Innovationen für die Drohnenabwehr auf dem Truppenübungsplatz: Air Force Innovation Day 2026

Gemeinsam vom HTGF und der Luftwaffe organisiert, bringt die Veranstaltung militärische Herausforderungen mit Startup-Lösungen für Drohnen und Drohnenabwehr zusammen.

An den zwei Veranstaltungstagen trafen militärische Herausforderungen und Startup-Technologien in einem sehr praxisnahen Umfeld aufeinander:

• Live-Demos und ein Innovationsrundgang auf einem aktiven Übungsgelände
• Mehrere Keynotes und Fachvorträge in der Clausewitz-Kaserne in Burg
• Startup-Präsentationen zu grundlegenden Fragen der Souveränität und Sicherheit mit anschließender Diskussion mit dem Publikum

Mehr als 200 Anmeldungen zeigen den Bedarf an einem solchen Austausch. Startups konnten potenzielle Anwender direkt kennenlernen, während Angehörige der Luftwaffe die Technologien aus nächster Nähe erleben konnten.

Alle Fotos: Steffen Böttcher

„Wir setzen an der Ursache an, nicht am Symptom“ – Jeroen Hoet über den Durchbruch bei eyeo B.V.’s Sensortechnologie

Interview mit Jeroen Hoet, Mitgründer und CEO von eyeo B.V.

Jeder Kamerasensor der Welt hat dieselbe jahrzehntealte Einschränkung. Warum gab es so lange kaum grundlegende Fortschritte in der Sensorentwicklung, und was hat euch schließlich ermöglicht, das Problem zu lösen?

Jeder Kamerasensor funktioniert nach demselben Prinzip: Vor jedem Pixel sitzt ein winziger roter, grüner oder blauer Farbfilter, der nur die jeweils passende Farbe durchlässt und den Rest blockiert. Diese Filter ermöglichen es dem Sensor, Farbe zu erkennen, absorbieren dabei aber auch 70 Prozent des Lichts, bevor es überhaupt den Pixel erreicht.

Sensorhersteller haben rund um diesen Filter erhebliche Fortschritte erzielt: Sensoren wurden schneller, kleiner, empfindlicher und einfacher in großem Maßstab zu fertigen. Dieser gesamte Fortschritt fand jedoch rund um den Filter statt. Der Filter selbst blieb seit seiner Einführung vor über 50 Jahren weitgehend unverändert.

Für uns begann die Veränderung mit Forschung, die 2018 beim imec startete. Die Forschung zeigte erstmals, dass sich vertikale Wellenleiter-Nanostrukturen nutzen lassen, um Farbinformationen ohne Filter und auf einer Skala unterhalb der Beugungsgrenze zu gewinnen.

Im Kern konnten wir Licht nun nicht mehr filtern, sondern aufspalten. Wir fangen das gesamte Licht ein und trennen es in seine Farben und leiten jedes Photon direkt zu dem Pixel, für das es bestimmt ist.

Entscheidend war dabei die Fähigkeit von imec, in den eigenen, hochmodernen Anlagen Prototypen zu entwickeln. Letztlich machte die Kombination verschiedener Kompetenzen den Unterschied: Expertise in Photonik, Bildgebung und Farbwissenschaft, die Möglichkeit, in einer hauseigenen CMOS-Fertigungsstätte Prototypen zu entwickeln, und vor allem die Bereitschaft, Farbbildgebung grundlegend neu zu denken, statt nach der nächsten kleinen Verbesserung am Filter zu suchen.

Heute bauen wir auf dieser Forschung auf und überführen sie in konkrete Produkte. Die durch über 26 Patente geschützte eyeo NCOS®-Plattform verdreifacht die Lichtempfindlichkeit und überwindet bisherige Auflösungsgrenzen. Dieser Durchbruch ermöglicht Bildqualität, Farbgenauigkeit, Auflösung und Kosteneffizienz in einer Form, die  bisher nicht erreichbar war.

Um diesen Durchbruch zu erzielen,  brauchte es die richtige Forschung, den richtigen Zeitpunkt und ein Team, das bereit war, sich vollständig auf einen neuen Ansatz einzulassen.

Von der Gründung Ende 2024 bis zu einer Series A über 40 Millionen Euro im Jahr  2026: Was war die schwierigste Phase und wie habt ihr sie gemeistert?

Die schwierigste Phase war der Übergang von einem bedeutenden wissenschaftlichen Durchbruch zu einem Unternehmen, dem Kunden, Partner und Investoren zutrauen, die Technologie auch in der Praxis und im industriellen Maßstab zu liefern.

Die Technologie war im Forschungsumfeld bewiesen. Gleichzeitig mussten wir darauf aufbauend ein fertigungstaugliches Produkt entwickeln, Fertigungspartnerschaften aufbauen, und ein Team mit umfassender Expertise in Halbleitern und Optik gewinnen. All das musste parallel geschehen, während wir unseren Wert gegenüber sehr unterschiedlichen Branchen unter Beweis stellen mussten.

Diese erste Phase haben wir gemeistert, indem wir eng mit unseren frühen Investoren zusammengearbeitet haben, darunter der HTGF, der ein tiefes Verständnis dafür hat, was erforderlich ist, um ein derart ambitioniertes Projekt auf den Weg zu bringen.

Außerdem sind wir bei der Reihenfolge unserer Arbeit sehr diszipliniert vorgegangen. Zuerst haben wir  die Kerntechnologie bewiesen, anschließend sind wir Schritt für Schritt in weitere Branchen expandieren.

In sehr kurzer Zeit ist uns der Übergang von einem forschungsgetriebenen zu einem produktorientierten Unternehmen mit klarem Fokus auf die Markteinführung gelungen.  Dabei haben wir eine strategische Produkt-Roadmap und eine klare Unternehmensvision entwickelt. Genau diese Disziplin hat uns erlaubt, mit belastbaren technischen und kommerziellen Nachweisen in unsere Series A zu gehen.

Wie stärkt die Kombination aus fortgesetzter Unterstützung bestehender Investoren und einem neuen Investor eure Fähigkeit zu skalieren?

Es bedeutet mir sehr viel, dass unsere bestehenden Investoren weiterhin an unserer Seite stehen. Es zeigt, dass diejenigen, die uns seit den frühesten Tagen genau beobachtet und die Entwicklung unserer  Technologie sowie das Wachstum unseres Teams verfolgt haben, nach wie vor fest an unsere Zukunft glauben.

Mit Innovation Industries als neuem Lead-Investor kommt ein Partner hinzu, der umfassende Erfahrung bei der Skalierung von Technologieunternehmen mitbringt. Dazu gehört auch ein Netzwerk, das uns Türen öffnet, die uns allein verschlossen geblieben wären.

Gemeinsam gibt uns das sowohl Stabilität als auch Momentum: Kapital und Vertrauen von denjenigen, die uns am besten kennen, sowie neue Expertise und Kontakte von einem Partner, der genau auf diese Wachstumsphase spezialisiert ist. Das erlaubt uns, unsere Fertigung zu skalieren, unser Team auszubauen und schneller in unsere strategisch wichtigen Märkte zu expandieren. Gleichzeitig teilen alle unsere  Investoren dieselbe langfristige Perspektive.

Die Series A ist abgeschlossen. Worauf kommt es in der nächsten Phase besonders an?

Unsere Priorität ist jetzt, nachzuweisen, dass unsere Sensoren auch im großen Maßstab einen echten, wiederholbaren Mehrwert liefern. Wir gehen dabei stufenweise vor, über unsere Kernmärkte hinweg: Smart City, industrielle Inspektion, Physical AI, Automotive, Drohnen, XR und Mobile.

Der konkrete nächste Schritt ist unser Evaluation Kit. Wir werden es einer ausgewählten Gruppe von Tier-1-Kunden zur Verfügung stellen, die unsere Sensoren direkt in ihren eigenen Systemen testen werden. So können sie intern umfassend prüfen,  ob die Leistungssteigerung den von uns kommunizierten Werten entspricht.

Anschließend wollen wir unsere ersten kommerziellen Sensoren auf den Markt bringen. Partner, die unsere Technologie mit dem Evaluation Kit validiert haben, sollen damit unmittelbar in die Serienproduktion übergehen können.

Parallel dazu wollen wir unsere Fertigungspartnerschaften weiter ausbauen, um zuverlässig auf Produktionsniveau liefern zu können. Außerdem werden wir unser Team in den Bereichen Entwicklung, Vertrieb und operative Funktionen weiter verstärken, um mit dem Tempo Schritt zu halten, das unsere Kunden erwarten.

Darüber hinaus entwickeln wir bereits die nächste Sensorgeneration, um unsere Produkt-Roadmap zu beschleunigen und der Nachfrage gerecht zu werden.

Wenn wir diese Ziele in den kommenden anderthalb Jahren  erreichen, schaffen wir die Grundlage dafür,  zur Standardlösung für die Bildgebung der Zukunft zu werden.

HTGF ist als Seed-Investor sehr früh eingestiegen. Was hat euch das konkret ermöglicht?

Das Seed-Investment vom HTGF kam zu einem Zeitpunkt, als wir noch beweisen mussten, dass aus einem wissenschaftlichen Durchbruch im Labor ein echtes Unternehmen werden kann.

Konkret hat uns das Kapital ermöglicht, unser erstes Team aufzubauen, unser Sensor-Design-Center in Antwerpen einzurichten und mit der Patentarbeit zu beginnen. Heute schützen diese Patente 26 Innovationen, die auf der ursprünglichen Forschung aufbauen. Genauso wichtig war die Erfahrung vom HTGF mit Deep-Tech-Unternehmen. Sie hat uns wertvolle Orientierung bei Fragen der Unternehmensführung, beim Aufbau des Teams und im Bereich Investor Relations gegeben.

Das Netzwerk des HTGFs hat außerdem frühe Gespräche mit Partnern und Investoren ermöglicht, die uns gut auf unsere Series A vorbereitet haben. HTGF ist früh das Risiko eingegangen, in eine Technologie zu investieren, die gerade erst das Labor verlassen hatte. Das hat maßgeblich dazu beigetragen, unser Unternehmen in die nächste Entwicklungsphase zu bringen.

Eure Mission ist es, jedem Gerät perfektes Sehen zu ermöglichen. Welcher konkrete Meilenstein würde in fünf Jahren zeigen, dass ihr dieses Versprechen wirklich eingelöst habt?

In fünf Jahren wird „eyeo inside“ zu einem Qualitätssiegel, nach dem Menschen gezielt suchen. Der ultimative Erfolg wäre für uns erreicht, wenn sich Kunden für ein Gerät entscheiden, weil es mit einem eyeo Sensor ausgestattet ist.

Konkret bedeutet das Smart-City-Systeme, die auch unter schwierigsten Bedingungen klar sehen und dadurch Leben schützen, wenn es darauf ankommt. Es bedeutet Inspektionssysteme, die Fehler erkennen, die heute noch übersehen werden. Es bedeutet Physical AI und Roboter, die gut genug sehen, um aufgrund ihrer Wahrnehmung autonom zu handeln.

Es bedeutet außerdem neue medizinische Geräte und lebensrettende Verfahren, die kompakt oder empfindlich genug sind, um sichtbar zu machen, was früher unsichtbar war. Es bedeutet Autos, die Gefahren rechtzeitig erkennen, um ihnen auszuweichen.

Und es bedeutet das Ende verpasster Erinnerungen: Smartphone-Kameras, die selbst unter den schwierigsten Lichtbedingungen und in kleinsten Bauformen perfekte Bilder aufnehmen.

Wenn  mehrere große Gerätehersteller in diesen Bereichen unsere Sensoren als Grundlage ihrer Bildgebung einsetzen und unsere Technologie in Millionen von Geräten im Einsatz ist, dann wissen wir, dass wir unser Versprechen wirklich eingelöst haben.

Der entscheidende Meilenstein ist jedoch, was sich in den Köpfen von Ingenieurinnen und Ingenieuren verändert: Wenn jemand bei der Entwicklung einer neuen Kamera ganz selbstverständlich unsere Sensoren als erste Wahl in Betracht zieht, dann haben wir die Art und Weise verändert, wie die Branche über Bildgebung und Sehen selbst denkt. Dann wird eyeo B.V. zu einem führenden, unabhängigen und globalen Unternehmen für Bildsensoren aus Europa geworden sein. So werden wir von Europa aus als unabhängiges, weltweit führendes Unternehmen für Bildsensoren Maßstäbe setzen und damit unsere Vision verwirklichen: mit perfekter visueller Intelligenz das Leben der Menschen besser zu machen.

Vielen Dank für die Einblicke!

TrustNXT: Wie werden Daten für autonome Systeme vertrauenswürdig?

Wenn KI-Systeme Roboter steuern oder Waren autonom transportieren, wird die Verlässlichkeit ihrer Daten zur Sicherheitsfrage. Woher stammen die Daten, wurden sie verändert – und was ist bei ihrer Verarbeitung passiert? Genau hier setzt das HTGF-Portfoliounternehmen TrustNXT an. Das Startup entwickelt einen „Trust Layer“ für Physical AI, also für KI-Systeme, die ihre physische Umgebung wahrnehmen und darin handeln. Die Technologie macht Herkunft, Integrität und Verarbeitungsschritte von Daten überprüfbar und schafft eine nachvollziehbare Datenkette vom Sensor bis zur autonomen Entscheidung. Im Interview erklärt Mitgründerin und Geschäftsführerin Ariane Scheer-Danielsson, warum TrustNXT diesen Fokus setzt, welche Rolle vertrauenswürdige Daten für Robotik und Logistik spielen und was sie dabei als Gründerin gelernt hat. 

Ariane, wenn KI nicht nur Inhalte erzeugt, sondern Maschinen steuert, können fehlerhafte oder manipulierte Daten unmittelbare Folgen haben. Kannst du das an einem Beispiel erklären?

