13.10.2025
FROM SCIENCE TO BUSINESS | NACHLESE

Finanzierung als Marathon: Was forschungsintensive Spin-offs brauchen

Forschungsintensive Spin-offs brauchen langen Atem – bei Entwicklung, Kosten und Kapital. Wie Finanzierung gelingen kann, diskutieren Doris Agneter (Geschäftsführerin, tecnet equity), Lukas Rippitsch (Portfolio Support Lead, Noctua Science Ventures) und Thomas Meneder (Geschäftsführer, OÖ HightechFonds) in Kapitel 4 von "From Science to Business“.
/artikel/from-science-to-business-nachlese-4

Während Software-Startups oft in wenigen Monaten einen Prototyp entwickeln und erste Umsätze erzielen, ist die Realität bei Spinoffs im Bereich Life Sciences oder Deep Tech eine andere. Ihre Entwicklungszyklen dauern Jahre, oft ein halbes Jahrzehnt oder mehr. Parallel dazu steigen die Kosten – von aufwendiger Laborinfrastruktur über regulatorische Verfahren bis hin zu hochspezialisierten Teams.

Gerade dieser lange Weg unterscheidet Spin-offs von schnell skalierbaren Software-Modellen – und macht die Finanzierung besonders anspruchsvoll. „Teilweise sprechen wir mit Teams, die schon fünf bis sieben Jahre vor der Gründung in der Forschung gearbeitet haben“, schildert Lukas Rippitsch von Noctua Science Ventures, einem Spin-off-Fonds, der gemeinsam von TU Wien und Speedinvest gegründet wurde und akademische Forschungsteams mit Kapital und operativer Begleitung in marktfähige Unternehmen überführt.

Auch Thomas Meneder, Geschäftsführer des OÖ Hightechfonds, eines regionalen Frühphasenfonds mit Schwerpunkt auf Deep-TechStartups, hebt die besondere Dynamik hervor „Wir haben gelernt, zu Beginn kleinere Tickets zu setzen und verstärkt in Konsortien zu investieren, um hinten raus mehr Luft zu haben.“ Spin-offs brauchen Zeit – Geduld gehört daher auf beiden Seiten dazu.

Für Doris Agneter, Geschäftsführerin von tecnet equity, einem EarlyStage-Venture-Capital-Fonds, der in innovative Tech-Startups und Spin-offs in Niederösterreich investiert und den Technologietransfer unterstützt, ist es zudem entscheidend, jedes Projekt individuell zu betrachten. „Es gibt kein Kochrezept für die Finanzierung von Spinoffs. Jedes ist anders und braucht ein maßgeschneidertes Setup.“

Die zentrale Frage lautet daher: Wie lässt sich ein Finanzierungsmodell schaffen, das diesen langen Entwicklungszyklen gerecht wird? Klar ist: Finanzierung von Spin-offs bedeutet weit mehr als Kapital. Sie ist ein Gesamtpaket aus Coaching, Netzwerk, CapTable-Design und strategischer Begleitung.

Teams im Fokus: Von der Forschung zur unternehmerischen Realität

Die langen Entwicklungszyklen machen deutlich: Spin-offs brauchen nicht nur Kapital, sondern auch das richtige Setup, um diese Zeit erfolgreich zu überbrücken. Ein zentraler Faktor dabei ist das Team.

Wissenschaftler:innen, die über Jahre gemeinsam geforscht haben, sind zwar fachlich bestens aufgestellt – doch die unternehmerischen Kompetenzen fehlen oft. Vertrieb, Business Development, HR oder regulatorische Strategie müssen erst ergänzt werden.

„Wir müssen Sciencepreneurs aus ihrer Komfortzone holen und prüfen: Können sie das, wollen sie das – und ist ihnen bewusst, was auf sie zukommt?“, erklärt Lukas Rippitsch. Für ihn ist entscheidend, dass sich Gründer:innen nicht nur auf ihre Technologie verlassen, sondern auch unternehmerisch den nächsten Schritt gehen.

