Tentris ist ein DeepTech-Startup, das eine neue Generation von Graphdatenbanken<\/a> f\u00fcr Unternehmen entwickelt. Unsere Technologie hilft Organisationen dabei, gro\u00dfe, komplexe und stark vernetzte Datenmengen schneller, effizienter und zuverl\u00e4ssiger auszuwerten. Im Kern geht es darum, Unternehmensdaten nicht nur zu speichern, sondern ihre Beziehungen, Bedeutungen und Zusammenh\u00e4nge nutzbar zu machen, welches als Grundlage f\u00fcr bessere Analysen und vertrauensw\u00fcrdige KI-Anwendungen gilt.<\/p>\n\n\n\n Gegr\u00fcndet wurde Tentris von Alexander Bigerl, Nikolaos Karalis, Tobias Rebert und Prof. Dr. Axel-Cyrille Ngonga Ngomo. Das Team verbindet tiefgehende wissenschaftliche Expertise in Wissensgraphen, Datenbanken und KI mit operativer und unternehmerischer Erfahrung. Die technologische Basis entstand aus mehrj\u00e4hriger Forschung an der Universit\u00e4t Leipzig und sp\u00e4ter an der Universit\u00e4t Paderborn.<\/p>\n\n\n\n Die Idee entstand aus der Forschung rund um Wissensgraphen und skalierbare Datenbanksysteme. Der Ursprung liegt in der Masterarbeit von Alexander Bigerl an der Universit\u00e4t Leipzig, betreut von Prof. Dr. Axel-Cyrille Ngonga Ngomo. Schon damals stand die Frage im Mittelpunkt, wie sich Wissensgraphen deutlich effizienter auswerten lassen, als es mit bestehenden Systemen m\u00f6glich war.<\/p>\n\n\n\n In der Praxis zeigte sich immer wieder: Unternehmen verf\u00fcgen \u00fcber enorme Mengen vernetzter Daten, k\u00f6nnen diese aber oft nicht in der Geschwindigkeit, Qualit\u00e4t und Tiefe nutzen, die moderne datengetriebene Anwendungen erfordern. Klassische Datenbanken sto\u00dfen bei komplexen Beziehungen schnell an Grenzen, w\u00e4hrend viele Graphdatenbanken bei gro\u00dfen Datenmengen zu langsam oder zu ressourcenintensiv werden. Genau diese L\u00fccke wollten wir schlie\u00dfen.<\/p>\n\n\n\n Unsere Vision ist es, die zentrale Infrastruktur f\u00fcr die datengesteuerte Welt von morgen zu schaffen. Langfristig soll Tentris Unternehmen dabei helfen, ihre Daten nicht l\u00e4nger als isolierte Tabellen, Dokumente oder Systeme zu betrachten, sondern als zusammenh\u00e4ngendes, semantisch verst\u00e4ndliches Wissensnetz.<\/p>\n\n\n\n Wir m\u00f6chten eine Dateninfrastruktur erm\u00f6glichen, in der Unternehmenswissen sofort nutzbar, verkn\u00fcpft, erkl\u00e4rbar und f\u00fcr KI-Systeme zuverl\u00e4ssig zug\u00e4nglich ist. Das Ziel ist eine Art semantische Schicht \u00fcber bestehenden Datenplattformen: Daten werden automatisch verst\u00e4ndlicher, Beziehungen werden sichtbar, und Analysen starten mit Kontext statt mit aufwendiger manueller Datenvorbereitung.<\/p>\n\n\n\n Tentris richtet sich vor allem an mittelgro\u00dfe und gro\u00dfe Unternehmen, die mit gro\u00dfen, heterogenen und stark vernetzten Datenmengen arbeiten. Besonders relevant ist unsere Technologie f\u00fcr Branchen wie Life Sciences, Finanzdienstleistungen, Maschinenbau, Industrie 4.0, Forschung, Software und Telekommunikation.