PALO ALTO / LONDON (IT BOLTWISE) – Daniel Docter, Managing Director bei Dell Technologies Capital, erklärt, wie ein VC-Ansatz für Deep-Tech auch dann funktioniert, wenn der Markt noch nicht bereit ist. Im Zentrum steht die Auswahl der Gründerpersönlichkeit und die Fähigkeit, Hypothesen mit EQ zu prüfen, während die Technik auf den Durchbruch wartet. Außerdem ordnet er die Debatte ein, ob KI das SaaS-Modell auslöscht: Wichtig sind aus seiner Sicht weniger das Modell als die Preislogik und die Gewinner bei der Umsetzung. Den größten Hebel für frühe KI-Startups sieht er in der Distribution – und damit in Partnerschaften mit etablierten Marktteilnehmern.
Daniel Docter beschreibt seinen Job in einem Satz, der wie ein Investment-Manifest klingt: Bei Deep-Tech-Teams geht es zuerst um die Menschen und erst danach um Finanzmetriken. In der Seed- und Series-A-Phase fokussiert sein Team laut Interview vor allem darauf, welches Problem eine Technologie löst, was sie potenziell stört und wie gut sie bereits funktioniert – selbst wenn klassische KPIs oft erst später belastbar werden. Diese Priorität passt zu seinem eigenen Werdegang, der von einem technischen Fundament geprägt ist: elektrische Ingenieur- und Informatikstudien, dazu ein Ph.D., bevor er von reiner Technologiearbeit stärker in Richtung Business-Übersetzung gewechselt ist. Genau diese Mischung aus technischer Tiefe und kaufmännischem Blick zieht sich durch die Investmentphilosophie.
Ein wichtiger Unterschied gegenüber vielen anderen Venture-Capital-Ansätzen liegt nach Docters Darstellung in der Zugriffsmöglichkeit auf ein Netzwerk, das eng mit Michael Dell und dem Unternehmen Dell Technologies verbunden ist. Er nennt das bewusst als „unique network“ und betont, dass es nicht um Überlegenheit geht, sondern um Spezialisierung: Das Team kann sich schneller ein Bild darüber machen, welche Anforderungen bei großen Unternehmen wie Fortune-500-Kunden entstehen – und welche Fragen etwa Finanzdienstleister im Alltag an Software stellen. Gleichzeitig sieht er genau dort den größten Nutzen für Portfoliounternehmen: Wenn ein Startup weiß, welche Use-Cases in der Zielbranche wirklich nachgefragt werden, lassen sich Produktentscheidungen, Prioritäten in der Roadmap und auch die Ansprache der Käuferseite deutlich klarer ausrichten.
Der schwierigste Teil für frühe Deep-Tech-Startups beginnt laut Docter oft nicht beim Bauen, sondern beim Überleben über einen langen Zeitraum, in dem der Markt noch nicht „klickt“. Er unterscheidet dabei zwei Fragen, die sich im Investment-Alltag regelmäßig vermischen: Erstens, wie man Gründer identifiziert, die trotz Unsicherheit ins Ziel kommen; zweitens, wie man die Zeit finanziert, die ein fünf-, sieben-, zehn-, 15- oder 20-Jahres-Problem nun einmal benötigt. Beim ersten Punkt setzt er stark auf eine EQ-Komponente: Nicht nur technische Kompetenz zählt, sondern vor allem die Fähigkeit, eine erste Einschätzung zu testen, bei falschen Annahmen agil umzuschwenken und Feedback zu integrieren – auch dann, wenn die Person, die das Feedback gibt, nicht zwingend das „smartest“ Gehirn im Raum ist. Beim zweiten Punkt nennt er die harte Realität: Langfristige Wetten sind inhaltlich machbar, aber finanziell riskant, weil Overspending Startups sehr schnell töten kann. Dazu braucht es zudem starke Co-Investor-Partner und ein funktionierendes Venture-Ökosystem, das nicht nur heute Kapital liefert, sondern auch über die Jahre.
Aus Sicht des Marktmechanismus stellt sich dann die Frage, ob ein Startup als „First Mover“ zwingend im Vorteil ist – oder ob man in Wellen denken muss. Docter führt dazu die Logik der Kategorieentwicklung ein: Bei der „category creation“ entsteht eine neue Kategorie, die viele Käufer erst noch verstehen und einordnen müssen. In diesem Fall kann „first“ sogar ein Nachteil sein, weil die frühe Firma sehr viel Aufklärungsarbeit, Kapital und organisatorische Energie investieren muss. Dagegen wirkt bei „category disruption“ anderes: Wenn eine große bestehende Kategorie bereits da ist und ein Startup sie mit besserer Geschwindigkeit, Kostenstruktur oder Leistungsfähigkeit aufmischt, kann ein früher Einstieg tatsächlich Vorteile bringen. Genau hier wird die Debatte um KI-gestützte Produktivitätssoftware greifbar: Der technische Fortschritt reicht nicht, wenn die Marktmechanik nicht verstanden wird.
