DeepSlate entwickelt eigene Sprach-KI und setzt mit Voice AI auf natürliche Gespräche in Echtzeit. Das Berliner Startup trainiert spezialisierte Speech-to-Speech-Modelle für europäische Sprachen und möchte damit eine Alternative zu internationalen KI-Anbietern schaffen. Im Interview sprechen die Gründer über ihre Anfänge in der Minecraft-Welt, eine Finanzierung über 7,7 Millionen Euro und ihre Pläne für den europäischen Markt.
Kannst du DeepSlate kurz vorstellen und erzählen, wie aus euren Erfahrungen in der Minecraft-Welt die Idee für ein eigenes Voice-AI-Unternehmen entstanden ist?
Deepslate ist ein AI Model Lab aus Berlin. Wir trainieren eigene Speech-to-Speech-Modelle, also Sprach-KI, die gesprochene Sprache versteht und natürlich darauf antwortet, wie ein Mensch. Unternehmen setzen unser Modell zum Beispiel im Kundenservice ein, wo es Anrufe annimmt und Anliegen klärt.
Minecraft war eher die Schule als der direkte Auslöser. Jan und ich haben als Jugendliche die Entwicklung auf den beiden größten europäischen Minecraft-Servern geleitet, und dort merkt jeder Spieler sofort, wenn ein System hakt. Damals gab es noch kein Claude, was einem Tipps zum Code gegeben hat oder den Code direkt selbst schreibt. Wir mussten uns alles erarbeiten in einer Umgebung, in der noch niemand vor uns gebaut hat, was wir gebaut haben.
In Minecraft hatten wir auch unsere ersten Anfänge mit AI: Zum Beispiel beim Erkennen von Cheatern, wo wir mithilfe von KI-Modellen die Spieler-Bewegungen analysiert haben.
Die eigentliche Idee kam 2023: In unserem ersten gemeinsamen Unternehmen haben Jan und ich einen KI-Assistenten gebaut, der in Meetings mithört und Fragen beantwortet. Bis er antwortete, vergingen rund drei Sekunden. Uns war schnell klar, dass das an der Architektur der damaligen Sprach-KI lag. Also haben wir uns die nächsten Monate in alle möglichen Paper und Architekturen eingelesen, um dann irgendwann ein eigenes Model zu bauen.
Wer steht hinter DeepSlate, und welche Erfahrungen aus dem Betrieb latenzkritischer Systeme für Millionen von Spielern prägen euch heute noch?
Gegründet haben wir Deepslate zu zweit. Jan ist CTO, ich bin CEO. Heute, Stand Oktober 2026 sind wir 20 Leute, verteilt über ganz Europa, mit Schwerpunkt und Office in Berlin.
Minecraft war die perfekte Schule, um wirklich Systeme für die reale Welt zu testen, mit echter Verantwortung und echten Nutzern. Diese Erfahrung prägt Jan und mich bis heute. Aber nicht nur uns beide, denn aus der Minecraft Zeit haben wir noch etwas mitgenommen: Zum Beispiel einen großen Teil unseres Teams. Bestimmt 50% oder mehr von unserem aktuellen Team kennen wir bereits aus der Minecraft-Zeit. Von Entwicklern, zu Design, bis hin zum GTM.
DeepSlate entwickelt eigene native Speech-to-Speech-Modelle. Warum habt ihr euch gegen die Kombination bestehender Sprach-, LLM- und Text-to-Speech-APIs entschieden?
Weil man mit dieser Kombination an zwei Grenzen stößt. Die erste ist Zeit: Jede Umwandlung von Sprache in Text, durch ein Sprachmodell und zurück in Sprache kostet Zeit, und diese Zeiten addieren sich.
Die zweite ist Information: Sobald Sprache zu Text wird, gehen Tonfall, Betonung und Dialekt verloren. Das Sprachmodell sieht nur noch die Wörter, nicht wie sie gesagt wurden.
Euer Modell erreicht laut Artificial Analysis eine Latenz von 440 Millisekunden. Warum ist Geschwindigkeit bei Voice AI so entscheidend für ein natürliches Gespräch?
Weil Menschen im Gespräch extrem schnell sind. Zwischen zwei Redebeiträgen liegen meist nur ein paar hundert Millisekunden. Wird die Pause länger, fängt der Anrufer an zu zweifeln, ob er verstanden wurde, redet dazwischen oder legt auf.
