vision zu realisieren, haben wir Branchenexperten ins Team geholt. Sie haben Produkte in extremem Maßstab entwickelt und Enterprise-Lösungen bei Unternehmen wie Palantir, Cognition, Kong, Datadog oder Grafana Labs verkauft.
An welche Unternehmen richtet sich Tsuga hauptsächlich, und welche Herausforderungen stehen bei Ihren Kunden besonders im Fokus?
Wir richten uns vor allem an Großunternehmen und stark wachsende Technologieunternehmen, deren Datenvolumen und Anforderungen an Zuverlässigkeit so schnell gewachsen sind, dass klassische Observability-Modelle diese nicht mehr wirtschaftlich abbilden können. Meist sind es Organisationen mit erheblicher Skalierung, die häufig strenge Anforderungen an Datenresidenz oder Compliance haben. Zudem verfügen sie zunehmend über KI-Systeme, die Telemetriedaten erzeugen, die sich unter einem herkömmlichen SaaS-Modell nicht wirtschaftlich speichern lassen. Für diese Kunden stehen vor allem drei Herausforderungen im Mittelpunkt: Sie möchten vollständige Sichtbarkeit behalten, ohne aus Kostengründen Daten verwerfen zu müssen, die Daten innerhalb der eigenen Governance und Jurisdiktion halten und Abhängigkeiten von proprietären Formaten eines einzelnen Anbieters vermeiden. Häufig kommt der Wunsch hinzu, Best Practices teamübergreifend zu verankern, damit Organisationen mit KI schneller werden können, ohne die Qualität der ausgelieferten Produkte zu verschlechtern.
Viele Unternehmen investieren derzeit massiv in KI-Infrastrukturen. Welche neuen Anforderungen entstehen dadurch beim Monitoring und Betrieb dieser Systeme?
Die KI-getriebene Entwicklung vergrößert eine bestehende Lücke: Logs, Metriken und Traces wachsen seit Jahren deutlich schneller als die IT-Budgets. Autonome Codegenerierung, LLM-Traces und -Evals sowie kurzlebige Microservices vervielfachen diese Telemetrie nun noch einmal, sodass sie von vielen bestehenden Stacks nicht mehr verarbeitet werden kann. Die erste neue Anforderung ist deshalb wirtschaftlicher Natur: Unternehmen müssen alles beobachtbar halten können, ohne dass die Kosten explodieren. Die zweite Anforderung ist der disziplinierte Einsatz von Intelligenz.
Genau hier unterscheidet sich unser Ansatz von vielen anderen am Markt: Wir liefern keinen autonomen SRE-Agenten, den man einfach auf Produktionssysteme ansetzt und dann das Beste hofft. Stattdessen stellen wir deterministische ML-Algorithmen bereit, um die Menge der zu analysierenden Daten zu reduzieren. Wir machen Telemetrie- und Architekturänderungen im System sichtbar und liefern Skills sowie MCP- und CLI-Infrastruktur. Damit können Teams ihre eigenen Observability-Agenten oder AI-SREs entwickeln. Darüber liegt eine Intelligence-Schicht, die deutlich mehr Telemetrie zur Verfügung stellt als die meisten Observability-Systeme. Sie begrenzt den Handlungsspielraum dieser Agenten, kontrolliert den Token-Verbrauch und stellt sicher, dass sie nur innerhalb des definierten Aufgabenumfangs agieren. Wir nennen das „Bring your own Agent”.
Tsuga konnte nur wenige Monate nach dem Ende der Stealth-Phase bereits wiederkehrende Umsätze in Millionenhöhe aufbauen. Was waren aus Ihrer Sicht die wichtigsten Treiber dieses schnellen Wachstums?