Gerne. Stellen wir uns einen mobilen Roboter in einer Fabrikhalle vor, der sich autonom zwischen Menschen, Maschinen und Produktionsbereichen bewegt. Über Kameras und andere Sensoren erkennt er seine Umgebung und entscheidet beispielsweise, ob er weiterfahren, ausweichen oder anhalten muss. Wenn diese Daten manipuliert wurden, einzelne Informationen fehlen oder auf dem Weg durch verschiedene Systeme verändert wurden, kann der Roboter auf einer falschen Datengrundlage handeln. Aus einem digitalen Datenproblem wird dann sehr schnell ein physisches Sicherheitsproblem.
Das wird umso relevanter, je häufiger Roboter mit Menschen zusammenarbeiten und sich außerhalb klar abgegrenzter Bereiche bewegen.
Gleichzeitig lässt sich im Nachhinein oft nur schwer belegen, welche Daten einer Entscheidung zugrunde lagen und ob sie authentisch und unverändert waren. Genau diese Lücke wollen wir mit TrustNXT schließen, indem wir Datenherkunft, Datenintegrität und Verarbeitungsschritte kryptografisch absichern und technisch nachweisbar machen.

Ihr richtet TrustNXT auf Physical AI aus. Was hat euch zu dieser Fokussierung bewogen – und warum ist jetzt der richtige Zeitpunkt dafür?

Im Kern geht es bei unserer Technologie um Datenintegrität und Provenance, und sie ist damit grundsätzlich in vielen Bereichen einsetzbar. In der Validierung wurde aber sehr klar, wo der größte Hebel liegt: dort, wo digitale Daten unmittelbar physische Entscheidungen auslösen. Deshalb haben wir unseren Fokus auf Physical AI geschärft, insbesondere auf Robotik und Logistik.
Gleichzeitig entwickelt sich der Markt genau in die genannte Richtung. Roboter verlassen zunehmend klar abgegrenzte und kontrollierte Umgebungen. Stattdessen werden sie in offenen, dynamischen Szenarien eingesetzt und interagieren dort autonom mit Menschen, Maschinen und anderen Systemen. Dadurch werden die zugrunde liegenden Infrastrukturen dezentraler. Daten aus unterschiedlichen Sensoren, Geräten und verschiedenen Herstellern müssen verlässlich zusammenspielen. Je autonomer diese Systeme agieren, desto wichtiger wird die Frage, ob man ihrer Datengrundlage vertrauen kann. Genau hier entsteht aus unserer Sicht der Bedarf für eine Lösung, die manipulationssichere Datenintegrität bieten kann.

Ihr bezeichnet eure Lösung als „Trust Layer für Physical AI“. Was steckt dahinter? Und wie funktioniert euer Ansatz in der Praxis?

TrustNXT entwickelt einen herstellerunabhängigen Software-Trust-Layer für Physical AI. Die technologische Grundlage wurde über mehrere Jahre in Forschung und Entwicklung aufgebaut. Ein wesentlicher Teil davon entstand bei der Basler AG, aus der TrustNXT ausgegründet wurde. Auch ein Teil unseres Patentportfolios geht auf diese Entwicklungsarbeit zurück und wurde seitdem weiterentwickelt.
Technisch werden Daten möglichst nah an ihrer Quelle kryptografisch abgesichert. Anschließend erfassen wir relevante Verarbeitungsschritte und Übergaben zwischen Geräten, Softwarekomponenten oder KI-Agenten.
So entsteht eine durchgängige, unveränderbare und auditierbare Data Lineage vom Sensor bis zur autonomen Entscheidung. Damit lässt sich technisch nachweisen, woher Daten stammen, ob sie verändert wurden und welche Verarbeitungsschritte sie durchlaufen haben.

Welche Lücke schließt ihr gegenüber bestehenden Sicherheitsmaßnahmen?

Bestehende Sicherheitsmaßnahmen schützen vor allem Geräte, Netzwerke, Identitäten oder Zugriffe. Das ist notwendig, beantwortet aber eine andere Frage als wir.
Ein System kann sauber authentifiziert, gegen unberechtigten Zugriff geschützt und Ende-zu-Ende verschlüsselt sein. Damit ist aber noch nicht nachgewiesen, woher die Daten stammen, ob sie bereits vorher verändert wurden oder welche Verarbeitungsschritte sie anschließend durchlaufen haben.
Genau hier setzen wir an. TrustNXT ergänzt bestehende Cybersecurity um eine Vertrauensschicht auf Datenebene. Statt nur Systeme und Zugänge abzusichern, schaffen wir eine belastbare Data Lineage für die Daten selbst. Das wird besonders relevant, wenn Komponenten verschiedener Hersteller zusammenspielen, Daten mehrere Systeme durchlaufen und daraus autonome Entscheidungen entstehen. Gerade in offenen, dezentralen Umgebungen ist das entscheidend.

Wo seht ihr derzeit die konkreteste Nachfrage: in Robotik, Logistik oder kritischer Infrastruktur? Kannst du anhand eines Projekts erläutern, wie weit ihr in der praktischen Erprobung seid und woran sich der Nutzen messen lässt?

Die stärkste konkrete Nachfrage sehen wir derzeit in der Robotik, insbesondere im Bereich AI-enabled Vision. Kameras und andere Sensoren werden zunehmend zur Grundlage autonomer Entscheidungen – etwa wenn ein Roboter Personen, Hindernisse oder Objekte erkennt und daraus eine Handlung ableitet.
Wir adaptieren aktuell unseren bereits validierten Prototypen gemeinsam mit Industriepartnern für solche Anwendungen. TrustNXT sichert dabei die zugrunde liegende Datenkette ab und macht sie technisch überprüfbar. Dadurch lassen sich Fehler besser analysieren, Abläufe leichter auditieren und belastbare Nachweise erbringen.
Derselbe Ansatz lässt sich auch auf physische Ereignisse in der Logistik übertragen: Warenübergaben zwischen Menschen, Fahrzeugen, Maschinen oder Robotern können verifizierbar dokumentiert werden. So lässt sich eine durchgängige Chain of Custody aufbauen, die den Aufwand für manuelle Dokumentation reduziert, Reklamationen schneller klärt und Verantwortlichkeiten bei Verlusten oder Schäden besser zuordnet.

Welche regulatorischen Anforderungen begegnen euch in Kundengesprächen konkret – und welche Rolle spielen sie bei der Entscheidung für eure Lösung?

Insbesondere die EU-Regulatorik spielt inzwischen eine wichtige Rolle. Im Mittelpunkt stehen dabei Anforderungen an Nachvollziehbarkeit, Datenintegrität, Logging und technische Dokumentation – etwa im Zusammenhang mit dem AI Act, der Maschinenverordnung und der neuen Produkthaftungsrichtlinie. 
TrustNXT adressiert genau den technischen Teil dieser Anforderungen, bei dem belastbar dokumentiert werden muss, auf welcher Datengrundlage ein autonomes System gehandelt hat. Dafür schaffen wir eine kryptografisch verifizierbare Data Lineage. 
Regulatorik verstärkt damit einen Bedarf, den wir ohnehin aus Safety-, Haftungs- und Fehleranalyse-Sicht sehen: Im Ernstfall reicht es nicht, nur das Ergebnis eines Systems zu kennen. Man muss auch technisch belegen können, wie es zustande gekommen ist. 

Welche Rolle spielt der HTGF für euch in der Frühphase?

Für uns ist der HTGF in der Frühphase besonders wertvoll, weil das Team die längeren Entwicklungs-, Validierungs- und Vertriebszyklen von Deep Tech kennt und entsprechend einordnen kann. Gerade bei einem Unternehmen wie TrustNXT, das eng mit Industriepartnern arbeitet und neue Technologien in bestehende Systeme integrieren muss, ist dieses Verständnis wichtig.
Dazu kommen die sehr gute Reputation und das außergewöhnlich breite Netzwerk des HTGF, insbesondere in die Industrie. Für uns bedeutet das Zugang zu potenziellen Partnern, Pilotprojekten und relevanten Ansprechpartnern in großen Unternehmen. Diese Kombination aus Deep-Tech-Verständnis, Reputation und Industrie-Netzwerk ist für uns besonders wertvoll. Und ich schätze, dass die Zusammenarbeit nicht nur unterstützend, sondern auch kritisch ist – die unbequemen Fragen helfen uns oft am meisten.

Was hättest du vor der Gründung von TrustNXT gern gewusst – und was würdest du angehenden Gründer:innen mitgeben?

Ich hätte vor der Gründung gern früher verstanden, dass eine starke Technologie nicht automatisch zu kommerziellen Kunden führt. Gerade im Deep-Tech-Bereich kann die Lösung technisch überzeugen – trotzdem muss man herausfinden, welches Problem für Unternehmen dringend genug ist, um dafür Budget, Zeit und interne Ressourcen zu mobilisieren.
Mein Rat wäre deshalb, möglichst früh mit potenziellen Anwendern zu arbeiten und sehr genau zuzuhören, um herauszufinden, wo tatsächlich ein konkreter Bedarf besteht. Außerdem sollte man sich daran gewöhnen, Entscheidungen auf Basis unvollständiger Informationen zu treffen und den eigenen Fokus agil anzupassen.
Trotz aller Herausforderungen würde ich diesen Weg jederzeit wieder gehen. Gerade in Deutschland und Europa sollten wir mehr aus unserer starken Forschung und technologischen Kompetenz machen und daraus international erfolgreiche Unternehmen aufbauen. Dafür braucht es Unternehmerinnen und Unternehmer, die etwas wagen, und Investoren wie den HTGF, die den Mut haben, solche Wege früh mitzugehen.

Danke für die Einblicke, Ariane.

Kausale KI aus Europa: Wie kausable die nächste Generation von KI entwickeln will

Das Heidelberger KI-Startup kausable hat kürzlich eine Seed-Finanzierung über 12 Millionen Euro abgeschlossen. Die Runde wurde von UVC Partners und Entourage angeführt; der HTGF und Mätch VC sind ebenfalls beteiligt. Das 2025 gegründete Unternehmen entwickelt kausale KI, die sich mit wenigen neuen Informationen an veränderte Situationen anpasst. Im Gespräch erklärt CEO und Co-Founder Johannes Haux, wie es zur Gründung von kausable kam, was hinter dem „reasoning-first“-Ansatz steckt und welchen konkreten Nutzen die Technologie für Industrieunternehmen schaffen kann. Hendryk Hosemann, Senior Investment Manager beim HTGF, spricht über die Investmentthese, das Gründerteam und die offenen Fragen auf dem Weg zur Skalierung.

Wie kam es zur Gründung von kausable?

Johannes: Meine Mitgründer Benjamin, Gregor und ich kennen uns aus unserer gemeinsamen Zeit als Forscher an der Universität Heidelberg. Wir haben aber nicht direkt aus der Forschung gegründet. Zu diesem Zeitpunkt waren wir alle schon eine Weile aus der Uni raus: Benjamin, unser CTO, arbeitete nach seiner Promotion bei secunet. Gregor, unser COO, war unter anderem bei Atruvia, und ich hatte bereits gegründet und anschließend bei AskUI gearbeitet. Schließlich nahm kausable als EXIST-Projekt an der SRH Heidelberg konkrete Form an.

Ein wichtiger Grund für uns war, dass wir etwas fundamental Neues schaffen wollten – und es an der einen Metrik messen, die wirklich Aussagekraft hat: Bauen wir etwas, das echten Mehrwert liefert, also etwas, das Leute kaufen? Wir wurden häufiger gefragt, warum wir daraus nicht einfach eine Forschungsgruppe machen. Genau deshalb: Wir wollen etwas bauen, das den Menschen und der Welt tatsächlich etwas bringt.

Dazu kam, dass wir früh das Potenzial gesehen haben. Wir kennen die Gründer von Black Forest Labs sehr gut, haben mit ihnen an der Uni gearbeitet und teilweise im selben Büro gesessen. Wir wissen also ein bisschen, wie es aussieht, wenn eine noch rohe Idee vor dem Durchbruch stehen kann. Als wir 2024 über die Gründung nachgedacht haben, hatten wir genau dieses Gefühl: Daraus kann etwas Großes werden – das sollten wir als Unternehmen versuchen.

Hendryk, was waren für dich die entscheidenden Gründe, in kausable zu investieren?

Hendryk: Für mich sind bei einem Frühphaseninvestment vor allem zwei Themen entscheidend: das Team und die Marktdynamik. Bei kausable ist beides ein Volltreffer.

Wir glauben an eine neue KI-Welle, bei der die europäischen Kernindustrien im Fokus stehen. Dort treffen hohe Qualitäts- und Regulationsansprüche auf sehr komplexe Prozesse und häufig geringe verfügbare Datenmengen. Klassische, rein korrelationsbasierte KI-Modelle und Applikationen reichen dafür nicht aus. Hier braucht es KI, die deterministisch arbeitet und mit wenigen vorhandenen Daten eingesetzt werden kann. kausable trifft diese These ins Mark.

Schon beim ersten Gespräch war für uns klar, dass wir hier ein einzigartiges Team gefunden haben, das in der Lage ist, diese starke Marktdynamik sowohl technologisch als auch kommerziell zu treiben und mitzugestalten.

Johannes, ihr sprecht von kausaler KI, einem „reasoning-first“-Ansatz und einem Weltmodell. Was bedeutet das konkret – und was verspricht euer Ansatz im Vergleich zu großen LLM-Anbietern?

Johannes: Der Begriff „Weltmodell“ ist mittlerweile ziemlich überbelegt. Deshalb versuche ich, ihn möglichst genau zu fassen. Wenn wir als Menschen lernen, eine Tür zu öffnen, müssen wir dafür nicht eine Million Mal gegen die Tür rennen oder stundenlang Videos anschauen. Wir sehen zwei, drei Demonstrationen, probieren selbst ein- oder zweimal herum und dann bekommen wir es hin.

Dabei aktualisieren wir unser Verständnis davon, wie die Welt funktioniert – in diesem Fall also, wie eine Tür funktioniert. Genau das ist für mich eine Art Weltmodell: etwas, das ich in mir trage und das mich befähigt, in der Welt klarzukommen.

