17.04.2026
TERM SHEETS

Der Null-Euro-Exit: Von Liquidation Preference und Secondaries

Ein Exit gilt als ultimativer Meilenstein für Startup-Gründer:innen. Doch selbst ein erfolgreicher Verkauf bedeutet nicht automatisch finanziellen Gewinn. Ungünstige Terms aus frühen Finanzierungsrunden – insbesondere rund um Liquidationspräferenzen – können dazu führen, dass Gründer:innen trotz jahrelanger Arbeit leer ausgehen. Monkee-Gründer Martin Granig erklärt und weist darauf hin, worauf es wirklich ankommt.
/artikel/der-null-euro-exit-von-liquidation-preference-und-secondaries
Exit, Liquidationspräferenz, Secondaries
© monkee - Martin Granig.

Langjähriges Schwitzen. Schlafmangel. Expertise-Aufbau in Sachen Bürokratie, modern Leadership, Steuerrecht, Marketing und Vertrieb. Abende gefüllt mit Netzwerk-Agenden, um u.a. das Bootstrapping zu verlassen und potentielles Kapital anzulocken. Schlussendlich läuft das Startup; das Team wächst, Revenue trudelt ein und am Unternehmen Beteiligte sind glücklich. Man zahlt sich zum ersten Mal ein Gehalt aus. Dann, nach Jahren harter Arbeit und Vernachlässigung des Privatlebens, winkt der Exit. In Millionenhöhe. Und er wird auf Wunsch oder Druck der Investor:innen auch umgesetzt.

300 Mio-Euro-Exit und kein Geld?

Man möchte meinen, man hat es geschafft. Doch falsch verhandelte Term-Sheets in Anfangsjahren sprechen eine andere Sprache. Und man bekommt nach Jahren der Mühsal und Hingabe keinen einzigen Euro aus dem Exit heraus.

Dies ist ein möglicher Werdegang von Gründer:innen, wie er – zwar nicht oft im Rampenlicht, aber dennoch – passiert. Martin Granig, Gründer von monkee, spitzt dieses Beispiel noch mehr zu und schreibt per LinkedIn-Post: „€300 Mio Exit. 3 Founder. Jeder bekommt: Null Euro. Klingt unmöglich? Ist es nicht. Und ich kann es beweisen“.

Zwar ist sein 300-Millionen-Exempel fiktiv, wie er im Gespräch mit brutkasten zugibt, Granig kennt aber tatsächlich einen Founder, der einen 15-Millionen-Exit hingelegt hat. „Ich habe ihm gratuliert, aber er meinte, dass die ‚Terms‘ so mies sind und der Exit hätte massiver sein müssen, ‚damit sich was ausgeht‘.“

Nachteilige Liquidationspräferenz

Der Founder aus Tirol berät aktuell drei Startup-Gründer beim Fundraising. Und merkt in diesem Sinne, dass oftmals der Fokus stark auf der Bewertung der Firma liegt. „Aber die Terms des Deals sind entscheidend“, warnt er. „Wenn etwa die Liquidationspräferenz nachteilig ist, müssen extrem große Exits erzielt werden, bevor für Founder überhaupt etwas übrig bleibt. Die Schlagzeilen sprechen in solchen Fällen von einem tollen Exit, doch hinter den Kulissen gibt es manchmal Gründer, für die die Situation ganz anders aussieht.“

Die Liquidationspräferenz, zur Erklärung, ist ein Standard-Mechanismus in Venture-Capital-Verträgen und dient vor allem als Downside-Protection für Investor:innen. Im Exit-Fall soll sie sicherstellen, dass Investor:innen ihr eingesetztes Kapital bevorzugt zurückerhalten – oft unabhängig von ihrer prozentualen Beteiligung. Häufig kommen dabei auch Multiples (z. B. 1x, 2x, etc.) zum Einsatz, die festlegen, wie viel des investierten Kapitals vorab zurückfließt.

Non-Participating-Modell vs. Participating-Modell

Beim Non-Participating-Modell, einer Founder-freundlichen Variante, wie Granig sie nennt, entscheiden die Investor:innen, ob sie ihr Investment (inklusive möglicher Multiples) zurückbekommen oder entsprechend der Beteiligung am Exit partizipierten – je nachdem, was für sie vorteilhafter ist.