Auch Doris Agneter bestätigt: „Gerade technologieorientierte Gründerteams sind anfangs selten vollständig aufgestellt. Wichtig ist, parallel zum Kapital auch Know-how und Netzwerke hereinzubringen, damit Sales-, HR- oder Management-Kompetenzen Schritt für Schritt dazukommen.“

Für Thomas Meneder ist ein diverses Team sogar das zentrale Entscheidungskriterium: „Gute Teams mit dem richtigen Thema kriegen Finanzierungen – auch in schwierigen Zeiten. Solo Gründer sind in unserem Bereich oft problematisch.“

Doch starke Teams allein reichen nicht – entscheidend ist auch die Eigentümerstruktur.

Cap Table: Red Flags, die jede Anschlussfinanzierung gefährden

Neben dem Team ist der Cap Table einer der wichtigsten Prüfsteine für Investoren. Wer welchen Anteil hält, entscheidet über die Handlungsfähigkeit des Unternehmens – und ob spätere Finanzierungsrunden überhaupt möglich sind.

Ein wiederkehrendes Thema bei Spin-offs sind vergleichsweise hohe Anteile für Personen, die nicht im operativen Geschäft aktiv sind – etwa Professor:innen oder Betreuer:innen. Sie werden bei der Gründung oft berücksichtigt, spielen später aber manchmal keine Rolle mehr im Aufbau des Unternehmens.

„20 bis 30 Prozent Equity für inaktive Gründer sind eine absolute Red Flag – das ist nicht finanzierbar“, warnt Lukas Rippitsch. Auch Doris Agneter sieht darin ein Ausschlusskriterium: „Wir haben bereits Beteiligungen abgelehnt, weil zu viel Equity bei inaktiven Gründern lag. Man muss bedenken: Teams entwickeln sich, es kommen neue Personen dazu. Dafür braucht es Platz im Cap Table.

Thomas Meneder bringt die Investorenperspektive auf den Punkt: „Am Ende geht es um die Leute. Gute Teams mit dem richtigen Thema bekommen Finanzierung – aber nur, wenn die Eigentümerstruktur passt.“

Uni-Beteiligungen: Zwischen Anspruch und Realität

Universitäten und Forschungseinrichtungen wollen – und sollen – am Erfolg von Ausgründungen teilhaben. Doch wie diese Beteiligungen ausgestaltet sind, ist in Österreich aktuell Teil intensiver Diskussionen. Denn was als legitimes Interesse der Hochschulen beginnt, kann schnell zum Stolperstein für Gründer:innen werden.

„Wunsch wäre Geschwindigkeit und Standardisierung – je einfacher, desto besser“, fordert Lukas Rippitsch. Besonders problematisch sei es, wenn jede Universität ihr eigenes Modell entwickle „Was wir nicht brauchen, ist Wildwuchs, wenn jede Hochschule ihre eigenen Templates entwickelt.“ Als positives Beispiel verweist er auf die ETH Zürich, die ihre Regeln für Spin-offs auf wenigen Seiten klar und transparent zusammengefasst hat. Dort liegt der Richtwert bei 2 Prozent Equity für die Universität – kombiniert mit klaren Lizenzverträgen.

Auch Doris Agneter plädiert für schlanke Modelle, die Beteiligung ohne Blockade ermöglichen „Universitäten sollen am Erfolg partizipieren, aber den Weg nicht erschweren. Virtual Shares oder Treuhandlösungen sind oft geeigneter als direkte Equity-Anteile.“

Für Thomas Meneder ist die Anschlussfähigkeit an internationale Standards entscheidend. Er plädiert für Lizenzmodelle mit Cap und klare Regeln, damit Gründer:innen und Investoren Planungssicherheit haben.

In der Szene gilt als Faustregel: Uni-Anteile im niedrigen einstelligen Bereich sind akzeptabel. Alles über 10 Prozent wird kritisch; ab 20 Prozent ist eine Anschlussfinanzierung kaum mehr darstellbar.