Wir bauen ein Modell, das sich sehr effizient das passende Weltmodell für die konkrete Situation erstellt, ohne dafür explizit neu trainiert werden zu müssen. Es braucht bei dieser Anpassung keine klassischen Gradienten-Updates. Man zeigt dem Modell die Daten, es verarbeitet sie und trifft eine Vorhersage auf Basis des bestmöglichen Verständnisses, das es daraus gewinnen kann. Das ist ein fundamental anderer Ansatz als das, was heute meistens gemacht wird.

Ein direkter Vergleich mit LLMs ergibt nicht unbedingt Sinn. Sie betreiben Reasoning auf Basis von Sprache, während unser Modell sehr datenagnostisch ist. Wir arbeiten aktuell noch nicht mit Text, können aber bereits mit unterschiedlichen dynamischen Systemen umgehen. Ein Sprachmodell bringt viel Allgemeinwissen mit und ist ein wunderbares Interface zum Menschen. Unser Modell bringt dagegen praktisch kein Allgemeinwissen mit, außer der Annahme, dass die Welt über Ursache-Wirkungs-Beziehungen funktioniert, kann sich dafür aber auf neue Situationen und Daten einstellen.

Wir sehen beide Ansätze deshalb als ergänzende Technologien: Das Sprachmodell bildet das natürliche Interface zum Menschen, darunter liegt ein flexiblerer Layer, der unterschiedliche Daten nativ nutzen kann. Wenn man beides kombiniert, entsteht wahrscheinlich eine sehr starke Technologie.

Welche Ergebnisse zeigen bereits, dass sich euer Ansatz über unterschiedliche Anwendungsfelder hinweg überträgt?

Johannes: Bei der Vorhersage kritischer Punkte in komplexen Systemen haben wir bereits belastbare Ergebnisse. Dazu haben wir ein Paper eingereicht, das aktuell im Review ist und rund 15 Domänen untersucht. Nachdem das Paper fertig war, haben wir noch weitere Domänen hinzugenommen.

Wir können zum Beispiel Blackouts in Stromnetzen mit mehreren Minuten Vorlaufzeit vorhersagen. Bei epileptischen Anfällen auf Basis von EEG-Daten erreichen wir mindestens eine Minute Vorlaufzeit. Das sind Zeitfenster, in denen man sinnvoll reagieren kann. Und genau dadurch wird der Wert konkret sichtbar.

Für uns ist vor allem spannend, dass das Modell mit einem sehr großen Portfolio an unterschiedlichen Datensätzen umgehen kann. Das ist ein starkes erstes Zeichen dafür, dass sich unser Ansatz über verschiedene dynamische Systeme hinweg übertragen lässt. Natürlich sind das zunächst Forschungsergebnisse. Der nächste Schritt ist jetzt, sie gemeinsam mit Partnern in konkreten Anwendungen zu validieren.

Welches konkrete Problem kann kausable für Industrieunternehmen lösen?

Johannes: Ein Projekt, das wir uns gerade mit einem potenziellen Designpartner anschauen, dreht sich um Was-wäre-wenn-Fragen. Ich möchte zum Beispiel einen Preis anpassen und verstehen, welche Auswirkungen das hat. Dafür muss ich nicht nur ein komplexes dynamisches System verstehen und Vorhersagen treffen können. Ich muss auch erkennen, dass ich gerade aktiv eingreife – dass ich an einer Variable rüttle – und dass das etwas anderes ist, als das System einfach laufen zu lassen. Das können wir, und genau das explorieren wir gerade mit potenziellen Designpartnern.

Ein weiteres spannendes Feld ist die Robotik, zum Beispiel das Greifen weicher Objekte. Eine Traube ist an einem Tag prall und am nächsten weich. Wenn der Roboter die erste Traube zerdrückt, muss er sofort erkennen: Hier ist etwas anders – und seine Griffstärke mit wenigen Daten anpassen. Genau dieses Lernen in der Situation finden wir spannend.

Messbar wird der Nutzen durch bessere Vorhersagen, schnellere Anpassung, weniger benötigte Daten und je nach Anwendung beispielsweise weniger Ausschuss, Ausfälle oder Fehlentscheidungen. Wir sind hier noch in der Designpartner-Phase. Die Aufgabe ist jetzt, den technologischen Vorteil gemeinsam mit Kunden in einen klar messbaren wirtschaftlichen Nutzen zu übersetzen.

Hendryk: Bei kausable hat uns das große Interesse aus unserem LP-Kreis beeindruckt. Hier gibt es vielfältige Bedarfe und schon sehr konkrete Vorstellungen davon, wo eine deterministische KI-Mehrwert schaffen wird.

Obwohl die möglichen Anwendungsfelder sehr breit sind, gibt es bereits genau solche konkreten Beispiele, wie Johannes sie beschrieben hat. Interessanterweise adressiert kausable dabei nicht nur klassische Engineering-Probleme in verschiedensten Industrien, sondern auch sehr strategische und kommerzielle Herausforderungen.

Nach der Pre-Seed-Runde 2025 habt ihr jetzt 12 Millionen Euro Seed-Kapital aufgenommen. Welche Ziele habt ihr euch gesetzt?

Johannes:  Der größte Proof-Point für uns ist der Proof of Value. In der Pre-Seed-Phase haben wir unser Research-Team aufgebaut und erste Publikationen verfasst. Jetzt ist der nächste Schritt, in die Anwendung zu gehen. Es bleibt viel Forschungsarbeit zu leisten, aber wir wollen sie nicht mehr im luftleeren Raum machen, sondern im Zusammenspiel mit Designpartnern und echten Nutzern. So bekommen wir konkretes Feedback und können zeigen, dass wir nicht nur große Luftschlösser bauen, sondern dass die Technologie wirklich funktioniert und einen Wert schafft.

Das Tolle an unserer Technologie ist ihr Skalierungsverhalten. Ein Sprachmodell, das ich mit wenigen Daten trainiere, produziert in der Regel noch keine brauchbaren Ergebnisse. Mit unserem Ansatz können dagegen bereits kleinere, kosteneffiziente Modelle wertvolle Probleme lösen. Wenn wir weiter skalieren, können wir entsprechend komplexere Probleme angehen. Das erlaubt uns, schon jetzt mit Partnern zu arbeiten.

Unser Ziel ist, bis zum Ende der Seed-Phase einen sehr eindrucksvollen Beweis für zwei Dinge geliefert zu haben: dass wir weiter Forschung auf Spitzenniveau machen können und dass wir gleichzeitig etwas bauen, das das Potenzial hat, richtig groß zu werden.

Hendryk, welche Meilensteine sind aus Investorensicht besonders wichtig?

Hendryk: Für uns funktioniert kausable  in vielerlei Hinsicht wie ein klassischer Deep-Tech-Case, nur ohne Hardware. Besonders beeindruckt hat uns, dass Johannes und sein Team sehr schnell kommerziell gedacht und früh angefangen haben, die Technologie mit echtem Kundenfeedback weiterzuentwickeln. Bei einem Top-Tier-Scientific-Team ist das absolut keine Selbstverständlichkeit und vielleicht noch nicht einmal Kernvoraussetzung in der Seed-Phase. Für uns ist es ein sehr starker Indikator und der richtige Weg, um auf lange Sicht die richtigen Weichen zu stellen.

Das Interesse an Foundation Labs in Europa ist sehr groß. Wenn man ehrlich ist, gibt es aber nur sehr wenige Teams, die überhaupt in der Lage sind, etwas so Grundlegendes zu entwickeln. Wir gehen deshalb – genau wie von Johannes angesprochen – davon aus, dass auch die nächste Finanzierungsrunde noch sehr stark von Forschungsergebnissen getrieben sein wird. Die Designpartnerschaften werden dabei hilfreich sein und zeigen, in welchen Anwendungsfeldern sich die Technologie in konkreten Kundennutzen übersetzen lässt.

Was hast du seit der Gründung gelernt? Und was würdest du anderen Gründerinnen und Gründern mitgeben?

Johannes: Ein wichtiges Learning ist: Es ist möglich, in Europa und Deutschland auch schwierige, tief technologische Themen mit VC-Kapital zu finanzieren. Am Anfang wurde uns oft gesagt, das sei wirklich, wirklich schwierig. Einfach war es nicht – aber es ist möglich.

Wir haben mit Entourage und UVC Partners zwei sehr starke europäische VCs gewonnen, die verstehen, was eine Deep-Tech-Wette bedeutet. Das hatten wir bereits in der Pre-Seed-Phase mit Mätch VC als Lead und erleben es jetzt erneut mit UVC, Entourage und natürlich dem HTGF. Ein besonderer Shoutout geht an Hendryk, der sich wirklich dahintergeklemmt hat.

Man darf als Gründer mutig sagen: Wir machen etwas wirklich Schwieriges, haben einen weiten Weg vor uns und in den ersten Jahren vielleicht noch keine großen Umsätze. Das ist ein guter Filter: Man bekommt schneller ein Nein, führt dafür aber die richtigen Gespräche.

Ein zweites Learning ist: Machen hilft. Ich bin sehr gut darin, zu grübeln und Ideen zu entwickeln. Aber entscheidend war, loszulegen und mit Benjamin und Gregor die richtigen Mitgründer zu haben. Wir pushen uns gegenseitig, drücken gemeinsam auf die Tube und bleiben konstant dran.

Und drittens, ganz ehrlich: Es ist richtig anstrengend. Beim Fundraising bekommt man viele Absagen und sehr oft ein: „Spannend, meldet euch wieder, wenn ihr mehr bewiesen habt.“ Das ist frustrierend. Ich hatte während der Finanzierungsphase einen Urlaub, der kein Urlaub war. Das darf man nicht unterschätzen. Wenn es dann klappt, fühlt es sich vielleicht gerade deshalb besonders gut an.

Was mich jeden Tag neu begeistert, ist die Möglichkeit, mit Leuten zusammenzuarbeiten, die in vielem smarter sind als man selbst. Hinter kausable steht ein wirklich starkes Team. Mit diesen Menschen arbeiten zu können, ist der eigentliche Antrieb hinter der ganzen Arbeit und das, was mich jeden Tag ins Büro treibt.

Hendryk, was würdest du Gründerinnen und Gründern mitgeben, die ein Deep-Tech-Unternehmen wie kausable aufbauen wollen?

Hendryk: Beim Thema Fundraising spricht Johannes einen sehr wichtigen Punkt an: Man sollte sich trauen, früh klare Kante zu zeigen. So identifiziert man schneller die richtigen Ansprechpartner auf der VC-Seite.

Gleichzeitig ist es wichtig, vorab seine Hausaufgaben zu machen und schon ein sehr gutes Bild der VC-Szene zu haben, bevor man mit dem Outreach startet, damit man nicht im falschen Kanal versandet.

Gerade für Deep Tech Founder ist das eine große Herausforderung. Sie kommen häufig von der technologischen Seite und müssen nicht nur viel Übersetzungsarbeit leisten, sondern auch ein sehr kommerzielles Sales-Mindset annehmen. Am Ende des Tages ist Fundraising in vielerlei Hinsicht sehr vergleichbar mit Enterprise Sales.

Gleichzeitig braucht es natürlich die entsprechende Resonanz auf Investorenseite. Deep-Tech-Investoren bringen meistens bereits gewisse eigene Thesen und Überzeugungen mit. Im Idealfall ist der erste Pitch deshalb bereits eine Diskussion und keine frontale Präsentation.

Vielen Dank für die Insights, Johannes und Hendryk!

kausable sucht aktuell Verstärkung – unter anderem Research Scientists sowie Kolleg:innen für Infrastruktur, Data Pipelines und den Aufbau eines ersten Produktlayers. Offene Stellen im HTGF Job Board: https://startupjobs.htgf.de/companies/kausable

Computomics: Wie KI die Pflanzenzüchtung auf den Klimawandel vorbereitet

Welche Pflanzensorte liefert in fünf Jahren den besten Ertrag – unter Bedingungen, die sich von heute deutlich unterscheiden können? Genau diese Frage beantwortet Computomics mit KI-Modellen, die Genetik, Umweltdaten und Feldmessungen kombinieren, um Zuchtkandidaten schon vor dem ersten Feldversuch einzuschätzen. Das Tübinger AgriTech-Unternehmen hat jetzt 6,3 Millionen Euro in einer Series-B-Runde eingesammelt, um seine Plattform stärker in kommerziellen Zuchtprogrammen zu etablieren. Im Gespräch mit Gründer und CEO Dr. Sebastian J. Schultheiss geht es um die Idee hinter Computomics, die Technologie im Detail und die nächsten Schritte nach der Finanzierung.

Pflanzenzüchtung dauert oft viele Jahre, bis eine neue Sorte auf den Markt kommt. Was genau ist das Problem dabei, und warum reicht der klassische Züchtungsprozess heute nicht mehr aus?

Ein Züchtungsprogramm ist an die Natur gebunden: eine Generation pro Saison, und am Ende eine einzige Auswertung, die nur das aktuelle Jahr und den aktuellen Standort abbildet. Bis eine Sorte im Markt ist, sind je nach Kultur zehn bis fünfzehn Jahre vergangen. Das war lange unproblematisch, weil sich die Zielumgebung in dieser Zeit kaum verändert hat. Heute gilt das nicht mehr: Wer jetzt kreuzt, züchtet für ein Klima, das es zur Markteinführung noch nicht gibt. Dazu kommt ein Größenproblem: Aus einer Kreuzungspopulation lassen sich Millionen Kandidaten bilden, im Feld prüfbar sind einige Tausend. Diese Auswahl entscheidet über den Erfolg des Programms, getroffen wird sie auf Basis sehr weniger Beobachtungen. Klassische Züchtung hat uns 10.000 Jahre gute Erträge geliefert, aber sie ist zu langsam für schnelle klimatische Veränderungen.

Wie funktioniert eure Technologie ganz konkret? Was genau sagt euer KI-Modell voraus, und welche Daten fließen dafür zusammen – Genetik, Klima, Boden?

