Freitag, Juli 17, 2026
Start Blog Seite 2

Deep-Tech-Startup All About Accuracy sichert sich siebenstellige Pre-Seed-Runde

0
All About Accuracy erhält Finanzierung für Physical AI und Robotik Bildcredits All About Accuracy GmbH

All About Accuracy erhält siebenstellige Pre-Seed-Finanzierung für Bewegungssensorik-Chips

Deep-Tech-Startup sichert sich siebenstellige Finanzierung

Potsdam, 14. Juli 2026 – Die All About Accuracy GmbH, ein Deep-Tech-Spin-off des Leibniz-Instituts für innovative Mikroelektronik (IHP), hat eine siebenstellige Pre-Seed-Finanzierungsrunde erfolgreich abgeschlossen. Die Runde wurde von Campus Capital by STS Ventures, Brandenburg Kapital und ZOHO.VC unterstützt. Zusätzlich beteiligten sich erfahrene Angel-Investoren mit tiefgehender Expertise im Bereich Ultra-Wideband-Technologie (UWB) über Gigahertz Venture und Superangels.

Mit dem frischen Kapital will das Unternehmen die Entwicklung seiner neuartigen Bewegungssensorik-Chips beschleunigen und erste Industrie- und Robotikpartnerschaften weiter ausbauen.

Präzise Sensortechnologie für Physical AI

Physical-AI-Systeme stehen heute vor einem grundlegenden Zielkonflikt. Kameras und visionsbasierte Systeme können Daten in großem Maßstab erzeugen. Oft fehlt ihnen jedoch die Genauigkeit, Robustheit und die verlässlichen Referenzdaten, die für präzise robotische Steuerung erforderlich sind. Am anderen Ende des Spektrums liefern Systeme zur Bewegungserfassung auf Forschungsniveau hohe Präzision. Sie bleiben jedoch teuer, komplex und außerhalb kontrollierter Umgebungen schwer einsetzbar.

All About Accuracy schließt diese Lücke mit einer robusten und skalierbaren Sensortechnologie, die speziell für industrielle Anwendungen, Robotik und Physical AI entwickelt wurde.

Bewegungssensorik ohne Kameras

Im Gegensatz zu optischen Systemen ist die Technologie von All About Accuracy nicht auf Kameras angewiesen. Sie ist darauf ausgelegt, auch in Umgebungen zuverlässig zu funktionieren, die durch Verdeckung, wechselnde Lichtverhältnisse, Staub, Reflexionen oder komplexe industrielle Anlagenstrukturen geprägt sind. Da die Sensorik direkt in kompakte elektronische Module integriert ist, lässt sie sich über Wearables, Roboter, Werkzeuge, mobile Maschinen und industrielle Infrastruktur hinweg skalieren. Damit ist die Technologie besonders relevant für die nächste Generation von Robotik- und Physical-AI-Anwendungen.

Neue Möglichkeiten für humanoide Robotik

Besonders relevant ist die Technologie für humanoide Roboter. Diese müssen ihre eigene Position und ihre Interaktionen mit Menschen, Objekten und Maschinen jederzeit zuverlässig erfassen können. Die Sensorik von All About Accuracy liefert dafür hochpräzise Referenzdaten und kann die Grenzen rein visionsbasierter Systeme ausgleichen.

Das Unternehmen wird das Kapital einsetzen, um die Produktentwicklung voranzutreiben und Pilotprojekte mit Robotik- und Industriepartnern auszubauen. Zu den zentralen Anwendungsbereichen zählen humanoide Robotik, Roboterkalibrierung, Bewegungserfassung und die Generierung realer Daten für Physical AI.

Gründer und Investoren sehen großes Marktpotenzial

„Unsere Mission ist es, Maschinen Zugang zu einer präzisen physischen Realität zu geben“, sagt Yori Fournier Co-Founder und CEO von All About Accuracy. „Damit Physical AI skalieren kann, brauchen Roboter mehr als Wahrnehmung. Sie brauchen kontinuierliche, zuverlässige und hochpräzise Ground-Truth-Daten. Genau daran arbeiten wir.“

„All About Accuracy adressiert eine der zentralen Infrastrukturlücken im Bereich Physical AI“, sagt Philipp Hauptmann, Investment Manager bei Campus Capital by STS Ventures. „Die nächste Generation der Robotik wird zuverlässige, hochpräzise physische Daten in großem Maßstab benötigen. Der halbleiterbasierte Ansatz von AAA hat das Potenzial, zu einer grundlegenden Sensorikschicht für diesen Markt zu werden.“

Binh Vu, Investment Managerin bei Brandenburg Kapital, kommentiert: „All About Accuracy zeichnet sich durch ein starkes Gründerteam, wissenschaftliche Tiefe und praktische Industrieerfahrung aus. Das Unternehmen hat das Potenzial, die Interaktion von Robotern und Physical AI mit der realen Welt deutlich zu verbessern. Mit seinem technologischen Vorsprung und dem starken Marktpotenzial ist All About Accuracy gut positioniert, um zu einem wichtigen Wegbereiter der nächsten Generation der Automatisierung zu werden.“

Bildcredits All About Accuracy GmbH

Quelle Investitionsbank des Landes Brandenburg

Venture Capital für alle: Wie Akka Pre-IPO-Investments ab 300 Euro zugänglich macht

0
Akka: Investitionen in Unternehmen ab 300 Euro Interviewpartner Thomas Rebaud

Die Investment-Plattform Akka demokratisiert den Zugang zu nicht börsennotierten Unternehmen und öffnet hochkarätige Venture-Capital-Anlagen für eine breite Zielgruppe.

Können Sie Akka kurz vorstellen und erzählen, wer das Unternehmen gegründet hat?

Ich habe Akka gemeinsam mit meinem Mitgründer Benoît Lagarde im Januar 2024 gegründet, weil wir privaten Anlegerinnen und Anlegern den Zugang zu nicht börsennotierten Unternehmen ermöglichen wollten. Über unsere App können Akka-Mitglieder bereits ab 300 Euro in einige der vielversprechendsten Technologieunternehmen Europas und der USA investieren. Bis heute haben unsere Mitglieder fast 25 Millionen Euro in mehr als 34 Unternehmen investiert.

Wie entstand die Idee, Startup- und Pre-IPO-Investments für eine breitere Zielgruppe zugänglich zu machen?

Bevor ich Akka gegründet habe, hatte ich bereits in mehr als 40 Unternehmen investiert. Dabei ist mir aufgefallen, dass ich fast ausschließlich gemeinsam mit sehr vermögenden Privatpersonen und Investmentfonds investiert habe. Ich habe mit diesen Investitionen sehr gute Renditen erzielt, und viele Freunde hätten ebenfalls gern investiert. Doch die Mindestanlage lag meist bei 50.000 Euro oder mehr. Selbst mit meinen Kontakten konnte ich ihnen diesen Zugang nicht ermöglichen.

Irgendwann wurde mir klar, dass das kein Einzelfall war. Beteiligungen an nicht börsennotierten Unternehmen gehören seit Jahrzehnten zu den renditestärksten Anlageklassen, waren aber fast ausschließlich einer kleinen Gruppe professioneller Investoren vorbehalten. Genau das wollten wir mit Akka ändern und diesen Markt für deutlich mehr Menschen öffnen.

Welche Vision verfolgen Sie mit Akka, und wie möchten Sie den Zugang zu Venture-Capital-Investments langfristig verändern?

Aus meiner Sicht kommt es auf zwei Dinge an: Wir müssen unseren Mitgliedern Zugang zu den vielversprechendsten Unternehmen ermöglichen und gleichzeitig die Einstiegshürde deutlich senken.

Innerhalb von nur drei Jahren haben wir die Mindestanlage bereits auf 300 Euro reduziert und unseren Mitgliedern den Zugang zu einigen der weltweit spannendsten Unternehmen ermöglicht, darunter Anthropic, Epic Games und Perplexity.

Diesen Weg werden wir konsequent weitergehen. Gleichzeitig möchten wir unser Angebot kontinuierlich ausbauen – etwa durch bessere Möglichkeiten, Anteile zu veräußern, umfangreiche Lernangebote, ein starkes Netzwerk von Investor sowie Veranstaltungen in ganz Europa. Mit Akka möchten wir ein neues Investitionsumfeld schaffen, das allen offensteht.

An welche Zielgruppen richtet sich Akka hauptsächlich, und welche Bedürfnisse möchten Sie mit Ihrer Plattform erfüllen?

Die meisten unserer Mitglieder haben vor ihrer Anmeldung bei Akka noch nie in nicht börsennotierte Unternehmen investiert. Viele verfügen aber bereits über Erfahrungen mit Aktien, Immobilien oder Kryptowährungen. Sie möchten in Unternehmen investieren, deren Entwicklung sie nachvollziehen können und die gleichzeitig noch erhebliches Wachstumspotenzial bieten.

Wir übernehmen den gesamten Investitionsprozess – von der Auswahl geeigneter Unternehmen über deren Analyse und die Vertragsverhandlungen bis hin zu allen rechtlichen Schritten sowie der Begleitung während der gesamten Haltedauer und beim späteren Verkauf der Anteile. Dadurch benötigen unsere Mitglieder keine besonderen Vorkenntnisse.

Gleichzeitig beobachten wir, dass sich zunehmend auch erfahrene Investoren, Business Angels und Family Offices für Akka entscheiden, weil unser Ansatz für sie deutlich einfacher und effizienter ist, als jede Investition selbst zu organisieren.

Viele Privatanleger haben bislang keinen Zugang zu Startup-Investments. Warum möchten Sie diese Hürde abbauen?

Nicht börsennotierte Unternehmen gehörten in den vergangenen Jahrzehnten zu den renditestärksten Anlageklassen und haben sich langfristig besser entwickelt als Aktien, Immobilien oder Kryptowährungen. Dennoch blieb dieser Markt für die meisten Menschen verschlossen. Hohe Mindestanlagesummen, exklusive Netzwerke und das Fachwissen, das für die Bewertung nicht börsennotierter Unternehmen erforderlich ist, machten den Zugang nahezu unmöglich.

Gleichzeitig haben die europäischen Aufsichtsbehörden in den vergangenen Jahren neue regulatorische Rahmenbedingungen geschaffen, damit diese Anlageklasse über regulierte Plattformen einer breiteren Anlegergruppe zugänglich wird. Diese regulatorischen Entwicklungen haben überhaupt erst den Rahmen geschaffen, in dem ein Angebot wie Akka möglich ist.

Was macht Akka aus Ihrer Sicht besonders im Vergleich zu anderen Investmentplattformen?

Für mich liegt der größte Unterschied in der Qualität der Unternehmen, zu denen wir unseren Mitgliedern Zugang ermöglichen. Viele Plattformen stellen jeden Monat zehn oder zwanzig Investitionsmöglichkeiten ein und liefern dazu nur wenige Informationen. Das ähnelt eher einem Marktplatz, auf dem die Unternehmen selbst im Mittelpunkt stehen.

Bei Akka ist das anders. Unser Fokus liegt auf den Anleger. Deshalb wählen wir jeden Monat nur ein oder zwei Unternehmen aus, von deren Potenzial wir wirklich überzeugt sind. Ebenso wichtig sind für uns die Konditionen, zu denen wir investieren.

Ein gutes Beispiel ist Anthropic. Heute bieten mehrere Plattformen Anteile an dem Unternehmen an, allerdings auf Basis einer Bewertung von 500 Milliarden US-Dollar oder mehr. Wir haben unseren Mitgliedern bereits Zugang ermöglicht, als das Unternehmen noch mit rund 60 Milliarden US-Dollar bewertet wurde. Genau diese sorgfältige Auswahl schafft aus unserer Sicht langfristig den größten Mehrwert für unsere Mitglieder.

Darüber hinaus bieten wir weit mehr als reine Investitionsmöglichkeiten. Zu Akka gehören auch Lernangebote und ein Netzwerk, in dem sich unsere Mitglieder austauschen können.

Welche Rolle spielen Bildung und Wissensvermittlung, wenn es darum geht, neue Anleger an das Thema Startup-Investments heranzuführen?

Sie sind für uns unverzichtbar. Die meisten Menschen, die Mitglied bei Akka werden, haben zuvor noch nie in nicht börsennotierte Unternehmen investiert. Deshalb geht es für uns nicht nur darum, ihnen den Zugang zu diesem Markt zu ermöglichen. Wir möchten ihnen auch das Wissen vermitteln, das sie brauchen, um ihre Entscheidungen selbstbewusst treffen zu können.

Dazu gehört zum Beispiel, zu erklären, wie Startups bewertet werden, was die Verwässerung von Anteilen bedeutet oder wie eine Finanzierungsrunde abläuft.

Dabei spielt auch der Austausch unter unseren Mitgliedern eine wichtige Rolle. Bei Akka kommen angehende Gründer, Fachleute aus der Technologiebranche und Menschen zusammen, die sich für Innovationen interessieren. Gerade diese unterschiedlichen Perspektiven machen den Austausch besonders wertvoll.

Wir möchten unsere Mitglieder nicht nur dazu befähigen zu investieren, sondern genau zu verstehen, in welches Unternehmen sie investieren und warum.

Wie stellen Sie sicher, dass Nutzer die Chancen und Risiken dieser Anlageform besser verstehen können?

Zu jeder Investitionsmöglichkeit stellen wir unseren Mitgliedern eine Zusammenfassung unserer Analyse sowie wichtige Unternehmensunterlagen zur Verfügung. Außerdem organisieren wir Gespräche mit den Gründer, bei denen unsere Mitglieder ihre Fragen direkt stellen können.

Uns ist wichtig, ein möglichst vollständiges und zugleich verständliches Bild jedes Unternehmens zu vermitteln. Deshalb erläutern wir nicht nur, warum wir investieren, sondern sprechen auch offen über die Risiken, die wir bei der jeweiligen Investition sehen.

Welche Herausforderungen begegnen Ihnen beim Aufbau einer Plattform, die Venture-Capital-Investments für mehr Menschen zugänglich machen möchte?

Die größte Herausforderung ist aus meiner Sicht die Wissensvermittlung. Die meisten Menschen, die zu Akka kommen, haben sich bislang nie als Investoren im Bereich Wagniskapital verstanden – schlicht deshalb, weil sie bisher keinen Zugang dazu hatten.

Bevor wir überhaupt über einzelne Unternehmen sprechen, müssen wir zunächst eine andere Form des Investierens erklären. Dazu gehören längere Anlagezeiträume, eine geringere Handelbarkeit der Anteile und die Tatsache, dass einzelne erfolgreiche Unternehmen den Wert eines gesamten Portfolios maßgeblich beeinflussen können. Diese Zusammenhänge sind nicht besonders kompliziert, aber vielen Menschen zunächst fremd.

Unser Anspruch ist deshalb, dass jedes Mitglied genau versteht, worauf es sich einlässt, bevor es zum ersten Mal investiert. Dafür steht unseren Mitgliedern ein erfahrenes Expert zur Seite. Wer Fragen hat, kann jederzeit ein persönliches Gespräch mit uns führen. Wir nehmen uns gerne die Zeit zu erklären, wie Investitionen in nicht börsennotierte Unternehmen funktionieren.

Wie wichtig ist die Community innerhalb von Akka, und welchen Mehrwert bietet sie den Nutzern?

Der Austausch unter unseren Mitgliedern ist ein wichtiger Bestandteil von Akka. Neben den Investitionsmöglichkeiten bieten wir umfangreiche Lernangebote sowie die Möglichkeit, sich sowohl online als auch bei Veranstaltungen in ganz Europa mit anderen Anleger zu vernetzen.

So können unsere Mitglieder Erfahrungen austauschen, voneinander lernen und gemeinsam Wissen rund um Investitionen in nicht börsennotierte Unternehmen aufbauen.

Welche nächsten Entwicklungsschritte und Wachstumsziele stehen bei Akka aktuell im Fokus?

Deutschland ist für uns einer der attraktivsten Wachstumsmärkte in Europa. Deshalb bauen wir unsere Präsenz hier gezielt aus und suchen derzeit einen General Manager für Deutschland. Bis Ende 2026 wollen wir rund 1.000 Nutzer in Deutschland gewinnen.

Langfristig möchten wir hier eine starke lokale Präsenz aufbauen und perspektivisch auch in deutsche Unternehmen investieren.

Welche drei Ratschläge würden Sie anderen Gründerinnen und Gründern geben, die einen traditionellen Markt durch digitale Lösungen zugänglicher machen möchten?

Der erste Rat ist: Macht es den Menschen so einfach wie möglich. Zugang bedeutet nicht nur, finanzielle Hürden zu senken. Genauso wichtig ist es, komplexe Themen verständlich zu erklären.

Mein zweiter Rat: Eure Glaubwürdigkeit ist euer wichtigstes Kapital. Gerade in einem Markt, der auf Vertrauen basiert, stärkt oder schwächt jede Entscheidung das Vertrauen eurer Nutzerinnen und Nutzer. Deshalb solltet ihr sehr sorgfältig auswählen, was ihr anbietet.