<\/p>\n\n\n\n Diese Unternehmen stehen h\u00e4ufig vor \u00e4hnlichen Herausforderungen: Daten liegen verteilt in verschiedenen Systemen, Abfragen \u00fcber komplexe Zusammenh\u00e4nge dauern zu lange, bestehende Systeme skalieren nicht wirtschaftlich, und Data-Science-Teams verbringen zu viel Zeit mit Datenintegration statt mit Erkenntnisgewinn. Tentris soll genau hier ansetzen: weniger manuelle Datenaufbereitung, geringere Infrastrukturkosten und schnellere, pr\u00e4zisere Einblicke in komplexe Zusammenh\u00e4nge.<\/p>\n\n\n\n KI ist nur so gut wie der Kontext, auf den sie zugreifen kann. Wenn Unternehmensdaten in Silos liegen, fehlen KI-Systemen wichtige Zusammenh\u00e4nge: Welche Kunden, Produkte, Prozesse, Dokumente oder Ereignisse miteinander verbunden sind, bleibt oft unsichtbar. Das f\u00fchrt zu unvollst\u00e4ndigen Analysen, schlechteren Entscheidungen und bei generativer KI auch zu unzuverl\u00e4ssigen oder schwer nachvollziehbaren Antworten.<\/p>\n\n\n\n Gerade Enterprise-AI-Anwendungen brauchen eine vertrauensw\u00fcrdige Datengrundlage. Wissensgraphen k\u00f6nnen hier als semantische \u201eGround Truth Layer\u201c dienen: Sie verbinden Fakten, Metadaten, Dokumente und Beziehungen zu einer erkl\u00e4rbaren Wissensbasis. Dadurch wird KI nicht nur leistungsf\u00e4higer, sondern auch nachvollziehbarer und auditierbarer. Gleichzeitig k\u00f6nnen Halluzinationen reduziert oder vermieden werden, weil KI-Systeme ihre Antworten auf verifizierbare, aktuelle und kontextreiche Unternehmensdaten st\u00fctzen, statt ausschlie\u00dflich auf probabilistische Sprachmodelle angewiesen zu sein.<\/p>\n\n\n\n Klassische Datenbanken sind sehr stark darin, strukturierte Daten zu speichern und bekannte Abfragen effizient zu beantworten. Sie tun sich aber schwer, wenn Daten sehr heterogen sind, sich h\u00e4ufig ver\u00e4ndern und komplexe Beziehungen im Mittelpunkt stehen. RAG-Systeme wiederum helfen dabei, Sprachmodelle mit externen Informationen zu versorgen, basieren aber h\u00e4ufig vor allem auf \u00c4hnlichkeitssuche. Das reicht nicht immer aus, wenn Unternehmen pr\u00e4zise, \u00fcberpr\u00fcfbare und mehrstufige Schlussfolgerungen ben\u00f6tigen.<\/p>\n\n\n\n Tentris setzt genau zwischen diesen Welten an. Unsere Graphdatenbank macht Beziehungen explizit, standardisiert und effizient abfragbar. Dadurch entsteht eine strukturierte, erkl\u00e4rbare Wissensbasis, die KI-Systeme mit verl\u00e4sslichem Kontext versorgt. Statt nur \u00e4hnliche Textpassagen zu finden, kann eine KI mit Tentris auf konkrete Fakten, Beziehungen und Zusammenh\u00e4nge zugreifen.<\/p>\n\n\n\n Wissensgraphen bilden Daten nicht isoliert ab, sondern zeigen ihre Beziehungen und Bedeutungen. Das ist besonders wertvoll, wenn Unternehmen Informationen aus unterschiedlichen Quellen zusammenf\u00fchren m\u00fcssen, etwa aus ERP-Systemen, CRM-Plattformen, Sensordaten, Dokumenten oder Forschungsdaten.<\/p>\n\n\n\n F\u00fcr KI-Anwendungen bieten Wissensgraphen drei zentrale Vorteile: Erstens liefern sie Kontext, der f\u00fcr pr\u00e4zisere Antworten entscheidend ist. Zweitens machen sie Zusammenh\u00e4nge erkl\u00e4rbar, weil Beziehungen explizit modelliert sind. Drittens erm\u00f6glichen sie flexible Datenintegration, da neue Datenquellen und neue Beziehungen erg\u00e4nzt werden k\u00f6nnen, ohne das gesamte System neu zu entwerfen. So wird aus verstreutem Unternehmenswissen eine nutzbare, maschinenlesbare Wissensbasis.