Unser Modell sagt die Leistung eines konkreten Zuchtkandidaten in einer konkreten Zielumgebung voraus: Ertrag, Qualitätsparameter oder Stresstoleranz, jeweils mit Unsicherheitsangabe. Das ist der Unterschied zur Frage, welche Linie die beste ist – die Antwort hängt vom Standort, vom Jahr und von der Bewirtschaftung ab. Dafür führen wir drei Datenschichten zusammen: die Genetik der Kandidaten und Elternlinien, zunehmend als Pangenom statt als einzelnes Referenzgenom; Umweltdaten, also Wetter, Boden und Bewirtschaftung; und die Feldversuchsdaten des Kunden, die das Modell kalibrieren. Statt linearer Modelle nutzen wir Machine Learning, weil die interessanten Effekte nicht additiv sind. Die Genotyp-Umwelt-Interaktion ist für uns kein Störfaktor, sondern das Signal.

Wie wirkt sich euer KI-Ansatz auf die Entwicklung von Saatgut in Sachen Effektivität und Geschwindigkeit aus?

Ihr arbeitet bereits mit einigen der größten Saatguthersteller weltweit zusammen. Woran macht ihr fest, dass eure Vorhersagen den Zuchtprogrammen eurer Kunden in der Praxis wirklich einen Unterschied machen?

Wir lassen uns prospektiv messen. Der übliche Aufbau: Wir sagen die Leistung in der aktuellen Saison vorher, und unsere Vorhersage wird gegen das verglichen, was auf dem Feld tatsächlich gemessen wurde. Interessant ist dabei nicht die Korrelation auf bekannten Daten, sondern die Trefferquote im obersten Zehntel, denn selektiert wird oben. Der härtere Indikator ist kommerziell: Zuchtprogramme sind konservativ, und wer eine Methode mehrere Jahre verlängert und auf weitere Kulturen ausdehnt, hat intern eine Wirkung nachgewiesen. Öffentlich nachlesbar ist das bei AB InBev, die uns in ihrem ESG-Bericht als einzigen externen Technologiepartner nennen.

Die großen Saatgutkonzerne haben eigene Data-Science-Teams. Warum kaufen sie trotzdem bei euch ein, und was bedeutet euer Ansatz für mittelgroße Züchter?

Weil die Frage nicht lautet, ob man ein Modell selbst baut oder einkauft, sondern wie viele Iterationen man sich leisten kann. Ein internes Team baut ein Modell für die eigene Kultur und die eigenen Daten und lernt daraus einmal. Wir sehen dasselbe Problem über Kulturen, Klimazonen und Programme hinweg, und dieses Wissen steckt in der Methode, nicht in den Daten eines einzelnen Kunden. Für mittelgroße Züchter ist die Rechnung einfacher: Ein Team einzustellen, das Genomik und Machine Learning gleichzeitig beherrscht, ist teurer und langsamer als der Zugang zu einer Plattform, die es schon gibt.

Zuchtdaten sind das Kapital eines Züchters. Was passiert mit den Daten, die ein Kunde euch anvertraut?

Das ist die erste Frage in fast jedem Erstgespräch, und sie ist berechtigt. Unsere Position ist eindeutig: Kundendaten werden pro Kunde getrennt gehalten und auf Wunsch gelöscht. Trainierte Modelle gehören dem Kunden und werden nicht für die Arbeit mit anderen verwendet. Wiederverwendet werden Architektur und Pipelines, nicht Daten und nicht Modelle. Der zweite verbreitete Einwand ist die Datenmenge. Praktisch jedes Programm hat genug Daten, um anzufangen. Die eigentliche Arbeit besteht darin, anschließend die richtigen Daten zu erzeugen, und dabei begleiten wir unsere Kunden.

In Europa wird intensiv über Gentechnik und neue Züchtungsmethoden diskutiert. Wo steht euer Ansatz in dieser Debatte?

Außerhalb, und das ist ein Vorteil. Wir verändern nichts am Genom, wir sagen voraus, welche Kreuzung sich lohnt. Was am Ende im Feld steht, ist konventionell gezüchtet und braucht keine zusätzliche Zulassung. Für Kunden heißt das: Der Zeitgewinn ist sofort nutzbar und nicht davon abhängig, wie die Regulierung in fünf Jahren aussieht. Wo Genome Editing erlaubt ist, ergänzen sich beide Ansätze, denn auch dort bleibt die Frage, in welchem Hintergrund und welchem Elitematerial die neue Sorte gezüchtet wird.

Herzlichen Glückwunsch zur erfolgreich abgeschlossenen Finanzierungsrunde über 6,3 Millionen Euro! Wofür genau wollt ihr das frische Kapital in den kommenden Monaten einsetzen?

Erstens Produkt: Wir bringen weitere Teile unserer Arbeit aus den Projekten in die Plattform, damit Kunden selbst rechnen können. Zweitens Team: Wir holen weitere Expertinnen und Experten dazu, die Zuchtprogramme beim Einstieg begleiten. Der häufigste Einwand im Erstgespräch lautet, man habe nicht genug Daten – das stimmt fast nie, und die eigentliche Aufgabe ist, die Kunden dabei zu unterstützen, ab jetzt Daten zu erzeugen, die etwas aussagen. Drittens Kulturen und Datenbasis: Wir erweitern die Pangenom-Grundlage auf weitere Arten und vertiefen die Modelle dort, wo das Klima sich direkt auf den Ertrag auswirkt.

HTGF ist seit der Seed-Phase an eurer Seite. Wie hat sich diese Zusammenarbeit über die Jahre entwickelt, und was hat sie euch gebracht?

HTGF war 2015 unsere erste institutionelle Finanzierung, zu einem Zeitpunkt, an dem Bioinformatik für Pflanzenzüchtung keine Kategorie war, in die man investiert. Seitdem hat der Fonds bei jeder Runde mitgezogen, auch jetzt in der Series B. Zwei Dinge haben praktisch geholfen. Erstens Zugang: Türen zu Investoren und Industriepartnern, die wir aus Tübingen heraus so nicht gehabt hätten, und regelmäßig der Hinweis auf Unterstützungsangebote, die wir selbst nicht auf dem Schirm hatten. Zweitens Verlässlichkeit: Durch die Covid-Jahre und durch den Umbau vom Dienstleistungs- zum Produktgeschäft hatten wir einen Gesellschafter, der nicht bei jedem Quartal nervös wurde.

Wo steht Computomics im Jahr 2030 – welche Richtung nehmt ihr in Sachen Kulturpflanzen und Märkten?

Genomische Vorhersage soll 2030 kein Konzernprojekt mehr sein, sondern Standardwerkzeug, auch für mittelgroße Züchter ohne eigenes Data-Science-Team. Eine Zielzahl an Programmen nennen wir nicht, der Anspruch ist Breite: Mais, Weizen, Soja, Zuckerrübe und Tomate auf der einen Seite, Beeren, weitere Gemüsesorten, Futter- und Zierpflanzen auf der anderen. Unsere Vision ist, dass jede neue Sorte mit unserer Technologie entwickelt wird. Gerade bei Spezialkulturen fehlt bislang fast jede Infrastruktur für datengetriebene Züchtung. Geografisch liegt das größte Potenzial in Märkten, in denen Anpassung nicht Optimierung bedeutet, sondern Versorgungssicherheit. Unsere Arbeit mit IRRI geht in diese Richtung.

Ihr sitzt in Tübingen zwischen Max-Planck-Institut und Cyber Valley. Wonach sucht ihr, wenn ihr einstellt?

Nach Leuten, die zwei Sprachen sprechen. Reine Machine-Learning-Profile gibt es, Pflanzengenetikerinnen und -genetiker gibt es, knapp sind die Menschen dazwischen. Ein Modell kann Kreuzungen perfekt simulieren und trotzdem etwas vorschlagen, das in einem realen Zuchtplan nie zustande kommen kann. Wer das kommen sieht, hat beide Seiten verstanden. Solche Leute bildet man überwiegend selbst aus, deshalb rekrutieren wir viel aus dem Umfeld hier. Am 9. September sind wir beim Cyber Valley Day mit einem Stand im Startup Basecamp und sprechen dort genau darüber. Nach der Finanzierungsrunde stellen wir in verschiedenen Positionen neue Teammitglieder ein.

Vielen Dank, Sebastian, für deine Zeit und Einblicke!

„Vom Kostenfaktor zur Wertschöpfung“: Wie traide AI und PwC Deutschland den Zoll neu denken 

Wer Produkte international handelt, kennt das Problem: Zolltarifierung ist komplex, fehleranfällig und in vielen Unternehmen noch immer ein manueller Prozess mit wachsendem Haftungsrisiko.

Das Berliner Startup traide AI hat eine KI-gestützte Plattform entwickelt, die Zolltarifnummern in Sekunden klassifiziert, rechtssicher begründet und automatisch auf Regularien prüft. Seit 2024 kombinieren traide AI und PwC Deutschland KI-Technologie und zollrechtliche Expertise. Für den HTGF schließt sich ein schöner Kreis: traide AI ist Portfoliounternehmen, PwC Deutschland langjähriger Fondsinvestor. Wir haben mit Leonie Althaus, Co-Founderin & CEO von traide AI, und Dr. Michael Tervooren, Partner bei PwC Deutschland und Leiter des Customs & International Trade Teams, gesprochen. 

Wie ist die Zusammenarbeit zwischen traide AI und PwC Deutschland entstanden? 

Leonie Althaus: Wir haben von Anfang an sehr aktiv auf LinkedIn gezeigt, was wir bei traide AI machen – das war noch ganz am Anfang, wir waren vielleicht anderthalb Jahre alt. Dann hat sich Sarah aus Michaels Team bei mir gemeldet, ob man sich die Plattform mal gemeinsam anschauen könnte. Daraus wurde relativ schnell ein persönliches Treffen in Hamburg. Das Besondere: PwC Deutschland ist auf uns zugekommen, damit hatten wir nicht gerechnet. Dass man sich dann tatsächlich entschieden hat, mit uns zusammenzuarbeiten, war für uns als junges Startup ein echter Ritterschlag. 

Michael, magst du das aus deiner Perspektive ergänzen? 

Dr. Michael Tervooren: Wir schauen uns regelmäßig Startups an – gerade im Bereich Zoll und Außenhandel haben wir über die Jahre viele Ansätze gesehen: frühe Technologielösungen, Shared-Service-Center-Modelle und einiges mehr. Bei traide AI hat uns früh überzeugt, dass Technologie und fachlicher Use Case sehr konkret zusammenpassen. . Daher haben wir den Kontakt gesucht und wurden schnell überzeugt. 

„Bei traide AI hat uns früh überzeugt, dass Technologie und fachlicher Use Case sehr konkret zusammenpassen.“ Dr. Michael Tervooren, PwC Deutschland 

Wo drückt Kunden beim Thema Zolltarifierung aktuell der Schuh? 

Dr. Michael Tervooren: Man kann sich das an einem einfachen Beispiel klarmachen: Ein Unternehmen mit 10.000 Waren müsste für eine vollständige Tarifierung rund 4.000 bis 5.000 Stunden aufwenden – für die Recherche der Warenbeschreibungen, die Rechtsanwendung und die anschließende Qualitätssicherung. Das ist manuell schlicht nicht zu leisten. Genau dort liegt das Kernproblem, und genau deshalb ist der Ansatz einer KI-gestützten Tarifierung so interessant. 

Leonie, wie erklärt ihr einem Mittelständler, was traide AI macht? 

Leonie Althaus: Wir sagen immer ganz gerne: Wir räumen die zollrechtlichen Stammdaten auf. Wir geben Unternehmen die Möglichkeit, das effizient, vor allem aber sicher zu machen. Klar, gerade bei Mittelständlern zählt Effizienz. Schneller werden ist immer wichtig. Aber wir gehen vor allem mit dem Compliance-Argument rein. Und ich glaube, gerade in den letzten zwei, drei Jahren ist bei den meisten Managern angekommen, wie wichtig rechtssichere Verarbeitung ist. Da bieten wir wirklich Mehrwert: Wir helfen Unternehmen, sich auf der Trade-Compliance-Seite rechtlich abzusichern. 

Michael, was verändert sich für Customs-Teams konkret, wenn KI die Arbeit unterstützt? 

Dr. Michael Tervooren: Man muss zunächst verstehen, wie zentral die Zolltarifnummer ist, denn sie betrifft weit mehr als den Zoll selbst. Sie kann relevant sein für Themen wie CBAM, für die Entwaldungsverordnung, für den anzuwendenden Umsatzsteuersatz oder erste Indikationen für die Exportkontrolle. Die Zolltarifnummer ist damit ein Knotenpunkt, von dem aus viele regulatorische Fäden laufen. 

Der Zeitgewinn durch KI entlastet die Unternehmen erheblich. Gerade jetzt, wo überall auf Ressourcen und Effizienz geschaut wird. Am Ende steht aber vor allem eine bessere Compliance. Und zwar in beide Richtungen: Es werden nicht nur fehlerhafte Tarifnummern identifiziert, die korrigiert werden müssen. sondern auch solche, für die eine günstigere Einstufung rechtlich zulässig gewesen wäre. Die Tarifierung ist einer der drei zentralen Prüfungspunkte bei jeder Betriebsprüfung. Wer dort nachweisen kann, dass er das Thema im Griff hat, ist klar im Vorteil. 

 „Man sucht nicht nur Zolltarifnummern, die fehlerhaft sind. Man findet auch welche, für die eine günstigere Einstufung anwendbar gewesen wäre. Das geht in beide Richtungen.“  Dr. Michael Tervooren, PwC Deutschland 

Ab wann lohnt sich der Einsatz von KI in der Zollklassifizierung. Gibt es einen Richtwert? 

