SÜDOST-LONDON / LONDON (IT BOLTWISE) – Eine KI-Startup-Übernahme in Europa gelingt hier ohne vorherigen Umsatz: Der Deal kommt zustande, obwohl die Firma “Safe Sign Technologies” vor dem Verkauf noch kein einziges Abo verkauft hat. Die Begründung dreht sich weniger um Zahlen auf dem Chart, sondern um Substanz bei Sicherheit, Robustheit und Zuverlässigkeit. Der Weg dorthin führte über intensives Rechts- und Prozesslernen, mehrere gescheiterte Finanzierungsrunden und eine harte Entscheidung gegen den schnellen Revenue-Track. Entscheidend war am Ende, was im Detail nachweisbar funktionierte – gerade dann, wenn Investoren zuerst auf das Pitch-Deck schauen.
Wer heute ein KI-Startup hochzieht, lernt früh, dass Kapital oft als Reizwort auftritt: Umsatzkurven, bekannte Logos, eine Bühne, auf der Wachstum wie ein Naturgesetz wirkt. Der Lebensweg des Gründers von Safe Sign Technologies, den er mit einer fast schon paradoxen Erkenntnis verbindet, zeigt jedoch, wie stark sich die Bewertung verschiebt, sobald ein Käufer wirklich in die technische Substanz hineinblickt. Ausgerechnet als sein Unternehmen noch „pre-revenue“ war, also keinen nennenswerten Umsatz aus Abos oder Lizenzen meldete, konnte er fast zweieinhalb Jahre später eine große Übernahme an Land ziehen – und zwar als erste vor-Umsatz-Akquisition für Thomson Reuters in deren 174-jähriger Historie. Das ist keine bloße Story für Präsentationsfolien, sondern ein Hinweis darauf, dass bei stark technischen Käufen andere Bewertungslogiken greifen als bei frühen Seed- oder Serie-A-Runden.
Der Ausgangspunkt lag für ihn nicht im Technikum, sondern im Streit um ein Haus: Rollins House in Südost-London, ein heruntergekommenes Art-Deco-Gebäude, das einem Entwickler für Wohnbau weichen sollte. Weil die Familie sich Anwälte nicht leisten konnte, musste er lernen, wie Planungsrecht funktioniert – und zwar parallel zum Schulalltag. Er beschreibt, dass er Archive durchforstete, Dossiers aus Präzedenzfällen erstellte und schließlich selbst vor einem Council-Panel argumentierte. In dieser Phase lernte er eine Grundtechnik, die später auch in der Unternehmensentwicklung wiederkehrt: Detaillierung gewinnt, wenn andere auf Bauchgefühl oder „übliches Vorgehen“ setzen. Genau dort entstehen später die Unterschiede in der Verhandlung mit Investoren: Wer Substanz sauber belegen kann, verschiebt das Kräfteverhältnis, auch wenn die Ausgangsposition schwach wirkt.
Bei Safe Sign war die Situation zunächst alles andere als strategisch bequem. Er baute das Startup neben einer Tätigkeit als Solicitor bei Allen & Overy auf, mit einem Alltag, in dem sehr frühe Aufstehzeiten vorkommen und legaler Lernaufwand mit dem Aufbau des Unternehmens kollidiert. Nach den ersten Monaten kam der finanzielle Engpass immer wieder durch: Mehrfach lief das Unternehmen „fast“ ohne Geld in den nächsten Morgen hinein und musste erneut Kapital einsammeln. Gleichzeitig scheiterte der erste Plan: Ein eher konsumorientiertes Rechtsprodukt entstand, das Investoren offenbar nicht überzeugte. Der Ton in den Feedback-Schleifen war dabei unterschiedlich nach Region: In Nordamerika dominierten Fragen in Richtung „Wie kann ich helfen?“ – britische Investoren hingegen drehten stärker an der Prüffrage „Wie wird das scheitern?“. Solche Unterschiede sind nicht nur psychologisch interessant; sie beeinflussen die Art von Belegen, die ein Gründer liefern muss.
Die entscheidende strategische Wende beschreibt er als bewussten Verzicht auf den klassischen Revenue-Fokus. Statt sofortige Einnahmen zu jagen, investierten er und sein Team in eine proprietäre KI-Entwicklung und machten dabei eine sehr klare Aussage gegenüber Investoren: meaningful revenue werde es zunächst nicht in absehbarer Zeit geben. Das kostete Interessen – viele Investoren stiegen aus. Gleichzeitig entstand in der Phase, in der Erwartungen knapp waren, ein Modell, das sich über Forschung zu Sicherheit, Robustheit und Zuverlässigkeit differenzierte. Das Muster dahinter ist technologisch nachvollziehbar: Bei KI-Systemen ist die Leistungsfähigkeit nicht nur eine Frage der Benchmark-Scores, sondern auch, wie zuverlässig ein Modell in realen Umgebungen funktioniert, welche Fehlerbilder auftreten und wie es gegen spielbare oder nicht repräsentative Testmuster „robust“ bleibt. Wenn ein potenzieller Käufer solche Aspekte intern schnell gegenprüfen kann, steigt der Wert der „leisen“ Arbeit deutlich – selbst wenn außen noch keine Umsatzzahlen existieren.