Rahmenbedingungen: Wo Österreich nachschärfen muss

Zum Abschluss richtet die Runde den Blick auf die Rahmenbedingungen. Denn ob Spin-offs wachsen können, hängt nicht nur von Kapital ab, sondern auch von Anreizen, steuerlichen Regelungen und einer innovationsfreundlichen Kultur.

Für Thomas Meneder ist der steuerliche Rahmen für private Investor:innen ein entscheidender Hebel: „Wenn Verluste steuerlich nicht absetzbar sind, fehlt der Anreiz. Gewinne werden voll versteuert, Verluste trägt man allein – das ist kein attraktives Modell.“ Ohne attraktive Bedingungen für Business Angels bleibe ein wichtiger Teil des Finanzierungsökosystems zu schwach, um die Wachstumsphasen von Spin-offs ausreichend abzusichern.

Lukas Rippitsch wiederum mahnt mehr Zusammenarbeit und Standardisierung im Hochschulsektor ein: „Ein klarer, einheitlicher Rahmen würde Gründer:innen in den Mittelpunkt stellen und Investoren schnelle Prozesse ermöglichen.“ Noch zu oft entwickeln Universitäten eigene Modelle für Beteiligungen und IPÜbertragungen, was zu Verzögerungen und Unsicherheit führt. Vorbilder wie die ETH Zürich zeigen, dass es auch schlanker und transparenter geht.

Doris Agneter setzt auf einen kulturellen Impuls: Sciencepreneurship müsse viel früher an den Universitäten verankert werden. „Wir müssen schon bei PhD-Studierenden und jungen Forscher:innen Bewusstsein schaffen, dass Gründung eine legitime Karriereoption ist – gleichwertig zu Publikationen oder einer akademischen Laufbahn.“ Kleine Module und Programme könnten hier den Einstieg erleichtern und die Grundlage für spätere Spin-offs legen.


Takeaways

  • Teams stärken: Komplementarität und Anpassungsfähigkeit sind wichtiger als Technologie allein.
  • Cap Table sauber halten: Keine überzogenen Uni-Anteile, keine großen Stakes für Inaktive. Raum schaffen für künftige Schlüsselpersonen und investorenfähige Strukturen.
  • Uni-Beteiligungen standardisieren: Österreich braucht einfache, transparente und einheitliche Modelle – nach internationalen Vorbildern.
  • Runden realistisch planen: Genug Kapital, Co-Investoren mit Follow-on-Power und eine vorausschauende Planung bis zur nächsten Stufe.
  • Mindset entwickeln: Von Förderlogik zu Marktlogik, Anreize für Business Angels, Entrepreneurship an Unis verankern.

Diese Themen werden in „From Science to Business“ behandelt:

Folge 1: Status quo der Spin-offs in ÖsterreichStrukturen, Leistungsvereinbarungen, Beteiligungsgesellschaften und Mindset-Veränderungen an Hochschulen.
Folge 2: Von der Idee zum Patent und Spin-offWie Universitäten und Industrie den Transferpfad gestalten, inkl. IP- und Scouting-Prozesse.
Folge 3: Life Sciences im FokusLange Entwicklungszyklen von Medikamenten, hohe Investitionskosten und wie MedLifeLab und Takeda Spin-offs und Innovationen unterstützen.
Folge 4: Finanzierung von DeepTech-Spin-offsHerausforderungen langer Entwicklungszyklen, Evergreen-Fonds, Co-Investments und Investorensicht.
Folge 5: Kooperationen als Erfolgsfaktor (erscheint am 15.10.2025)Von der Idee zum globalen Skalieren. Wie Universitäten, Inkubatoren und Industriepartner Innovationen gemeinsam entwickeln.
Folge 6: Gründungsmindset an Hochschulen stärken (erscheint am 22.10..2025)Best Practices, Infrastruktur und Anreizsysteme, um mehr Spin-offs bis 2030 zu ermöglichen.