Leonie Althaus: Nicht für jedes Team, aber grundsätzlich würde ich sagen: Ab einem Warenstamm von rund 10.000 Produkten ergibt der Einsatz von KI Sinn. Darunter schießt man ein bisschen mit Kanonen auf Spatzen. Es kommt aber auch auf die Kritikalität der Waren an. Wir arbeiten viel in Industrien mit hochkritischen Produkten – Medizintechnik, Pharma, Automotive –, wo besonders viele Implikationen dranhängen: Entwaldungsverordnung, Carbon Border Adjustment Mechanism (CBAM), Exportkontrolle. Da würde ich sagen, lohnt sich der Einsatz schon ab 5.000 Produkten. Im Konsumgüterbereich, wo vieles weniger reguliert ist, kommt man oft noch länger mit manueller Verarbeitung durch. Aber im Schnitt arbeiten wir mit den meisten Kunden ab 10.000 Produkten im Warenstamm und nach oben ist es offen. Es gibt Unternehmen mit bis zu 10 Millionen Artikeln. 

Wie verändert sich die Zollabteilung durch KI – und welche Rolle spielt der Mensch künftig? 

Dr. Michael Tervooren: Eine schwere Frage, weil wir gerade einen echten Technologie-Booster erleben, gerade mit Blick auf KI. Zwei Dinge lassen sich trotzdem vorhersagen: Der Mensch wird weiterhin eine zentrale Rolle spielen. KI unterstützt fachliche Entscheidungen, aber wird sie nicht vollständig ersetzen, unter anderem auch aus rechtlichen Gründen.. Und: Es wird viel mehr Transparenz geben. Ich erinnere mich noch an die Einführung von ATLAS Ausfuhr, also der elektronischen Ausfuhranmeldung. Seitdem hat die Digitalisierung im Zollumfeld enorme Fortschritte gemacht. Diese Transparenz ermöglicht es Unternehmen, zu agieren, statt nur zu reagieren. Früher hat man in der Betriebsprüfung etwas gefunden und musste es hinterher glattziehen. Proaktiv zu handeln, das war früher sehr schwer. 

Leonie, wie blickst du darauf? 

Leonie Althaus: Zu hundert Prozent. Wir sehen genau diese Bewegung: weg vom rein operativen „Feuer löschen“, ähnlich wie es früher in der Buchhaltung war, hin zu einer prüfenden und strategisch wirkenden Abteilung. Gerade weil geopolitisch gerade so viel passiert, kann eine Abteilung, die bisher eher als wertvernichtend galt, zum ersten Mal wirklich wertschöpfend agieren. Das war früher kaum möglich, die Teams waren operativ überlastet, und dem Thema fehlte oft die Relevanz. Das hat sich geändert, die Presse der letzten Jahre hat dazu sicher beigetragen. Der Blick auf die Zollabteilung wandelt sich: weg vom reinen Problembereich, hin zu einer Funktion, die aktiv dazu beiträgt, dass das Geschäft besser läuft. 

Dr. Michael Tervooren: Genau. Zoll wird ja mittlerweile nicht mehr nur als Steuererhebungs-Mechanismus gesehen, sondern als politisches Mittel. Seit den jüngeren handelspolitischen Entwicklungen – insbesondere den US-Zollmaßnahmen der vergangenen Jahre – hat das Thema deutlich mehr Aufmerksamkeit auf C-Level, wie Leonie sagt, die es in den letzten Jahren so nicht gab.  

„Eine Abteilung, die bisher ein Kostenfaktor war, kann auf einmal wertschöpfend agieren – das war noch nie möglich.“  Leonie Althaus, traide AI 

Wohin entwickelt sich die Zusammenarbeit als Nächstes? 

Leonie Althaus: Was wir gerade besonders vorantreiben – und worauf Michael von Anfang an gepocht hat – ist das Thema Exportkontrolle. Im Außenhandel unterscheidet man ja zwischen Zollrecht und Exportkontrollrecht, und wir haben uns bei traide AI bisher stark auf das Zollrecht fokussiert. Seit Januar sind wir mit unserem Exportkontroll-Tool traide Export live, mit viel fachlicher Unterstützung von PwC. Das ist ein Bereich, in dem die Folgen von Fehlern noch mal in eine ganz andere Größenordnung reichen als im Zollrecht und wo der Markt extrem lange auf eine Lösung gewartet hat. 

Dr. Michael Tervooren: In diesem Bereich sehen wir derzeit noch vergleichsweise wenige integrierte Lösungen, die fachliche Tiefe und technologische Skalierbarkeit verbinden. Genau darin liegt aus unserer Sicht ein wichtiger Differenzierungsfaktor.. 

 
Was rätst du, Leonie, anderen Gründerinnen und Gründern, die eine Partnerschaft mit einem etablierten Player anstreben? 

Leonie Althaus: Uns wurde damals von vielen Seiten davon abgeraten – im Nachhinein war es eine unserer besten Entscheidungen. Zwei Dinge sind aus meiner Sicht entscheidend: Erstens muss man das Gefühl haben, auf Augenhöhe gesehen zu werden, nicht nur als kleines Startup, das man ja tatsächlich ist. Zweitens muss man wirklich verstehen, mit welcher Motivation die andere Seite in die Partnerschaft geht, und das immer wieder überprüfen, denn diese Motivation verschiebt sich mit der Zeit. Beide Seiten müssen dauerhaft ihren Nutzen daraus ziehen. 

Was uns sehr geholfen hat: Wir haben uns früh auf Exklusivität geeinigt. Genau davon wurde uns abgeraten. „Macht bloß nichts Exklusives, zu gefährlich, bleibt breit aufgestellt.“ Aber gerade das Zeigen von eigenem Commitment hat dazu geführt, dass auch die andere Seite Commitment gezeigt hat. Rückblickend bin ich sehr froh, dass wir auf niemanden gehört haben. 

 „Uns wurde geraten, bloß nichts Exklusives zu machen. Genau das war die beste Entscheidung, die wir getroffen haben.“ Leonie Althaus, traide AI 

Und aus deiner Sicht, Michael: Was muss ein Startup mitbringen, damit eine solche Zusammenarbeit wirklich funktioniert? 

Dr. Michael Tervooren: Wir schauen uns pro Monat mindestens ein Startup an, der Markt ist sehr aktiv. Ein paar Basics: Zunächst braucht es eine wirklich gute Idee mit einem durchdachten Use Case. Das klingt banal, aber gerade diese Klarheit ist entscheidend. Dann muss die Technologie grundsätzlich funktionieren. Manche Teams befinden sich in einer sehr frühen Entwicklungsphase. Für eine Zusammenarbeit ist aber wichtig, dass die Technologie zumindest grundsätzlich belastbar funktioniert. Und die Lösung muss skalierbar sein. Wir schauen als Berater immer auch auf den Business Case, da die Lösung für unsere Mandanten über Einzellösungen hinaus tragfähig sein muss. 

Das waren jetzt die Hard Facts. Mindestens genauso wichtig ist die menschliche Ebene: die Bereitschaft, sich wirklich aufeinander einzulassen, damit Vertrauen entstehen kann. Wir bewegen uns bei der technologischen Anwendung in einem Umfeld, in dem viele Detailfragen noch nicht abschließend vorgezeichnet sind – gerade an der Schnittstelle von KI, Zollrecht und operativer Umsetzung. In diesen Projekten gibt es immer wieder Situationen, die man gemeinsam klären muss, weil es sie so noch nicht gab. Bei traide AI hat genau diese Zusammenarbeit sehr gut geklappt. 

Vom Schulhof zum europäischen EdTech-Champion

Interview mit Daniel Zacharias, CEO und Co-Founder von Seven Education

Was passiert, wenn zwei Schüler eine App für ihre eigene Schule bauen – und daraus eines der ambitioniertesten EdTech-Unternehmen Europas entsteht? Daniel Zacharias hat genau das erlebt. 2019 investierte der HTGF in Sdui, damals noch ein junges Startup aus Koblenz, das digitale Infrastruktur in Schulen bringen wollte. Heute firmiert das Unternehmen unter dem Namen Seven Education und ist mit über 20.000 Schulen in DACH und Spanien aktiv – mit klarem Expansionskurs.

Im Interview spricht Daniel über den Ursprung der Idee, die Strategie hinter der Buy-and-Build-Expansion, was es mit den „7 Stunden“ auf sich hat – und was er Gründer:innen rät, die gerade am Anfang stehen.

Ihr habt als Schüler mit einem „Jugend forscht“ Projekt begonnen. Konntet ihr euch damals vorstellen, einen europäischen Tech-Champion zu bauen?

Nein, absolut nicht. Wenn mir jemand damals als 17-Jähriger erzählt hätte, dass wir einmal auch nur mehr als 10 Mitarbeiter haben würden, hätte ich das für absolut verrückt gehalten. Du bist begeistert davon, Software zu bauen, die das Leben der Schüler, Lehrer und Eltern an unserem Schulhof verändert. Du denkst gar nicht so weit. Du denkst nicht daran, dass daraus eine Firma werden oder es riesig werden könnte. Du genießt diesen Prozess des Bauens und des Gründens, ohne das im Kopf zu haben. Und der Traum wächst dann über die Jahre. Wir sagen heute, wir sind ein Education OS, das Betriebssystem für europäische Bildungseinrichtungen: von Kita bis Schule bis zur berufsbegleitenden Bildung.

Der HTGF hat dann 2019 investiert. Was hat euch damals zusammengebracht, und was hat diese Partnerschaft jenseits des Kapitals für euch bedeutet?

Man muss dem HTGF ein Riesenlob aussprechen: Maurice Kügler und Markus Kreßmann haben uns sehr früh entdeckt und unser Potenzial schon vor der Pandemie gesehen. Es war sehr mutig, damals in ein EdTech Startup zu investieren, das digitale Infrastruktur in Schulen legt. Wir kommen aus Koblenz, nicht allzu weit vom Bonner HTGF-Office. Maurice kam auf uns zu. Die erste Zeit war Relationship Building, und dann haben wir gemerkt: Wir wollen Kapital aufnehmen, um das Potenzial zu nutzen und schneller zu wachsen. Da wir schon eine gute Beziehung hatten, fingen schnelle konkrete Gespräche an. Die Zeit direkt nach dem Investment war sehr wertvoll für uns. Bis dahin waren wir gut darin, Technologie zu bauen, die Probleme löst. Aber wir brauchten Unterstützung: Wie baue ich daraus wirklich eine skalierbare Firma? Das fängt von Struktur über Hiring bis zu Reporting-Strukturen – ich würde sagen, wir haben da eine sehr gute Basis gelegt für die Skalierung, die in den Jahren danach dazukam.

Ihr habt kürzlich bekannt gegeben, unter dem Namen Seven Education zu firmieren. Wofür steht der neue Name?

Es ist ein Neustart-Moment. Ich habe ein Schreiben an die gesamte Firma aufgesetzt – mit dem Titel „Day-One“. Wir haben bis zum Rebranding sieben Akquisitionen gemacht, aber das ist nicht der Grund für den Namen. Wir wollten als Gruppe eine neue Identität. Wir sind nicht mehr ein deutsches Startup, sondern eine europäische Plattform. Aber im Herzschlag dieses Champions soll das stecken, was alle Firmen, die wir zur Gruppe hinzugewonnen haben, mit uns verbindet: Wir wollen den Lehrkräften, Administratoren und allen, die im Bildungssystem harte Arbeit leisten, Zeit zurückgeben – damit sie mehr Zeit haben für das, was wirklich zählt.

Was hat es mit der Sieben auf sich?

Es gibt eine Studie aus den 1960er-Jahren, die besagt, dass Schulen in Europa damals noch sieben Stunden pro Woche mehr Zeit zum Unterrichten hatten. Damals hättest du für unser Interview mit dem Auto oder Zug nach Koblenz kommen müssen, statt über Teams zu sprechen. Das hätte locker zwei Stunden mehr Zeit gekostet. Überleg mal: Trotz allem technologischen Fortschritt hat sich das in Schulen ins Gegenteil verkehrt – Administrationssysteme kosten Pädagog:innen heute mehr Zeit, nicht weniger. Das wollen wir drehen. Diese sieben Stunden pro Woche zurückzugeben – das ist unser Herzschlag.

Was war die Strategie bei euren Akquisitionen?

Es ist von allem etwas, auch Technologie – und die Synergien von allem zusammen. Wir waren Deutsche und wollten nach Europa. Wenn du Märkte komplett organisch zu erschließen versuchst, dauert das sehr viel Zeit, vor allem im Bildungsbereich. Du musst Referenzen aufbauen, ein Team vor Ort aufbauen – das ist tough. Dadurch, dass wir unsere Expansion in neue Länder über M&As gemacht haben, haben wir dort einen extremen Boost bekommen. Das hängt aber auch eng mit Talent zusammen: Wir haben durch die Akquisitionen unglaublich gute Manager in die Firma bekommen – Menschen, die ich heute als Mitgründer sehe, weil wir gemeinsam etwas Neues schaffen.

Wo seht ihr noch Wachstumschancen, und welche technologischen Innovationen wollt ihr als nächstes angehen?

Erstens: Viele sagen, man müsse nach Amerika und Asien gehen, um große Firmen zu bauen. Aber ich glaube, Europa hat ein unglaubliches Potenzial und sind da sehr committed. Wir sind heute in DACH und Spanien aktiv und wollen weitere Länder erreichen – wir bleiben auf klarem Expansionskurs.

Und zweitens: Ich glaube, AI wird die Art verändern, wie Lehrer im Alltag arbeiten. Bildung adaptiert Technologie normalerweise deutlich langsamer als andere Bereiche. Wir wollen der Partner für Schulen sein, der sie auch in diesem KI-Zeitalter mitnimmt: sowohl diejenigen, die begeistert vorne dabei sind, als auch die, die sich damit schwertun.

Was ist euer erster Eindruck beim Marktvergleich – also Deutschland und dem europäischen Ausland?

Schulen in Europa befinden sich an ähnlichen Punkten, haben aber unterschiedliche Prioritäten – was ich das „Top-of-Mind-Problem“ nenne. Sie fokussieren unterschiedlich, weil sie kulturell anders geprägt sind. Wir sehen den Trend, dass kleinere Länder schneller vorankommen. Die Schweiz ist ein absoluter Vorreiter. Wir wollen aber jedes Land dort abholen, wo es steht.

Was ist deine Zukunftsvision?