Zur Sorge, KI-Agenten könnten das SaaS-Modell vollständig ersetzen, äußert sich Docter deutlich. Für ihn ist Künstliche Intelligenz zweifellos disruptive für SaaS – aber nicht in dem Sinne, dass SaaS verschwindet. Stattdessen verschiebt sich, wie Software gebaut und konsumiert wird, und ebenso wie sie bepreist wird: Das per-Seat-Modell hält er für wahrscheinlich überholt, weil Preissysteme zunehmend an Verbrauch („consumption“) oder an Outcomes gekoppelt werden. Entscheidend ist aber die Übergangsstrategie etablierter Anbieter: SaaS-Unternehmen mit guter Führung und Management-Disziplin würden nicht „sterben“, sondern die KI-Funktionen in ihren Betrieb integrieren, ihre Prozesse transformieren und damit als Kategorie-Führer hervorgehen. Docter verweist dabei auf Vorteile von Incumbents wie Markenbekanntheit und bestehende Kundenbeziehungen; sie können die AI-Transformation nur dann gewinnen, wenn sie sie aktiv umsetzen – nicht, wenn sie abwarten.
Für frühe KI-Startups wird daraus eine besonders praktische Frage: Wie bleibt die Go-to-Market-Strategie überzeugend, wenn sich Zahlungsmodelle und Wertversprechen wandeln? Docter antwortet mit einem Punkt, der im Interview wie ein wiederkehrender Prüfstein wirkt: „What is your distribution strategy?“ Distribution sei in der Frühphase für Differenzierung wichtiger geworden, weil viele Teams hervorragende oder disruptive Technologie liefern können. Er leitet daraus eine klare Konsequenz für die Umsetzung im Vertrieb ab: Startups brauchen Partnering, häufig mit Incumbents, die bereits eine Marke in der Ziel-Nische haben – oder die man im besten Fall so „adjazent“ anspricht, dass sich Vertriebskanäle schnell erschließen lassen. Für SaaS-Unternehmen, die selbst umstellen wollen, nennt er zudem die Logik von M&A: Eine Kauf- oder Akquisitionsbewegung in den nächsten sechs, 12, 18 oder 24 Monaten könne helfen, Transformationsaufwand zu verkürzen, indem man Technologie einkauft, für die der Eigenaufbau zu lange dauern würde.
Auch bei der Frage nach Kapitalzyklen und Exit-Momentum bleibt Docter bei einer pragmatischen Sicht: Markttiming könne man nicht zuverlässig planen, dennoch sei es ein Glücksfall gewesen, dass bestimmte Exits in eine Phase fielen, in der andere Akteure mit Liquiditätsproblemen kämpften. Gleichzeitig rahmt er die Ergebnisse über die Zeit: Einige Firmen hätten über mehr als ein Jahrzehnt gearbeitet, bis der Markt ausreichend „nachlief“. Andere waren schneller, weil Gründer einen frühen Shift in der Entwicklung korrekt erkannt hatten – etwa als KI-Workloads realen Druck auf Rechenzentrums-Infrastruktur ausübten. Für Startups, die jetzt Series A oder B aufnehmen wollen, lautet die nächste Prüfungsfrage folgerichtig nicht „Wie groß ist der Hype?“, sondern „Ist die Revenue durable?“ Docter spricht dabei von einer Verschiebung weg von langfristig kontrahierten, mehrjährigen Verträgen hin zu „re-occurring“ Revenue: Einnahmen entstehen häufig über Projekte, bei denen Kunden später erneut zurückkommen. Ein starkes Indiz sei dann die nachweisbare Wiederkehr von Deals über Monate hinweg – etwa in der Art, dass ein Erstdeal mit einem Unternehmen später in weiteren Quartalsprojekten fortgesetzt wird.
Im Kern läuft das Interview auf eine einfache, für Unternehmensgründer relevante Linie hinaus: Investoren beurteilen nicht nur, ob Künstliche Intelligenz technisch funktioniert, sondern ob Teams ein tragfähiges Timing, eine realistische Kapitaldisziplin und eine belastbare Vertriebserzählung hinbekommen. Die AI-Ära verändert demnach nicht die Grundlogik von Venture Wetten, sondern verschiebt die Gewichtung im Betrieb: EQ bei der Hypothesenprüfung, finanzielle Kontrolle bei langen Innovationszyklen und ein Vertriebsweg, der schneller als die reine Produktreife zur Kaufentscheidung führt. Wer in dieser Logik arbeitet, kann sowohl „category creation“ als auch „category disruption“ mit einer Strategie adressieren, die nicht auf Zufall setzt, sondern auf Distribution – und genau dort sieht Docter die größte Trennlinie zwischen Gewinnern und Verlierern.
💳 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 "Dell Technologies Capital: Warum KI SaaS nicht beendet und Distribution entscheidend bleibt" 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 "Dell Technologies Capital: Warum KI SaaS nicht beendet und Distribution entscheidend bleibt" 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: »Dell Technologies Capital: Warum KI SaaS nicht beendet und Distribution entscheidend bleibt« bei Google Deutschland suchen, bei Bing oder Google News!