„From Science to Business“ setzen wir gemeinsam mit unseren Partnern AplusB (Academia plus Business), Austria Wirtschaftsservice (aws), MedLifeLab Innovation Hub (Medizinische Universität Innsbruck), Noctua Science Ventures, JKU – LIT Open Innovation Center (Johannes Kepler Universität Linz), OÖ HightechFonds, Spin-off Austria, Takeda, tecnet equity, The Spinoff Factory (Technische Universität Wien), Universität Innsbruck und WU (Wirtschaftsuniversität Wien) um.

Deine ungelesenen Artikel:
04.11.2026

SAP stellt neue KI-Tools vor – eines davon kommt auf der Internationalen Raumstation (ISS) zum Einsatz

SAP arbeitet an einem umfassenderen Einsatz von KI in Unternehmen und stellte dafür bei seiner Entwicklerkonferenz TechEd neue Technologien vor. Sie sollen unter anderem die Zusammenarbeit von KI-Agenten verbessern, ihren Einsatz besser kontrollierbar machen und Datenanalysen selbst unter den besonderen Bedingungen der ISS ermöglichen.
/artikel/sap-stellt-neue-ki-tools-vor-eines-davon-kommt-auf-der-internationalen-raumstation-iss-zum-einsatz
04.11.2026

SAP stellt neue KI-Tools vor – eines davon kommt auf der Internationalen Raumstation (ISS) zum Einsatz

SAP arbeitet an einem umfassenderen Einsatz von KI in Unternehmen und stellte dafür bei seiner Entwicklerkonferenz TechEd neue Technologien vor. Sie sollen unter anderem die Zusammenarbeit von KI-Agenten verbessern, ihren Einsatz besser kontrollierbar machen und Datenanalysen selbst unter den besonderen Bedingungen der ISS ermöglichen.
/artikel/sap-stellt-neue-ki-tools-vor-eines-davon-kommt-auf-der-internationalen-raumstation-iss-zum-einsatz
ISS, SAP
Philipp Herzig, CTO SAP I © SAP

SAP hat auf seiner jährlichen Entwicklerkonferenz „SAP TechEd“ Ende Oktober eine Reihe von KI-Innovationen bekannt gegeben, die das SAP-Portfolio für Entwickler erweitern. Erweiterungen der Joule-Lösungen und der SAP Business AI Platform – einschließlich des neuesten Foundation Models von SAP für tabellarische Daten – sollen neue Tools zur Entwicklung und Erweiterung von KI-Agenten bereitstellen. Zugleich sollen sie den Agenten Daten- und Geschäftskontext für logisches Denken sowie zusätzliche Governance-Kontrollen bieten. Um sie unternehmensweit verantwortungsvoll einsetzen zu können, so der Plan.

SAP Business AI Plattform als Basis

„Auf der SAP TechEd präsentieren Entwickler seit jeher die neuesten Innovationen“ sagt Philipp Herzig, CTO von SAP. „In diesem Jahr zeigen wir, wie KI nicht einfach nur lernt, Unternehmen zu verstehen, sondern auch Geschäftsprozesse abzuwickeln. In ‚Joule Work‘ machen Nutzer ihre Eingaben und erledigen Aufgaben in einer durchgängigen Anwendungsumgebung, in der gesamten SAP-Landschaft und darüber hinaus. Das ist die Neuerung, die wir in großem Maßstab bereitstellen.“

Die Basis von allem bildet die SAP Business AI Plattform. Sie sorge für eine schnellere Wertschöpfung, da Geschäftsprozesse von Anfang an verstanden würden, und biete eine höhere Genauigkeit. „Außerdem erfüllt sie die Anforderungen von Unternehmen, gewährleistet ab der ersten Implementierung einen sicheren, kontrollierten und konformen Betrieb und bietet eine einzigartige Kontextebene, die auf dem Prozess- und Branchenwissen aus über 50 Jahren aufbaut, das in jeder Agenten-Aktion verankert ist“, so Herzig weiter.