<\/p>\n\n\n\n Diese drei Aspekte sind f\u00fcr uns zentral. Geschwindigkeit ist entscheidend, weil Unternehmen nicht Stunden oder Tage auf Antworten warten k\u00f6nnen, wenn sie Entscheidungen treffen oder KI-Anwendungen produktiv einsetzen m\u00f6chten. Skalierbarkeit ist genauso wichtig, weil Datenmengen und Datenbeziehungen in Unternehmen stark wachsen.<\/p>\n\n\n\n Erkl\u00e4rbarkeit ist im Enterprise-Kontext besonders relevant. Unternehmen m\u00fcssen nachvollziehen k\u00f6nnen, auf welcher Grundlage eine Analyse oder KI-Antwort zustande kommt. Tentris kombiniert deshalb eine leistungsf\u00e4hige Graphdatenbank mit einer Architektur, die komplexe Beziehungen effizient auswertet und gleichzeitig eine nachvollziehbare semantische Grundlage schafft. Unsere Technologie nutzt unter anderem Worst-Case Optimal Joins und den Hypertrie-Index, um komplexe Graphabfragen deutlich schneller und ressourcenschonender auszuf\u00fchren.<\/p>\n\n\n\n Eine der gr\u00f6\u00dften Herausforderungen ist die Balance zwischen Performance, Skalierbarkeit, Speicherverbrauch und Benutzerfreundlichkeit. Unternehmen arbeiten mit sehr unterschiedlichen Datenquellen, Formaten und Systemlandschaften. Eine L\u00f6sung muss daher nicht nur technisch leistungsf\u00e4hig sein, sondern sich auch gut in bestehende Infrastrukturen integrieren lassen.<\/p>\n\n\n\n Hinzu kommt, dass Enterprise-AI-Anwendungen besonders hohe Anforderungen an Zuverl\u00e4ssigkeit, Aktualit\u00e4t und Nachvollziehbarkeit stellen. Es reicht nicht, Daten einfach nur schnell bereitzustellen. Sie m\u00fcssen korrekt, kontextreich und auditierbar sein. Genau deshalb investieren wir stark in robuste Datenbanktechnologie, Standards wie RDF und SPARQL sowie in effiziente Abfrage- und Speicherstrukturen.<\/p>\n\n\n\n Wissenschaftliche Forschung ist ein zentraler Bestandteil unserer DNA. Tentris ist aus akademischer Forschung entstanden und basiert auf mehreren Jahren Arbeit an Wissensgraphen, Graphdatenbanken und KI-relevanter Dateninfrastruktur. Diese N\u00e4he zur Forschung erm\u00f6glicht es uns, nicht nur bestehende Systeme zu verbessern, sondern grundlegende technologische Ans\u00e4tze neu zu denken.<\/p>\n\n\n\n Gleichzeitig ist uns wichtig, Forschung in ein praxistaugliches Produkt zu \u00fcberf\u00fchren. Tentris ist kein reines Forschungsprojekt, sondern ein industriell einsetzbares Backend-Produkt. Die F\u00f6rderung im Rahmen des EXIST-Forschungstransfers vom Bundesministerium f\u00fcr Wirtschaft und Energie (BMWE) unterst\u00fctzt uns dabei, diesen Schritt von exzellenter Forschung in den industriellen Einsatz zu gehen.<\/p>\n\n\n\n Aktuell liegt unser Fokus darauf, TentrisDB weiter zur Marktreife zu bringen, die Community Edition auszurollen und anschlie\u00dfend Enterprise-Kunden mit einer On-Prem-Version zu unterst\u00fctzen. Langfristig planen wir au\u00dferdem eine vollst\u00e4ndig gemanagte Cloud-Version, die Unternehmen eine skalierbare semantische Infrastruktur ohne operativen Mehraufwand bietet.