Und mein dritter Rat: Denkt langfristig. Regulatorische Anforderungen, eine langsame Marktentwicklung oder etablierte Wettbewerber mögen zunächst wie Hindernisse erscheinen. Tatsächlich können sie aber auch ein Vorteil sein, weil sie den Markteintritt erschweren und euch die Zeit geben, etwas Nachhaltiges aufzubauen.

Bildcredits Akka Europe

Wir bedanken uns bei Thomas Rebaud für das Interview

Aussagen des Autors und des Interviewpartners geben nicht unbedingt die Meinung der Redaktion und des Verlags wieder


Premium Start-up: Akka

akka logo grün highlightgreen

Kontakt:

Akka Europe
3 Rue des Renaudes
75017 Paris
France

https://www.akka.app/
francois@akka.app

Ansprechpartner: François Barone

Social Media:
Instagram
Facebook
LinkedIn

Xient im Interview: Warum der Tech-Branche vor lauter KI die Orientierung abhandenkommt

0
Xient: Technologie und KI für mehr Klarheit Gründer CEO Yavuz Yildiz

Immer neue Tools, Datenquellen und KI-Modelle: Viele Unternehmen investieren massiv in Technologie, verlieren im Systemdschungel jedoch die Handlungsfähigkeit – ein Problem, das Gründer Yavuz Yildiz mit seinem Startup Xient durch radikale Klarheit und interdisziplinäre Teams lösen will.

Herr Yildiz, können Sie Xient kurz vorstellen und erzählen, wie die Idee zur Gründung Ihres Unternehmens entstanden ist?

Ich denke, viele Unternehmen erleben gerade etwas, das zunächst gar nicht nach einem Technologieproblem aussieht. Über Jahre kommen neue Systeme hinzu. Neue Datenquellen. Neue Anforderungen. KI steigert diese Dynamik und Komplexität zusätzlich: Hier noch ein Tool, dort noch ein Update, noch eine Plattform. Alles für sich genommen sinnvoll. Irgendwann merkt man aber, dass nicht die Technologie das Problem geworden ist, sondern die Orientierung. Die Systeme werden mehr, die Klarheit immer weniger. Entscheidungen dauern länger, Abstimmungen werden schwieriger und im schlimmsten Fall geht die Handlungsfähigkeit verloren. Weniger, weil es an Daten oder Technologie fehlt, sondern weil niemand mehr das große Ganze überblickt.

Ich benutze dafür gerne das Bild einer Uhr: Wir bauen immer neue Funktionen ein, immer präzisere Zahnräder, immer intelligentere Mechanismen. Am Ende haben wir eine beeindruckende Uhr, aber wir verlieren die Fähigkeit, sie zu lesen. Genau dort arbeiten wir mit Xient. Wir helfen Unternehmen dabei, komplexe Daten-, System- und Transformationslandschaften so zu ordnen, dass aus Komplexität wieder Klarheit entsteht. Denn erst wenn Menschen verstehen, was sie vor sich haben, können sie gute Entscheidungen treffen und neue Technologien sinnvoll nutzen.

Die Idee zur Gründung ist aus meiner eigenen Laufbahn entstanden. Ich habe viele Jahre in internationalen Transformationsprojekten gearbeitet und dabei immer wieder erlebt, dass die eigentliche Herausforderung tatsächlich selten die Technologie allein ist. Meist fehlt jemand, der zwischen Fachbereichen, IT und Management übersetzen kann.

Deshalb wollte ich keine klassische IT- oder SAP-Beratung aufbauen. Mich hat immer interessiert, warum Projekte ins Stocken geraten und wie man Menschen wieder Orientierung gibt. Technologie ist dabei ein wichtiger Teil der Lösung, aber eben nicht die Lösung allein. Heute arbeiten wir mit einem interdisziplinären Team an Daten-, KI- und Transformationsprojekten für Mittelstand, DAX-Konzerne und europäische Forschungsprojekte. Uns verbindet dabei eine Überzeugung: Zukunft entsteht nicht dadurch, dass Unternehmen immer neue Technologien einkaufen. Sie entsteht, wenn Menschen verstehen, wie sie diese sinnvoll nutzen können.

Wie hat Ihr eigener Werdegang Ihre Sicht auf Talente, Karrierewege und Unternehmensaufbau geprägt?

Mein Berufsleben begann sogesehen mit einem Abschied. In meinen ersten Tagen als Berufsanfänger besuchten wir bei einer Werksführung das ThyssenKrupp-Werk in Dortmund – in den letzten Tagen, in denen dort noch Hochöfen standen. Der Mann, der uns durch das Werk führte, hatte sein ganzes Berufsleben dort verbracht. Schon sein Vater und sein Großvater hatten dort gearbeitet. Früher, erzählte er, habe es geheißen: „Dein Opa hat hier gearbeitet, dein Vater arbeitet hier, du wirst hier arbeiten und deine Kinder vermutlich auch.“ So kam es nicht. Man sah ihm an, was diese Erkenntnis mit ihm machte.

Für fast jeden in meinem Umfeld war das kein Strukturwandel auf dem Papier, sondern der Boden, der unter den Füßen nachgab. Ich zog daraus einen einfachen Schluss: Wer nicht nach unten will, muss nach oben. Für mich hieß das damals: der neuesten Technologie hinterherzulaufen, zu lernen, mich immer wieder in neue Themen einzuarbeiten, egal wo auf der Welt. Den Satz „wer stehen bleibt, geht unter“ hatte ich mir zu eigen gemacht, fast um jeden Preis, nicht nur in der IT.

Viele Jahre später habe ich gemerkt, dass dieser Satz nur die halbe Wahrheit ist. Die nächste Bergspitze sieht genauso aus. Derselbe Aufstieg, dieselbe Mühe, derselbe kurze Moment oben. Ich war so mit dem Hinterherlaufen beschäftigt, dass ich aufgehört hatte zu fragen, wohin eigentlich. Es zählt nicht nur das Tempo, sondern die Richtung.

Das prägt heute auch meine Antwort auf KI. Die Technologie entwickelt sich in einem unglaublichen Tempo. Noch ein Modell, noch ein Tool, noch ein Update. Ich verstehe jeden, der das Gefühl hat, ständig hinterherlaufen zu müssen. Mir geht es manchmal genauso. Aber gegen zu viel Tempo hilft nicht mehr Tempo. Es hilft Klarheit.

Das Pikante daran ist, dass ich genau diese Klarheit ausgerechnet wieder im Ruhrgebiet gefunden habe – dort, wo ich einmal losgelaufen bin. Ich bin um die halbe Welt gerannt und am Ende dort angekommen, wo alles begann. Nur sehe ich heute anders auf die Dinge. Vielleicht schaue ich deshalb auch anders auf Menschen. Ein Lebenslauf erzählt, wo jemand war. Er sagt aber nur selten etwas darüber, wie jemand denkt, wie neugierig er ist oder ob er bereit ist, sich immer wieder neu einzuarbeiten.

Welche Vision verfolgen Sie mit Xient, und welche Rolle möchten Sie bei der digitalen Transformation von Unternehmen einnehmen?

Ich glaube, Unternehmen verwechseln in unserer heutigen Zeit oft Geschwindigkeit mit Fortschritt. Sie investieren in KI, automatisieren Prozesse und führen immer neue Technologien ein. Das ist grundsätzlich richtig. Doch KI macht die Welt nicht einfacher. Sie macht sie zunächst komplexer. Noch ein Modell, noch ein Tool, noch eine Entscheidung. Gegen diese Komplexität hilft aus meiner Sicht nicht noch mehr Geschwindigkeit. Es hilft Klarheit.

Deshalb verstehen wir unsere Rolle auch etwas anders als viele klassische Technologieberatungen. Wir wollen Unternehmen nicht möglichst schnell durch die nächste Transformation treiben. Wir wollen ihnen helfen, Orientierung zu gewinnen. Denn erst wenn Daten, Systeme und Menschen zusammenfinden, entstehen gute Entscheidungen. Und aus guten Entscheidungen entsteht Zukunftsfähigkeit. Meine Vision für Xient ist deshalb eigentlich eine sehr einfache: Ich möchte, dass Unternehmen nicht jeder neuen Bergspitze hinterherlaufen müssen. Ich möchte, dass sie wissen, warum sie losgehen und wohin.

Viele Technologieunternehmen legen bei Bewerbungen großen Wert auf Abschlüsse und lückenlose Lebensläufe. Warum halten Sie diesen Ansatz für überholt?

Ich kann gut verstehen, warum Unternehmen so auswählen. Ein Abschluss, ein geradliniger Lebenslauf oder die Stationen bei bekannten Unternehmen vermitteln zunächst einmal Sicherheit. Gerade wenn Fachkräfte knapp sind, greift man gern auf das zurück, was sich leicht vergleichen und einordnen lässt.

Ich frage mich aber, ob das heute noch ausreicht. Die Welt verändert sich schneller als jeder Studienplan. KI ist dafür das beste Beispiel. Was heute aktuell ist, kann in einem Jahr schon wieder überholt sein. Das bedeutet, dass wir alle ständig lernen müssen, unabhängig davon, welchen Abschluss wir haben. Deshalb interessiert mich bei Bewerbungen irgendwann eine andere Frage: Wie geht jemand mit etwas um, das er noch nicht kennt? Hat er oder sie den Ehrgeiz, sich ein komplexes Thema zu erschließen? Werden die richtigen Fragen gestellt? Bleibt er oder sie dran, wenn es schwierig wird?

Ich habe selbst keinen klassischen Karriereweg hinter mir. Vielleicht schaue ich deshalb anders auf Menschen. Ein Lebenslauf erzählt, wo jemand war. Er erzählt aber nur selten, wie jemand denkt. Gerade in Transformationsprojekten brauchen wir aber Teammitglieder, die sich immer wieder auf Neues einlassen können. Technologie entwickelt sich weiter. Methoden entwickeln sich weiter. Die Fähigkeit zu lernen bleibt. Und ich glaube, genau darin liegt heute das eigentliche Potenzial.

Sie sagen, dass Quereinsteigerinnen und Quereinsteiger häufig die besseren Technologieübersetzer sind. Welche Eigenschaften machen diese Menschen aus Ihrer Sicht besonders wertvoll?

Meiner Überzeugung nach, weil sie gelernt haben, zwischen verschiedenen Welten zu wechseln. Wer einen klassischen Karriereweg geht, bewegt sich oft viele Jahre in denselben Denkmustern. Das ist nichts Schlechtes. Im Gegenteil, daraus entsteht fachliche Tiefe. Aber Menschen mit ungewöhnlichen Lebensläufen mussten sich häufiger auf Neues einstellen. Sie haben gelernt, sich einzuarbeiten, Fragen zu stellen und unterschiedliche Perspektiven miteinander zu verbinden. Genau das brauchen wir heute in Transformationsprojekten.

Die wenigsten Projekte scheitern daran, dass niemand SAP versteht oder niemand etwas über KI weiß. Sie scheitern oft daran, dass IT, Fachbereiche und Management aneinander vorbeireden. Jeder kennt die eigene Sprache, aber kaum jemand übersetzt sie. Wir müssen heute besser zuhören können denn je. Zusammenhänge erkennen. Und bereit sein, uns immer wieder auf neue Themen einzulassen. Natürlich gibt es diese Menschen auch mit einem klassischen Werdegang. Aber ich habe häufig erlebt, dass Quereinsteiger genau diese Fähigkeiten besonders stark ausgeprägt haben. Vielleicht, weil sie selbst immer wieder neue Sprachen lernen mussten, fachlich wie menschlich. Am Ende entscheidet nicht das beste Tool über den Erfolg, sondern ob Menschen es gemeinsam verstehen und sinnvoll nutzen.

Bei Xient achten Sie stärker auf Neugier, Lernfähigkeit und Problemlösungskompetenz als auf den klassischen Lebenslauf. Welche Erfahrungen haben Sie mit diesem Ansatz gemacht?

In unseren Projekten gibt es selten Standardlösungen. Jede Kund bringt eine andere Organisation, andere Systeme und andere Herausforderungen mit. Man muss sich jedes Mal neu hineindenken, Fragen stellen, zuhören und ein Problem wirklich verstehen wollen. Deshalb schaue ich bei Bewerbungen heute auf etwas anderes. Fachliche Exzellenz ist wichtig, darüber gibt es für mich keine Diskussion. Aber ich frage mich genauso: Wie geht jemand mit einer Situation um, die er noch nicht kennt? Ist da Neugier? Hat jemand den Ehrgeiz, sich etwas zu erschließen? Bleibt er oder sie dran, wenn es kompliziert wird?

Daraus ist auch unsere Unternehmenskultur entstanden. Wir haben Menschen mit sehr unterschiedlichen Lebensläufen. Gerade diese Mischung macht uns stärker, weil jede etwas anderes mitbringt. Am Ende ist das vielleicht die wichtigste Erfahrung, die wir gemacht haben: Technologie verändert sich ständig. Die Fähigkeit zu lernen bleibt. Und deshalb stellen wir lieber Menschen ein, die auch in fünf Jahren noch wachsen wollen, als Menschen, die heute schon jede Antwort kennen.

Xient begleitet Unternehmen bei Transformations-, Daten- und KI-Projekten. Wie wichtig sind dabei interdisziplinäre Teams mit unterschiedlichen Perspektiven?

Ich habe in den vergangenen Jahren viele Transformationsprojekte erlebt. Und ich würde sagen: Die wenigsten Unternehmen sind zuvor an der Technologie selbst gescheitert. Oft war das Wissen, Daten und die Systeme da. Das Problem war vielmehr, dass jeder nur seinen eigenen Ausschnitt gesehen hat. Die IT hat anders auf das Projekt geschaut als die Fachbereiche. Das Management hatte wieder eine andere Perspektive. Alle hatten ihren Teil der Wahrheit, aber niemand das ganze Bild.

Deshalb betrachte ich Transformation heute vor allem als Übersetzungsarbeit. Wir brauchen Menschen, die technische Zusammenhänge verstehen. Genauso brauchen wir Menschen, die Geschäftsprozesse kennen, Organisationen verstehen oder Forschungserfahrung mitbringen. Erst wenn diese Perspektiven zusammenkommen, entsteht ein Gesamtbild. Und erst dann können gute Entscheidungen entstehen.

Das gilt heute mehr denn je. KI macht viele Dinge einfacher, gleichzeitig erhöht sie die Komplexität. Neue Möglichkeiten bedeuten auch neue Fragen. Genau deshalb reicht es aus meiner Sicht nicht mehr, wenn jede Disziplin für sich arbeitet. Ich habe gelernt, dass die besten Lösungen meistens dort entstehen, wo unterschiedliche Erfahrungen aufeinandertreffen und Menschen bereit sind, einander zuzuhören.

Vielfalt wird häufig über Herkunft definiert. Warum beginnt Diversität aus Ihrer Sicht vor allem mit unterschiedlichen Denkweisen und Erfahrungen?

Herkunft ist ein Teil von Vielfalt, aber sie allein macht noch keine unterschiedlichen Perspektiven aus. Zwei Menschen können im selben Ort aufgewachsen sein und trotzdem völlig unterschiedlich denken. Genauso können Menschen aus verschiedenen Ländern sehr ähnliche Erfahrungen und Sichtweisen haben.

Für mich entsteht Vielfalt vor allem durch unterschiedliche Lebenswege. Es geht mir um die Vielfalt von Erfahrungen. Jemand, der sich vieles selbst erarbeitet hat, bringt oft einen anderen Blick mit als jemand, der einen klassischen Karriereweg gegangen ist. Beides ist wertvoll. Entscheidend ist, dass unterschiedliche Erfahrungen zusammenkommen und sich ergänzen.

Bei Xient versuchen wir Teams zusammenzustellen, in denen verschiedene Denkweisen aufeinandertreffen. Menschen, die analytisch denken, Menschen mit Projekterfahrung, mit Forschungshintergrund oder mit einem untypischen Werdegang. Diese Vielfalt führt oft zu besseren Fragen und damit auch zu besseren Lösungen und die Reduktion von blinden Flecken. Für mich ist Diversität deshalb kein Selbstzweck. Sie ist eine Voraussetzung dafür, komplexe Herausforderungen aus mehreren Perspektiven zu betrachten. Genau das brauchen Unternehmen heute mehr denn je.

Welche Herausforderungen begegnen Ihnen, wenn Sie Unternehmen davon überzeugen möchten, ihre Recruiting-Strategien und ihre Unternehmenskultur neu zu denken?

Ich glaube gar nicht, dass Unternehmen grundsätzlich falsch rekrutieren. Sie suchen nach Sicherheit. Ein geradliniger Lebenslauf, ein bekannter Arbeitgeber oder ein bestimmter Abschluss geben zunächst das Gefühl, eine gute Entscheidung zu treffen. Das kann ich nachvollziehen.