Code und No-Code

Gebaut werden KI-Agenten im „Joule Studio“. Das ist sowohl ohne Programmierkenntnisse per Klick-Baukasten (No-Code) möglich, als auch mit eigenem Code (Pro-Code). Dafür stehen über 70 verschiedene KI-Modelle zur Auswahl.

Durch neue Funktionen für „Joule Work“ sollen KI-Agenten noch wirkungsvoller komplexe Geschäftsprozesse über offene Protokolle (A2A und MCP) handhaben können. Diese Innovationen machen „Joule Work“ leistungsfähiger, um den Kontext besser zu verstehen, Entscheidungen zu treffen und mehrstufige Workflows über Unternehmenssysteme und Geschäftsbereiche hinweg auszuführen, so der Claim.

SAP erweitert seine KI-Plattform damit eigenen Angaben zufolge um eine neue Orchestrierungsschicht, damit Assistenten und Agenten komplexe, mehrstufige Abläufe über verschiedene SAP-Systeme hinweg zuverlässiger erledigen können. Der SAP Knowledge Graph soll künftig auch Daten aus kundeneigenen SAP- und Drittquellen einbinden, sodass Nutzer ihre Informationen in natürlicher Sprache durchsuchen und exakte, auf den eigenen Daten basierende Antworten erhalten.

Auch andere Anbieter-Einbindung möglich

Agenten anderer Anbieter sollen außerdem über ein kontrolliertes Agenten-Gateway sicher auf „Joule Agents“ zugreifen und mit ihnen zusammenarbeiten können, ohne dass „Kontrolle und Governance verloren gehen“. Das neue „SAP Enterprise AI Gateway“ bündelt zudem Authentifizierung, Richtlinien, Routing, Überwachung, Nutzungsverfolgung und Auditing des gesamten KI-Datenverkehrs im Unternehmen. Ergänzend sollen ein neuer „Joule Assistent“, der „SAP AI Agent Hub“ und ein „AI Governance Assistant“ Kunden dabei helfen, die EU-KI-Verordnung einzuhalten.

Beim „Tabular Foundation Model“ kündigt SAP das Modell „SAP-RPT-2.0“ an, das künftig auch Anomalien und Ausreißer in Tabellendaten erkennen soll. „SAP-RPT-TS“ hingegen soll Geschäftskennzahlen prognostizieren können.

Einsatz auf der ISS

„Es gibt große Weiterentwicklungen bei unseren Tabular Foundation Models“, ergänzt Herzig. „Daraus ist inzwischen eine ganze Modellfamilie geworden. Ein etwas ausgefallener technischer Ausblick ist, dass wir diese Modelle gemeinsam mit Hewlett Packard Enterprise auch auf der Internationalen Raumstation (ISS) einsetzen – für die vorausschauende Wartung im Weltraum.“ Das Modell soll zudem Ausfälle vorhersagen können, ohne dass die dafür benötigten Daten zur Erde übertragen werden müssen.

„SAP-RPT wurde generisch trainiert und kann– ähnlich wie große Sprachmodelle im Bereich Sprache – auf eine Vielzahl unterschiedlicher Anwendungsgebiete übertragen werden“, so Herzig weiter. „Creditplus verwendet solche Modelle beispielsweise für die Risikobewertung. Hitachi setzt sie für die vorausschauende Wartung seiner Maschinen ein. ‚Oxford Cancer‚ nutzt sie, um anhand von Proteinmarkern Krebserkrankungen bei Patienten besser vorherzusagen als mit bisherigen Modellen“, sagt er.

Wenn man sich die Internationale Raumstation ansehe, genauer gesagt das Columbus-Modul, in dem SAP das Modell einsetzt, gebe es dort enorme Datenmengen.