Aus Sicht der Enterprise- und Research-orientierten Käufer ist zudem der Timing-Effekt relevant. Thomson Reuters’ Venture-Arm reagierte laut Beschreibung sehr schnell, als die internen Resultate geteilt wurden. Diese Form von „Due Diligence“ basiert in der Regel weniger auf dem Pitch-Deck als auf dem, was ein Team unter Last reproduzierbar zeigen kann: Wie gut funktioniert ein System unter Variationen? Wie verhält es sich, wenn Tests nicht nur abgefragt, sondern tatsächlich als Prüfmechanismus gegen das System gerichtet werden? Genau hier setzt der spätere, größere Gedankengang an: Der Markt redet in der KI-Welle häufig über die bekannten großen Modelle und die berühmten Laborteams, aber der Engpass liegt oft darunter. Nämlich bei den Werkzeugen und Schichten, die Frontier-Labs benötigen, um ihre Modelle überhaupt sicher und sinnvoll evaluieren zu können – zum Beispiel bei der Infrastruktur fürs Testen, bei Speichersystemen, die Wissensaufbau ermöglichen, oder bei speziellen „Neolab“-Enablement-Tools, die nicht einfach als generische Services abgehakt werden können.
Dieser Unterbau ist in der Praxis deutlich schwerer als die Oberfläche vermuten lässt. Wenn Systeme bei jeder Unterhaltung bei „Null“ starten, wirkt es nach außen wie eine reine Frage der Inferenz-Engine – tatsächlich hängt viel Wert am Aufbau von Kontext, am Management von Gedächtnis und an Strategien für inkrementelles Lernen oder fortlaufende Wissensintegration. Ebenso ist das Problem des Testdesigns zentral: Sobald Modelle lernen, bestimmte Aufgabenformate „zu schlagen“, statt die dahinterliegende Kompetenz zu beherrschen, wird es schwierig, Prüfungen zu bauen, die nicht nur messen, sondern auch schwer zu gamen sind. Genau diese Art von Substanz – wieder und wieder in Labor- und Produktionsnähe überprüfbar – macht eine Pre-Revenue-Phase wertvoll, weil der Käufer im besten Fall nicht raten muss, sondern anhand technischer Evidenz entscheidet. Safe Sign greift hier ein Motiv auf, das der Autor als „Rollins House“ wiederholt: Damals war die Geschichte im Gebäude relevant, nicht die oberflächliche Optik; beim Startup war die Leistungsfähigkeit im Detail relevant, nicht die fehlende Abo-Zahl.
Für Gründer und Investoren ergibt sich daraus eine unbequem klare Lehre: Der Markt „preist“ häufig nur eine Ebene ein – die sichtbarsten Fortschritte großer Modelle. Die größere Chance liegt aber in der Schicht darunter, in der KI-Entwicklung für Tests, Evaluation, Gedächtnisarchitekturen und spezialisierte Tools für wissenschaftliche und industrielle Workflows. Wer dann auf Pitch-Deck-Ästhetik statt auf defensible technische Mechanismen schaut, verpasst häufig gerade die Unternehmen, die später am besten „durchhalten“, weil sie die schwersten Lücken schließen. Und aus Investorensicht bleibt die Frage nach dem richtigen Prüfmaßstab: Wie viel Aufwand wird in die Prüfung der Robustheit, Zuverlässigkeit und der langfristigen Nützlichkeit gesteckt, bevor man Kapital verteilt? Die Übernahme ohne Umsatzerfolg ist in dieser Lesart weniger ein Zufall als ein Testfall dafür, dass Substanz sehr wohl früh erkennbar sein kann – wenn man bereit ist, genauer hinzusehen.
Interessant ist schließlich die persönliche Perspektive auf das Thema Verantwortung nach dem Deal: Der Gründer beschreibt, heute insbesondere zwischen „Style“ und „Value“ zu filtern. Das wirkt wie ein impliziter Qualitätsmaßstab für KI-Startups im Allgemeinen, aber auch für die Art von Forschung, die sich am Ende in echte Systemwirkung übersetzt. In einer Branche, in der viele Versprechen im Moment spektakulär klingen, wird damit der Fokus auf die unangenehmen Fragen verschoben: Wie belastbar ist das System? Woran lässt sich die Aussage festmachen, wenn Benchmarks ausgereizt sind? Welche technischen Bausteine verhindern, dass Frontier-Labs an der Infrastruktur selbst scheitern? Wenn sich diese Antworten belastbar geben lassen, kann eine Pre-Revenue-Phase genau jene Zeit sein, in der Substanz entsteht – lange bevor jemand die Zahlen richtig lesen kann.
