Bewertung von AI-Start-ups

Bei KI-Start-ups greift die klassische Bewertungslogik oft ins Leere: Die Unternehmen sind jung, die Umsätze klein oder noch nicht repräsentativ, und die Technologiezyklen bewegen sich schneller als jeder Planungshorizont. Wer hier mit Umsatz-Multiples oder DCF-Modellen allein argumentiert, verfehlt das, worauf Investoren tatsächlich schauen.

Drei Gründe, warum traditionelle Metriken versagen: Erstens sagt der heutige Umsatz wenig über das Potenzial aus, wenn das Produkt gerade erst den Markt erreicht. Zweitens verzerren hohe Compute- und Entwicklungskosten die Kostenbasis in einer Phase, in der bewusst investiert wird. Drittens kann ein Modellfortschritt der großen Basismodell-Anbieter ganze Produktkategorien innerhalb von Monaten entwerten – ein Risiko, das in keiner Planrechnung steht.

Worauf Investoren wirklich schauen

In unseren Prozessen sehen wir vier wiederkehrende Bewertungsanker: die technische Tiefe und Geschwindigkeit des Teams; den Zugang zu proprietären Daten und die Rechte daran; die Verteidigungsfähigkeit des Produkts gegenüber den Basismodellen – also die Frage, ob das Unternehmen eine echte eigene Schicht an Wertschöpfung aufbaut oder nur eine dünne Hülle um fremde Modelle legt; und schließlich frühe kommerzielle Signale wie Pilotkunden, Nutzungsintensität und Zahlungsbereitschaft.

„Bewertet wird nicht der heutige Umsatz, sondern die Glaubwürdigkeit des Weges zu einem verteidigungsfähigen Geschäftsmodell."

Konsequenzen für Gründer

Für Gründer heißt das: Die Bewertungsdiskussion wird über das Marktnarrativ und die Meilensteine geführt, nicht über die Tabellenkalkulation. Ein realistischer Plan bis zur nächsten Finanzierungsstufe, sauber definierte technische und kommerzielle Meilensteine und in frühen Phasen eine passende Strukturierung – etwa SAFE- oder Convertible-Instrumente mit Bewertungs-Cap – verschieben die formale Bewertungsfrage dorthin, wo sie sich besser beantworten lässt: in die Anschlussrunde, mit Belegen statt Behauptungen.