„Nicht einfach zur Erde herunterladen“

„Die Maschinen auf der ISS erzeugen Telemetriedaten, die sehr nützlich sind. Allerdings handelt es sich um rund zehn Gigabyte an Daten. Diese kann man nicht einfach zur Erde herunterladen – das würde viel zu lange dauern, wenn man schnell reagieren möchte, etwa um bestimmte Muster oder Auffälligkeiten in Zeitreihen zu erkennen“, erklärt Herzig. „Die Modelle lassen sich direkt vor Ort einsetzen, weil sie im Vergleich zu großen Sprachmodellen relativ klein sind. Sie können also unmittelbar auf der Raumstation betrieben werden. Und es ist kein Training erforderlich. Man speist die aktuellen Daten direkt als Live-Datenstrom ein und erhält sofort Vorhersagen.“

Der CTO sieht den Anwendungsfall auf der Raumstation nicht bloß als eine Marketingaktion, sondern als Zeugnis dafür, wie weit man gehen könne. Er sagt: „Wie nützlich ist die Technologie unter solch extremen Bedingungen? Auf der Erde ist heute vieles einfach. Wir haben schnelle Internetverbindungen und leistungsfähige GPUs. Bei solchen Anwendungsfällen spielt die Latenz kaum eine Rolle. Aber können wir auch in einer Umgebung echten Mehrwert schaffen, die nur eingeschränkt angebunden ist – oder zumindest sehr weit entfernt? Genau das wollten wir zeigen: Mit einer lokalen Verarbeitungsumgebung lassen sich Probleme lösen, deren Lösung sonst schwierig wäre, weil man zunächst sämtliche Daten zur Erde übertragen müsste. Anschließend müsste man sie dort auswerten und die Ergebnisse zurückübermitteln. Dann könnte es aber bereits zu spät sein.“

SAP löst „Data Drift“-Problem

Ein zentrales Problem bei klassischen KI-Modellen ist der sogenannte Data Drift: Data Scientists trainieren ihre Modelle auf historischen Daten, doch schon beim Abschluss des Trainings können sich die eintreffenden Daten statistisch verändert haben. Die neuen Modelle von SAP wollen genau hier ansetzen.

Man könne jederzeit aktuelle Daten ins Kontextfenster geben und erhalte darauf basierend präzise Vorhersagen, ohne neu trainieren zu müssen. „Veränderungen in Struktur oder Eigenschaften der Daten erkennt das Modell unmittelbar“, betont Herzig. „Das wollten wir demonstrieren: Müsste man bei veränderten Bedingungen erst alle Informationen zur Erde übertragen und das gesamte Modell neu trainieren, wäre es dafür viel zu spät. Dann würde man auf der ISS sagen: ‚Schön, dass ihr uns das jetzt mitteilt – aber das hättet ihr uns schon vor einem oder zwei Monaten sagen müssen‘.“

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

Finanzierung als Marathon: Was forschungsintensive Spin-offs brauchen

AI Kontextualisierung

Welche gesellschaftspolitischen Auswirkungen hat der Inhalt dieses Artikels?

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

Finanzierung als Marathon: Was forschungsintensive Spin-offs brauchen

AI Kontextualisierung

Welche wirtschaftlichen Auswirkungen hat der Inhalt dieses Artikels?

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

Finanzierung als Marathon: Was forschungsintensive Spin-offs brauchen

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 …

Finanzierung als Marathon: Was forschungsintensive Spin-offs brauchen

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 …

Finanzierung als Marathon: Was forschungsintensive Spin-offs brauchen

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 …

Finanzierung als Marathon: Was forschungsintensive Spin-offs brauchen

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 …

Finanzierung als Marathon: Was forschungsintensive Spin-offs brauchen

AI Kontextualisierung

Wer sind die relevantesten Personen in diesem Artikel?

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

Finanzierung als Marathon: Was forschungsintensive Spin-offs brauchen

AI Kontextualisierung

Wer sind die relevantesten Organisationen in diesem Artikel?

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

Finanzierung als Marathon: Was forschungsintensive Spin-offs brauchen