Wir haben bereits jährliche Umsätze in Millionenhöhe unter Vertrag. Der wichtigste Treiber ist relativ klar: Wir lösen ein Problem, das große Engineering-Organisationen akut und dauerhaft betrifft. Sobald Teams sehen, dass sie ihre Daten behalten, eine vollständige Datenqualität bewahren und zugleich ihre Kosten planbar machen können, während ihre gesamte Observability in einer einheitlichen Ansicht zusammenläuft, die SREs, Entwickler und ganze IT-Teams tatsächlich nutzen und gern verwenden, werden Gespräche schnell konkret. Dabei spielt das BYOC-Modell eine große Rolle, da Kunden Tsuga einführen können, ohne sensible Telemetrie aus der eigenen Umgebung herauszubewegen. Dadurch wird eine wesentliche Hürde in Beschaffung und Compliance beseitigt. Zusätzlich senkt die Tatsache, dass Tsuga auf OpenTelemetry basiert, die Einstiegshürde, da Teams uns einführen können, ohne alles neu instrumentieren zu müssen, was sie bereits betreiben.
Mit Black Forest Labs, Camunda und Le Monde zählen bereits namhafte Unternehmen zu Ihren Kunden. Welche Probleme lösen Sie für diese Organisationen besonders erfolgreich?
Zu kundenspezifischen Details möchte ich lieber nicht sprechen, aber ich kann die Muster beschreiben, die wir beobachten. Für Medienorganisationen sind planbare Kosten und Data Governance von enormer Bedeutung, da das Telemetrievolumen groß ist und Daten häufig eine bestimmte Jurisdiktion nicht verlassen dürfen. Für schnell wachsende Technologieunternehmen steht dagegen meist im Vordergrund, beim Skalieren die vollständige Sichtbarkeit zu behalten, ohne dass die Observability-Kosten schneller wachsen als das Geschäft selbst. Der gemeinsame Nenner ist: Diese Unternehmen wollen alles in einer einheitlichen Ansicht sehen, ihre Daten unter eigener Kontrolle halten und eine Bindung an einen einzelnen Anbieter vermeiden. Genau dafür wurde das Modell aus BYOC und offenen Standards entwickelt.
Tsuga hat kürzlich 35 Millionen US-Dollar in einer Series-A-Finanzierungsrunde eingesammelt. Welche Bedeutung hat diese Finanzierung für die nächsten Entwicklungsschritte des Unternehmens?
Die 35 Millionen US-Dollar aus der Series A ermöglichen es uns, bei den zwei wichtigsten Themen schneller voranzukommen: dem weiteren Ausbau der Plattform und dem Customer Success. Die Bedeutung liegt weniger in der reinen Summe als in dem Vertrauen, das sie in die von uns definierte Kategorie ausdrückt. „AI-native resilient observability” – also kein weiterer Anbieter im klassischen Markt. Konkret finanziert diese Finanzierungsrunde die Arbeit unserer Ingenieure entlang unserer Roadmap, die Intelligence-Schicht, mit der Observability-Agenten eingegrenzt und gesteuert werden, sowie die Teams, die Unternehmen dabei unterstützen, dieses Modell in großem Maßstab einzuführen.
Was hat Investoren wie Singular, General Catalyst, DST Global und Quantumlight von Tsuga überzeugt?
Diese Frage sollten Sie eigentlich den Investoren stellen. Was wir gesehen haben: Investoren, die diesen Markt gut kennen, haben sowohl die Größe des Problems als auch die Tatsache erkannt, dass sich das bestehende Modell nicht weit genug anpassen lässt, um es zu lösen. Die Kombination aus einem großen, wachsenden Markt und einem grundlegend anderen Ansatz – die Daten bleiben in der Cloud des Kunden, die Preisgestaltung ist transparent und die Plattform basiert auf offenen Standards – hat offenbar überzeugt. Für uns ging es ebenso darum, die richtigen Partner auszuwählen. Menschen, die unsere Vision teilen und uns dabei unterstützen können, Observability dorthin zu bringen, wo der Markt hingeht, statt dort zu bleiben, wo er bisher war. Es ist sehr wertvoll, Investoren an Bord zu haben, die uns über mehrere Finanzierungsrunden hinweg begleiten und die Entwicklung verstehen. Das erlaubt uns, mit Überzeugung statt mit Vorsicht zu handeln.