<\/p>\n\n\n\n Parallel dazu arbeiten wir daran, Tentris als semantische Schicht f\u00fcr Enterprise AI weiterzuentwickeln. Unser Ziel ist es, Wissensgraphen im gro\u00dfen Ma\u00dfstab f\u00fcr Unternehmen einfacher nutzbar zu machen: von schneller Graph-Analytics \u00fcber KI-Kontextanreicherung bis hin zu einem langfristigen Semantic-Data-Lakehouse-Ansatz.<\/p>\n\n\n\n Erstens: Verliebt euch nicht nur in die Technologie, sondern versteht sehr genau, welches reale Problem ihr l\u00f6st. DeepTech ist nur dann erfolgreich, wenn aus wissenschaftlicher Exzellenz ein klarer Nutzen f\u00fcr Kunden entsteht.<\/p>\n\n\n\n Zweitens: \u00dcbersetzt Forschung fr\u00fch in ein Produkt. Wissenschaftliche Tiefe ist ein gro\u00dfer Vorteil, aber Unternehmen kaufen keine Paper, sondern L\u00f6sungen, die zuverl\u00e4ssig funktionieren, integrierbar sind und wirtschaftlichen Mehrwert schaffen.<\/p>\n\n\n\n Drittens: Baut ein Team, das Forschung, Technologie und Business gleicherma\u00dfen versteht. Gerade bei DeepTech braucht es Menschen, die komplexe Ideen erkl\u00e4ren, produktisieren und in den Markt bringen k\u00f6nnen. Der Weg von der Universit\u00e4t zum Unternehmen ist anspruchsvoll, aber genau dort entstehen oft die spannendsten Innovationen.<\/p>\n\n\n\n Bildcredits Tentris<\/p>\n\n\n\n Wir bedanken uns bei den Gr\u00fcndern<\/a> f\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\nWie entstand die Idee, mit Tentris eine neue Generation von Graphdatenbanken und KI-L\u00f6sungen f\u00fcr Unternehmen zu entwickeln?<\/h3>\n\n\n\n
Welche Vision verfolgen Sie mit Tentris, und wie m\u00f6chten Sie den Umgang mit Unternehmensdaten langfristig ver\u00e4ndern?<\/h3>\n\n\n\n
An welche Zielgruppen richtet sich Tentris haupts\u00e4chlich, und welche Herausforderungen m\u00f6chten Sie f\u00fcr diese Unternehmen l\u00f6sen?<\/h3>\n\n\n\n
Viele Unternehmen k\u00e4mpfen mit Datensilos und verstreuten Informationen. Warum ist dieses Problem gerade im Zeitalter der K\u00fcnstlichen Intelligenz so entscheidend?<\/h3>\n\n\n\n
Tentris verbindet Graphdatenbanken mit KI. Was macht diesen Ansatz aus Ihrer Sicht besonders im Vergleich zu klassischen Datenbanken oder RAG-Systemen?<\/h3>\n\n\n\n
Welche Vorteile bieten Wissensgraphen, wenn Unternehmen ihre Daten effizienter nutzen und KI-Anwendungen pr\u00e4ziser machen m\u00f6chten?<\/h3>\n\n\n\n
Wie wichtig sind Geschwindigkeit, Skalierbarkeit und erkl\u00e4rbare KI bei der Entwicklung Ihrer Technologien?<\/h3>\n\n\n\n
Welche Herausforderungen begegnen Ihnen bei der Entwicklung von L\u00f6sungen f\u00fcr komplexe Unternehmensdaten und anspruchsvolle KI-Anwendungen?<\/h3>\n\n\n\n
Tentris ist aus einer Universit\u00e4t hervorgegangen. Welche Rolle spielt die wissenschaftliche Forschung f\u00fcr die Weiterentwicklung Ihres Unternehmens?<\/h3>\n\n\n\n
Welche n\u00e4chsten Entwicklungsschritte und Wachstumsziele stehen bei Tentris aktuell im Fokus?<\/h3>\n\n\n\n
Welche drei Ratschl\u00e4ge w\u00fcrden Sie anderen Gr\u00fcnderinnen und Gr\u00fcndern geben, die aus wissenschaftlicher Forschung ein erfolgreiches DeepTech-Unternehmen aufbauen m\u00f6chten?<\/h3>\n\n\n\n