---
title: "TrustNXT: Wie werden Daten für autonome Systeme vertrauenswürdig?"
date: 2026-09-28T13:22:33Z
modified: 2026-09-28T13:28:52Z
permalink: "https://www.htgf.de/trustnxt-wie-werden-daten-fuer-autonome-systeme-vertrauenswuerdig/"
type: post
status: publish
excerpt: ""
wpid: 133638
categories:
  - Story
language:
  - Deutsch
post_translations:
  - pll_6ab6892baf5bc
featured_image: "https://www.htgf.de/wp-content/uploads/2026/09/Foto-TrustNXT-Founder_Ariane-Sebastian.png"
timestamp: 2026-09-28T13:28:52Z
tags:
  - Story
  - Deutsch
  - pll_6ab6892baf5bc
---

# 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.



![](https://www.htgf.de/wp-content/uploads/2026/09/Foto-TrustNXT-Founder_Ariane-Sebastian-1080x1080.png)

Ariane Scheer-Danielsson und Sebastian Adank, Co-Founder von TrustNXT (Foto: TrustNXT)

**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.



![](https://www.htgf.de/wp-content/uploads/2026/09/warehouse_ai_trustnxt-1080x1080.png)

Eindrücke aus einer Lagerhalle (KI-generiertes Bild)

**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.**