Ich hoffe auf zwei Dinge: Erstens, dass wir möglichst nah an den sieben Stunden sind – fünf oder sechs sind realistisch. Zweitens, dass wir deutlich mehr Schulen erreichen. Heute sind es mehr als 20.000 – diese Zahl wollen wir in 3-4 Jahren verdoppeln. Und ich hoffe für die ganze Gründerszene, dass wir zeigen können: Man kann in Europa, in einem schwierigen Markt, eine großartige Firma aufbauen. Als junge Gründer direkt aus dem Abitur, ohne rationale Gründe, warum das funktionieren sollte – und trotzdem einen europäischen Champion bauen. Das ist mir persönlich sehr wichtig.

Welchen Rat würdest du Gründerinnen und Gründern, wenn sie ganz am Anfang stehen?

Früher habe ich immer gesagt: Seid mutig. Dazu stehe ich. Aber ich glaube auch: Gründen ist brutal hart. Die Journey hat viele Ups und Downs. Deswegen wünsche ich jeder Gründerin und jedem Gründer eine große Portion Resilienz. Jeder zieht sie aus anderen Dingen – aus der Mission, aber auch aus dem Umfeld. Zeit für Freude nicht zu verlieren, nur weil man an einer spannenden Idee arbeitet: Das ist wichtig. It’s not a sprint, it’s a marathon. Es wird tiefe Täler geben – aber Resilienz macht am Ende den Unterschied. Wenn du lange genug diszipliniert am Richtigen arbeitest, ist die Chance auf Glück deutlich höher.

Vielen Dank für deine Zeit und die großartigen Insights!

Recht neu denken: Die KI, die die Kanzleiarbeit übernimmt

Im Gespräch mit René Fergen, Mitgründer und CEO von JUPUS, und Max Bergmann, Investment Manager beim HTGF

JUPUS hat gerade 13 Mio. Euro eingesammelt, den ARR im letzten Jahr vervierfacht und bearbeitet täglich über 2.000 neue Fälle – mehr als jede Anwaltskanzlei in Europa. Das Kölner Startup hat das erste KI-Sekretariat für Anwaltskanzleien in Europa entwickelt: eine KI, die nicht assistiert, sondern eigenständig arbeitet. Dahinter steckt ein strukturelles Problem, das viele unterschätzen – und eine Partnerschaft, die beim ersten Gespräch begann. Wir haben Mitgründer René Fergen und HTGF Investment Manager Max Bergmann gefragt, wie es dazu kam – und was jetzt kommt.

René, warum stehen Anwaltskanzleien gerade so unter Druck?

René: Über 50 Prozent der Arbeit in einer Kanzlei läuft nicht über Anwälte, sondern über Rechtsanwaltsfachangestellte. Genau dieser Beruf stirbt jedoch aus. In den letzten 30 Jahren hat sich die Zahl der Anwälte verdreifacht, während die Zahl neuer Rechtsanwaltsfachangestellter um über 70 Prozent gefallen ist. In Berlin haben letztes Jahr 88 Menschen die Ausbildung begonnen, bei mehr als 12.000 Anwälten in der Stadt.

Eine Stellenanzeige löst das nicht, weil es niemanden mehr gibt, der sich bewirbt. Die Folge ist, dass Anwälte  weniger Fälle annehmen können, trotzdem mehr arbeiten müssen und dabei weniger verdienen – bis es sich irgendwann überhaupt nicht mehr lohnen wird. In Zukunft muss jemand diese Arbeit übernehmen, und es werden keine Menschen mehr sein können. Genau diese Lücke füllen wir.

Max, wie bist du auf René und Jannis aufmerksam geworden – und was hat dich damals überzeugt?

Max: Wir hatten schon früh einen ersten Austausch mit René. Er ist jemand, der einem im Gespräch das Gefühl gibt, dass er seinen Markt wirklich versteht. Kurze Zeit später kam dann nochmal ein Intro über einen Investor aus unserem Netzwerk und da war für uns klar: Das lohnt sich, genauer hinzuschauen.

Was uns überzeugt hat, war die Kombination aus Team, Markt und früher Traktion. René versteht die Zielgruppe, Jannis bringt als CTO bereits Gründer- und Exiterfahrung mit. Das frühe Vertrauen der richtigen Leute war ebenfalls ein starkes Signal. Der Vorstand des Legal Tech Verbands Deutschland und Felix Plog, ehemals COO bei Enpal, waren schon als Angels dabei. Dazu kam der strukturelle Rückenwind: immer mehr Anwälte, aber massiv einbrechender Nachwuchs bei den Rechtsanwaltsfachangestellten.

René, warum habt ihr euch für den HTGF entschieden – was habt ihr euch von dieser Partnerschaft erhofft, über das Kapital hinaus?

René: Mitentscheidend war für uns das große Netzwerk des HTGF. Der Zugang zu Kontakten, anderen Gründerinnen und Gründern und potenziellen Partnern spart in dieser Phase enorm viel Zeit und öffnet Türen, die man sich sonst einzeln erarbeiten müsste. Dazu kam ein Partner, der einen deutschen B2B-Markt versteht und die Ambition teilt.

„KI-Sekretariat“ klingt groß – René, was passiert konkret, wenn eine Kanzlei JUPUS einsetzt?

René: Konkret übernimmt die JUPUS KI die Arbeit, die sonst ein Rechtsanwaltsfachangestellter machen würde, nur eigenständig und rund um die Uhr. Das Telefon wird angenommen, Mandanten werden qualifiziert, Termine gebucht, Akten angelegt, Dokumente erstellt, Mandantenkommunikation unterstützt. Die KI assistiert nicht nur, sie führt auch Aufgaben selbstständig aus und legt sie fertig vor.

Für den Anwalt heißt das: mehr bearbeitete Fälle bei gleichem Team, ohne die Stelle zu besetzen, die er ohnehin nicht besetzen kann. Kunden kaufen uns nicht als Software, sondern als Ersatz für Personal, das sie nicht finden. Heute arbeiten wir mit über 2.000 Anwälten täglich mehr Fälle ab als jede Kanzlei in Europa.

Globale Anbieter kündigen jetzt eigene Legal-Produkte an. Macht dir das Sorgen, René?

René: Nein, und der Grund ist Daten. Ein Foundation-Model-Anbieter kann exzellente allgemeine Fähigkeiten liefern, sogar legal-nahe Features. Was er nicht hat, sind echte Daten aus der täglichen Kanzleiarbeit. Genau das entscheidet aber, ob eine KI eine Aufgabe nicht nur beschreibt, sondern verlässlich ausführt.

Wir bauen einen der größten Legal-Datensätze Europas und haben millionenfach reale Falldaten gesehen, die vollständige Handlungskette aus hunderten und bald tausenden Kanzleien. Für jedes Rechtsgebiet und jedes wiederkehrende Fallmuster lernt unser System, was der beste nächste Schritt tatsächlich ist, weil wir gesehen haben, was in erfolgreichen Mandaten wirklich passiert.

Je mehr Kanzleien JUPUS nutzen, desto besser wird das System. Diesen Vorsprung kann ein Generalist nicht nebenbei einholen, weil er die Daten schlicht nicht hat.

Max, Ihr habt Pre-Seed, Seed und jetzt die Series A zusammen gemacht. Was hat sich bei JUPUS in dieser Zeit verändert – was hat dich beeindruckt?

Max: Was mich am meisten beeindruckt hat, ist dass René und das Team über alle Runden hinweg dieselbe Klarheit und Ambition mitgebracht haben – die hat sich nicht abgenutzt, sondern eher noch geschärft. Sie wissen genau, was sie wollen und wohin sie wollen. Und genau diese Klarheit strahlt nach außen ab.

Das sieht man nirgendwo deutlicher als beim Team, das sie im letzten Jahr aufgebaut haben. Führungskräfte aus Doctolib, DeepL, Google und sevdesk – Leute, die viele Optionen haben – haben sich bewusst für JUPUS entschieden. Das passiert nicht zufällig. Das ist das Ergebnis einer überzeugenden Vision, die auch Top-Talente anzieht und bindet.

René, was hat die Zusammenarbeit mit Max und dem HTGF konkret gebracht – gibt es einen Moment, den du exemplarisch nennen würdest?

René: Der größte Wert lag nicht in einem einzelnen Tipp, sondern darin, dass Max über drei Runden hinweg dieselbe Klarheit hatte wie wir und in Schlüsselmomenten Ruhe reingebracht hat und immer zur Stelle war, wenn wir ihn brauchten. Er hat wertvolle Kontakte gemacht, die uns beispielsweise im Hiring sehr geholfen haben. Max hat nicht die Entscheidung abgenommen, aber die richtigen Fragen gestellt, sodass wir schneller und sauberer entschieden haben.

13 Millionen Euro Series A – wofür genau, und wo steht JUPUS in zwei Jahren, René?

René:Vertrieb skalieren, Produkt weiterentwickeln und den Datenvorsprung verteidigen. Wir sind 2025 um über das Vierfache gewachsen. Jetzt drehen wir das auf. Unser Vertrieb wächst, um in Deutschland weiter zu skalieren. In zwei Jahren wollen wir der klare Marktführer in Deutschland sein und die EU-Expansion gestartet haben.

Max, was bedeutet diese Runde aus Investorenperspektive – was zeigt sie über den LegalTech-Markt?

Max: Sie zeigt, dass der europäische LegalTech-Markt lange unterschätzt wurde – und dass sich das gerade ändert. Der EU Data Act löst das Lock-in der Legacy-Anbieter auf, die KI-Adoption in Kanzleien steigt rapide. In solchen Momenten entscheidet sich, wer die nächsten zehn Jahre führt.

Das Rennen ist dabei noch nicht gelaufen. Gerade im Legal-Markt wird Data Sovereignty zum echten Differenzierungsmerkmal: Kanzleien werden zunehmend sensibler dafür, wessen Systeme ihre Mandantendaten verarbeiten. Ein europäischer Anbieter hat hier einen strukturellen Vorteil gegenüber US-amerikanischen Generalisten – zumal spezialisierte Vertical-AI-Player mit proprietären Daten aus realen Workflows einen Burggraben aufbauen, den ein Generalist nicht einfach einholen kann.

Was würdest du Gründer:innen mitgeben, die in einen regulierten, eher risikosensiblen Markt wie Legal einsteigen wollen, René?

René: In einem regulierten Markt gewinnt nicht der mit der besten Technologie, sondern der mit dem tiefsten Verständnis für den Kunden. Bau für die echte Realität deiner Nutzer, nicht für die Demo. Bei uns heißt das: radikale Einfachheit für nicht-technische Anwälte, weil jede Komplexität eine Wechselbarriere ist. Und beweg dich trotzdem schnell. Regulierung ist kein Grund zu zögern, sondern oft genau das Fenster, in dem sich ein Markt neu ordnet.

Was habt ihr gelernt – René als Gründer, Max als Investor – das ihr am Anfang gerne gewusst hättet?

Max: Als Frühphaseninvestor hat man nie vollständige Information und muss trotzdem entscheiden. Bei JUPUS waren es damals vor allem Team und Marktverständnis, die überzeugt haben. Außerdem habe ich gelernt, wie wichtig Verfügbarkeit ist: Der größte Mehrwert entsteht oft nicht in formellen Meetings, sondern in den Gesprächen dazwischen – wenn schnell eine Einschätzung oder ein Kontakt gebraucht wird.

René: Dass der schwierigste Teil nicht die Technologie ist, sondern die Klarheit darüber, was man bewusst nicht baut. Es kommen immer wieder große Kunden, die aufwändige Lösungen von euch haben wollen – die Frage, die wir uns dann gestellt haben, war immer: Bringt uns dieser kurzfristige Umsatz wirklich näher zu unserem langfristigen Zielbild oder verlängert es den Weg dorthin? Die Antwort für uns war nahezu immer „Nein“. Früher hätte ich gerne verstanden, dass schnelles, sauberes Verwerfen eine der wertvollsten Fähigkeiten eines Gründers ist.

Vielen Dank euch für die spannenden Einblicke!

AgriTech Pitch Day 2026: Zwölf Startups, ein klares Signal für die Zukunft der Landwirtschaft

Der AgriTech Pitch Day hat sich als Institution in der deutschen Agrartech-Innovationslandschaft etabliert. In diesem Jahr brachte die Veranstaltung erneut mehr als 70 Expertinnen und Experten, Investorinnen und Investoren sowie Gründerinnen und Gründer zusammen — um die drängendsten Herausforderungen der Landwirtschaft zu adressieren und die mutigen Ideen zu finden, die den Sektor in den kommenden Jahrzehnten neu gestalten könnten.

Gemeinsam mit der NBank Capital und der Big Dutchman AG sowie den Partnern Seedhouse und RootCamp – A SpinLab Company brachte der HTGF zwölf Startups in drei thematischen Pitch-Sessions auf die Bühne: Biologics, Enabling Tech und FoodTech.

Session 1: Biologics

Der Tag begann mit vier Startups, die an der Frontier biologischer Lösungen für den Pflanzen- und Nutztierschutz arbeiten:

• AegisBio – Ein Evonik-Spin-out mit erstem Produkt in der Registrierungsphase, das ein skalierbares Einkapselungssystem für Bioaktiva bietet und damit die Stabilitätslücke schließt, die biologischen Pflanzenschutz unter Feldbedingungen bisher ausgebremst hat.
• Cerryx GmbH – Ein präzises biotisches Futtermitteladditiv für Nutztiere, das die Produktivität steigert, Pathogene bekämpft und enterische Methanemissionen um bis zu 50 % reduziert.
• NoMaze – Eine KI-Plattform für die Pflanzenzüchtung, die Entwicklungszyklen von zehn Jahren auf ein Jahr verkürzt und die Kosten um mehr als 70 % senkt.
• BIOPLANTIC GmbH – Biologisch abbaubare, mikroplastikfreie Beschichtungen für Saatgut und Düngemittel, die mithilfe von KI auf maximale Leistung im großen Maßstab ausgelegt sind.

