{"id":123471,"date":"2026-05-18T08:18:34","date_gmt":"2026-05-18T06:18:34","guid":{"rendered":"https:\/\/startupvalley.news\/de\/?p=123471"},"modified":"2026-05-18T08:18:35","modified_gmt":"2026-05-18T06:18:35","slug":"datasphere-analytics-ki-rohstoffmaerkte","status":"publish","type":"post","link":"https:\/\/startupvalley.news\/de\/datasphere-analytics-ki-rohstoffmaerkte\/","title":{"rendered":"Wer entscheidet k\u00fcnftig schneller \u00fcber Milliardenm\u00e4rkte?"},"content":{"rendered":"\n

Datasphere Analytics entwickelt KI f\u00fcr Rohstoffm\u00e4rkte und unterst\u00fctzt Industrieunternehmen bei datenbasierten Entscheidungen<\/h2>\n\n\n\n

Wer steckt hinter Datasphere Analytics und welche Erfahrungen bringen die Gr\u00fcnderinnen und Gr\u00fcnder im Bereich Datenanalyse und M\u00e4rkte mit?<\/h3>\n\n\n\n

Hinter Datasphere Analytics steht ein dreik\u00f6pfiges Gr\u00fcnderteam mit langj\u00e4hriger Erfahrung in KI, Datenanalyse und industriellen M\u00e4rkten. Ich, Lukas Haemisch, bin Gesch\u00e4ftsf\u00fchrer und vertrete das Unternehmen nach au\u00dfen, aber was wir aufgebaut haben, ist eine echte Teamleistung. Unser CDO Patrick Petter ist der technologische Kopf hinter unserer KI-Architektur. Prof. Dr. Reiner Kurzhals ist als Experte f\u00fcr KI & Industrie die tragende S\u00e4ule im Bereich Kunden und Netzwerk. Als Professor bringt er die wissenschaftliche Tiefe in unsere Methodik.<\/p>\n\n\n\n

Gemeinsam haben wir in unterschiedlichen industriellen Kontexten datenintensive KI-Anwendungen entwickelt, von Forecasting-Systemen bis hin zu Entscheidungsmodellen f\u00fcr komplexe M\u00e4rkte. Dieses Wissen \u00fcbertragen wir jetzt auf Rohstoff- und Beschaffungsentscheidungen.<\/p>\n\n\n\n

Wie ist die Idee zu Datasphere Analytics entstanden und welches konkrete Problem wolltet ihr l\u00f6sen?<\/h3>\n\n\n\n

Meine Mitgr\u00fcnder und ich haben in den vergangenen Jahren viele KI-Projekte umgesetzt und dabei gelernt, wie man aus komplexen Daten echte Entscheidungsgrundlagen macht. Im Einkauf haben wir dann ein erstaunlich analoges Muster gesehen: Obwohl M\u00e4rkte heute globaler, volatiler und schneller sind als je zuvor, arbeiten viele Unternehmen dort noch mit Prozessen und Tools, die damit zunehmend nicht mehr umgehen k\u00f6nnen. Datasphere Analytics ist aus der Frage entstanden, warum man den Markt nicht direkt befragbar macht: also Nachrichten, Daten und Ereignisse so zusammenf\u00fchrt, dass Eink\u00e4ufer mit diesen interagieren k\u00f6nnen, um so fundierter und schneller entscheiden zu k\u00f6nnen.<\/p>\n\n\n\n

Welche Vision verfolgt Datasphere Analytics im Umgang mit datengetriebenen Entscheidungen?<\/h3>\n\n\n\n

Unsere Vision geht \u00fcber Prognosen hinaus. Es geht darum, wie Unternehmen in Zukunft Entscheidungen treffen k\u00f6nnen: fundierter, schneller, erkl\u00e4r- und auditierbar.<\/p>\n\n\n\n

Wir digitalisieren Industriewissen und machen es zug\u00e4nglich, indem wir globale Daten, Nachrichten, Preise und Lieferketten so verbinden, dass Unternehmen verstehen, warum M\u00e4rkte sich bewegen \u2013 nicht erst, wenn es sich im Preis zeigt. Rohstoffm\u00e4rkte direkt befragbar zu machen bedeutet f\u00fcr uns: Was passiert gerade und warum? Was bedeutet das f\u00fcr die n\u00e4chste Entscheidung, nachvollziehbar und auditierbar?<\/p>\n\n\n\n

Langfristig wollen wir die zentrale Entscheidungsplattform f\u00fcr industrielle Rohstoffbeschaffung werden.<\/p>\n\n\n\n

An welche Zielgruppen richtet sich eure Plattform und welche Herausforderungen haben diese im Alltag?<\/h3>\n\n\n\n