Die Frage ist nur, ob diese Kriterien noch ausreichen. Ich habe den Eindruck, dass sich unsere Arbeitswelt gerade schneller verändert als die Muster, nach denen wir Menschen auswählen. Unternehmen müssen anfangen, Potenzial genauso ernst zu nehmen wie Erfahrung. Die entscheidende Frage ist für mich nicht nur: Was kann jemand heute? Sondern auch: Wie entwickelt sich jemand weiter? Ähnlich ist es mit der Unternehmenskultur. Unterschiedliche Perspektiven einzustellen ist der einfache Teil. Schwieriger wird es, ihnen wirklich zuzuhören und Brücken zu bauen. Vielfalt entfaltet ihren Wert erst dann, wenn Menschen unterschiedliche Sichtweisen einbringen dürfen und daraus gemeinsam bessere Entscheidungen entstehen.

Employer Branding in der Tech-Branche dreht sich häufig um Technologien und Benefits. Was sollten Unternehmen stattdessen stärker in den Mittelpunkt stellen?

Die meisten Menschen möchten Teil von etwas sein. Sie möchten verstehen, welchen Beitrag ihre Arbeit leistet, ob sie sich weiterentwickeln können und ob ihre Ideen ernst genommen werden. Das ist aus meiner Sicht viel entscheidender als die Frage, ob es den neuesten Laptop oder jeden Freitag Pizza gibt.

Gerade in der Technologiebranche verbringen wir einen großen Teil unseres Lebens damit, komplexe Probleme zu lösen. Dafür braucht es ein Umfeld, in dem Menschen lernen dürfen, Verantwortung übernehmen und auch einmal Fehler machen können. Das lässt sich nicht mit Benefits ersetzen.

Bei Xient versuchen wir deshalb zu zeigen, wie wir zusammenarbeiten. Wir geben Menschen die Möglichkeit, sich in neue Themen einzuarbeiten, an Forschungsprojekten mitzuwirken oder Verantwortung in anspruchsvollen Kundenprojekten zu übernehmen. Das zieht genau die Menschen an, die wir suchen: neugierig, lernbereit und mit dem Anspruch, sich weiterzuentwickeln.

Employer Branding beginnt deshalb nicht mit der Frage, wie ein Unternehmen nach außen wirkt. Es beginnt mit der Frage, welche Kultur Menschen jeden Morgen erleben, wenn sie zur Arbeit kommen. Wenn diese Kultur stimmt, wird sie früher oder später auch nach außen sichtbar.

Welche nächsten Entwicklungsschritte und Wachstumsziele stehen bei Xient aktuell im Fokus?

Wir stehen gerade an einem spannenden Punkt. Viele Unternehmen beschäftigen sich verständlicherweise mit den Problemen von heute. Gleichzeitig entstehen die Technologien, die ihre Arbeit in fünf oder zehn Jahren prägen werden, schon jetzt.

Deshalb war es für mich immer wichtig, dass Xient nicht nur im operativen Geschäft arbeitet. Wir wollen genauso verstehen, was als Nächstes kommt. Aus diesem Grund engagieren wir uns seit Jahren in europäischen Forschungs- und Innovationsprojekten, unter anderem in Horizon-Europe- und Erasmus+-Programmen. Dort beschäftigen wir uns mit Themen wie Künstlicher Intelligenz, Cybersecurity, Datenräumen, Nachhaltigkeit oder intelligenter Infrastruktur. Dieses Wissen nehmen wir nicht als Selbstzweck mit. Wir bringen es zurück in die Unternehmen und verbinden es mit den Herausforderungen, die unsere Kund heute beschäftigen.

Gleichzeitig möchten wir weiter wachsen und die richtigen Menschen gewinnen. Menschen, die neugierig sind und Lust haben, Verantwortung zu übernehmen. Denn am Ende entsteht Zukunft nicht im Labor und auch nicht im Besprechungsraum. Sie entsteht dort, wo neue Ideen den Weg in die Praxis finden. Genau daran möchten wir weiterarbeiten.

Welche drei Ratschläge würden Sie Gründerinnen und Gründern geben, die ein Unternehmen aufbauen und dabei bewusst auf vielfältige Lebensläufe und Perspektiven setzen möchten?

Ich tue mich immer etwas schwer mit Ratschlägen, weil jedes Unternehmen seinen eigenen Weg finden muss. Aber drei Dinge habe ich auf meinem eigenen Weg gelernt, die ich hier teilen möchte.

Erstens: Stellen Sie Menschen nicht für das ein, was sie gestern gemacht haben. Stellen Sie sie für das ein, was sie morgen lernen können. Gerade in der Technologie verändert sich die Welt so schnell, dass Lernfähigkeit aus meiner Sicht wichtiger wird als perfekte CVs.

Zweitens: Die spannendsten Diskussionen in unserem Unternehmen entstehen oft dann, wenn unterschiedliche Erfahrungen aufeinandertreffen. Das kostet manchmal Zeit. Aber genau dort entstehen meistens die besseren Lösungen. Wer nur Menschen einstellt, die genauso denken wie man selbst, bekommt selten neue Perspektiven.

Und drittens: Seien Sie bereit, Ihre eigenen Überzeugungen immer wieder zu hinterfragen. Ich war lange überzeugt, dass der nächste Schritt automatisch der richtige ist. Irgendwann habe ich gemerkt, dass die nächste Bergspitze genauso aussieht wie die vorherige. Seitdem frage ich mich nicht mehr zuerst, wie schnell wir wachsen können, sondern ob wir in die richtige Richtung gehen. Ich glaube, diese Frage sollten sich Unternehmen genauso stellen wie Gründer.

Bildrechte: Xient GmbH

Wir bedanken uns bei Yavuz Yildiz für das Interview

Aussagen des Autors und des Interviewpartners geben nicht unbedingt die Meinung der Redaktion und des Verlags wieder.

InCycling im Interview: Wie KI überschüssige Chemikalien vor der Vernichtung rettet

0
InCycling: KI für überschüssige Chemikalien. Sascha Karhöfer und Dr. Karym El Sayed Credits: InCycling

Jedes Jahr werden in der Pharma- und Chemieindustrie tonneneise hochwertige, voll nutzbare Rohstoffe vernichtet, nur weil sie intern als Überschuss deklariert werden – ein systemisches Problem, für das das Startup InCycling nun eine KI-gestützte Lösung entwickelt hat

Können Sie InCycling kurz vorstellen und erzählen, wie die Idee zur Gründung des Unternehmens entstanden ist?

InCycling ist eine KI-gestützte Plattform für überschüssige Chemikalien und pharmazeutische Rohstoffe. Kurz gesagt: Wir helfen Unternehmen dabei, Materialien, die noch voll nutzbar sind, nicht zu entsorgen, sondern wieder wirtschaftlich sinnvoll in den Markt zu bringen: Überschüsse werden klassifiziert, validiert und handelbar gemacht.

Die Idee ist sehr konkret aus unserer eigenen Erfahrung in der Pharma- und Chemieindustrie entstanden. Wir haben beide über viele Jahre gesehen, dass in großen Unternehmen hochwertige Materialien eingekauft, gelagert und Überschüsse am Ende oft vernichtet werden, obwohl sie meist einwandfrei sind und noch nutzbar wären.

Uns ist klar geworden: Das ist kein Einzelfall und auch kein „Fehler“ einzelner Personen. Es ist ein systemisches Problem, das durch Marktvarianz, langfristiges Forecasting, Tendergeschäfte, lange und internationale Lieferketten und variierende Projektverläufe stetig auftritt – und für das es eine marktweite Lösung braucht.

Unternehmen handeln unter enormem regulatorischem und wirtschaftlichem Druck, sodass es oft schwer ist, intern Zeit und Ressourcen zu binden, die sich mit überschüssigen Rohstoffen und Zwischenprodukten beschäftigen, um alternative Nutzungswege zu identifizieren. Wenn ein Unternehmen feststellt, dass Rohstoffe nicht mehr eingesetzt werden können, gehen diese in den Abschreibungsprozess und werden ab einem bestimmten Punkt als Abfall deklariert. Sobald Material als Abfall deklariert ist, ist es rechtlich und praktisch sehr schwer, es wieder in einen Nutzungskreislauf zurückzubringen. InCycling setzt deshalb vorher an, bevor aus vollwertigem Material Abfall wird. Denn der Punkt, an dem ein Rohstoff zu Abfall deklariert wird, hat oft nichts mit dem eigentlichen Zustand und der Qualität des Rohstoffs selbst zu tun, sondern ist oft eine situative Entscheidung.

Wie kamen Sie auf den Ansatz, überschüssige Chemikalien mithilfe von KI zu klassifizieren, zu validieren und wieder wirtschaftlich nutzbar zu machen?

Der Ausgangspunkt war die Frage: Warum passiert das heute nicht längst systematisch? Überschusshandel gibt es grundsätzlich schon seit Jahrzehnten. Es gibt Broker, Trader, Distributoren und lokal agierende Marktplätze. Aber vieles davon ist sehr fragmentiert, manuell und abhängig von einzelnen, persönlichen Kontakten. Gleichzeitig liegen relevante Informationen wie Spezifikationen, Analysezertifikate, Lagerhistorie und regulatorische Unterlagen in großen Unternehmen oft zentral in ERP-Systemen und teilweise dezentral auf diversen Datenbanken und Sharepoints. Genau diese Kombination macht das derzeitige Vorgehen, Überschüsse handelbar zu machen, schwer skalierbar.

Unser Ansatz ist deshalb, direkt an die Stammdatensysteme großer Unternehmen anzudocken, zum Beispiel an SAP S/4HANA über Standard-APIs. Die Plattform analysiert, welche Materialien vorhanden sind, wann sie ablaufen, ob sie beim Besitzer noch gebraucht werden und welche Dokumente für eine mögliche Verwendung bei einem anderen Hersteller notwendig sind. KI hilft dabei, Bestände und Dokumente auszulesen, chemische Eigenschaften und eine potenzielle alternative Nutzung zu evaluieren, Compliance-Informationen aufzubereiten und daraus Informationspakete für einen regulatorisch sicheren Weiterverkauf zu erzeugen.

Wichtig ist: KI ist hier nicht einfach ein Schlagwort. Der Hebel liegt darin, aus unstrukturierten und strukturierten Unternehmensdaten überhaupt erst eine handelbare, validierte Materialinformation zu machen und einen validen Kundenpool zu identifizieren, der entsprechende Rohstoffe auch wirklich einsetzen kann. Wenn man das manuell macht, bleibt es bei Einzelfällen. Wenn man es systematisch digitalisiert, kann ein viel größerer Teil der Überschüsse sichtbar und nutzbar werden, sodass der gesamte Markt daran partizipieren kann.

Welche Vision verfolgen Sie mit InCycling, und wie möchten Sie die Kreislaufwirtschaft in der Industrie voranbringen?

Unsere Vision ist, dass alle überschüssigen Chemikalien und pharmazeutischen Rohstoffe einer Verwendung zugeführt werden und nicht mehr reflexhaft als Abfall betrachtet und ungenutzt vernichtet werden. Denn weniger chemischer Abfall bedeutet auch weniger Verschmutzung der Welt und langfristig eine bessere Gesundheit für uns alle.

Viele dieser Materialien sind hochwertige Rohstoffe und Abfall ist in dem Moment eine Entscheidung des Besitzers, nicht der eigentliche Zustand einer Substanz. In sehr vielen Fällen sind es korrekt gelagerte, komplett ungenutzte Produkte, die lediglich einen neuen Besitzer suchen. Wir wollen dafür einen neuen Standard schaffen: Mehr Materialien identifizieren, dann prüfen, ob ein Rohstoff noch sinnvoll genutzt werden kann, und dann versuchen, diese zu verkaufen, bevor eine Entsorgung überhaupt in Erwägung gezogen wird.

Für uns ist Kreislaufwirtschaft hier nicht nur ein Nachhaltigkeitsthema, sondern ganz klar auch ein wirtschaftliches Thema. Unternehmen vermeiden Abschreibungen und Entsorgungskosten, Käufer:innen erhalten hochwertige Ware zu attraktiven Konditionen und gleichzeitig werden unnötige CO₂-Emissionen und Umweltbelastungen reduziert. Wenn diese drei Perspektiven zusammenkommen, kann Kreislaufwirtschaft in der Industrie wirklich skalieren.

An welche Unternehmen richtet sich InCycling hauptsächlich, und welche Herausforderungen lösen Sie für diese Kunden?

InCycling richtet sich vor allem an große pharmazeutische und chemische Unternehmen, die regelmäßig mit überschüssigen Materialien umgehen müssen. Besonders relevant sind Unternehmen mit diversifizierten Produktportfolios, komplexen Lagerbeständen, strengen Qualitätsanforderungen und hohen regulatorischen Anforderungen.

Die Herausforderung: Der Weiterverkauf oder die Weitergabe von Materialüberschüssen passt oft nicht in bestehende Prozesse und das eigene Netzwerk. Einkaufswaren müssen plötzlich zu Verkaufswaren umdeklariert werden, Dokumente müssen zusammengesucht, Qualitäts- und Compliance-Fragen geklärt und potenzielle Abnehmer gefunden werden. Oft erfolgt dies dann auf lokaler Ebene und besonders für große Unternehmen würde es bedeuten, eigene Teams an den Standorten aufzubauen, wenn das Thema als „Reststoff“ oder „Abfall“ als Ganzes wahrgenommen und bearbeitet werden soll.

InCycling nimmt genau diese Komplexität auf. Die Plattform macht überschüssige Materialien sichtbar, prüfbar und handelbar. Sie automatisiert Teile der Dokumentenextraktion, unterstützt Compliance-Checks, schafft Transparenz über ESG- und CO₂-Effekte und ermöglicht im Idealfall eine Freigabe mit wenigen Klicks. Gleichzeitig ist es uns wichtig, nicht in Konkurrenz zu bestehenden Tradern oder Distributoren zu agieren, sondern sie als Netzwerk- und Handelspartner für eine gemeinsame und effiziente Skalierung des Marktes zu gewinnen und einzubinden.

Viele überschüssige Chemikalien werden heute entsorgt, obwohl sie noch nutzbar wären. Warum ist dieses Problem bislang so schwer zu lösen gewesen?

Weil es kein rein logistisches Problem ist. Es ist eine Mischung aus Regulierung, internen Prozessen, Datenqualität, Verantwortung und Kultur. In der Pharmaindustrie sind Spezifikationen sehr anspruchsvoll und extrem eng. Wenn ein Material für den einen Prozess nicht mehr passt oder dort nicht mehr gebraucht wird, heißt das nicht automatisch, dass es objektiv wertlos ist. Für eine andere Industrie, eine andere Anwendung oder einen anderen Markt mit anderen Spezifikationen kann es weiterhin sehr gut und oft sogar als Premium-Produkt nutzbar sein.

Trotzdem ist der Schritt aus dem Konzern heraus schwierig. Lieferanten- und Qualitätsprozesse sind streng reguliert. Unternehmen müssen wissen, wo Material herkommt, wie es gelagert wurde, welche Spezifikationen gelten und wer am Ende damit arbeitet. Hinzu kommt: Sobald Material rechtlich als Abfall eingestuft wird – und das können wenige Mausklicks oder eine Unterschrift sein –, greift ein ganz anderer Rahmen. Dann wird es deutlich schwerer, es wieder als Produkt in Verkehr zu bringen, egal, wie gut die Materialien noch sind.

Außerdem spricht niemand wirklich gern über Überschüsse. In vielen Unternehmen klingt das schnell nach ungenauer Planung, gescheiterten Launches oder Projektverzögerungen. Dabei entstehen Überschüsse oft aus ganz normalen industriellen Realitäten, die überall einer identischen Systematik folgen: Mindestabnahmemengen sind hoch, hohe Sicherheitsbestände durch überregionale Krisen, geänderte Projektziele durch neue Erkenntnisse, neue regulatorische Vorgaben, strategische Entscheidungen oder schwankende Nachfrage. Wir haben es selbst erlebt und wissen, dass dies auch bei bester Planung geschieht. Wir wollen zeigen: Überschüsse sind ein systemisches Thema und es lohnt sich mehr, sie nutzbar zu machen, als sie still zu entsorgen.

Was macht InCycling aus Ihrer Sicht besonders im Vergleich zu anderen Lösungen im Bereich Kreislaufwirtschaft und Ressourcenmanagement?

Das Besondere ist die Kombination aus Industrieerfahrung, direkter Systemintegration und KI-gestützter Skalierung. Es gibt bestehende Händler, Plattformen und Reststoffmärkte. Viele davon sehen aber nur einen kleinen Ausschnitt dessen, was tatsächlich in Unternehmen liegt und nutzbar gemacht werden kann. InCycling setzt früher und tiefer an: direkt in den Systemen der abgebenden Unternehmen, also dort, wo die Bestände, Dokumente und Entscheidungsgrundlagen entstehen.

Wir verstehen uns als komplementäre Softwarelösung für den laufenden Markt, die die Vermittlung von Rohstoffen maximal effizient gestaltet und eine bessere Infrastruktur mit hohem Vertrauen schafft. Wir wollen Material sichtbar machen, bevor es überhaupt in einem traditionellen Reststoffmarkt auftaucht. Dafür braucht es eine ERP-Integration, Dokumentationsverständnis, Compliance-Prozesse, chemisches Know-how und ein Netzwerk, das die letzte Meile des Weiterverkaufs übernehmen kann. Genau diese Verbindung unterscheidet uns.