Anders beim Participating-Modell: Hier erhalten die Investor:innen zunächst ihr eingesetztes Kapital (inklusive vereinbarter Multiples) zurück und beteiligten sich anschließend zusätzlich am verbleibenden Erlös.

Das führt dazu, dass erst danach „etwas vom Kuchen übrig bleibt“, von dem Founder und frühe Angel-Investor:innen profitieren. Gerade Letztere könnten im schlechtesten Fall auch leer ausgehen, während spätere Investor:innen oft auf bessere Terms zurückgreifen können.

Granig erklärt

„Wie passiert so etwas? Die späteren Investoren sehen, dass das Fundraising-Environment schwieriger geworden ist“, erklärt Granig konkret. „Eine Exit-Möglichkeit tut sich auf. Sie halten zusammen über 50 Prozent der Stimmrechte. Also forcieren sie den Verkauf. Aus ihrer Perspektive rational: Lieber jetzt 3x auf das Investment als noch ein bis zwei Jahre warten, das Risiko einer fehlenden Anschlussfinanzierung eingehen und am Ende das gesamte Investment abschreiben. Für die Founder ist es eine Katastrophe. Für die Investoren ist es Portfolio-Management“, schreibt er auf LinkedIn. Und weist erneut darauf hin, dass sich schlussendlich alles um die Art des Deals dreht.

„Wie stark Gründer auf bestimmte Terms eingehen müssen, ist letztlich Verhandlungssache – und hängt stark vom Druck im Fundraising ab“, sagt er. „Non-Participating-Strukturen gelten als founder-freundlicher, und Multiples von 1x, 1,5x oder 2x sind üblich. Wenn Investoren ein höheres Risiko sehen, können auch Faktoren von 3x verlangt werden. Problematisch wird es vor allem dann, wenn sich solche Faktoren über mehrere Finanzierungsrunden hinweg ’stapeln‘, selbst bei guten Exits bleibt in so einem Fall für Founder oft wenig übrig.“

Das Secondaries-Problem

Eine mögliche Lösung dafür wären „Secondaries“, also Teilverkäufe von Anteilen durch Gründer:innen (Cash-Out). „In der DACH-Region ist das kulturell jedoch noch zurückhaltend besetzt, vor allem in frühen Phasen“, sagt Granig. „Grundsätzlich gilt: Zuerst muss das Unternehmen solide finanziert sein und wachsen, um Secondaries wahr werden zu lassen. Entscheidend ist auch die Wahl der Investoren: Strategische Investoren zahlen oft eine Prämie und sind weniger strikt auf Exit-Rückflüsse fokussiert, während Finanzinvestoren stärker auf Rendite und klare Rückzahlungsmechaniken schauen.“ Somit bleibe vor allem eine Lektion: „Die Bewertung ist nicht der Deal. Die Terms sind der Deal.“

Deine ungelesenen Artikel:
08.10.2026

KI als Nachhilfe: Wie mathion.ai Lernen verändern will

Mathion.ai erstelle nicht einfach nur Lösungen für Mathematikaufgaben, sondern begleite die Schüler durch gezieltes Fragen auf dem Weg dorthin. In Zukunft soll die KI auch im B2B-Bereich angeboten werden.
/artikel/ki-als-nachhilfelehrer-wie-mathion-ai-lernen-veraendern-will
08.10.2026

KI als Nachhilfe: Wie mathion.ai Lernen verändern will

Mathion.ai erstelle nicht einfach nur Lösungen für Mathematikaufgaben, sondern begleite die Schüler durch gezieltes Fragen auf dem Weg dorthin. In Zukunft soll die KI auch im B2B-Bereich angeboten werden.
/artikel/ki-als-nachhilfelehrer-wie-mathion-ai-lernen-veraendern-will
Die beiden Geschäftsführer von mathion.ai Christoph Blizenetz und Alexander Buchinger | © mathion.ai

„Nächste Stunde ist Mathestunde“, ist vermutlich einer der gefürchtesten Sätze vieler Schüler:innen. Die Aufgaben sind oft schwierig und zermürbend. Da bietet es sich im Zeitalter von KI an, einen kurzen Prompt zu schreiben und Sekunden später wird die Lösung geliefert. Der Lerneffekt hält sich dabei bei vielen Schüler:innen in Grenzen. Hier setzt mathion.ai an.