Wir richten uns an Industrieunternehmen, die stark von Rohstoffpreisen abh\u00e4ngen, beispielsweise aus der Chemie, dem Maschinenbau, der Baubranche oder dem Energiesektor. Konkret sprechen wir Menschen in Einkauf, Trading, Risikomanagement und Supply Chain an. Ihre gemeinsame Herausforderung ist es, unter Zeitdruck fundierte Entscheidungen zu treffen, w\u00e4hrend die ausschlaggebenden Signale \u00fcber hunderte Quellen verstreut sind. Gleichzeitig arbeiten sie oft noch mit Methoden wie vor 30 Jahren, die den komplexen Anforderungen heutzutage nicht mehr gewachsen sind.<\/p>\n\n\n\n

Wie unterst\u00fctzt ihr Unternehmen konkret dabei, bessere Entscheidungen im Trading und Risikomanagement zu treffen?<\/h3>\n\n\n\n

Unser Ansatz ist: Jede Nachricht ist ein Signal. Rohstoffm\u00e4rkte bewegen sich, weil irgendwo auf der Welt etwas passiert. Dar\u00fcber wird in Nachrichten berichtet, bevor es sich im Preis niederschl\u00e4gt. Wir analysieren diese Nachrichtenstr\u00f6me weltweit und leiten daraus ab, wie sich Rohstoffpreise voraussichtlich entwickeln. Wer das versteht, kann Einkaufszeitpunkte besser w\u00e4hlen, Risiken fr\u00fcher erkennen und Entscheidungen intern besser vertreten.<\/p>\n\n\n\n

Was unterscheidet Datasphere Analytics von klassischen Analyse-Tools oder Beratungsans\u00e4tzen?<\/h3>\n\n\n\n

Unser gr\u00f6\u00dfter Konkurrent ist kein einzelnes Unternehmen, es ist der Status quo: Excel-basierte Ans\u00e4tze, traditionelle Beratungen sowie die Erfahrung von Analysten und Eink\u00e4ufern. Im weiteren Sinne konkurrieren wir mit allen Tools und Dienstleistern, die heute Marktinformationen, Analysen oder Prognosen liefern, diese aber meist nicht in einer integrierten und erkl\u00e4rbaren Entscheidungslogik zusammenf\u00fchren.<\/p>\n\n\n\n

Der Unterschied liegt in der Architektur unseres Ansatzes: Wir liefern kein statisches Reporting, sondern ein lernendes, interaktives System. Durch die Analyse globaler Nachrichtendaten erkennen wir Muster und Anomalien fortlaufend und k\u00f6nnen erkl\u00e4ren, warum sich ein Preis bewegt, nicht nur wohin. Was klassische Anbieter in wochenlanger manueller Analyse erarbeiten, schaffen wir in einem Bruchteil der Zeit.<\/p>\n\n\n\n

Welche Rolle spielen Echtzeitdaten und KI in eurem Produkt?<\/h3>\n\n\n\n

Wir arbeiten an Live-Updates, die sind aber nur in seltenen F\u00e4llen \u2013 etwa beim Intraday Trading \u2013 wirklich relevant. F\u00fcr den industriellen Einkauf reicht der t\u00e4gliche Rhythmus: Die meisten Entscheidungen drehen sich darum, wie sich ein Preis langfristig entwickelt, wann man einen Liefervertrag fixiert \u2013 oder noch wartet.<\/p>\n\n\n\n

Unser Ansatz verbindet menschliche Intuition mit Technologie. Wir ersetzen nicht die Erfahrung eines guten Eink\u00e4ufers \u2013 wir geben eine bessere Grundlage und reichern sie mit Daten an. KI-Systeme, die lernen, wie M\u00e4rkte auf globale Ereignisse reagieren, \u00fcbersetzen Signale aus tausenden Quellen in umsetzbare Prognosen.<\/p>\n\n\n\n

Mit welchen Herausforderungen seid ihr beim Aufbau von Datasphere Analytics konfrontiert und wie geht ihr damit um?<\/h3>\n\n\n\n

Die gr\u00f6\u00dfte Herausforderung ist das Mindset in vielen Unternehmen und das fehlende Vertrauen in die Chancen von Digitalisierung und KI.<\/p>\n\n\n\n

Aber stell dir mal vor: Du bist Eink\u00e4ufer in einem Mittelst\u00e4ndler und entscheidest \u00fcber einen dreistelligen Millionenbetrag im Rohstoffeinkauf. Gleichzeitig sollst du CBAM-Berichte \u2013 verpflichtende Quartalsberichte f\u00fcr EU-Importeure von emissionsintensiven G\u00fctern \u2013 aufsetzen, Lieferkettensorgfaltspflichten an deine Kunden zur\u00fcckspielen, Scope-3-Daten, also Treibhausgasemissionen, bei Lieferanten einsammeln und nebenbei die Prognose f\u00fcrs n\u00e4chste Quartal abgeben, damit Vertrieb und Produktion planen k\u00f6nnen. Ach so und dann bitte auch noch KI einf\u00fchren, damit das alles schneller geht.<\/p>\n\n\n\n