Dazu kommen wir selbst aus der Pharma- und Chemieindustrie, kennen die Prozesse, die internen Hürden und die Sprache der Beteiligten. Zusammen bringen wir Gründer mehr als 40 Jahre Branchenerfahrung und ein großes Netzwerk in der pharmazeutisch-chemischen Industrie mit. Das ist wichtig, weil Vertrauen in diesem Markt nicht allein durch Technologie entsteht.

Wie gelingt es Ihnen, wirtschaftliche Vorteile und ökologische Ziele in einem Geschäftsmodell miteinander zu verbinden?

Das funktioniert, weil beide Ziele hier in dieselbe Richtung zeigen. Wenn ein Unternehmen vollwertige Materialien entsorgt, verliert es wirtschaftlichen Wert, zahlt häufig zusätzlich für Lagerung, Transport und Entsorgung und verursacht gleichzeitig unnötige Emissionen oder Umweltbelastung. Wenn dasselbe Material stattdessen weiterverwendet wird, entsteht Wert auf mehreren Ebenen.

Für abgebende Unternehmen bedeutet das: weniger Abschreibungen, geringere Entsorgungskosten und eine bessere Nutzung vorhandener Ressourcen. Für aufnehmende Unternehmen bedeutet es: Zugang zu hochwertigen Materialien zu besseren Konditionen. Und für die Umwelt bedeutet es: weniger zusätzliche Produktion, weniger Verbrennung, weniger Endlagerstätten, weniger CO₂. Uns ist wichtig, das nicht als moralischen Appell zu erzählen. Nachhaltigkeit wird dann stark, wenn sie operativ und finanziell sinnvoll ist. Die bessere ökologische Lösung wird durch InCycling zugleich die wirtschaftlich bessere Lösung sein.

Welche Rolle spielt Künstliche Intelligenz dabei, industrielle Materialströme transparenter und effizienter zu gestalten?

KI spielt vor allem dort eine Rolle, wo heute zu viele Informationen verteilt, unstrukturiert oder schwer vergleichbar sind. In vielen Unternehmen liegen Daten zu Materialien nicht an einem einzigen Ort. Es braucht große Datenmengen wie Sicherheitsdatenblätter, Produktspezifikationen, Qualitätsdokumentation, Haltbarkeit, Testergebnisse, Lagerhistorie und diverse Zertifikate. Diese werden über KI zusammengefasst, ausgelesen und für darauffolgende KI-Module bei InCycling nutzbar gemacht. Darauf folgen drei KI-gestützte Schritte: die chemische Einordnung und Anwendungsprüfung (Chemical Informatics), eine regulatorische Bewertung möglicher Absatzländer und Sicherheitsauflagen sowie abschließend das Matchmaking zu passenden Geschäftspartnern.

Durch die kontrollierte, KI-basierte Automatisierung von Prozessschritten können wir es schaffen, den Handel mit Überschusswaren für alle Beteiligten profitabel zu gestalten. Selbst kleinere Mengen und Werte werden so handelbar, bei denen es sich heute aufgrund der umfangreichen manuellen Arbeit mit großem Zeitaufwand nicht lohnen würde.

Effizienz über KI entsteht hier am Ende dadurch, dass ein Markt überhaupt erst richtig verbunden wird und sehr viel mehr Rohstoffe wirtschaftlich sinnvoll und handelbar werden.

Was uns immer wieder begegnet, ist die Sorge, dass KI menschliche Arbeit ersetzt. Das ist nicht so: Wir schaffen mit Hilfe von KI neue Möglichkeiten und neue Prozesse in einem bestehenden Umfeld, die es vorher so entweder nicht gab oder deren Umsetzung im Aufwand kaum zu rechtfertigen oder gar nicht umsetzbar gewesen wäre. So entstehen durch Technologie neue Arbeitsfelder und ein klarer Mehrwert für alle.

Welche Herausforderungen begegnen Ihnen bei der Integration Ihrer Plattform in bestehende Unternehmensprozesse und ERP-Systeme?

Die technische Integration beziehungsweise das Andocken über eine API ist nur ein Teil der Herausforderung. Natürlich muss eine Plattform sauber mit bestehenden ERP-Systemen funktionieren, insbesondere mit cloudbasierten und standardisierten Systemen wie SAP S/4HANA.

Mindestens genauso wichtig sind aber die Prozesse und die handelnden Personen im Unternehmen. Wir analysieren die Zusammenhänge, um das Ganze gemeinsam effizienter zu gestalten, sodass Entscheidungen zeitnah und für alle Beteiligten transparent getroffen werden können. Aus unserer Sicht ist das genau der Grund, warum eine reine Marktplatzlösung nicht reicht. Man muss die Realität großer, regulierter Unternehmen verstehen und den Prozess so in bestehende Abläufe einbetten, dass Unternehmen ihn wirklich nutzen können und dass die Freigabe für alle Beteiligten sicher und nachvollziehbar ist.

Wie reagieren Industrieunternehmen auf die Idee, überschüssige Chemikalien nicht als Abfall, sondern als wertvolle Ressource zu betrachten?

Die Reaktionen hängen stark davon ab, mit wem man spricht. Auf der Arbeitsebene ist die Resonanz oft sehr positiv. Menschen in Lager, Operations oder Supply Chain sehen jeden Tag, welche Materialien liegen bleiben und was am Ende entsorgt wird. Viele empfinden das selbst als frustrierend, weil sie wissen, wie viel eigene Ressourcen in diese Materialien geflossen sind und dass die Ware eigentlich noch immer den ursprünglichen Wert hat. Wenn es dann einen Weg gibt, diese Materialien sinnvoll weiterzuverwenden, entsteht schnell Motivation.

Auf Managementebene ist der wirtschaftliche Hebel wichtig. Werksleiter:innen, Betriebsleiter:innen oder Finance-Verantwortliche sehen, dass weniger Abschreibungen und weniger Entsorgungskosten ein sehr konkreter Vorteil sind. Das ESG-Thema kommt seit Jahren in Leistungsbewertungen hinzu und motiviert zusätzlich, um eigene Ziele zu erreichen. Reine Nachhaltigkeitsabteilungen sind sehr hilfreich in der Kommunikation und dem kulturellen Wandel einer Firma, haben aber eher selten eine direkte operative Entscheidungsbefugnis, um solche Prozesse allein umzusetzen.

Gleichzeitig ist das Thema sensibel. Kein Unternehmen möchte öffentlich so wirken, als habe es schlecht geplant oder große Werte vernichtet. Deshalb ist die Kommunikation entscheidend. Wir sprechen nicht über Schuld, sondern über eine bessere Lösung für ein bekanntes industrieweites Problem. Überschüsse entstehen in komplexen Lieferketten. Die Frage ist, ob man sie versteckt und verbrennt oder ob man sie professionell wieder nutzbar macht.

Welche nächsten Entwicklungsschritte und Wachstumsziele stehen bei InCycling aktuell im Fokus?

Aktuell geht es darum, die Plattform im Markt weiter zu validieren, mehr Materialvolumen sichtbar zu machen und die Zusammenarbeit mit abgebenden Unternehmen sowie Distributionspartnern auszubauen. Erste Schritte des Firmenaufbaus von InCycling und der Erarbeitung der richtigen Konzepte dazu sind unter anderem dank des Accelerator-Programms von AI NATION deutlich schneller gegangen, als wir uns das erträumt hätten. Außerdem gibt es bereits vertragliche Anbindungen mit ersten Großunternehmen.

Nachdem wir das erste Jahr komplett eigenfinanziert, also „bootstrapped“, waren, konnten wir uns das Vertrauen von fünf erfahrenen Angel-Investoren sichern, die die erste Finanzierungsrunde mit uns abgeschlossen haben. Parallel bereiten wir gerade eine größere Finanzierungsrunde vor, um im kommenden Jahr die Skalierung voranzutreiben. Dafür möchten wir schon dieses Jahr klar zeigen, warum InCycling ein skalierbarer, investierbarer Case ist, der zwar in der Nische startet, aber ein riesiges Potenzial adressiert: großer weltweiter Markt, tiefe Industrieintegration, echter Daten- und Prozesszugang, KI als operativer Hebel und ein Team mit starkem Founder-Market-Fit kommen hier zusammen.

Welche drei Ratschläge würden Sie anderen Gründerinnen und Gründern geben, die mit Technologie nachhaltige Lösungen für industrielle Herausforderungen entwickeln möchten?

Erstens: Fangt nicht bei der Technologie an, sondern beim echten industriellen Problem und schaut dann, ob und wie Technologie bei der Lösung helfen kann.

Zweitens: Baut Lösungen, die in bestehende Systeme und Prozessstrukturen passen. Industrieunternehmen verändern ihre Prozesse nicht, nur weil ein neues Tool gut klingt.

Drittens: Erzählt Nachhaltigkeit nicht gegen die Industrie, sondern mit ihr. Viele Probleme entstehen nicht, weil Menschen achtlos handeln, sondern weil Systeme sich über Jahrzehnte so entwickelt haben, dass wenig „natürlicher“ Raum für Nachhaltigkeit da ist. Wenn eine Lösung aber wirtschaftlich sinnvoll ist, operative Arbeit erleichtert und gleichzeitig Umweltwirkung erzielt, wird sie viel eher angenommen.

Bild: Sascha Karhöfer und Dr. Karym El Sayed Bildcredits InCycling

Wir bedanken uns bei Sascha Karhöfer und Dr. Karym El Sayed für das Interview

Aussagen des Autors und des Interviewpartners geben nicht unbedingt die Meinung der Redaktion und des Verlags wieder.

Wakeline-CRO Marius Kremeyer: Wie Continuous Learning die Grenzen klassischer KI-Modelle sprengt

0
Wakeline: KI mit Continuous Learning Bild Marius Kremeyer Bildcredits Roland Baege

Ob Model-Drift oder explodierende Compute-Kosten: Klassische KI-Ansätze stoßen in dynamischen Märkten schnell an ihre Grenzen. Das DeepTech-Startup Wakeline setzt hier mit adaptivem Continuous Learning an – einer KI-Architektur, die im laufenden Betrieb lernt. Wir haben mit Marius Kremeyer, dem Founding Chief Revenue Officer (CRO) von Wakeline, darüber gesprochen, wie er diese technologische Innovation in handfesten wirtschaftlichen Mehrwert für den Energiemarkt übersetzt, warum DeepTech einen langen Atem braucht und weshalb Kunden am Ende keine Architektur kaufen, sondern die Lösung für ihr konkretes Problem

Können Sie sich unseren Leserinnen und Lesern kurz vorstellen und erzählen, welche Aufgaben Sie als Chief Revenue Officer bei Wakeline übernehmen?

Ich bin Marius Kremeyer und seit Kurzem Founding Chief Revenue Officer (CRO) bei Wakeline. Mein Fokus liegt darauf, unsere Technologie erfolgreich auf den Markt zu bringen und die Brücke zwischen Innovation und den Bedürfnissen unserer Kunden zu schlagen. Gemeinsam mit dem Team identifiziere ich die Anwendungsfälle mit dem größten wirtschaftlichen Potenzial, baue strategische Partnerschaften und Pilotprojekte auf und entwickle daraus skalierbare Go-to-Market-Strukturen.

Gerade im DeepTech-Umfeld geht die Rolle eines Chief Revenue Officers weit über den klassischen Vertrieb hinaus. Es geht darum, die technologischen Möglichkeiten mit den Herausforderungen des Marktes zu verbinden. Viele Unternehmen stoßen mit heutigen KI-Ansätzen an Grenzen, etwa durch Model-Drift, steigende Compute-Kosten oder fehlende Trainingsdaten. Meine Aufgabe ist es, daraus konkrete, wirtschaftlich relevante Anwendungsfälle zu entwickeln.

Wakeline entwickelt mit Continuous Learning einen neuen Ansatz für Künstliche Intelligenz. Wie vermitteln Sie potenziellen Kunden den Mehrwert dieser Technologie?

Im Gespräch steht deshalb zunächst nicht unsere Architektur im Mittelpunkt, sondern das konkrete Problem des Kunden. Viele Unternehmen erleben, dass ihre KI-Modelle zunächst sehr gute Ergebnisse liefern, mit der Zeit jedoch an Zuverlässigkeit verlieren, sobald sich Daten oder Rahmenbedingungen verändern. Die Folgen sind zusätzlicher Aufwand, steigende Betriebskosten und Entscheidungen, die nicht mehr auf einer aktuellen Datengrundlage basieren.

Genau hier setzt unser Continuous-Learning-Ansatz an. Statt Modelle regelmäßig komplett neu trainieren zu müssen, kann sich unsere Architektur im laufenden Betrieb an neue Signale und veränderte Bedingungen anpassen. Für unsere Kunden bedeutet das weniger operativen Aufwand, kürzere Iterationszyklen und belastbarere Entscheidungen in dynamischen Umgebungen. Entscheidend ist dabei, dass Continuous Learning bei Wakeline kein unkontrolliertes Selbstlernen bedeutet, sondern innerhalb klar definierter Leitplanken mit kontinuierlichem Monitoring und regelmäßiger Evaluierung erfolgt.

Welche Branchen und Unternehmen profitieren aktuell besonders von den Lösungen von Wakeline, und wo sehen Sie das größte Wachstumspotenzial?

Aktuell konzentrieren wir uns auf Branchen, in denen Dynamik, Unsicherheit und hohe Entscheidungskosten zusammenkommen. Der Energiemarkt ist dafür ein sehr gutes Beispiel: Angebot, Nachfrage, Wetter, Regulierung und Marktverhalten verändern sich kontinuierlich. Gleichzeitig werden wirtschaftlich relevante Entscheidungen auf Basis von Prognosen getroffen, etwa im Energiehandel, Lademanagement oder in energieintensiven Industrien.

Darüber hinaus sehen wir großes Potenzial in der industriellen Fertigung, da Prozesse dort sehr individuell sind und sich kontinuierlich verändern. Doch auch im Bereich Medizin kann adaptive KI eine wichtige Rolle spielen, weil klassische Modelle häufig an der hohen Variabilität zwischen einzelnen Menschen scheitern. Gemeinsam mit Pilotkunden und Designpartnern wollen wir zunächst nachweisen, in welchen Anwendungsfeldern der größte messbare Mehrwert entsteht und darauf aufbauend konkrete Produkte bauen.

Welche Herausforderungen begegnen Ihnen dabei, eine neuartige KI-Technologie am Markt zu etablieren, die sich deutlich von klassischen KI-Modellen unterscheidet?

Die größte Herausforderung ist, dass wir nicht in eine bestehende Kategorie passen. Viele Unternehmen wissen inzwischen, was klassische Machine-Learning-Modelle oder LLMs leisten können. Unser Ansatz setzt daher an einer anderen Stelle an: bei dynamischen Umgebungen, kontinuierlicher Anpassung und dateneffizientem Lernen. Das gilt es zunächst verständlich zu vermitteln.

Aus kommerzieller Sicht kaufen Kunden keine Architektur, sondern die Lösung eines konkreten Problems. Deshalb identifizieren wir Anwendungsfälle, in denen der Status quo nachweislich hohe Kosten verursacht. Wenn wir dann zeigen können, dass unsere Technologie dort bessere und robustere Ergebnisse liefert, wird aus einer technologischen Innovation ein klarer wirtschaftlicher Mehrwert.

Wie wichtig ist es für Wakeline, komplexe DeepTech-Innovationen verständlich zu kommunizieren und Vertrauen bei Unternehmen aufzubauen?

Extrem wichtig. Gerade weil wir eine neue Architektur entwickeln, müssen wir besonders klar vermitteln, wo sie sinnvoll eingesetzt werden kann und wo ihre Grenzen liegen. Vertrauen entsteht nicht durch große Versprechen, sondern durch Transparenz, nachvollziehbare Pilotprojekte und messbare Ergebnisse.

Für Unternehmen ist darüber hinaus entscheidend, dass adaptive KI kontrollierbar bleibt. Sie müssen nachvollziehen können, wie ein System zu einer Vorhersage, Erkenntnis oder Entscheidung gelangt und wie das Lernen im laufenden Betrieb begrenzt und überwacht wird. Deshalb ist Kommunikation bei Wakeline kein Marketingthema, sondern ein zentraler Bestandteil unserer Strategie und damit auch Chefsache.

Mit Market Edge unterstützt Wakeline den Energiemarkt bei der Prognose von Strompreisen. Welche Erfahrungen haben Sie bei der Markteinführung dieser Lösung gesammelt?

Der Energiemarkt bestätigt viele unserer Grundannahmen. Er ist dynamisch, datenreich und gleichzeitig von Situationen geprägt, in denen historische Muster allein nicht ausreichen. Viele Marktteilnehmer stehen dabei im Kern vor derselben zentralen Frage: Wie entwickeln sich Angebot und Nachfrage zu einem bestimmten Zeitpunkt, und welche wirtschaftlichen Entscheidungen lassen sich daraus ableiten?