Aber das ist erst der Anfang. Intern arbeiten wir bereits an “Full-Duplex”. Aktuell ist die Kommunikation mit Voice AI noch so wie mit einem Walkie-Talkie. Man redet, wartet, hört zu, wartet, redet. Full-Duplex ist der nächste große Sprung in menschenähnlicher Voice AI. Ein Model, was zuhören und reden gleichzeitig kann. Unterbrechen, wenn es sinnvoll ist. Warten, wenn am anderen Ende gegrübelt wird, zwischendrin ja sagen etc. Eben so, wie wir Menschen sprechen.
Mit OpenAI, ElevenLabs und Gemini konkurriert ihr mit einigen der größten KI-Anbieter weltweit. Wo soll DeepSlate langfristig einen eigenen Wettbewerbsvorteil aufbauen?
Durch Fokus: OpenAI und Google bauen Modelle, die Text, Bild, Video und Sprache gleichzeitig können. Wir machen nur Sprache, und das mit Blick auf Europa: europäische Sprachen und Dialekte, Betrieb in Europa oder direkt beim Kunden.
Dazu kommt Effizienz. Aufgrund unserer Spezialisierung können wir die Voice AI Minute günstiger anbieten. Auf unserer Self-Service-Plattform kostet eine Gesprächsminute 2 Cent, vergleichbare Echtzeit Modelle aus den USA liegen je nach Nutzung bei 6 bis 15 Cent.
Ihr konzentriert euch auf europäische Sprachen, Namen, Adressen und Dialekte in mehr als 27 Sprachen. Wo stoßen internationale Sprachmodelle im europäischen Unternehmensalltag aus eurer Sicht noch an Grenzen?
Vor allem bei den Dingen, die im Kundenservice am meisten zählen: Namen, Straßennamen, Hausnummern, Vertragsnummern. Modelle, die überwiegend auf US-Englisch trainiert wurden, verstehen einen deutschen Nachnamen oder Straßennamen oft falsch. Bei einer Versicherung hat eine vertauschte Hausnummer echte Folgen.
Dazu kommen Dialekte und kleinere Sprachen. Schweizerdeutsch ist ein gutes Beispiel: Für ein großes US-Modell ist das eine Randerscheinung, für einen Schweizer Versicherer ist es Alltag. Genau in solche Daten investieren wir.
DeepSlate soll auch Frustration, Ironie und Betonung erkennen können. Wie wichtig ist dieses Verständnis für den Einsatz von Voice AI im Kundenkontakt?
Wir sehen die Erkennung und natürliche Reaktion auf Frustration, Wut, aber auch Ironie oder Sarkasmus als essentiellen Schritt, um Sprach-KI auf die gleiche Stufe wie menschliche Kommunikation zu heben. Gerade im Kundenkontakt, macht das aus, ob Kunden sich wertgeschätzt und verstanden fühlen oder ob sie die KI ablehnen und menschlichen Kontakt bevorzugen. Gerade das ist aktuell eines der größten Probleme im KI-Kundenservice.
Wichtig zu sagen ist hier natürlich, dass wir von dem was heute schon möglich ist weggehen und in die Forschung gehen.
Das gesagt: Sehr wichtig. Gerade Sarkasmus ist eine Kommunikationsform, die wir in Deutschland sehr oft und sehr trocken verwenden. Ein Model, welches den Text als Übersetzung Schritt nutzt, wird nicht in der Lage sein, Sarkasmus zu erkennen.
Banken, Versicherer und andere regulierte Unternehmen gehören zu eurer Zielgruppe. Warum brauchen diese ein eigenes europäisches Sprachmodell, wenn US-Anbieter inzwischen ebenfalls EU-Datenresidenz und Enterprise-Lösungen anbieten?
Weil EU-Datenresidenz nicht dasselbe ist wie Kontrolle. Auch wenn die Server in Frankfurt stehen, unterliegt ein US-Anbieter weiter US-Recht, zum Beispiel dem CLOUD Act.
Bei uns läuft das Modell entweder in Rechenzentren von europäischen Anbietern in Europa oder komplett in der Infrastruktur des Kunden, auf Wunsch ohne jede Verbindung nach außen.
Dann haben selbst wir keinen Zugriff auf die Daten. Zusätzlich kommen alle unsere Investoren aus Deutschland, auch das ist für viele Kunden ein Argument.
Self-Hosting soll Unternehmen mehr Kontrolle über sensible Daten geben. Welche technischen und wirtschaftlichen Herausforderungen bringt dieser Ansatz für euch mit sich?