Tsuga verzichtet auf Infrastrukturaufschläge und betreibt die Lösung direkt in der Cloud des Kunden. Warum ist dieser Ansatz für viele Unternehmen attraktiv?
Die klassische Observability wird in der Regel über eine Mischung aus Verbrauch und Lizenzen bepreist. Die Rechnung steigt also mit dem Datenvolumen, der Anzahl der Hosts und mit jedem Engineer, der Zugriff benötigt. So ist Observability in vielen IT-Budgets still und leise zu einem der größten Kostenblöcke geworden. Da wir direkt in der Cloud des Kunden laufen und die Software separat bepreisen, entkoppeln wir die Kosten von der reinen Nutzungsskala. Dadurch verändert sich die Wirtschaftlichkeit strukturell, da Kunden direkt von ihren eigenen Cloud-Commitments und Rabatten profitieren, anstatt einen Anbieter dafür zu bezahlen, ihnen Kapazität weiterzuverkaufen. Für die meisten Unternehmen ist der Vorteil offensichtlich: Sie behalten ihre Daten, geben ihren Teams vollen Zugriff, ohne pro Seat bestraft zu werden, und können die Kosten für Observability endlich planen.
Datenhoheit und Compliance gewinnen zunehmend an Bedeutung. Wie verändert sich die Nachfrage nach Lösungen, bei denen Betriebsdaten die Infrastruktur des Kunden nicht verlassen?
Wir beobachten, dass sich dieses Thema von einem Nice-to-have zu einer echten Anforderung entwickelt – insbesondere bei Unternehmen in regulierten Branchen sowie bei Firmen, die mit solchen Unternehmen zusammenarbeiten. Das gilt ebenso für europäische, brasilianische, kanadische, indische und andere Organisationen, die klare Anforderungen an Datenresidenz haben. Operationale Telemetrie ist deutlich sensibler als von vielen angenommen. Logs und Traces können die Struktur eines Unternehmens, Vorfälle, teilweise Kundendaten sowie technische Informationen oder Geschäftsgeheimnisse enthalten.
Wenn diese Daten innerhalb der Grenzen des Kunden bleiben, entfällt eine ganze Risikokategorie – und zugleich entfällt viel Reibung bei der Beschaffung. Unser Modell ist genau dafür ausgelegt: Die Daten bleiben unter der Governance des Kunden und durchlaufen nie die Umgebung eines Anbieters. Compliance wird damit zu einer Eigenschaft der Architektur und nicht zu einem Versprechen im Vertrag. Da KI-Systeme immer mehr dieser Daten erzeugen und die Regulierung darum herum strenger wird, erwarten wir, dass diese Anforderung eher zur Regel als zur Ausnahme wird.
Welche Herausforderungen begegnen Ihnen beim Aufbau eines europäischen DeepTech-Unternehmens in einem Markt, der von großen internationalen Anbietern geprägt wird?
Die ehrliche Herausforderung ist die etablierte Marktposition der Incumbents. Die großen Anbieter haben Skaleneffekte, große Field-Organisationen und sind seit Jahren in den von uns angepeilten Accounts präsent. Wir machen daraus einen Vorteil, indem wir klar kommunizieren, wer wir sind: keine günstigere Version eines etablierten Anbieters, sondern ein besseres Produkt und ein anderes Modell, das für die zukünftige Entwicklung des Marktes ausgelegt ist. Diese Klarheit kommt bei Teams an, die täglich die Grenzen des Status quo spüren. Europäisch zu sein, ist hier außerdem eine echte Stärke und kein Nachteil. Datenresidenz, Souveränität und offene Standards sind zunehmend genau das, wonach große Kunden fragen – und genau darauf sind wir ausgelegt. Entscheidend ist, Deployment für Deployment zu beweisen, dass ein fokussiertes Unternehmen bei den heute wirklich wichtigen Themen schneller und besser agieren kann als ein breit aufgestellter Anbieter.