Zwischen den Sessions diskutierte ein hochkarätiges Panel, was es braucht, um systemischen Wandel in der Landwirtschaft voranzutreiben. André Drissler (AGRAVIS Raiffeisen AG), Konstantin Kahle (Big Dutchman) und Ingo Kloeckner (Leaps by Bayer) teilten ihre Perspektiven zu Industrietransformation, der Rolle von Startups in großen Wertschöpfungsketten und den Bedingungen, unter denen Deep Tech den Weg vom Labor auf das Feld findet — moderiert von Dr. Nik Raupp vom HTGF.

Session 2: Enabling Tech

Am Nachmittag präsentierten fünf Startups Technologien, die Landwirtschaft intelligenter, effizienter und nachhaltiger machen:

• Ant Robotics GmbH – Modulare Outdoor-Robotik für den Obst- und Gemüseanbau, die durch autonomes Sprühen und UV-C-Behandlung den Pestizideinsatz um bis zu 80 % reduzieren kann.
• SLS NextDrip – Macht Tröpfchenbewässerung für den Ackerbau im großen Maßstab wirtschaftlich, indem der manuelle Installationsaufwand von der Fläche in fabrikvorgefertigte, feldspezifische Einheiten verlagert wird.
• rain2soil – Entwickler des Rainbutler, eines autonomen Hocheffizienz-Bewässerungsroboters, der Arbeitsaufwand, Wasserverbrauch und Energieeinsatz drastisch reduziert.
• VetVise GmbH – KI- und kamerabasierte Verhaltensanalyse bei Hühnern und Schweinen, die Landwirte berät, um Tierwohl, Betriebseffizienz und Umweltfreundlichkeit zu verbessern und gleichzeitig den Arbeitsaufwand zu senken.
• Maschinenlotse – Eine KI-gestützte Plattform, die Landwirtinnen und Landwirte schneller, transparenter und besser vorbereitet zum richtigen Maschinenhandel führt.

Session 3: FoodTech

Die abschließende Session beleuchtete drei Startups, die entlang der Lebensmittelproduktions- und Verarbeitungskette innovieren:

• FluIDect – Bringt biologische Analytik direkt in die industrielle Produktion und hilft Lebensmittel- und Fermentationsunternehmen, Prozesskontrolle zu verbessern, Verluste zu reduzieren und Nachhaltigkeit zu steigern.
• PlasmaGrainInnovation (PGI) – Zielt darauf ab, chemische Pestizide in der Getreidlagerung vollständig zu eliminieren — durch den Einsatz von Cold Atmospheric Plasma (CAP).
• UMYNO Solutions – Eine KI-Worksuite für die Lebensmittel- und Getränkeinnovation, die F&E-Workflows automatisiert, um die Time-to-Market zu verkürzen und Datenchaos zu beenden.

Ein starkes Signal für AgriTech in Deutschland

Von biologischem Pflanzenschutz und präzisem Nutztiermanagement bis hin zu autonomen Bewässerungsrobotern und KI-getriebenem Lebensmittel-F&E — die Breite und Tiefe der in Hannover präsentierten Innovationen machte eines deutlich: Die nächste Generation der Agrartechnologie ist keine ferne Zukunft. Sie wird jetzt gebaut — von Gründerinnen und Gründern, die mutige Ideen in feldreife Lösungen verwandeln.

Ein herzliches Dankeschön an alle Startups, Investorinnen und Investoren sowie Ökosystem-Vertreterinnen und -Vertreter, die dabei waren — viele davon an einem der heißesten Tage des Jahres. Besonderer Dank gilt der NBank – Investitions- und Förderbank Niedersachsen für die Gastgeberschaft sowie allen Co-Organisatoren und Partnern: Big Dutchman AG, RootCamp – A SpinLab Company und Seedhouse.

Wir sind gespannt sein, was der AgriTech Pitch Day 2027 bringen wird.

Europas Deep-Tech-Potenzial braucht mutiges Kapital

Der kürzlich veröffentlichte Global Deep Tech Report 2026 liefert eine ernüchternde Bestandsaufnahme für Europas Innovationsökosystem – und einen klaren Aufruf zum Handeln für Investoren wie uns.

Ein Beitrag von Gregor Haidl, Partner und Head of HTGF München und einer der Mitautoren des Global Deep Tech Report 2026.

Die Zahlen sind klar: Europa ist Standort von 45 % der weltweiten Deep-Tech-Start-ups, erhält aber nur 17 % der Finanzmittel. Deutschland rangiert trotz seines wirtschaftlichen Gewichts mit nur 500 Start-ups weltweit auf Platz fünf – hinter Großbritannien (1.100) und Frankreich (800). Am auffälligsten: Europas Konversionsrate von Serie A zu Serie B liegt bei mageren 10 %, verglichen mit 24 % in Nordamerika.

Europa hat ein Problem mit der Überzeugung

Europäischen Gründern mangelt es nicht an wissenschaftlicher Tiefe oder technischer Exzellenz. Tatsächlich verfügen 61 % der Deep-Tech-Gründer über einen Master- oder Doktorgrad, wobei Ingenieurwesen, IT und Management die wichtigsten Ausbildungsbereiche sind. Dies unterstreicht die grundlegende Rolle der Hochschulbildung beim Aufbau von Unternehmen, die auf Spitzenforschung und -technik basieren. Der Bericht zeigt jedoch auch, dass europäische Deep-Tech-Gründer zwar hochqualifiziert sind, aber in Bezug auf vorherige Gründungserfahrung (36 % gegenüber 43 %), vorherige Deep-Tech-Erfahrung (24 % gegenüber 33 %) und den Besuch einer der Top-10-Universitäten (14 % gegenüber 29 %) hinter ihren nordamerikanischen Kollegen zurückbleiben. Dies deutet auf eine einzigartige Gründerszene in Europa hin, die ein maßgeschneidertes Unterstützungssystem erfordert, das die vorhandenen wissenschaftlichen Talente erkennt und fördert sowie unternehmerische Erfahrungen anregt.

Wir beim HTGF waren schon immer der Überzeugung, dass die Unterstützung von Deep Tech in erster Linie ein frühzeitiges finanzielles Commitment erfordert, wenn Technologien noch unbewiesen sind. Der Bericht zeigt jedoch, dass Geduld, wenn sich Zeitpläne verlängern, und Durchhaltevermögen, wenn Scale-up-Kapital am dringendsten benötigt wird, noch wichtiger sind. Als Multi-Stage-Plattform von der Seed- bis zur Wachstumsphase setzen wir genau auf diese Art von Engagement.

Der Bericht bestätigt, was wir täglich beobachten: Das „Tal des Todes“ ist real, und über 90 % der Deep-Tech-Start-ups scheitern aufgrund von Finanzierungslücken – nicht wegen technologischer Misserfolge. Hybride Finanzierungsmodelle, die Eigenkapital, Zuschüsse und Fremdkapital kombinieren sind unverzichtbar.

Diese Herausforderung wird durch gravierende Ungleichheiten bei den Ausstiegsmöglichkeiten und der Skalierbarkeit noch verschärft. Die M&A-Ausstiegsquote in Nordamerika liegt bei 8 % und ist damit doppelt so hoch wie die 4 % in Europa. Dieser „Skalierungsengpass“, bei dem 81 % der europäischen Start-ups bei 50 Mitarbeitern oder weniger bleiben – im Vergleich zu 68 % in Nordamerika –, deutet auf ein systemisches Problem bei der Schaffung klarer Wege zu erfolgreichen Ausstiegen für Deep-Tech-Unternehmen hin. Um das zu schaffen, braucht es nicht nur einen strategischen Kapitaleinsatz, sondern auch die Förderung eines robusteren Ökosystems, das Scale-ups unterstützt und große Übernahmen ermöglicht.

Energie, Begegnungen und Aufbruch fürs New Wirtschaftswunder

Rückblick auf den HTGF Family Day 2026

Genau jetzt, wo Europa eine neue Richtung braucht, kommen hier die Menschen zusammen, die sie gestalten.

Am 11. und 12. Mai fand der HTGF Family Day zum dritten Mal in Berlin statt – und hat einmal mehr gezeigt, was dieses Format besonders macht. Die Antwort auf die Herausforderungen unserer Zeit liegt in drei Dingen: Menschen, Technologie und Kapital. Wenn alle drei zusammenkommen, entsteht etwas Größeres. Genau das meinen wir, wenn wir vom New Wirtschaftswunder sprechen.

Was dieses Jahr besonders auffiel: die Stimmung. Trotz eines herausfordernden globalen Umfelds war die Atmosphäre von tiefem Optimismus geprägt. Der Glaube daran, dass Deutschland und Europa die Architekten des nächsten wirtschaftlichen Aufbruchs sein können, war greifbar. Es ist ein gemeinsames Projekt. Ein Vorhaben, das seinen Ursprung in den Ideen, Teams und Technologien hat, die das HTGF-Ökosystem jeden Tag voranbringt.

„Ohne Raumfahrt funktioniert unsere Gesellschaft nicht“

Koen Geurts über strategische Lücken, starke Ökosysteme und die Rolle von geduldigem Kapital in Europa

Ohne Raumfahrt läuft heute kaum etwas: Navigation, Logistik, Telekommunikation und Klimamonitoring werden durch Satelliten ermöglicht. Darüber, was das für unsere Gesellschaft und Europa bedeutet und welche Rolle Startups dabei spielen, haben wir mit Dr. Koen Geurts gesprochen, Senior Investment Manager beim HTGF und früher selbst 15 Jahre in der Raumfahrt tätig – unter anderem an der Rosetta-Kometenlandung 2014. Im Interview erklärt Koen, wo Europa stark ist, welche Lücken wir schließen müssen und warum geduldiges Kapital entscheidend ist, damit aus New Space-Startups echte europäische Champions werden.

Raumfahrttechnologie wird zunehmend als strategische Infrastruktur verstanden. Welche Rolle spielt sie heute ganz konkret?

Koen:  Ohne Raumfahrttechnologie funktioniert unsere Gesellschaft, so wie wir sie kennen, nicht. Navigation, Logistik, Telekommunikation und große Teile unserer kritischen Infrastruktur werden dadurch ermöglicht.

Das sieht man aktuell auch in der Ukraine, wo satellitenbasiertes Internet die Einsatzfähigkeit der Truppen mitbestimmt, oder im Iran, wo wir Entwicklungen oft nur über Satellitendaten nachvollziehen können. Satellitenbasierte Aufklärung ist auch für die zivile Krisenprävention entscheidend, ob bei Waldbränden, Überschwemmungen oder der Überwachung illegaler Abholzung.

Genauso wichtig ist Raumfahrt im zivilen Bereich: Wettervorhersagen, Analysen von Böden und Vegetation sowie Städteplanung und Infrastrukturentwicklung hängen direkt von Satelliten ab. Auch die systematische Erfassung von Klimadaten – von Eismassen über Meeresspiegel bis hin zu Treibhausgaskonzentrationen – wäre ohne sie kaum möglich. Hier ist Europa mit dem Copernicus-Programm sehr gut aufgestellt – die Daten sind frei verfügbar in Europa und haben zahlreiche neue Geschäftsmodelle ermöglicht.

In welchen Bereichen spielt Europa in der Raumfahrt vorne mit, und wo klaffen aus deiner Sicht noch Lücken?

Koen:  Im Erdbeobachtungsbereich ist Europa klar vorne, sowohl bei der Infrastruktur als auch bei vielen Anwendungen. Copernicus ist weltweit ein Referenzprogramm. Auch im Navigationsbereich ist Europa dank Galileo international auf Augenhöhe, vor allem bei Diensten und Sicherheitsstandards. Wir sehen aber auch erste New Space Scale-ups, die global führend werden, wie Iceye aus Finnland. Das ist eine absolute Erfolgstory für Europa.

Gleichzeitig haben wir strategische Lücken. Im Bereich LEO-Breitband – also Internet aus dem All – gibt es derzeit keine vollwertige europäische Alternative zu bestehenden Systemen. Und bei hochauflösender, optischer Aufklärung mit hoher Wiederholrate fehlen uns ebenfalls eigene Kapazitäten. Wenn wir ernsthaft über technologische Souveränität sprechen, müssen wir genau hier klug und zielgenau investieren.

Und wie spiegelt sich das im Startup-Ökosystem wider?

Koen:  Die Dynamik ist beeindruckend. Vor zehn Jahren hätte sich kaum jemand vorstellen können, dass privat finanzierte Unternehmen komplexe Raumfahrtsysteme entwickeln. Heute sehen wir genau das: Atmos arbeitet an neuartigen Wiedereintrittskapseln, The Exploration Company an Raumfahrtkapseln und Raketen, LiveEO nutzt Erdbeobachtungsdaten, um etwa Risiken entlang Bahnstrecken und Stromtrassen zu erkennen. ISPTech entwickelt neue Antriebstechnologien, die durch die veränderte Sicherheitslage noch relevanter werden. Und Reflex Aerospace entwickelt hochleistungsfähige, konfigurierbare Satellitenplattformen,

Solche Teams wären vor wenigen Jahren in Europa kaum finanzierbar gewesen. Heute gibt es Gründerinnen und Gründer, die groß denken, und Investoren, die bereit sind, dieses Niveau an Technologierisiko mitzugehen.

Warum entwickeln sich manche Unternehmen schneller als andere?

Koen:  Es hängt stark davon ab, wo man in der Wertschöpfungskette sitzt. Wer End-to-End Lösungen oder komplette Systeme an Endkunden verkauft, kann Marktgröße und Business Case oft leichter erklären – das hilft beim Fundraising und beim Gewinnen großer Verträge. Teams auf Komponenten- oder Subsystem-Ebene entwickeln oft entscheidende Technologien, haben aber mehr Aufwand, Investoren vom Marktpotenzial zu überzeugen und brauchen tendenziell länger, um signifikante Umsätze zu entwickeln. Dafür sind sie aber oft sehr profitabel.