Die KI von Founder Christoph Blizenetz liefert nicht fertige Lösungen, sondern chattet mit den User:innen und bringt sie so zum Ergebnis. Nach einem Pilotprojekt feierte die KI ihren Launch im vergangenen August. Sie ist in der Schweiz, Deutschland und Österreich erhältlich.

Harvard: „KI-gestütztes Tutoring übertrifft aktives Lernen im Unterricht“

Unterstützung erhalten KI-Tutoren wie jene von Blizenetz von der US-amerikanischen Harvard Universität. Im Juni 2025 veröffentlichte sie eine Studie, laut der KI-gestütztes Tutoring aktives Lernen im Unterricht übertreffe. Studierende, die mit einem KI-Tutor arbeiteten, lernten „deutlich mehr in kürzerer Zeit“ als in einer Präsenzveranstaltung. Außerdem würden sich Schüler:innen stärker eingebunden und motivierter fühlen. Harvard betont die Wirksamkeit „einer breit zugänglichen KI-gestützten Pädagogik zur signifikanten Verbesserung der Lernergebnisse“ und erklärt, dass die Ergebnisse überzeugend für die breite Anwendung einer KI-gestützten Pädagogik sprechen.

ChatGPT bringt dir Fertigkeiten bei, „die einfach nicht stimmen“

Für Blizenetz kann nicht einfach eine beliebige KI zum Lernen verwendet werden. Als ehemaliger Nachhilfelehrer kennt er die Probleme, die auftreten können. „Eine Schülerin hat mittels ChatGPT, das war damals noch etwas Neueres, gelernt und sich dabei Fertigkeiten und Begrifflichkeiten angeeignet, die einfach nicht stimmen“, sagt der 21-Jährige und ergänzt: „Nicht, weil das Opus der Mathematik aus der KI bzw. der LLM falsch ist. Es ist einfach nicht so lehrplanbezogen, wie es nun einmal das Schulbuch aber auch eine Lehrkraft ist.“

Daher begann Blizenetz mit der Entwicklung von mathion.ai, das sich aktuell auf die fünfte bis zur achten Schulstufe fokussiere. Es sei aber ein Ausbau bis hin zu Matura geplant.

Das Programm baut auf einem sogenannten „sokratischen“ System auf. Es stellt User:innen immer wieder Fragen, bis jene die Lösung selbst erarbeitet haben. Mathion.ai möchte dadurch zum Nachdenken anregen.

Dabei kann mit der KI geschrieben als auch gesprochen werden. „Wir haben gemerkt, dass junge Menschen einfach lesefaul sind. Sie können oft einfach nicht mehr wirklich sachlich lesen und Informationen über Texte sauber aufnehmen“, erklärt der mathion.ai-Gründer. Der Text wird dabei nicht einfach vorgelesen, sondern erklärt, „wie es ein Mensch tun würde“.

Mathion.ai liefere nicht einfach nur Ergebnisse, es erarbeite die Lösungen mit den Schüler:innen gemeinsam. | © mathion.ai

Standardisierter Lehrplan

Mathion.ai arbeite dabei nicht nur mit willkürlichen Inhalten, sondern mit einem standardisierten Lehrplan durch seinen Verlagspartner Lemberger, dessen Schulbuch „Genial! Mathematik“ von der fünften bis zur achten Schulstufe in mathion.ai eingefügt wurde. User:innen können Aufgaben aus diesen Büchern auswählen.

Lehrer:innen haben auf der anderen Seite die Möglichkeit über ein Verwaltungsportal ihren Schützlingen Inhalte zuzuweisen. „Da haben wir tausende Übungsaufgaben, die auch kapitelweise in Blöcke gezielt nach Themenbereichen zugewiesen werden können, zu den Schüler:innen und zu den Gruppen“, sagt Blizenetz. Zusätzlich können Lehrkräfte im Verwaltungsportal die Lernstände ihrer Schüler:innen einsehen und auch Inhalte erstellen: „Wir haben da einen eigenen Editor, wo, wie in einer PowerPoint, Textelemente, Dateien, interaktive Aufgaben gebaut und erstellt werden können.“ Der virtuelle Coach Tom führt anschließend durch den Kurs. Zusätzlich können von Lehrer:innen Aufgaben erstellt und zugewiesen werden.