Wo sehen Sie Tsuga in drei bis fünf Jahren, und welche Meilensteine möchten Sie bis dahin erreichen?
In drei bis fünf Jahren möchte ich, dass AI-native Resilient Observability als eigene Kategorie verstanden wird und Tsuga als das Unternehmen gilt, das diese Kategorie definiert hat. Konkret bedeutet das, dass Tsuga zur Standardgrundlage für Observability bei Unternehmen wird, die ernsthaft für die KI-Ära entwickeln – und das überall auf der Welt. Unser Modell aus kundeneigenem Deployment und offenen Standards sollte dann als vernünftige Ausgangsbasis gelten. Auf der Produktseite ist für mich der wichtigste Meilenstein, die Intelligence-Schicht so weit zu entwickeln, dass Teams regelmäßig ihre eigenen Observability-Agenten sicher und kontrolliert auf Tsuga bauen und steuern können. Darunter liegt der Maßstab, der wirklich zählt: dauerhaftes Vertrauen. Die Unternehmen, die wir bedienen, legen ihre operativ sensibelsten Daten in unser Modell. Dieses Vertrauen immer wieder zu verdienen, ist der Meilenstein, von dem alles andere abhängt.
Welche drei Ratschläge würden Sie anderen Gründerinnen und Gründern geben, die ein technologiegetriebenes B2B-Unternehmen aufbauen möchten?
Der erste Rat lautet:
Gehen Sie von einem Problem aus, das Sie selbst erlebt haben, statt von einem, das Sie nur beobachtet haben. Im Deep-B2B-Bereich merken Käufer den Unterschied sofort. Wir haben Jahre in dieser Branche verbracht und ihre Grenzen aus erster Hand gespürt. Genau das hat es uns ermöglicht, mit ungeduldigen Kunden schnell voranzukommen, die nicht die Zeit haben, einem Gründer das Geschäft erst beizubringen. Die Glaubwürdigkeit, die dadurch entsteht, dass man selbst in der Situation der Kunden war, ist mehr wert als jeder Pitch.
Der zweite Rat lautet:
Seien Sie ehrlich, ob Sie eine bessere Version von etwas Bestehendem entwickeln – oder etwas grundsätzlich Neues. Und dann verpflichten Sie sich dazu. Wir sind kein kostengünstigerer Incumbent, sondern ein anderes Modell. Hätten wir versucht, beides zugleich zu sein, hätte das sowohl die Geschichte als auch das Produkt geschwächt. Die eigene Kategorie zu wählen, auch wenn das schwieriger ist, als sich in eine bestehende Schublade einzuordnen, ermöglicht es einem fokussierten Unternehmen, bei den entscheidenden Themen schneller und besser zu sein als ein viel größeres Unternehmen.
Der dritte Ratschlag betrifft das Team:
Stellen Sie in jeder Funktion der Organisation exzellente, hochmotivierte Menschen ein. Heute kommt hinzu, dass diese Menschen wirklich gut darin sein und Interesse daran haben sollten, KI-Tools zu nutzen – aber mit dem Menschen klar im Bilde. Der Hebel, den diese Tools einem kleinen Team geben, ist real. Wir nutzen sie intensiv, im Engineering ebenso wie im Business. Gleichzeitig ist der menschliche Faktor entscheidend, um etwas zu entwickeln, das Menschen wirklich gern nutzen. Es ist dasselbe Prinzip, das im Kern unseres Produkts steckt: KI sollte qualifizierte Menschen innerhalb klarer Grenzen beschleunigen, aber nicht das Urteilsvermögen ersetzen, das die Arbeit sauber und belastbar hält.
Bildcredits Tsuga
Wir bedanken uns bei Gabriel-James Safar für das Interview
Aussagen des Autors und des Interviewpartners geben nicht unbedingt die Meinung der Redaktion und des Verlags wieder.