Mit Market Edge sehen wir, dass gerade seltene oder außergewöhnliche Marktphasen besonders spannend sind. Genau dort stoßen statische Verfahren häufig an ihre Grenzen. Für uns ist der Energiemarkt deshalb nicht nur ein erster Anwendungsfall, sondern auch ein wichtiges Lernfeld, um unsere Technologie im realen Betrieb weiterzuentwickeln und ihren wirtschaftlichen Mehrwert zu belegen.

Welche Rückmeldungen erhalten Sie von Kunden, die erstmals mit adaptiver KI und Continuous Learning arbeiten?

Viele Kunden reagieren zunächst mit großem Interesse, haben aber gleichzeitig einen hohen Informationsbedarf. Sie möchten verstehen, wie unsere Technologie im laufenden Betrieb lernt, wie Veränderungen bewertet werden und welche Kontrollmechanismen bestehen. Das ist völlig nachvollziehbar, denn gerade in wirtschaftlich relevanten Anwendungen darf Anpassungsfähigkeit nicht zulasten von Transparenz und Nachvollziehbarkeit gehen.

Sobald wir die Funktionsweise erläutern, zeigt sich häufig ein Aha-Moment. Viele Unternehmen kennen die Grenzen klassischer KI-Ansätze aus eigener Erfahrung. Model-Drift, volatile Märkte, individuelle Prozesse und hohe Compute-Kosten sind für sie keine theoretischen Herausforderungen. Wenn deutlich wird, dass Continuous Learning genau an diesen Punkten ansetzt, wird der konkrete Mehrwert unserer Technologie sehr schnell greifbar.

Wie arbeiten Vertrieb, Produktentwicklung und Forschung bei Wakeline zusammen, um Kundenanforderungen schnell in die Weiterentwicklung der Technologie einfließen zu lassen?

Bei uns arbeiten Vertrieb, Produktentwicklung und Forschung eng zusammen, weil wir eine neue Technologie in reale Anwendungen überführen. Der Austausch mit den Kunden liefert uns dabei wichtige Erkenntnisse: Wo ist der Bedarf am größten? Welche Daten stehen tatsächlich zur Verfügung? Welche Entscheidungen hängen von einer Prognose oder Erkenntnis ab? Und woran messen Kunden den Erfolg?

Diese Informationen fließen direkt in die Produktentwicklung und Forschung zurück. Umgekehrt müssen wir aus technologischer Sicht genau verstehen, welche konkreten Anwendungsfälle bereits heute sinnvoll umsetzbar sind und wo noch Grundlagenarbeit erforderlich ist. Gerade in der frühen Phase geht es deshalb nicht darum, ein fertiges Standardprodukt möglichst breit zu vermarkten, sondern gemeinsam mit Designpartnern Proof-of-Value zu schaffen.

Welche Faktoren sind aus Ihrer Sicht entscheidend, um ein DeepTech-Unternehmen wie Wakeline erfolgreich zu skalieren?

Der erste Faktor ist Fokus. DeepTech-Unternehmen laufen leicht Gefahr, sich in den vielfältigen Möglichkeiten ihrer Technologie zu verlieren. Skalierung entsteht jedoch erst, wenn die richtigen ersten Märkte und Anwendungsfälle identifiziert werden, in denen der Mehrwert messbar und wiederholbar ist.

Der zweite Faktor ist Patient Capital. Wer grundlegende architektonische Herausforderungen löst, braucht Investoren und Partner, die an die langfristige Vision glauben und den notwendigen Zeithorizont mitbringen. Der dritte Faktor ist die Nähe zum Kunden. Man muss früh aus dem Labor in reale Umgebungen gehen, auch wenn sich diese zunächst noch nicht perfekt skalieren lassen. Denn nur so lässt sich verstehen, wie Daten tatsächlich fließen, welche Entscheidungen in der Praxis wirklich getroffen werden und welches Produkt langfristig skalieren kann.

Welche Märkte oder Branchen stehen für Wakeline in den kommenden Jahren besonders im Fokus?

Kurzfristig steht für uns der Energiemarkt klar im Fokus, da er von hoher Dynamik geprägt ist und gleichzeitig eine große Datenbasis liefert. Themen wie Strompreisprognosen, Lademanagement, Energiehandel oder energieintensive Industrie sind konkrete Anwendungsfälle, in denen eine bessere Anpassungsfähigkeit unmittelbar wirtschaftlichen Mehrwert schaffen kann.

Darüber hinaus prüfen wir weitere Branchen, insbesondere die industrielle Produktion und medizinische Anwendungen. Entscheidend ist für uns allerdings nicht, möglichst viele Märkte gleichzeitig zu bedienen, sondern diejenigen zu identifizieren, in denen Continuous Learning einen echten Wettbewerbsvorteil schafft. Wenn wir diesen Mehrwert nachweisen können, wollen wir darauf aufbauend Schritt für Schritt in weitere Branchen skalieren.

Wie möchten Sie dazu beitragen, Wakeline als Unternehmen langfristig weiterzuentwickeln und international zu positionieren?

Mein Beitrag besteht vor allem darin, aus einer starken Technologie ein kundenorientiertes Unternehmen mit klaren Zielmärkten, konkreten Anwendungsfällen und skalierbaren Wachstumsmodellen zu entwickeln. Dafür müssen wir zeigen, wo unsere Architektur bereits heute messbaren wirtschaftlichen Mehrwert schafft und diese Erfolge systematisch in Produkte, Partnerschaften und internationale Marktchancen übersetzen.

Langfristig sehe ich Wakeline als einen europäischen Anbieter einer eigenständigen KI-Architektur, die nicht einfach bestehende Paradigmen kopiert. Gerade für Europa ist das von großer Bedeutung. Denn wenn die Wertschöpfung im KI-Bereich zunehmend von wenigen proprietären Modellen und Infrastrukturen geprägt wird, braucht es leistungsfähige Alternativen. Wakeline kann dazu beitragen, indem wir robuste, dateneffiziente und adaptive KI-Systeme entwickeln, die Unternehmen mehr technologische Kontrolle und Unabhängigkeit ermöglichen.

Welche drei Ratschläge würden Sie anderen Gründerinnen, Gründern oder Führungskräften geben, die innovative DeepTech-Lösungen erfolgreich am Markt etablieren möchten?

Findet Investoren und Partner, die wirklich an eure Vision glauben. DeepTech braucht Zeit, weil man nicht nur ein Produkt entwickelt, sondern häufig ein grundlegendes technologisches Problem löst. Dafür braucht es Patient Capital und keine rein transaktionale Erwartungshaltung ab Tag eins.

Startet früh mit Designpartnern. Sobald das technologische Fundament steht, müsst ihr raus aus dem Labor. Sucht euch Kunden mit einem massiven, messbaren Problem und beweist im Live-Betrieb, dass eure Technologie einen echten wirtschaftlichen Vorteil schafft. Erst der Proof-of-Value, dann die Skalierung.

Übersetzt Technologie konsequent in Nutzen. Es reicht nicht, nur eine spannende Architektur zu entwickeln. Kunden müssen verstehen, welches Problem gelöst wird, warum bisherige Ansätze an ihre Grenzen stoßen und woran sich der Erfolg messen lässt. Wer DeepTech erfolgreich am Markt etablieren möchte, muss wissenschaftliche Tiefe mit kommerzieller Klarheit verbinden.

Bild Marius Kremeyer Bildcredits Roland Baege

Wir bedanken uns bei Marius Kremeyer für das Interview

Aussagen des Autors und des Interviewpartners geben nicht unbedingt die Meinung der Redaktion und des Verlags wieder.

Promptwatch sichert sich 6 Millionen Euro Seed-Kapital für End-to-End-Plattform zur KI-Suchoptimierung

0
KI-Suchoptimierung: Promptwatch erhält Seed-Finanzierung Bild Promptwatch Team Bildcredits: Jordi Sloots TheCreatorHub

Promptwatch will die KI-Suchoptimierung mit neuer Finanzierung neu definieren

Amsterdam, 14. Juli 2026 – Promptwatch, eine in Amsterdam ansässige Plattform für KI-Suchoptimierung (GEO), die für ihre Erfassung von KI-Daten echter Nutzer und ihren agentenbasierten Workflow bekannt ist, hat eine Seed-Runde in Höhe von 6 Millionen Euro abgeschlossen. Lead-Investor ist seed + speed Ventures. An der Runde beteiligte sich auch Blum Ventures, während Arches Capital seine Pre-Seed-Investition vom September letzten Jahres verdoppelte.

Das Unternehmen hat im Mai 2026, nur 12 Monate nach seiner Gründung, einen Jahresumsatz (ARR) von über 2 Millionen Euro erreicht und demonstriert damit ein rasantes und kapitaleffizientes Wachstum, obwohl es vor dieser Finanzierungsrunde lediglich 1,2 Millionen Euro an Pre-Seed-Finanzierung eingeworben hatte.

Das neue Kapital wird die Entwicklung der nächsten Generation der agentenbasierten KI-Suchoptimierung von Promptwatch beschleunigen, die internationale Expansion vorantreiben und das weitere Wachstum der Entwicklungs- und Go-to-Market-Teams unterstützen. Darüber hinaus wird das Unternehmen ein neues Büro in New York City eröffnen, um näher an seinen wachsenden Kundenstamm in den USA heranzurücken. Gleichzeitig will sich Promptwatch in einem der weltweit führenden Marketingzentren positionieren, was eine engere Zusammenarbeit mit führenden Marketingagenturen, globalen Marken und Unternehmenskunden ermöglicht.

Während sich viele Lösungen auf dem Markt in erster Linie auf die Messung von Sichtbarkeit, Rankings und Wettbewerbsvergleichen konzentrieren, deckt Promptwatch den gesamten Workflow ab – von der Analyse der KI-Sichtbarkeit auf Basis realer KI-Suchdaten über die Identifizierung von Quellen und Inhaltslücken, die die Sichtbarkeit beeinflussen, bis hin zur KI-optimierten Inhaltserstellung, umsetzbaren Empfehlungen und der automatisierten Veröffentlichung durch CMS-Integrationen. Damit ist Promptwatch eine End-to-End-Plattform für die KI-Suchoptimierung.

Promptwatch will die KI-Suchoptimierung mit neuer Finanzierung neu definieren

Von der Erfassung realer Nutzerdaten bis zur agentischen Optimierung

In den letzten Monaten hat sich die KI-Suchoptimierung (GEO) als neue Kategorie im Marketing etabliert. Der Fokus verschiebt sich, da sich das KI-gesteuerte Kaufverhalten ständig weiterentwickelt. Promptwatch ermöglicht es Unternehmen, sich kontinuierlich anzupassen und diesen Veränderungen immer einen Schritt voraus zu sein.

Die Plattform stützt sich auf mehr als 10 Millionen Datenpunkte, die täglich aus echten Prompt-Daten zu Antworten, Zitaten, Modellaktualisierungen, agentischem Traffic und verschiedenen Inhaltstypen erfasst werden, anstatt sich auf Backend-APIs zu verlassen. Sie bietet Unternehmen ein umfassendes Verständnis dafür, wie KI-Modelle ihre Marken wahrnehmen, indem sie ermittelt, welche Quellen KI-Empfehlungen beeinflussen, ob KI-Agenten Website-Inhalte erfolgreich abrufen können, welche Informationen fehlen, welche technischen und inhaltlichen Verbesserungen erforderlich sind und welche Reputationssignale die Sichtbarkeit in der KI einschränken.

Dieser firmeneigene Datensatz bildet zudem die Grundlage für die agentische KI-Suchoptimierungs-Engine von Promptwatch, die Optimierungsmöglichkeiten automatisch priorisiert, KI-fähige Inhalte generiert und diese direkt auf CMS-Plattformen wie WordPress, Webflow und Framer veröffentlicht.

Promptwatch wurde 2025 in Amsterdam von Gijs de Groot und Klaas Foppen gegründet und genießt mittlerweile das Vertrauen von mehr als 1.840 Unternehmen, darunter Duolingo, Fireflies und Monks. Es ist eine Plattform für Marken und Agenturen, die ihre Sichtbarkeit in der KI-Suche optimieren und ausbauen möchten.

Wie Marken in der KI-Suche sichtbar bleiben

Das Ranking bei Google verliert für Marketingteams zunehmend an Bedeutung, da KI-generierte Antworten das Nutzerverhalten grundlegend verändern.

Bei der traditionellen Suche konnten Unternehmen Keywords und trafficstarke Seiten nachverfolgen. Bei der KI-Suche wird die Customer Journey weniger transparent: KI-Modelle verweisen auf Marken, vergleichen Anbieter und zitieren Quellen, ohne dass klar ersichtlich ist, warum bestimmte Informationen erscheinen oder fehlen.

Laut einer Gartner-Studie wird erwartet, dass der organische Suchverkehr bis 2028 um 50 % oder mehr zurückgehen wird, da Verbraucher zunehmend auf generative, KI-gestützte Suche zurückgreifen. Zudem haben 58 % der Nutzer bei der Recherche nach Produkten und Dienstleistungen bereits traditionelle Suchmaschinen durch KI-Tools ersetzt. Infolgedessen verlieren Unternehmen die Kontrolle darüber, wie sie in KI-generierten Antworten dargestellt werden, wodurch die Sichtbarkeit in KI-Ergebnissen zu einem entscheidenden Faktor für Umsatz, Markenwahrnehmung und Wettbewerbsvorteil wird.

Monks, eine weltweit führende Marketingagentur, die mit Marken wie Netflix, Asana und BMW zusammenarbeitet, stellte kürzlich fest, dass ihre Kunden Marktanteile verloren, was sich mit herkömmlichen Kennzahlen nicht erklären ließ. Diese Lücke führte sie zu Promptwatch, da sie analysieren und verstehen mussten, wie ihre Kunden in KI-Suchmaschinen dargestellt wurden, um entsprechend schnell auf die Entwicklungen in den Märkten ihrer Kunden reagieren zu können. Promptwatch ermöglichte es ihnen, die KI-Sichtbarkeit für ihre Kunden in großem Maßstab zu steigern und ihnen dabei zu helfen, ihre Wettbewerber um 72 % zu übertreffen. Gleichzeitig konnten sie durch die Integration in bestehende Dashboards Kundenberichte erstellen, wodurch sie die KI-Sichtbarkeit zusammen mit organischen und bezahlten Ergebnissen in einem einzigen Dashboard für einen großen Kundenstamm analysieren konnten.

Stimmen zur Seed-Finanzierung

Gijs de Groot, CEO und Co-Gründer von Promptwatch:

„Wir sind stolz darauf, diesen Meilenstein erreicht zu haben, und dankbar für die Unterstützung unserer Investoren. Diese Finanzierung bestätigt unsere Überzeugung, die wir bereits bei der Gründung von Promptwatch hatten: Unternehmen legen Wert darauf, wie KI ihre Marke beschreibt, und die KI-Suche wird zu einem bedeutenden Umsatzkanal werden. In weniger als einem Jahr haben wir die fortschrittlichsten Funktionen entwickelt, darunter unseren Content Agent, Actions und MCP (Model Context Protocol), mit dem sich Promptwatch mit KI-Tools wie ChatGPT und Claude verbinden lässt. Heute gehen wir mit der „Agentic AI Search Optimization“ den nächsten Schritt und erleichtern es Unternehmen, ihre Marketingmaßnahmen im Bereich der KI-Suche durch automatisierte Ausführung zu skalieren.“

Alexander Kölpin, Managing Partner bei seed + speed Ventures:

„Promptwatch hat uns überzeugt, weil das erfahrene Gründerteam mit sehr begrenztem Kapital- und Personaleinsatz bereits mehr als 2 Millionen Euro ARR erreicht hat. Besonders stark ist für uns der End-to-End-Ansatz: Promptwatch analysiert nicht nur, wie Marken in KI-Suchen und generativen Antworten erscheinen, sondern leitet daraus konkrete Maßnahmen ab und unterstützt die automatische Umsetzung. Genau hier setzt Agentic AI Search Optimization an. Damit wird GEO für Marketing-, SEO- und Content-Teams zu einem steuerbaren Arbeitsprozess.“

Bild Promptwatch Team Bildcredits: Jordi Sloots TheCreatorHub

Quelle Maschmeyer Group/ MM Support GmbH

Wellness für die Wäsche: Wie everdrop mit Laundry Shampoos und 70 % weniger Plastik punktet

0
Laundry Shampoo und Laundry Conditioner von everdrop
Wäschewaschen als lästige Pflichtaufgabe war gestern. Das Nachhaltigkeits-Startup everdrop definiert die Textilpflege völlig neu und verwandelt den Alltag in ein echtes Wellness-Erlebnis: Mit den neuen flüssigen Laundry Shampoos und Laundry Conditioners ziehen echte „Good Vibes“ ins Badezimmer ein. Durch exklusive, neurowissenschaftlich getestete Duftkompositionen wird die tägliche Wäschepflege zum Stimmungs-Booster für mehr gute Laune, Entspannung oder besseren Schlaf – ohne dabei auf das bewährte, plastiksparende Refill-Prinzip zu verzichten.