Technisch geben wir beim Self-Hosting den Betrieb aus der Hand. Das Modell muss auf der Hardware des Kunden genauso schnell und stabil laufen wie bei uns, und wir können nicht einfach reinschauen, wenn etwas hakt. Updates müssen so gebaut sein, dass der Kunde sie selbst einspielen kann.
Wirtschaftlich passt die Abrechnung pro Minute hier oft nicht, deshalb vergeben wir Lizenzen. Für den Kunden ist das gut planbar. Wir konzentrieren uns dabei auf Modell und Schnittstelle, die Integration in die Systeme des Kunden übernehmen Partner, die diese Systeme und Prozesse kennen.
Mit der Seed-Runde über 7,7 Millionen Euro gewinnt DeepSlate neues Kapital für die nächste Entwicklungsphase. Wofür möchtet ihr die Finanzierung vor allem einsetzen?
Als Model Lab spielen wir im wesentlichen 3 verschiedene Spiele:
- Die Modellentwicklung. Hier bauen wir unser Team aktuell stark aus, hiren Forscher und Entwickler.
- Das Handling von GPUs. Auf Grafikkarten leben unsere Modelle. Hier müssen wir sinnvolle und kosteneffiziente Möglichkeiten finden, Grafikkarten zu mieten oder zu kaufen und das Geld dort investieren
- Der Verkauf von dem Modell. Hier spielt zum Beispiel rein, dass wir ein Sales und Marketing Team aufbauen und dass wir eine Self Service Plattform entwickelt haben, wo jeder das Model selbst in wenigen Sekunden ausprobieren kann. Der Link ist https://app.deepslate.eu
Welche Vision verfolgt ihr mit DeepSlate, und welche Rolle soll das Unternehmen langfristig im europäischen Voice-AI-Markt spielen?
Unser Ziel ist Sprach-KI, die man im Gespräch nicht mehr von einem Menschen unterscheiden kann. Bei Bildern und Videos ist KI da schon angekommen, bei Sprache in Echtzeit noch nicht.
Kundenservice ist dabei nur der erste Markt. Langfristig wird Sprache die natürliche Schnittstelle zwischen Mensch und Maschine, im Auto, in Geräten zu Hause und in Robotern. In Europa wollen wir das Sprachmodell sein, auf das Unternehmen und Entwickler setzen, wenn sie Sprach-KI nutzen wollen.
Welche drei Ratschläge würdest du anderen Gründerinnen und Gründern geben, die mit eigener KI-Technologie gegen internationale Tech-Konzerne antreten möchten?
Hier muss man natürlich unterscheiden, wie groß das eigene Ziel ist.
Zum Beispiel eigene Frontier-Modelle zu bauen, benötigt oft viel Kreativität. Einen neuartigen Trainingsansatz, einen spezialisierten Use-Case oder eine neue Zielsetzung. Wir haben mit Antrophic, OpenAI, Google, etc. den Markt an riesigen Omni Modellen mit Milliarden Budget gefüllt, die alle mehr oder weniger die gleiche Strategie verfolgen. Dennoch öffnen sich genau dort dauerhaft neue Lücken, die selbst wieder Milliarden Märkte sind. Siehe zum Beispiel Jev von Typesafe AI.
Meine drei Tipps wenn ihr ähnliche große Missionen angeht:
- Glaubt an eure Vision und lasst euch nicht beirren: In Europa wird oft schnell zu sicheren und kleineren Geschäftsmodellen geraten. Wenn ihr eine große Vision habt, zieht sie durch, auch wenn Gegenwind kommt. Echte Innovation entsteht nicht durch das Mitspielen auf Nummer sicher.
- Bleibt extrem anpassungsfähig und hinterfragt euch ständig: Die Tech-Welt, besonders im KI-Bereich, dreht sich rasant. Was heute gilt, kann morgen schon überholt sein. Akzeptiert diesen Wandel als Normalzustand und nutzt ihn als Hebel für euer Wachstum.
- Sucht euch eine klare Nische und besetzt sie kompromisslos: Versucht gar nicht erst, die Tech-Giganten auf all ihren Spielfeldern zu schlagen. Spezialisiert euch auf Bereiche, in denen sie Schwächen haben – wie regionale Besonderheiten, Datenschutz oder extreme Latenz – und löst dieses eine Problem besser als jeder andere.
Bild Deepslate Gründer Paskal Paesler und Jan Brachthäuser Bildcredits: Deepslate AI generated
Wir bedanken uns bei den Gründern für das Interview
Aussagen des Autors und des Interviewpartners geben nicht unbedingt die Meinung der Redaktion und des Verlags wieder.
