---
title: "Kausale KI aus Europa: Wie kausable die nächste Generation von KI entwickeln will"
date: 2026-08-31T09:51:56Z
modified: 2026-08-31T14:47:55Z
permalink: "https://www.htgf.de/kausable-interview/"
type: post
status: publish
excerpt: ""
wpid: 133248
categories:
  - Story
language:
  - Deutsch
post_translations:
  - pll_6a954faac29aa
featured_image: "https://www.htgf.de/wp-content/uploads/2026/08/Johannes-x-Hendryk.jpg"
timestamp: 2026-08-31T14:47:55Z
tags:
  - Story
  - Deutsch
  - pll_6a954faac29aa
---

# **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.



![](https://www.htgf.de/wp-content/uploads/2026/08/Johannes-x-Hendryk.jpg)

Johannes Haux, CEO und Co-Founder von Kausable und Hendryk Hosemann, Senior Investment Manager beim HTGF (Fotos kausable; HTGF | Montage: HTGF)

**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.



![](https://www.htgf.de/wp-content/uploads/2026/08/image.png)

Johannes Haux (Mitte) mit seinen Co-Foundern Gregor Ramien (links) und Dr. Benjamin Herdeanu (rechts) 

**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](https://startupjobs.htgf.de/companies/kausable)