Waschmittel für Good Vibes! everdrop Laundry Shampoos und Laundry Conditioner

Wie Wellness für deine Wäsche und dich

Die Zeiten, in denen Wäschewaschen nur eine lästige Pflichtaufgabe war, sind vorbei. everdrop definiert Textilpflege neu: Mit den flüssigen Laundry Shampoos (Universal- und Colorwaschmittel) sowie dem Laundry Conditioner (Weichspüler) wird Wäschepflege zu einem Wohlfühlmoment im Alltag. Im Mittelpunkt stehen hochwertige Inhaltsstoffe, ein nachhaltiges Refill-Konzept und exklusive Duftkompositionen, die das Wohlbefinden positiv beeinflussen sollen.

Drei Duftwelten für unterschiedliche Stimmungen

Unsere Wäsche begleitet uns den ganzen Tag und beeinflusst damit auch unser Wohlbefinden. Genau hier setzt der Premium-Ansatz von everdrop an: Drei speziell entwickelte Duftkompositionen sorgen für unterschiedliche Stimmungen.

BESSERE LAUNE
Bergamot | Peony | Eucalyptus

MEHR ENTSPANNUNG
Mandarin | Patchouli | Vanilla

BESSERER SCHLAF
Violet | Lotus | Cedarwood

Alle Laundry Shampoos, der Laundry Conditioner sowie die Laundry Care Sets sind in diesen drei Duft- und Mood-Varianten erhältlich.

Wissenschaftlich entwickelte Duftkompositionen

Gemeinsam mit führenden Duftexperten hat everdrop exklusive Duftkompositionen entwickelt, die das Wohlbefinden fördern können. Grundlage sind neurowissenschaftliche Studien mit mehr als 6.000 Verbrauchertests, darunter EEG-Hirnstrommessungen und psychologische Befragungen. Dabei wurde untersucht, welche Duftöle positive Effekte auf Glücksgefühle, Entspannung und die Schlafqualität haben können.

Nachhaltiges Refill-System spart Plastik

Auch die neue Laundry Care Linie folgt dem bewährten Refill-&-Reuse-Prinzip von everdrop. Die wiederbefüllbaren 800-ml-Flaschen können mit einem 2,5-Liter-Refill-Kanister nachgefüllt werden. Ein Kanister reicht für drei Nachfüllungen und spart im Vergleich zu drei Einzelflaschen rund 70 Prozent Plastik.

Laundry Shampoos reinigen gründlich und schonend

Die Laundry Shampoos Universal und Color sind ab 8,99 Euro erhältlich und bieten eine fasertiefe Reinigung auf Basis pflanzlicher Tenside. Enzyme unterstützen eine gründliche Fleckentfernung, während die Formulierung auf Mikroplastik, optische Aufheller und Chlorbleiche verzichtet.

Die Waschmittel sind vegan, für empfindliche Haut geeignet und lassen sich mit dem 2,5-Liter-Refill-Kanister (ab 21,99 Euro) nachhaltig nachfüllen.

Laundry Conditioner schützt Fasern und Farben

Der Laundry Conditioner ist ebenfalls ab 8,99 Euro erhältlich und ergänzt die Pflege optimal. Er schützt Fasern vor Abrieb und Faserbruch, reduziert Farbverlust, verbessert die Formstabilität der Textilien und trägt zu einer langanhaltenden Farbbrillanz bei.

Darüber hinaus reduziert er Risse auf Drucken, erleichtert das Bügeln und hilft dadurch, Energie zu sparen. Auch der Conditioner ist vegan, mikroplastikfrei, für empfindliche Haut geeignet und mit dem Refill-Kanister nachfüllbar.

Laundry Care Sets für jede Wäsche

Für eine abgestimmte Textilpflege bietet everdrop verschiedene Sets an:

  • Laundry Care Set – Universal (Laundry Shampoo Universal + Laundry Conditioner) ab 17,98 Euro
  • Laundry Care Set – Color (Laundry Shampoo Color + Laundry Conditioner) ab 17,98 Euro
  • Laundry Care Set (Laundry Shampoo Universal + Laundry Shampoo Color + Laundry Conditioner) ab 29,99 Euro

Alle Produkte und Sets sind in den drei Duftvarianten BESSERE LAUNE, MEHR ENTSPANNUNG und BESSERER SCHLAF erhältlich und ab sofort über everdrop.de verfügbar.

Bildcredits everdrop GmbH

Quelle everdrop GmbH

Textilexpertise trifft Tech: Wie zwei Schwestern mit Stitcha maßgeschneiderte Strickanleitungen per Algorithmus schaffen

0
Stitcha: Strickanleitungen für modernes Stricken Teamfoto Linn Klaas und Annika Klaas Schwestern

Kein Rechnen, kein Frust bei der Maschenprobe: Die Gründerinnen Annika und Linn Klaas im Interview über ihren ganzheitlichen Plattformansatz, den Stoff im Kopf Accelerator und die Frage, wie digitale Tools traditionelles Handwerk stärken können.

Wie entstand die Idee zu Stitcha und wer steckt hinter der Plattform?

Die Idee zu Stitcha entstand aus einer ganz alltäglichen Situation: Immer wenn Linn ein neues Strickprojekt beginnen wollte, ging sie zuerst zu ihrer Schwester Annika. Sie hatte viele Ideen, wusste aber oft nicht, welches Garn geeignet ist oder wie sich eine Anleitung an ihre Wünsche anpassen lässt. Als Strickdesignerin konnte Annika diese Fragen beantworten. Viele Strickende haben jedoch niemanden, der sie dabei unterstützt. So entstand die Idee für Stitcha: Eine Plattform, die dieses Wissen bündelt und den gesamten Strickprozess an einem Ort begleitet. Hinter Stitcha stehen wir, Annika und Linn Klaas. Annika bringt ihre Erfahrung als Strickdesignerin ein, Linn entwickelte das Konzept im Rahmen ihrer Masterarbeit im Bereich User Experience Design. Gemeinsam verbinden wir textile Expertise mit digitaler Produktentwicklung.

Welches Problem im Bereich individuelles Stricken möchte Stitcha lösen?

Rund ums Stricken sind Inspiration, Anleitungen, Projektverwaltung und Hilfestellungen auf verschiedene Plattformen verteilt. Stitcha bringt diese Bereiche in einer intuitiven und benutzerfreundlichen Plattform zusammen, ermöglicht individuelle Anpassungen und begleitet Strickende Schritt für Schritt durch den gesamten Strickprozess.

Warum war euch die automatische Erstellung maßgeschneiderter Strickanleitungen besonders wichtig?

Jeder Mensch strickt anders und hat unterschiedliche Vorstellungen davon, wie ein Kleidungsstück sitzen soll. Schon kleine Unterschiede bei Garn, Maschenprobe oder Körpermaßen können dazu führen, dass ein Strickstück am Ende nicht wie gewünscht ausfällt. Unser Ziel ist es, diese Hürden abzubauen und Individualisierung zum Standard zu machen. So können sich Strickende auf den kreativen Prozess konzentrieren, statt Zeit mit Berechnungen zu verbringen.

Wie funktioniert die Erstellung der personalisierten Anleitungen bei Stitcha?

Stitcha berechnet Strickanleitungen auf Basis fester stricktechnischer Regeln. Nutzerinnen und Nutzer geben ihre Körpermaße, die tatsächlich gestrickte Maschenprobe sowie Informationen zum verwendeten Garn ein. Aus diesen Daten werden alle relevanten Werte, wie Maschenzahlen, Reihen, Zu- und Abnahmen oder Größenverläufe automatisch neu berechnet. Ändert sich das Garn, die Maschenprobe oder eine Körpermaße, passt sich die gesamte Anleitung entsprechend an.

Welche Vorteile bietet Stitcha gegenüber klassischen Strickanleitungen?

Klassische Strickanleitungen basieren auf Standardgrößen und einer vorgegebenen Maschenprobe. Stitcha passt Anleitungen dagegen an die individuellen Körpermaße und die tatsächlich gestrickte Maschenprobe an. Dadurch muss sie nicht immer wieder neu gestrickt werden, bis sie exakt den Vorgaben der Anleitung entspricht – stattdessen passt sich die Anleitung ihrer persönlichen Strickweise an. Gleichzeitig führt Stitcha Schritt für Schritt durch das Projekt: Statt langer PDF-Anleitungen wird immer nur der aktuelle Arbeitsschritt angezeigt, und Techniken lassen sich direkt in der Anleitung per Klick erklären.

Welche Rolle spielen Community und Austausch auf eurer Plattform?

Stricken lebt vom Austausch. Mit Stitcha möchten wir eine Community schaffen, in der sich Strickende gegenseitig inspirieren, voneinander lernen und einander unterstützen. Wer bei einem Projekt nicht weiterkommt, kann sich mit anderen vernetzen. Idealerweise mit Personen, die gerade dieselbe Anleitung stricken. Gleichzeitig zeigen fertige Projekte, wie unterschiedlich ein Design mit verschiedenen Garnen, Farben oder individuellen Anpassungen umgesetzt werden kann. Über Funktionen zum Finden lokaler Stricktreffs möchten wir den Austausch außerdem über die Plattform hinaus in die reale Welt tragen.

Wie wichtig ist die Verbindung aus Kreativität, Technologie und Handarbeit für eure Vision?

Sie ist der Kern von Stitcha. Wir möchten zeigen, dass digitale Technologien handwerkliche Kreativität nicht ersetzen, sondern sinnvoll unterstützen können. Unser Ziel ist es, den kreativen Prozess einfacher, individueller und zugänglicher zu gestalten, ohne den Charakter des Handwerks zu verlieren.

Welche Herausforderungen begegnen euch bei der Entwicklung einer digitalen Plattform für den Strickbereich?

Die größte technische Herausforderung besteht darin, bestehende Strickanleitungen in eine digitale, logisch strukturierte Form zu überführen und gleichzeitig neue Anleitungen fehlerfrei zu generieren. Diesen Prozess entwickeln wir mithilfe zahlreicher Referenzanleitungen, Teststricks und kontinuierlicher Validierung. Eine ebenso wichtige Herausforderung ist der Aufbau einer aktiven Community. Deshalb konzentrieren wir uns zunächst darauf, Strickenden mit passgenauer Inspiration und Hilfestellungen während des Strickens einen echten Mehrwert zu bieten. Mit einer wachsenden Nutzerinnenbasis wird Stitcha anschließend auch für Strickdesignerinnen als Plattform zur Veröffentlichung, Vermarktung und zum Austausch zunehmend attraktiver.

Wie reagieren Nutzerinnen und Nutzer bislang auf die Möglichkeiten von Stitcha?

Wenn wir von Stitcha erzählen, hören wir oft als erste Reaktion: „Oh, wie cool, genau das brauche ich! Wann kann ich die App herunterladen?“ Dieses Feedback zeigt uns, dass viele Strickende sich eine zentrale Plattform für ihr Hobby wünschen. Je nach Erfahrungsstand unterscheiden sich dabei die Bedürfnisse: Anfängerinnen und Anfänger interessieren sich vor allem für die schrittweise Begleitung durch Anleitungen und schnelle Hilfestellungen direkt während des Strickens. Fortgeschrittene schätzen insbesondere die Möglichkeiten zur Individualisierung von Anleitungen. Beide Gruppen begeistert jedoch vor allem die Idee, erstmals alle wichtigen Funktionen rund ums Stricken an einem Ort zu vereinen.

Welche Rolle spielt die Teilnahme am Stoff im Kopf Accelerator für eure Entwicklung?

Für uns ist der Accelerator vor allem eine intensive Lernphase. Wir erhalten praxisnahes Wissen zu allen Themen, die für eine Unternehmensgründung wichtig sind und können unsere konkreten Fragestellungen direkt mit erfahrenen Expertinnen und Experten besprechen. Besonders bereichernd ist außerdem der Austausch mit den anderen Start-ups, da unterschiedliche Erfahrungen und Blickwinkel oft zu neuen Ideen führen. Das persönliche Coaching hilft uns, fundierte Entscheidungen zu treffen, typische Fehler zu vermeiden und Stitcha gezielt weiterzuentwickeln.

Was unterscheidet Stitcha aus eurer Sicht von anderen digitalen Angeboten rund ums Stricken?

Viele bestehende Lösungen decken nur einzelne Bereiche wie Inspiration, Projektverwaltung oder die Erstellung neuer Anleitungen ab. Stitcha verfolgt einen ganzheitlichen Plattformansatz und verbindet diese Bereiche erstmals miteinander. Ein zentrales Alleinstellungsmerkmal ist die Individualisierung bestehender Anleitungen auf Basis der tatsächlich gestrickten Maschenprobe der Nutzerinnen und Nutzer. Statt so lange Maschenproben zu stricken, bis sie exakt der Vorgabe einer Anleitung entsprechen, genügt eine eigene Maschenprobe – die Anleitung passt sich anschließend an die individuelle Strickweise an. Dadurch entsteht ein durchgängiger digitaler Workflow für den gesamten Strickprozess.

Welche nächsten Funktionen oder Erweiterungen plant ihr für die Plattform?

Der Fokus liegt zunächst auf der Weiterentwicklung der personalisierten Anleitungen und der Projektverwaltung. Gleichzeitig entwickeln wir Funktionen für Anleitungsdesigner*innen, die den Erstellungsprozess erleichtern. Beispielsweise durch Werkzeuge zur Organisation von Teststricks und Unterstützung bei der Gradierung verschiedener Größen. Ein weiterer Schwerpunkt ist der Aufbau einer aktiven Community. Mit Funktionen zum Finden und Gründen lokaler Stricktreffs und Knit Clubs möchten wir Menschen nicht nur digital vernetzen, sondern auch den persönlichen Austausch und das gemeinsame Stricken vor Ort fördern.

Welche drei Tipps würdet ihr anderen Gründerinnen und Gründern im Kreativ- oder Techbereich geben?

Erstens: Sprecht so früh wie möglich mit euren zukünftigen Nutzerinnen und Nutzern – sie kennen die Probleme am besten.

Zweitens: Testet Ideen früh und regelmäßig, statt zu lange im stillen Kämmerlein zu entwickeln.

Drittens: Baut ein Team mit unterschiedlichen Kompetenzen auf. Gerade die Kombination aus Fachwissen, Design und Technologie hat uns geholfen, Stitcha aus verschiedenen Perspektiven zu entwickeln.

Bild Linn Klaas und Annika Klaas Bildcredits privat

Wir bedanken uns bei Annika und Linn Klaas für das Interview

Aussagen des Autors und des Interviewpartners geben nicht unbedingt die Meinung der Redaktion und des Verlags wieder.

Warum New Space Startups Geschwindigkeit neu denken müssen

0
Reditus Space: New Space mit Wiedereintrittskapsel. Sören Münker

New Space Startups treiben die Raumfahrt voran

Noch vor wenigen Jahren galt die Raumfahrt ausschließlich als Spielfeld staatlicher Organisationen und milliardenschwerer Konzerne. Heute hingegen entstehen weltweit Startups aus allen möglichen Teamkonstellationen, die Satelliten, Trägerraketen oder wiederverwendbare Raumfahrzeuge entwickeln und dabei mit erstaunlicher Geschwindigkeit Innovationen vorantreiben. Doch während sich Entwicklungszyklen verkürzen, bleiben die regulatorischen Anforderungen unverändert hoch. Genau darin liegt eine der größten Herausforderungen für junge Unternehmen im New Space Segment.

Reditus Space ist eines davon. Das Space-Startup baut eine wiederverwendbare, orbitale Wiedereintrittskapsel, deren erster Flug für Sommer 2026 geplant ist. Das Geschäftsmodell dahinter klingt simpel: Mikrogravitation as a Service. Forschung, Materialtests oder industrielle Experimente sollen künftig als buchbarer Service verfügbar sein, nicht mehr nur für Raumfahrtagenturen oder Großkonzerne.

Vom Entwurf zur flugfähigen Hardware

Der Weg von der ersten Konstruktion zur einsatzbereiten Raumfahrtkomponente ist anspruchsvoller, als es schnelle Prototypen vermuten lassen. Im frühen Engineering lassen sich Geometrien, Materialien oder Schnittstellen noch relativ einfach anpassen. Spätestens wenn ein System für eine Mission vorbereitet wird, müssen diese Änderungen jedoch vollständig nachvollziehbar sein.

Bei einer Wiedereintrittskapsel betrifft das viele technische Ebenen gleichzeitig. Das System muss den Start überstehen, im Orbit zuverlässig funktionieren und beim Wiedereintritt extremen thermischen und mechanischen Belastungen standhalten. Jede Änderung an Struktur, Elektronik oder Software kann Auswirkungen auf Sicherheit, Gewicht, Zulassung oder spätere Wartung haben. Geschwindigkeit entsteht daher langfristig vor allem dadurch, dass technische Entscheidungen von Anfang an sauber mitgeführt werden.