Unter diesem Zeit- und Kostendruck, unter dem Eink\u00e4ufer in Deutschland heute stehen, bleibt schlicht kein Platz f\u00fcr Transformation. Genau da wollen wir helfen \u2013 nicht als Tool-Anbieter, sondern als Wegbegleiter. Als Sparringspartner bauen wir mit unseren Kunden ein Schweizer Taschenmesser, das die Arbeit erleichtert, wo es eben geht.<\/p>\n\n\n\n

So bekommen Eink\u00e4ufer Zeit zur\u00fcck \u2013 f\u00fcr Lieferantengespr\u00e4che, strategische Themen, die Dinge, die ihre Erfahrung wirklich brauchen.<\/p>\n\n\n\n

Wie wichtig sind Szenarioanalysen f\u00fcr eure Kunden und wie werden diese eingesetzt?<\/h3>\n\n\n\n

Sehr wichtig. Unsere Kunden wollen nicht nur wissen, wohin ein Preis gehen k\u00f6nnte. Sie wollen verstehen, was passiert, wenn ein Streik ausbricht, neue Handelsz\u00f6lle in Kraft treten oder ein Extremwetterereignis eine wichtige Lieferkette unterbricht. F\u00fcr genau solche Fragen haben wir ein Simulationsmodul entwickelt. Wer in Ausnahmesituationen bereits durchgespielt hat, was auf ihn zukommt, trifft bessere und schnellere Entscheidungen.<\/p>\n\n\n\n

Wie entwickelt ihr eure Plattform weiter, um mit dynamischen M\u00e4rkten Schritt zu halten?<\/h3>\n\n\n\n

Wir bauen entlang echter Kundenprozesse: mehr Rohstoffklassen, bessere Event-Erkennung und mehr interaktive Entscheidungsunterst\u00fctzung. Autonome Systeme, die selbstst\u00e4ndig Informationen suchen, einordnen und zusammenf\u00fchren, bieten dabei gerade enorme M\u00f6glichkeiten. Die Plattform soll sich f\u00fcr Nutzer irgendwann so anf\u00fchlen wie ein Kollege, der immer auf dem neuesten Stand ist und proaktiv auf das hinweist, was gerade relevant wird.<\/p>\n\n\n\n

Welche n\u00e4chsten Schritte plant ihr f\u00fcr Datasphere Analytics in den kommenden Jahren?<\/h3>\n\n\n\n

Unser Ziel f\u00fcr die n\u00e4chsten Jahre ist es, die f\u00fchrende Commodity-AI-Intelligence-Plattform f\u00fcr Industrie, Procurement und Risikomanagement in Deutschland zu sein. Wir wollen die Commodity Intelligence Platform weiter skalieren, zus\u00e4tzliche M\u00e4rkte und Rohstoffklassen abdecken und den Weg vom Forecasting hin zu vollst\u00e4ndiger KI-gest\u00fctzter Entscheidungsunterst\u00fctzung konsequent ausbauen. Gleichzeitig glauben wir, dass unsere Event Intelligence auch weit \u00fcber den Einkauf hinaus relevant werden kann \u2013 etwa f\u00fcr Medien- oder Analyseh\u00e4user, die Nachrichten auswerten und Reaktionen besser antizipieren wollen.<\/p>\n\n\n\n

Welche drei Ratschl\u00e4ge w\u00fcrdet ihr anderen Gr\u00fcnderinnen und Gr\u00fcndern mit auf den Weg geben?<\/h3>\n\n\n\n

Erstens: Erst genau zu- und hinh\u00f6ren, dann erkl\u00e4ren. Die besten Gespr\u00e4che, die ich je gef\u00fchrt habe, waren die, in denen ich kaum geredet habe. Was Kunden wirklich besch\u00e4ftigt, findet sich selten auf der Agenda oder in einem Sales-Pitch.<\/p>\n\n\n\n

Zweitens: Geht dahin, wo es schwierig ist. Ich bin kein klassischer Rohstoffexperte und genau das ist mein Vorteil. Wer einen Markt nicht von innen kennt, tr\u00e4gt keine kontextuellen Scheuklappen und stellt ganz andere Fragen.<\/p>\n\n\n\n

Drittens: Baut f\u00fcr Profitabilit\u00e4t, nicht f\u00fcr die n\u00e4chste Runde. Wir wachsen aus eigener Kraft. Das zwingt uns, jeden Schritt gegen\u00fcber unseren Kunden zu rechtfertigen, nicht gegen\u00fcber Investoren.<\/p>\n\n\n\n

Bild Lukas Haemisch Fotocredit: Viktor Strasse<\/p>\n\n\n\n

Wir bedanken uns bei\u00a0Lukas Haemisch<\/a>\u00a0f\u00fcr das Interview<\/p>\n\n\n\n

Aussagen des Autors und des Interviewpartners geben nicht unbedingt die Meinung der Redaktion und des Verlags wieder<\/p>\n\n\n\n