Pädagog:innen durch KI zu ersetzen „ist auch gar nicht unser Ziel“

Wenn die KI bereits eigene Kurse halten kann, drängt sich naturgemäß die Frage auf, ob Lehrkräfte nicht ersetzbar sind. „Weder Lehrpersonen noch Pädagogen wird man durch KI in irgendeiner Art und Weise wirklich ersetzen können, das ist auch gar nicht unser Ziel“, stellt der TU-Student fest. Auch herkömmliche Nachhilfe sieht Blizenetz als sinnvoll an. Für ihn ist mathion.ai eine „Ergänzung“.

Es gebe auch die Möglichkeit für Nachhilifeinstitute, Inhalte einspielen zu können. „Als Schüler bzw. Schülerin habe ich den Unterricht mit der Lehrperson in der Klasse und im Nachhinein kann ich dann die Inhalte, gezielt mit den Aufgaben und dem Input der Lehrperson, weiter üben“, sagt Blizenetz.

Von B2C zu B2B

Mathion.ai kommt ursprünglich aus dem sogenannten Nachmittagsmarkt, in dem Eltern für ihre Kinder ein Abo abschließen. Allerdings möchte sich das Unternehmen nun im B2B-Bereich etablieren.

„Es ist einfach sehr schwierig, vor allem als österreichisches Unternehmen, in diesem B2C-SaaS-Bereich (Anm.: Software-as-a-Service-Bereich) wirklich standhaft zu werden“, erklärt Blizenetz. In Zukunft will sich mathion.ai auf Bildungsinstitute bzw. Bildungseinrichtungen fokussieren. Daher möchte der Gründer sein Unternehmen als zertifizierter Anbieter des Bildungsministeriums auf dem Markt etablieren. Das sei aber ein langer Weg. Mathion.ai befinde sich aktuell am Anfang des Genehmigungsverfahrens, ab September 2027 wolle man die Zertifizierung haben.

100 % eigenfinanziert

Das Unternehmen, offiziell bereits im Juli 2025 gegründet, kommt bisher ohne Investoren-Kapital aus und ist von Anfang an gebootstrappt. Blizenetz hat mathion.ai in Zusammenarbeit mit Weitsprung Solutions aufgebaut, das einen KI-gestützten Lerncoach anbietet. Bisher hat das Unternehmen noch keine Förderungen erhalten, allerdings laufe ein Förderantrag bei Netidee und ein FFG-Antrag für ein Forschungsprojekt werde aktuell erstellt.

Toll dass du so interessiert bist!
Hinterlasse uns bitte ein Feedback über den Button am linken Bildschirmrand.
Und klicke hier um die ganze Welt von der brutkasten zu entdecken.

brutkasten Newsletter

Aktuelle Nachrichten zu Startups, den neuesten Innovationen und politischen Entscheidungen zur Digitalisierung direkt in dein Postfach. Wähle aus unserer breiten Palette an Newslettern den passenden für dich.

Montag, Mittwoch und Freitag

AI Summaries

Der Null-Euro-Exit: Von Liquidation Preference und Secondaries

AI Kontextualisierung

Welche gesellschaftspolitischen Auswirkungen hat der Inhalt dieses Artikels?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

Der Null-Euro-Exit: Von Liquidation Preference und Secondaries

AI Kontextualisierung

Welche wirtschaftlichen Auswirkungen hat der Inhalt dieses Artikels?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

Der Null-Euro-Exit: Von Liquidation Preference und Secondaries

AI Kontextualisierung

Welche Relevanz hat der Inhalt dieses Artikels für mich als Innovationsmanager:in?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

Der Null-Euro-Exit: Von Liquidation Preference und Secondaries

AI Kontextualisierung

Welche Relevanz hat der Inhalt dieses Artikels für mich als Investor:in?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

Der Null-Euro-Exit: Von Liquidation Preference und Secondaries

AI Kontextualisierung

Welche Relevanz hat der Inhalt dieses Artikels für mich als Politiker:in?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

Der Null-Euro-Exit: Von Liquidation Preference und Secondaries

AI Kontextualisierung

Was könnte das Bigger Picture von den Inhalten dieses Artikels sein?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

Der Null-Euro-Exit: Von Liquidation Preference und Secondaries

AI Kontextualisierung

Wer sind die relevantesten Personen in diesem Artikel?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

Der Null-Euro-Exit: Von Liquidation Preference und Secondaries

AI Kontextualisierung

Wer sind die relevantesten Organisationen in diesem Artikel?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

Der Null-Euro-Exit: Von Liquidation Preference und Secondaries