Cloudbasierte Entwicklung als technisches Rückgrat

Viele New Space Startups arbeiten mit kleinen, hochspezialisierten Teams und externen Partnern. Klassische Arbeitsweisen stoßen dabei schnell an Grenzen, etwa wenn Dateien per E-Mail verschickt, Versionen manuell abgeglichen oder Entscheidungen in separaten Systemen dokumentiert werden.

Cloudbasierte Entwicklungsmodelle schaffen hier eine andere Grundlage. Reditus Space zeigt, warum dieser Ansatz für junge Raumfahrtunternehmen relevant ist. Die Entwicklung der Wiedereintrittskapsel erfolgt vollständig cloudbasiert. Verteilte Teams können parallel an Produktdaten arbeiten, Änderungen nachvollziehen und technische Entscheidungen dokumentieren. Alle Beteiligten arbeiten dadurch auf dem aktuellen Datenstand. Änderungen werden sichtbar, sobald sie entstehen. Dadurch lassen sich Auswirkungen auf Schnittstellen, Gewicht, Bauraum oder Testplanung früher erkennen.

Compliance beginnt nicht am Ende

Je näher ein System an die Mission rückt, desto wichtiger wird die Frage, ob technische Entscheidungen auch regulatorisch belastbar sind. Eine wiederverwendbare orbitale Wiedereintrittskapsel muss beispielsweise nicht nur technisch funktionieren, sondern auch entlang sensibler Entwicklungsdaten kontrolliert dokumentiert werden. Anforderungen wie ITAR oder EAR betreffen dabei nicht nur fertige Hardware. Sie prägen den gesamten Umgang mit sicherheitsrelevanten Entwicklungsdaten. Für Startups ist das besonders anspruchsvoll, weil sie schnell wachsen und ihre Prozesse oft parallel zum Produkt aufbauen.

Gerade deshalb sollte Compliance nicht als nachgelagerter Prozess verstanden werden. Wenn relevante Nachweise erst kurz vor dem Start zusammengesucht werden müssen, verliert ein Team wertvolle Zeit. Wird Nachweisfähigkeit dagegen von Beginn an in den Entwicklungsprozess integriert, entsteht eine belastbare Grundlage für Audits, Zulassungen und die Zusammenarbeit mit externen Partnern.

Wiederverwendbarkeit verändert den Produktlebenszyklus

Reditus Space steht auch für einen weiteren Trend im New Space Markt: wiederverwendbare Systeme. Eine Kapsel, die nach einer Mission zurückkehrt und erneut eingesetzt werden soll, ist kein abgeschlossenes Produkt. Sie bleibt Teil eines laufenden technischen Zyklus. Nach der Landung beginnt die nächste Entwicklungs- und Betriebsphase. Missionsdaten müssen ausgewertet, Komponenten geprüft und mögliche Belastungen bewertet werden. Erst danach lässt sich entscheiden, welche Teile erneut verwendet, überarbeitet oder ersetzt werden. Dieser Prozess ähnelt weniger einem klassischen Einmalprojekt und mehr einem kontinuierlichen Produktlebenszyklus.

Das erfordert eine durchgängige Datenbasis. Nur durch eine nahtlose digitale Vernetzung aller Produktdaten lassen sich wiederverwendbare Systeme effizient betreiben und sicher weiterentwickeln. Für New Space Startups kann genau das zum Unterschied werden, wenn sie aus einzelnen Missionen ein skalierbares Geschäftsmodell machen wollen.

Datenqualität wird zur Voraussetzung für Skalierung

Viele Startups denken beim Thema Wachstum zuerst an Finanzierung oder Fertigungskapazität. Im New Space Segment kommt ein weiterer entscheidender Faktor hinzu: die Qualität der technischen Daten. Ein Unternehmen kann nur dann schnell skalieren, wenn Produktinformationen konsistent, auffindbar und belastbar sind.

Das wird spätestens dann relevant, wenn neue Zulieferer oder Missionspartner eingebunden werden. Wer Entwicklungsentscheidungen sauber dokumentiert, kann Wissen schneller übertragen und Änderungen besser bewerten. Auch der Einsatz von KI im Engineering hängt davon ab. KI kann Anforderungen analysieren, Risiken markieren oder Testfälle vorbereiten. Dafür braucht sie jedoch strukturierte Daten, die den tatsächlichen Entwicklungsstand abbilden. Mit einer durchgängigen Datenbasis wird so aus einzelnen Entwicklungsdaten ein Intelligent Product Lifecycle, der den gesamten Produktlebenszyklus nachvollziehbar macht und wiederverwendbare Systeme langfristig beherrschbar hält.

Die Zukunft beginnt vor dem Start

New Space lebt von Geschwindigkeit. Dauerhaft erfolgreich werden aber vor allem die Unternehmen sein, die Tempo mit technischer Nachweisfähigkeit verbinden. Reditus Space zeigt, wie dieser Ansatz aussehen kann: cloudbasierte Entwicklung, wiederverwendbare Hardware und ein Geschäftsmodell, das auf wiederholbare Missionen ausgelegt ist. Die Zukunft der Raumfahrt entscheidet sich deshalb vor allem in der durchgängigen Datenbasis und in der Fähigkeit, aus jeder Änderung, jedem Test und jeder Mission systematisch zu lernen.

Bildcredits PTC

Aussagen des Autors und des Interviewpartners geben nicht unbedingt die Meinung der Redaktion und des Verlags wieder.

tripbot: KI, Reiseplanung und TravelTech im Interview

0
tripbot: KI für moderne Reiseplanung im Interview Nico Neser Tripbot

tripbot verbindet klassische Reisesuche mit KI und möchte Reiseentscheidungen einfacher, transparenter und verständlicher machen. Im Interview spricht der Gründer über die Idee, die Entwicklung und die Zukunft der Plattform.

Können Sie tripbot kurz vorstellen und erzählen, wie die Idee zur Gründung des Unternehmens entstanden ist?

tripbot ist eine Reiseplattform aus Deutschland, die klassische Flug und Hotelsuche mit einer separaten KI Suche kombiniert. Nutzerinnen und Nutzer können also entweder ganz normal nach Flügen und Hotels suchen oder zusätzlich die KI nutzen, um komplexere Reiseentscheidungen einfacher zu machen.

Die Idee ist aus einem Problem entstanden, das wahrscheinlich sehr viele Menschen kennen: Man möchte eigentlich nur eine gute Reise finden, aber plötzlich hat man 20 Tabs offen. Ein Flug ist günstiger, aber hat schlechte Zeiten. Ein Hotel sieht schön aus, aber die Lage ist unklar. Eine andere Plattform zeigt einen anderen Preis. Dann kommen noch Bewertungen, Gepäck, Gebühren, Stornobedingungen, Transferzeiten und persönliche Vorlieben dazu. Am Ende hat man zwar viele Informationen, aber nicht unbedingt mehr Sicherheit.

Genau dieses Gefühl wollte ich mit tripbot verändern. Ich wollte keine weitere Plattform bauen, die einfach nur noch mehr Optionen anzeigt. Es geht mir darum, Reiseplanung verständlicher zu machen. Nutzer sollen nicht nur inspiriert werden, sondern besser verstehen können, warum eine Reiseoption zu ihnen passt oder eben nicht.

Wichtig ist mir dabei: tripbot ist kein reiner Reise Chatbot. Viele KI Reiseprodukte wirken auf den ersten Blick beeindruckend, weil sie schöne Reiseideen formulieren können. Aber Inspiration allein reicht nicht. Wenn jemand wirklich buchen möchte, zählen echte Angebote, Preise, Verfügbarkeit, Vergleichbarkeit und Vertrauen. tripbot setzt genau dort an: klassische Suche, echte Reiseoptionen und eine separate KI Suche, die bei der Entscheidung unterstützt.

Sie haben tripbot als Solo Founder aufgebaut. Was hat Sie motiviert, dieses Projekt allein umzusetzen, und welche Erfahrungen haben Sie dabei besonders geprägt?

Mich hat vor allem motiviert, dass ich nicht nur über eine Idee sprechen wollte. Ich wollte sehen, ob ich sie wirklich bauen kann. Gerade bei KI gibt es viele Demos, viele Konzepte und viele große Versprechen. Aber ein echtes Produkt zu bauen, das Nutzer verstehen, testen und irgendwann wirklich verwenden können, ist etwas ganz anderes.

Als Solo Founder ist man gezwungen, extrem viel selbst zu lernen. Produkt, Technik, Design, Nutzerführung, Positionierung, Marketing, PR, Go to Market, rechtliche Themen, Schnittstellen, Zahlungs und Buchungslogik. Am Anfang unterschätzt man schnell, wie viele einzelne Bausteine zusammenkommen müssen, bevor aus einer Idee ein echtes Produkt wird.

Besonders geprägt hat mich die Erkenntnis, dass Geschwindigkeit zwar wichtig ist, aber Klarheit noch wichtiger. Man kann sehr viel bauen und trotzdem am Nutzer vorbeientwickeln, wenn man nicht genau erklären kann, welches Problem man eigentlich löst. Bei tripbot war deshalb ein großer Lernprozess, die Idee immer klarer zu formulieren: Es geht nicht einfach um KI für Reisen. Es geht darum, Reiseentscheidungen einfacher, transparenter und vertrauenswürdiger zu machen.

Allein zu gründen bedeutet auch, dass man viele Entscheidungen mit sich selbst ausmachen muss. Das ist manchmal anstrengend, aber es zwingt einen auch, Verantwortung zu übernehmen. Ich kann mich nicht hinter einem großen Team verstecken. Wenn etwas nicht funktioniert, muss ich verstehen warum, es verbessern und weitermachen. Diese Phase hat mich persönlich sehr geprägt.

Gleichzeitig ist genau das auch motivierend. Wenn man sieht, dass aus einer Idee Schritt für Schritt eine echte Plattform entsteht, ist das ein starkes Gefühl. tripbot ist für mich nicht nur ein Produkt, sondern auch der Beweis, dass man als junger Gründer mit Fokus, Ausdauer und Lernbereitschaft sehr weit kommen kann.

Welche Vision verfolgen Sie mit tripbot, und wie möchten Sie die Reiseplanung langfristig verändern?

Meine Vision ist, dass Reiseplanung langfristig nicht mehr wie Stress, Unsicherheit und endloses Vergleichen wirkt. Reisen bedeutet für mich Freiheit. Man freut sich auf neue Orte, auf Zeit mit Freunden, Familie oder auch allein. Aber der Weg zur Buchung fühlt sich heute oft nicht frei an, sondern kompliziert, überfordernd und manchmal auch intransparent.

tripbot soll langfristig ein intelligenter Reisebegleiter werden, der Menschen von der ersten Idee bis zur Buchung und perspektivisch auch darüber hinaus unterstützt. Nicht als KI, die einfach irgendetwas empfiehlt, sondern als System, das versteht, was Nutzer wirklich brauchen: Budget, Reisezeitraum, Komfort, Lage, Flexibilität, persönliche Vorlieben, Transparenz und Vertrauen.

Ein wichtiger Teil der Vision ist die Community. Ich möchte tripbot nicht als Plattform bauen, bei der Nutzer nur konsumieren, was wir vorgeben. Nutzerinnen und Nutzer sollen aktiv Feedback geben können: Was fehlt ihnen? Was ist unverständlich? Was stört am Design? Wo ist die Bedienung nicht gut genug? Welche Funktionen wünschen sie sich? Wo muss die Plattform barrierefreier, einfacher oder klarer werden?

Langfristig soll tripbot dadurch auch eine Reiseplattform werden, die gemeinsam mit den Nutzern entsteht. Nicht nur wir bauen und ihr nutzt, sondern: Die Menschen, die Reisen planen, sollen mitbestimmen können, wie eine bessere Reiseplattform aussehen müsste. Denn am Ende wissen Nutzer oft sehr genau, was sie an heutigen Plattformen nervt.

Ich möchte, dass Nutzer bei tripbot irgendwann das Gefühl haben: Das ist endlich die Reiseplattform, die ich mir selbst immer gewünscht hätte.

Ich glaube, die Zukunft der Reiseplanung liegt nicht darin, dass Nutzer noch mehr Filter bekommen. Filter sind wichtig, aber sie lösen nicht das ganze Problem. Viele Menschen wissen gar nicht genau, wonach sie filtern sollen. Sie wissen nur: Ich möchte eine schöne Reise, die zu meinem Budget, meiner Situation und meinen Erwartungen passt. Genau hier kann KI einen echten Mehrwert schaffen.

Langfristig soll tripbot mehr sein als eine Suchmaske. Ich stelle mir eine Plattform vor, die nicht nur Angebote zeigt, sondern Entscheidungen erklärt. Warum ist dieses Hotel besser für einen Städtetrip geeignet? Warum ist dieser Flug vielleicht günstiger, aber unpraktischer? Welche Option ist fairer, flexibler oder besser gelegen? Wo entstehen mögliche Zusatzkosten? Was ist wirklich wichtig und was sieht nur auf den ersten Blick gut aus?

Auch für die Hotelbranche sehe ich langfristig Potenzial. Ich möchte, dass tripbot nicht nur für Nutzer transparenter wird, sondern perspektivisch auch fairer für Hotels. Wenn direkte Hotelanbindungen irgendwann eine größere Rolle spielen, soll es nicht darum gehen, Hotels mit immer höheren Provisionen oder bezahlter Sichtbarkeit unter Druck zu setzen. Die Vision ist ein transparenterer Ansatz, bei dem gute Angebote, Qualität, Lage, Preis Leistung und echte Nutzerrelevanz stärker zählen als reine Werbebudgets.

Ich möchte Reiseplanung ehrlicher machen. Weniger künstlicher Druck, weniger Verwirrung, weniger nur noch 1 Zimmer verfügbar Gefühl, mehr Orientierung und mehr Vertrauen. Wenn Nutzer am Ende das Gefühl haben, Ich verstehe, warum diese Reise für mich passt, dann ist das der Kern der Vision.

An welche Zielgruppen richtet sich tripbot hauptsächlich, und welche Herausforderungen möchten Sie mit Ihrer Plattform lösen?

Zum Start richtet sich tripbot vor allem an Menschen, die ihre Reisen online planen und dabei oft das Gefühl haben, zu viele Informationen gleichzeitig verarbeiten zu müssen. Besonders junge, digitale Nutzerinnen und Nutzer kennen dieses Problem sehr gut. Sie sind es gewohnt, online zu vergleichen, Bewertungen zu lesen, Preise zu prüfen und mehrere Plattformen parallel zu nutzen. Aber gerade dadurch entsteht oft Unsicherheit.

Die erste Zielgruppe sind deshalb Menschen, die offen für digitale Lösungen und KI sind, aber trotzdem echte Kontrolle behalten möchten. Sie wollen nicht blind einer KI vertrauen, sondern verstehen, warum ein Angebot vorgeschlagen wird. Genau diese Mischung aus Unterstützung und Kontrolle ist wichtig.

Gleichzeitig ist das Problem nicht auf junge Menschen beschränkt. Reiseplanung betrifft fast jeden. Familien müssen andere Dinge beachten als Alleinreisende. Paare suchen vielleicht andere Hotels als Geschäftsreisende. Manche Menschen achten stark auf Preis, andere auf Lage, Komfort, Flexibilität oder Bewertungen. tripbot soll langfristig helfen, diese unterschiedlichen Bedürfnisse besser zu verstehen und in passende Reiseoptionen zu übersetzen.

Die Herausforderung, die tripbot lösen möchte, ist vor allem Orientierung. Es gibt heute nicht zu wenige Reiseangebote, sondern eher zu viele. Nutzer müssen Preise, Zeiten, Hotels, Lage, Bewertungen, Gebühren, Stornobedingungen und persönliche Vorlieben selbst zusammenführen. tripbot soll diese Entscheidungsarbeit reduzieren.

Eine weitere wichtige Zielgruppe ist langfristig die tripbot Community selbst. Ich möchte früh verstehen, was Nutzerinnen und Nutzer wirklich brauchen und welche Funktionen sie sich wünschen. Feedback zu Design, Bedienbarkeit, Verständlichkeit, Barrierefreiheit und neuen Features soll nicht irgendwo verloren gehen, sondern aktiv in die Produktentwicklung einfließen. tripbot soll nicht an den Nutzern vorbei gebaut werden, sondern mit ihnen.

Es geht also nicht nur darum, schneller etwas zu finden. Es geht darum, sicherer zu entscheiden.

Viele Menschen empfinden die klassische Reisebuchung als unübersichtlich und zeitaufwendig. Warum ist das aus Ihrer Sicht so, und wie begegnet tripbot diesem Problem?

Klassische Reisebuchung ist oft deshalb so anstrengend, weil Nutzer viele kleine Entscheidungen selbst treffen müssen, ohne dass ihnen wirklich jemand hilft, diese Entscheidungen einzuordnen. Eine Plattform zeigt Flüge, eine andere Hotels, eine dritte Bewertungen, eine vierte Tipps zum Reiseziel. Dann kommen Preisunterschiede, Zusatzkosten, Gepäckregeln, Transferzeiten, Stornobedingungen und Filter dazu.