💳 Amazon-Kreditkarte mit 2.000 Euro Limit bestellen!
🔥 Heutige Hot Deals bei Amazon: Bis zu 80% Rabatte!
🎉 Amazon Haul-Store für absolute Schnäppchenjäger!
- ★ 23-stufiges KI-Go-Training – Für Spieler mit Grundkenntnissen der Regeln – Entwickelt als intelligenter Trainingspartner passt sich die KI Spielern von 18K bis 9D an. Ideal für alle, die die Grundregeln bereits beherrschen und ihr Spiel verbessern möchten.
- IHR EMOTIONALER AI-BEGLEITER: Eiliko ist mehr als nur ein Anhänger, es ist ein charismatischer KI-Freund. Mit einem dynamischen LED-Bildschirm, der eine Vielzahl von animierten Gesichtern und Ausdrucksformen anzeigt, reagiert er auf Ihre Interaktionen mit einzigartiger Persönlichkeit und Charme.
- NIEDLICHER BEGLEITER: Eilik ist der ideale Begleiter für Kinder und Erwachsene, die Haustiere, Spiele und intelligente Roboter lieben. Mit vielen Emotionen, Bewegungen und interaktiven Funktionen.
- 【XL-Größe für gedeihende Pflanzen】Geben Sie Ihren Pflanzen den Raum, den sie verdienen! Unser verbessertes, großes 13,7 cm großes Design bietet Platz für Pflanzen mit einem Durchmesser von bis zu 8,9 cm und damit deutlich mehr Platz für Wurzelwachstum und Pflanzengesundheit im Vergleich zu kleineren, veralteten Modellen. Die Produktabmessungen betragen 13,6 x 13,6 x 13,2 cm und das Gerät wiegt nur 355 g.
- V28 Update - JETZT MIT NEUEN FUNKTIONEN! Als Reaktion auf das Ladeproblem von Loona haben wir das automatische Aufladen 2.0 verbessert. Diese Optimierung hilft Loona, die Ladewege in verschiedenen Szenarien zu erkennen und anzupassen, um die Erfolgsquote beim automatischen Aufladen zu erhöhen. Mobile Hotspots können sich mit Loona verbinden und überwinden WLAN-Einschränkungen, sodass Sie jederzeit und überall mit Loona interagieren können.
- Die besten Bücher rund um KI & Robotik!
- Die besten KI-News kostenlos per eMail erhalten!
- Zur Startseite von IT BOLTWISE® für aktuelle KI-News!
- IT BOLTWISE® kostenlos auf Patreon unterstützen!
- Aktuelle KI-Jobs auf StepStone finden und bewerben!
- Künstliche Intelligenz: Dem Menschen überlegen – wie KI uns rettet und bedroht | Der Neurowissenschaftler, Psychiater und SPIEGEL-Bestsellerautor von »Digitale Demenz«
Du hast einen wertvollen Beitrag oder Kommentar zum Artikel "Pre-Revenue als Wettbewerbsvorteil: Wie eine KI-Startup-Übernahme ohne Umsatz gelang" für unsere Leser?
#Sophos
#AmazonPrime
#Bestseller
Es werden alle Kommentare moderiert!
Für eine offene Diskussion behalten wir uns vor, jeden Kommentar zu löschen, der nicht direkt auf das Thema abzielt oder nur den Zweck hat, Leser oder Autoren herabzuwürdigen.
Wir möchten, dass respektvoll miteinander kommuniziert wird, so als ob die Diskussion mit real anwesenden Personen geführt wird. Dies machen wir für den Großteil unserer Leser, der sachlich und konstruktiv über ein Thema sprechen möchte.
Du willst nichts verpassen?
Du möchtest über ähnliche News und Beiträge wie "Pre-Revenue als Wettbewerbsvorteil: Wie eine KI-Startup-Übernahme ohne Umsatz gelang" informiert werden? Neben der E-Mail-Benachrichtigung habt ihr auch die Möglichkeit, den Feed dieses Beitrags zu abonnieren. Wer natürlich alles lesen möchte, der sollte den RSS-Hauptfeed oder IT BOLTWISE® bei Google News wie auch bei Bing News abonnieren.
Nutze die Google-Suchmaschine für eine weitere Themenrecherche: »Pre-Revenue als Wettbewerbsvorteil: Wie eine KI-Startup-Übernahme ohne Umsatz gelang« bei Google Deutschland suchen, bei Bing oder Google News!