Genau hier brauchen wir Patient Capital. Deep-Tech-Startups brauchen Zeit, um Märkte aufzubauen und Vertrauen zu gewinnen. Der HTGF übernimmt bewusst frühe Risiken in solchen Fällen, und der DTCF kann solche Unternehmen auch in späteren Skalierungsphasen unterstützen. Dass sich das lohnt, zeigen Beispiele wie Dcubed, die heute weltweit einzigartige Komponenten verkaufen und international bekannt sind.

Aktuell fließen große Budgets in den Raumfahrtsektor. Was bedeutet das für Startups?

Koen:  Diese Budgets sind enorm wichtig, gerade im sicherheits- und verteidigungsnahen Umfeld. Natürlich spielen etablierte Unternehmen in großen Infrastrukturprojekten eine zentrale Rolle. Gleichzeitig sollten wir Startups und Scale-ups viel konsequenter einbinden.

Auf dem Papier ist das oft gewollt, in der Praxis gehen große Ausschreibungen aber noch zu selten an junge Tech-Unternehmen. Die Erfahrung zeigt: Erfolgreiche Scale-ups liefern vielleicht nicht 100 Prozent der Anforderungen, erfüllen dafür aber 80 Prozent in 20 Prozent der Zeit oder Kosten. Dieses Mindset brauchen wir in Europa, wenn wir Innovation ernst nehmen.

Wenn du auf die nächsten Jahre schaust: Was braucht es?

Koen:  Wir brauchen drei Dinge: Teams, die technologisch groß denken; Investorinnen und Investoren, die Deep Tech als Langstrecke verstehen; und öffentliche Auftraggeber, die Startups in großen Projekten strukturell mit einbinden. Wichtig ist dabei auch, mehr in europäischen Kategorien zu denken und nicht in jedem Land eigene Champions aufzubauen. Wenn das zusammenkommt, kann Europa im Raumfahrtsektor nicht nur aufholen, sondern in vielen Bereichen eine führende Rolle einnehmen.

Vielen Dank für die spannenden Einblicke, Koen.

„Inkrementelle Verbesserungen reichen nicht aus“ – Frank Desiere, CEO von CorTec, im Interview

Mit der zweiten erfolgreichen Implantation eines vollständig implantierbaren Brain-Computer-Interface-Systems setzt das Freiburger MedTech CorTec ein starkes Signal für die nächste Generation der Schlaganfalltherapie.

Die Technologie adressiert Patient:innen jenseits der Grenzen klassischer Reha und eröffnet neues funktionelles Potenzial. Im Interview spricht CEO Frank Desiere über Skalierung, die Rolle langfristiger Investoren und Mindset-Fragen für MedTech-Gründer:innen.

Die zweite Implantation des Brain-Computer-Interface von CorTec ist ein wichtiger Meilenstein. Für welche Patientinnen und Patienten eignet sich das System?

Unser System ist für Schlaganfallpatientinnen und -patienten gedacht, die nach Jahren intensiver Rehabilitation keine Fortschritte mehr erzielen. Unser Gerät macht es möglich, die Therapie für diese Menschen gewissermaßen neu zu starten und zu beschleunigen. Die ersten Ergebnisse sind sehr vielversprechend.

Wie kann Ihre Technologie die Rehabilitation langfristig verändern?

Weltweit erleiden jedes Jahr rund 15 Millionen Menschen einen Schlaganfall. 80 % von ihnen leiden danach unter Lähmungen, vor allem der Arme und Hände und 40 % haben mit langfristigen Einschränkungen zu kämpfen. Das ist ein echtes Problem. Die klassische Neurorehabilitation hilft eine gewisse Zeit, aber nach sechs bis zwölf Monaten stagnieren die Fortschritte. Genau hier setzen wir an: Unsere Technologie ist für Patientinnen und Patienten gedacht, bei denen die klassische Therapie nicht mehr weiterhilft. Wir sorgen dafür, dass diese Menschen ihre Beweglichkeit und Selbstständigkeit wieder ausbauen können.

Die beiden Implantation fanden in Zusammenarbeit mit der University of Washington School of Medicine statt. Wie beeinflussten die internationale wissenschaftliche Expertise und die Forschung die Weiterentwicklung Ihrer Technologie?

Das ist überaus wichtig. Wir sind global unterwegs und kooperieren mit führenden wissenschaftlichen Partnern in den USA, in Europa und in Japan. Neben der University of Washington in Seattle, wo wir die Schlaganfallbehandlung voranbringen, kooperieren wir mit der Mayo Clinic im Bereich Epilepsie, mit der Universität Utrecht für ALS-Patient:innen und mit der Universität Freiburg im Bereich Depression. Diese Netzwerke beschleunigen Innovation und sorgen dafür, dass wir stets am neuesten Stand der Forschung arbeiten.

Wie weit ist bei den anderen Krankheitsbildern die Entwicklung?

Schlaganfälle sind unsere Hauptindikation und klarer Fokus. In der Zusammenarbeit mit der Mayo Clinic im Bereich Epilepsie läuft bereits eine sehr vielversprechende klinische Studie mit 13 Patient:innen. Hier geht es um die Früherkennung und Prävention epileptischer Anfälle. Dabei ist unser Device im externen Einsatz und nicht implantiert, also anders als bei Schlaganfallpatientinnen und -patienten.

Der HTGF ist ein früher Investor – schon seit 2011. Welche Rolle spielte diese Unterstützung für die Entwicklung von CorTec?

Langfristige Investoren wie der HTGF sind zentral, um wirklich bahnbrechende Ideen zu unterstützen und weiterzuentwickeln. Man muss den Investmentmanagerinnen und -managern beim HTGF ein großes Kompliment machen, weil eine große Kompetenz in verschiedenen Bereichen nötig ist, um vielversprechende Innovationen zu erkennen. Es braucht auch eine klare Vision und Entscheidungsfähigkeit. Man kann Caroline Fichtner und Marco Winzer nur gratulieren, dass sie diese Weitsicht bewiesen haben. Jetzt zeigt sich, dass Brain-Computer-Interfaces ein Riesenthema werden.

Wo sehen Sie sich im internationalen Wettbewerb?

Wir sind mit unseren internationalen Wettbewerbern in den USA und auch in China, nicht nur auf Augenhöhe, sondern sogar voraus. Unser Alleinstellungsmerkmal: wir können das Gehirn nicht nur lesen, sondern auch schreiben, also gezielt Signale ins Gehirn geben. Das eröffnet Möglichkeiten für neurologischen Therapien der Zukunft, welche die anderen heute noch gar nicht adressieren können.

Können Sie schon einen Ausblick geben, was die nächsten Schritte sind – insbesondere in der Indikation Schlaganfall?

Wir bereiten jetzt die nächste Finanzierungsrunde vor. Die nächsten Studien werden größer und komplexer sein und brauchen entsprechend mehr Kapital. Europa ist in der Frühphase gut aufgestellt, aber wenn es darum geht, größere Studien zu finanzieren und durchzuführen, da haben wir eine Lücke in der Finanzierungslandschaft. Deshalb schauen wir uns auch gezielt Optionen in den USA und in China an, um zusätzliches Kapital einzuwerben. Die Entwicklung eines Medizintechnik-Produkts kostet ungefähr 100 Mio. € und wir sind in einem Bereich mit vielen Unwägbarkeiten.

Auf unserem bisherigen Weg sind wir als Firma sehr kapitaleffizient vorgegangen. Zusätzlich haben wir öffentliche Gelder eingesammelt und sind damit sehr weit gekommen. Viele Wettbewerber haben deutlich mehr Kapital eingesammelt und sie sind noch lange nicht so weit wie wir.

Welche Ratschläge würden Sie MedTech-Gründerinnen und -Gründern mitgeben?

Man muss groß und langfristig denken: Inkrementelle Verbesserungen reichen nicht aus. Für Gründerinnen und Gründer ist es wichtig, sich mit Themen zu befassen, die einen echten Unterschied für Patienten möglich machen. So entsteht echter medizinischer und gesellschaftlicher Impact und ein Marktpotenzial, das Investoren anzieht.

Ganz wichtig sind die richtigen Partner im akademischen Bereich. Man will mit den Besten im Feld zusammenarbeiten, um ganz vorne dabei zu sein, die neuesten Ideen und Erkenntnisse umzusetzen.
Partner aus der Industrie sollten die eigenen Kompetenzen idealerweise ergänzen, um in einem Innovationsökosystem wirklich vorwärtszuarbeiten.

Schließlich braucht es ein Team, das nicht nur fachlich stark ist, sondern eine gemeinsame Vision teilt und eine Idee interdisziplinär vorantreibt.

Vielen Dank für das Gespräch!

2026 ist kein Hype-Jahr – sondern ein Realitätscheck für Startups

Was entscheidet 2026 über Erfolg oder Scheitern von Startups? KI als Produktivitätshebel, kapitaldiszipliniertes Wachstum und technologische Resilienz rücken in den Mittelpunkt. Wir haben drei Partner des HTGF gefragt, welche Strategien jetzt tragen und was die erfolgreichsten Gründerinnen und Gründer unterscheidet.

Ihre Perspektiven decken zentrale Zukunftsfragen ab: Dr. Tanja Emmerling mit Fokus auf KI, Organisationsdesign und Skalierung, Gregor Haidl mit Blick auf Industrial & Deep Tech sowie Dr. Nik Raupp mit seiner Expertise zu Nachhaltigkeit, Resilienz und Internationalisierung.

Welche Trends prägen 2026 – und welche sind vorbei?

Gregor Haidl:

2026 steht im Zeichen der europäischen technologischen Souveränität. Nach Jahren des Rückstands investiert Europa massiv in eigene Lösungen für Raumfahrt, AI & Computing, Energie oder Defense. Dies sind langfristige Entwicklungen, die nicht nur das Jahr, sondern die ganze Dekade prägen werden.

Parallel dazu erleben wir eine Renaissance von Industrial Tech: Der enorme Transformationsdruck rückt inkrementelle Innovationen in den Hintergrund; Robotics und KI-gestützte Forschung & Entwicklung werden durch den Fachkräftemangel und immer kürzere Entwicklungszyklen zum Pflichtprogramm für die produzierende Industrie.

Das Paradigma „Wachstum um jeden Preis“ ist passé.

Die Zeit undifferenzierter Finanzierungswellen ist vorbei; Substanz schlägt ab sofort bedingungslose Skalierung.

Dr. Nik Raupp:

2026 wird vermutlich leider noch stärker ein Jahr der geopolitischen Dauerkrisen und Umbrüche. Während langfristige Themen wie der Klimawandel teils weniger Aufmerksamkeit erfahren, rücken zirkuläre Geschäftsmodelle und die Nutzung lokaler Abfallströme als DIE Chance für die europäische Wirtschaft in den Fokus.

Es reicht nicht mehr, nur wettbewerbsfähige Herstellkosten zu haben. Die lokale und europäische Verfügbarkeit von Rohstoffen muss zwingend mitgedacht werden. Was geht: Wir verabschieden uns von der Annahme, dass globale Lieferketten immer funktionieren.

Der Fokus verschiebt sich hin zu technologischer Resilienz.

Was müssen Gründer:innen 2026 unbedingt beachten?

Dr. Tanja Emmerling:

Erfolgreiche Gründer fokussieren sich 2026 kompromisslos auf Geschwindigkeit. Die Anforderungen an Performance steigen spürbar. Das gilt nicht nur bei klassischen KPIs, sondern vor allem beim Tempo von Entscheidungen, Produktentwicklung und Markteintritt.

Gründer treffen Entscheidungen früh, testen schnell und akzeptieren Unschärfen, wo andere noch absichern.

Organisation, Produkt und Go-to-Market sind darauf ausgelegt, Geschwindigkeit auch unter wachsender Komplexität zu halten.

Gleichzeitig denken sie global und lassen sich von politischen Isolationstendenzen nicht ausbremsen. Erfahrene VCs wirken dabei als Sparringspartner für Fokus, Timing und Skalierung, damit Geschwindigkeit zum nachhaltigen Wettbewerbsvorteil wird.

Dr. Nik Raupp:

Die Herausforderung der Internationalisierung ist im aktuellen Umfeld nicht einfacher geworden. Deutsche Start-ups fokussieren sich oft zu lange nur auf den Heimatmarkt und scheitern später (häufig in den USA) an der falschen Annahme, dass dort alles ähnlich läuft wie hier. Mein Rat:

Internationalisierung von der ersten Minute an strategisch mitplanen und langfristig vorbereiten.

Aber es gilt dabei flexibel genug zu bleiben, um Pläne im Start-up-Kontext immer wieder anzupassen.

Was machen die erfolgreichsten Gründer:innen anders?

Dr. Tanja Emmerling:

Entscheidend ist, Innovationsfähigkeit nicht isoliert zu denken. Erfolgreiche Teams schaffen es, Corporates aktiv in ihre Innovationszyklen einzubinden. Als Kunden, Partner oder Co-Investoren. Und nehmen diese bewusst mit auf die notwendige Geschwindigkeit.

Sie verstehen, wo bestehende Industrie-Infrastrukturen tragen und wo sie selbst zur neuen Triebfeder werden können. Gleichzeitig erkennen sie, wann es sinnvoller ist, neue Modelle „auf der grünen Wiese“ zu entwickeln, um etablierte Akteure zu überholen. Entscheidend ist dabei nicht das Entweder-oder, sondern die Fähigkeit, beides zu beherrschen: Anschlussfähigkeit an bestehende Systeme und den Mut zu radikal neuen Investitionen.

Gregor Haidl:

Sehr gute Gründer:innen schaffen den Spagat zwischen großer Vision und operativer Realität. Erfolgreiche Gründer:innen verkaufen nicht nur ein Narrativ (z. B. europäische Wettbewerbsfähigkeit), sondern übersetzen dieses in ein konkretes, messbares Nutzenversprechen für den Kunden.

Sie denken radikal vom Markt her, liefern kontinuierlich Traction auf Kundenseite und sind äußerst lernfähig.

Kurz: Sie navigieren anspruchsvolle Zeiten, indem sie Marktpositionierung und Zahlenwerk gleichermaßen souverän beherrschen.