Das Problem ist nicht, dass Informationen fehlen. Das Problem ist, dass Informationen oft nicht sinnvoll verbunden werden. Nutzer sehen zwar viele Daten, aber sie müssen selbst herausfinden, was diese Daten für ihre konkrete Reise bedeuten. Ist ein günstiger Flug wirklich besser, wenn die Ankunft nachts ist? Oder ist ein Hotel mit guter Bewertung wirklich passend, wenn die Lage schlecht ist? Ist ein Angebot wirklich günstig, wenn später Gebühren dazukommen?

tripbot begegnet diesem Problem mit zwei Wegen. Wer genau weiß, was er möchte, kann klassisch nach Flügen und Hotels suchen. Diese klassische Suche bleibt wichtig, weil viele Nutzer Kontrolle und Übersicht brauchen. Zusätzlich gibt es aber eine separate KI Suche, die dabei helfen soll, komplexere Reiseentscheidungen verständlicher zu machen.

Die KI Suche soll nicht einfach nur antworten: Hier ist ein schöner Urlaub. Sie soll helfen, Optionen besser einzuordnen. Sie kann dabei unterstützen, Wünsche natürlicher zu formulieren, Angebote zu vergleichen und Unterschiede verständlicher zu machen. Der Nutzer soll weniger das Gefühl haben, allein gegen eine Masse an Optionen anzukämpfen.

Für mich ist das der entscheidende Unterschied: tripbot soll nicht mehr Chaos erzeugen, sondern Klarheit.

Sie sagen, dass AI Travel mehr sein muss als ein Chatbot. Was verstehen Sie darunter, und was macht den Ansatz von tripbot besonders?

Ein Chatbot kann heute relativ schnell schöne Reiseideen formulieren. Er kann sagen: Flieg doch nach Barcelona, bleib vier Tage, besuche diese Orte und buche ein Hotel in dieser Gegend. Das klingt gut und kann inspirierend sein. Aber echte Reiseplanung beginnt nicht bei schönen Sätzen, sondern bei konkreten Entscheidungen.

Wenn jemand wirklich buchen möchte, reichen allgemeine Vorschläge nicht aus. Dann geht es um echte Preise, echte Verfügbarkeit, Hotelqualität, Lage, Flugzeiten, Gepäck, Stornierung, Zahlungsprozesse und Vertrauen. Genau deshalb reicht es nicht, einfach einen Chatbot auf eine Reiseseite zu setzen.

AI Travel muss für mich tiefer in den Produktkern. KI sollte nicht nur am Anfang Inspiration liefern, sondern im Entscheidungsprozess helfen. Sie sollte erklären, vergleichen, vereinfachen und Nutzer dabei unterstützen, aus echten Optionen die passende Wahl zu treffen.

Der Ansatz von tripbot ist deshalb besonders, weil klassische Suche und KI Suche getrennt, aber sinnvoll miteinander verbunden gedacht werden. Nutzer können klassisch suchen, wenn sie Kontrolle und Filter wollen. Sie können aber auch die KI nutzen, wenn sie noch unsicher sind, mehrere Optionen vergleichen möchten oder ihre Reise natürlicher beschreiben wollen.

Das ist wichtig, weil nicht jeder Nutzer gleich sucht. Manche Menschen wissen genau: Ich brauche einen Flug von A nach B an einem bestimmten Datum. Andere sagen eher: Ich möchte ein paar Tage ans Meer, nicht zu teuer, gute Lage, am besten mit gutem Hotel und einfachen Flugzeiten. Für solche natürlicheren Suchsituationen ist KI sehr spannend.

tripbot soll also nicht nur ein Chatbot sein, sondern eine Reiseplattform, bei der KI ein echter Entscheidungshelfer wird.

tripbot kombiniert klassische Reisesuche mit KI gestützten Empfehlungen. Welche Vorteile bietet diese Verbindung für Nutzerinnen und Nutzer?

Der größte Vorteil ist Flexibilität. Nutzerinnen und Nutzer müssen sich nicht entscheiden zwischen klassischer Buchungsplattform und KI. Sie können beide Wege nutzen.

Die klassische Suche ist wichtig, weil sie Vertrautheit gibt. Nutzer sehen Preise, Filter, Daten, Flüge, Hotels und Details. Das kennen sie von bestehenden Plattformen. Gleichzeitig stößt klassische Suche oft an Grenzen, wenn die Entscheidung komplexer wird. Dann hilft es nicht mehr, nur noch mehr Filter zu haben. Dann braucht man Orientierung.

Die KI Suche kann genau dort unterstützen. Sie kann Wünsche natürlicher aufnehmen, verschiedene Optionen verständlicher machen und helfen, Unterschiede besser zu sehen. Zum Beispiel geht es nicht nur darum, welches Hotel günstiger ist, sondern welches Hotel in der konkreten Situation sinnvoller ist. Oder nicht nur darum, welcher Flug billig ist, sondern welcher Flug im Verhältnis zu Zeit, Komfort und Gesamtreise sinnvoll wirkt.

Diese Verbindung aus klassischer Suche und KI Unterstützung gibt Nutzern Kontrolle und Orientierung zugleich. Sie können selbst prüfen, vergleichen und entscheiden, bekommen aber zusätzlich Unterstützung, wenn die Entscheidung unübersichtlich wird.

Für mich ist das ein wichtiger Punkt: KI soll den Nutzer nicht ersetzen. Sie soll ihn stärker machen. Am Ende entscheidet der Mensch, aber er soll mit besseren Informationen und mehr Klarheit entscheiden können.

Welche Herausforderungen sind Ihnen bei der Entwicklung eines buchbaren TravelTech Produkts mit KI Unterstützung begegnet?

Die größte Herausforderung ist, dass TravelTech deutlich komplexer ist, als es von außen aussieht. Eine einfache Demo ist schnell gebaut. Ein echtes Produkt, das mit Flug und Hoteldaten, Preisen, Verfügbarkeiten, Nutzerführung und Buchungsprozessen umgehen muss, ist eine ganz andere Aufgabe.

Im Reisebereich ändern sich Informationen ständig. Preise können sich verändern, Verfügbarkeiten können verschwinden, Bedingungen können unterschiedlich sein. Gleichzeitig erwarten Nutzer, dass alles einfach, schnell und verständlich ist. Diese Kombination ist schwer: Im Hintergrund ist das Produkt komplex, aber für den Nutzer muss es klar wirken.

Bei KI kommt eine weitere Herausforderung dazu: Vertrauen. Nutzer müssen verstehen, warum eine Empfehlung entsteht. Wenn eine KI einfach etwas vorschlägt, ohne Begründung, entsteht schnell Unsicherheit. Gerade bei Reisen geht es um Geld, Freizeit, Erwartungen und oft auch emotionale Vorfreude. Eine schlechte Empfehlung kann echte Enttäuschung verursachen.

Deshalb ist es mir wichtig, dass tripbot nicht nur schöne Antworten produziert. Die KI muss im Zusammenspiel mit echten Suchergebnissen, Daten und klarer Nutzerführung funktionieren. Es geht nicht um Magie, sondern um nachvollziehbare Unterstützung.

Eine weitere Herausforderung war die Positionierung. Viele Menschen hören KI Reiseplattform und denken sofort an einen Chatbot. Deshalb musste ich lernen, tripbot klarer zu erklären: Es gibt klassische Flug und Hotelsuche und zusätzlich eine separate KI Suche. Genau diese Klarheit ist entscheidend, damit Nutzer und Medien verstehen, was das Produkt wirklich macht.

Als Solo Founder entwickeln Sie eine Plattform in einem stark umkämpften Reisemarkt. Wie gelingt es Ihnen, Innovation und Produktentwicklung effizient voranzutreiben?

Als Solo Founder muss man sehr bewusst entscheiden, worauf man seine Energie verwendet. Der Reisemarkt ist riesig und stark umkämpft. Es wäre unmöglich, von Anfang an alles besser machen zu wollen als große Plattformen mit riesigen Teams und Budgets. Deshalb fokussiere ich mich auf den Bereich, in dem tripbot wirklich anders sein kann: die Entscheidungsebene.

Viele Plattformen sind sehr gut darin, Angebote anzuzeigen. Aber die Frage ist: Helfen sie Nutzern wirklich, die beste Entscheidung für ihre Situation zu treffen? Genau hier sehe ich die Chance für tripbot.

Ich versuche deshalb, nicht in endlosen Feature Listen zu denken, sondern in Nutzerproblemen. Was macht Reiseplanung heute stressig? Wo entsteht Unsicherheit? Welche Informationen fehlen im entscheidenden Moment? Welche Dinge sehen auf den ersten Blick gut aus, sind aber für die Reise vielleicht unpraktisch?

Effizienz entsteht für mich durch klare Prioritäten. Zum Start müssen die wichtigsten Grundlagen stimmen: klassische Suche, KI Suche, verständliche Darstellung, stabile Buchungsflows, saubere Nutzerführung und Vertrauen. Alles andere ist langfristig spannend, aber nicht alles gehört in die erste Version.

Innovation bedeutet für mich nicht, möglichst viele Funktionen zu bauen. Innovation bedeutet, ein echtes Problem besser zu lösen. Wenn tripbot Nutzern das Gefühl gibt, Reiseentscheidungen besser zu verstehen, dann ist das wertvoller als zehn zusätzliche Features, die niemand wirklich braucht.

Welche Erkenntnisse haben Sie bisher aus dem Aufbau von tripbot gewonnen, die Sie heute anders angehen würden?

Eine der wichtigsten Erkenntnisse ist, dass ein gutes Produkt nicht automatisch verstanden wird. Gerade bei KI ist die Gefahr groß, dass man technisch viel baut, aber die Erklärung zu kompliziert wird. Nutzer müssen sofort verstehen: Was bringt mir das? Warum ist es besser? Wann nutze ich die klassische Suche und wann die KI Suche?

Heute würde ich noch früher und noch konsequenter an der Positionierung arbeiten. Am Anfang denkt man oft sehr stark aus Produktsicht. Man weiß selbst genau, was man baut, aber Außenstehende hören nur bestimmte Begriffe und interpretieren sie anders. Bei tripbot war das zum Beispiel der Begriff KI Reiseplattform. Das kann schnell so klingen, als wäre alles einfach ein Chatbot. Dabei ist der Ansatz klarer: klassische Suche plus separate KI Suche.

Eine weitere Erkenntnis ist, dass Vertrauen im Reisebereich enorm wichtig ist. Bei vielen KI Produkten reicht es vielleicht, wenn eine Antwort gut klingt. Bei Reisen reicht das nicht. Menschen wollen wissen, ob Preise stimmen, ob Angebote verfügbar sind, ob die Lage passt und ob sie am Ende eine gute Entscheidung treffen. Diese Verantwortung muss man ernst nehmen.

Ich habe auch gelernt, dass man als Gründer Geduld braucht. Man möchte schnell groß denken, schnell launchen, schnell Aufmerksamkeit bekommen. Aber ein Produkt, das mit Buchung, Vertrauen und echten Nutzern zu tun hat, muss sauber funktionieren. Manchmal ist es besser, langsamer zu gehen und dafür stabiler zu bauen.

Welche nächsten Entwicklungsschritte und Wachstumsziele stehen bei tripbot aktuell im Fokus?

Aktuell liegt der Fokus darauf, tripbot für den Launch weiter zu testen, zu verbessern und stabil zu machen. Besonders wichtig sind die Qualität der klassischen Flug und Hotelsuche, die Nutzerführung, die Darstellung von Preisen und Angeboten sowie die separate KI Suche.

Ein großer Schwerpunkt ist Testing. Jede Seite, jeder Button, jeder Flow und jede wichtige Nutzerentscheidung muss geprüft werden. Gerade bei einer Reiseplattform reicht es nicht, wenn etwas grundsätzlich funktioniert. Es muss sich klar, zuverlässig und vertrauenswürdig anfühlen.

Die KI Suche soll weiter verbessert werden, damit sie nicht nur Inspiration liefert, sondern echte Reiseoptionen besser verständlich macht. Langfristig möchte ich, dass Nutzer tripbot nicht nur fragen: Wohin soll ich reisen, sondern auch: Welche Option passt wirklich zu mir und warum?

Ein wichtiger nächster Schritt ist außerdem eine stärkere Community Roadmap. Nutzerinnen und Nutzer sollen Feedback geben können, was sie auf der Plattform sehen möchten: neue Funktionen, Verbesserungen am Design, verständlichere Bedienung, bessere Accessibility, klarere Informationen oder Wünsche rund um die Reiseplanung. Ich möchte tripbot nicht nur für Nutzer bauen, sondern mit ihnen. Die Plattform soll sich Schritt für Schritt in die Richtung entwickeln, die sich Reisende wirklich wünschen.

Auf der Produktseite geht es außerdem darum, die Plattform weiter auszubauen. Flüge und Hotels sind der Startpunkt. Langfristig soll tripbot zu einem intelligenteren Reisebegleiter wachsen, der Nutzer vor, während und nach der Buchung unterstützt. Dazu gehören bessere Personalisierung, verständlichere Empfehlungen, stärkere Transparenz und mehr Kontext rund um Reiseentscheidungen.

Auch im Hotelbereich sehe ich langfristig viel Potenzial. Viele Nutzer vergleichen Hotels heute vor allem über Bilder, Sterne, Bewertungen und Preis. Aber oft ist nicht sofort klar, was wirklich im Angebot enthalten ist, welche Lage zur Reise passt, welche Zusatzkosten entstehen oder warum ein Hotel im konkreten Fall sinnvoller ist als ein anderes. Hier kann KI helfen, Informationen besser aufzubereiten und transparenter zu machen.

Perspektivisch möchte ich auch prüfen, wie direkte Hotelanbindungen fairer gestaltet werden können. Die Idee ist, Hotels langfristig nicht nur als austauschbare Angebote in einer Liste zu behandeln, sondern transparenter und fairer einzubinden. Dazu gehört für mich auch die Frage, wie Rankings entstehen: Nicht nur wer mehr zahlt, sollte oben sichtbar sein, sondern was für den Nutzer wirklich relevant ist. Qualität, Preis Leistung, Lage, Verfügbarkeit, Bewertungen, Ausstattung und Passung zur Suche.

Auf der Wachstumsseite ist das erste Ziel, echte Nutzerinnen und Nutzer zu gewinnen, Feedback zu sammeln und zu verstehen, welche Probleme tripbot am besten löst. Ich möchte nicht nur Reichweite aufbauen, sondern ein Produkt, das Menschen wirklich wiederverwenden wollen.

Langfristig ist die Vision größer: tripbot soll eine neue Art von Reiseplattform werden, bei der Nutzer nicht nur suchen, sondern besser entscheiden und bei der auch Anbieter fairer und transparenter eingebunden werden können. Wenn es gelingt, Vertrauen, Transparenz, Community Feedback und Buchbarkeit sinnvoll mit KI zu verbinden, kann daraus ein neuer Standard für Reiseplanung entstehen.

Welche drei Ratschläge würden Sie anderen Gründerinnen und Gründern geben, die als Solo Founder ein KI gestütztes Technologieunternehmen aufbauen möchten?

Mein erster Ratschlag wäre: Baut kein KI Feature, sondern ein echtes Produkt. Eine gute KI Antwort kann beeindrucken, aber sie löst noch nicht automatisch ein Nutzerproblem. Entscheidend ist, was nach der Antwort passiert. Kann der Nutzer handeln? Versteht er die Empfehlung? Entsteht Vertrauen? Wird ein echtes Problem einfacher? Am Ende geht es immer darum, etwas zu bauen, das Menschen wirklich nutzen wollen.

Mein zweiter Ratschlag: Erklärt euer Produkt so einfach wie möglich. Gerade wenn man technisch tief drin ist, neigt man dazu, zu kompliziert zu sprechen. Aber Nutzer, Medien und potenzielle Partner müssen sehr schnell verstehen, welches Problem ihr löst. Eine klare Positionierung ist kein Marketing Detail, sondern ein zentraler Teil des Produkts.

Mein dritter Ratschlag: Fokus ist wichtiger als Perfektion. Als Solo Founder kann man nicht alles gleichzeitig bauen. Man muss lernen, sehr bewusst Nein zu sagen. Nicht jedes Feature, das spannend klingt, ist zum aktuellen Zeitpunkt wichtig. Der wichtigste Maßstab sollte immer sein: Hilft es dem Nutzer wirklich bei dem Hauptproblem, das wir lösen wollen?

Zusätzlich würde ich sagen: Man braucht Ausdauer. KI Produkte wirken von außen oft schnell und einfach, aber ein echtes Unternehmen entsteht nicht durch einen guten Prompt oder eine gute Demo. Es entsteht durch viele kleine Entscheidungen, Fehler, Verbesserungen und den Willen, immer wieder nachzuschärfen. Gerade in schwierigen Phasen hilft es, einfach weiterzumachen und nicht stehen zu bleiben.

Bildrechte: privat / Nico Neser/tripbot

Wir bedanken uns bei Nico Neser für das Interview

Aussagen des Autors und des Interviewpartners geben nicht unbedingt die Meinung der Redaktion und des Verlags wieder.

Neueste Beiträge