27.01.2025
FOLGE 5 | NACHLESE

Open Source und KI: „Es geht nicht darum, zu den Guten zu gehören“

Nachlese. Die Nutzung von Open-Source-Modellen eröffnet Unternehmen auch im KI-Bereich weitreichende Möglichkeiten. Es gibt dabei aber auch einiges zu bedenken. Darüber und mehr diskutierten in Folge 5 von "No Hype KI" Stephan Kraft von Red Hat, Florian Böttcher von CANCOM Austria, Natalie Ségur-Cabanac von Women in AI und Patrick Ratheiser von Leftshift.One.
/artikel/no-hype-ki-folge-5

„No Hype KI“ wird unterstützt von CANCOM Austria, IBM, ITSV, Microsoft, Nagarro, Red Hat und Universität Graz.

Kollaborativ, transparent, frei zugänglich und nicht profit-orientiert – mit Open-Source-Software wird eine Reihe von Eigenschaften assoziiert. Und oftmals stehen bei der Nutzung ethische Überlegungen im Zentrum. Dabei gibt es auch ganz praktische Gründe, die für eine Verwendung durch Unternehmen sprechen – auch bei der Implementierung von KI-Anwendungen, ist Stephan Kraft, Community Advocate & Business Development OpenShift & Application Services bei Red Hat, überzeugt. In Folge fünf der Serie „No Hype KI“ diskutierte er dieses und weitere Themen mit Florian Böttcher, Solution Architect bei CANCOM Austria, Natalie Ségur-Cabanac, Policy Lead bei Women in AI und Patrick Ratheiser, Gründer & CEO von Leftshift.One.

„Thema ein Stück weit aus dieser emotionalen, moralisierenden Ecke herausholen“

„Ich will das Thema ein Stück weit aus dieser emotionalen, moralisierenden Ecke herausholen“, sagt Stephan Kraft. Für Red Hat als weltweit führenden Anbieter für Open-Source-Lösungen für Unternehmen gehen die Argumente für eine Nutzung nämlich weit darüber hinaus. „Es geht nicht darum, Open Source als Selbstzweck zu sehen, um zu den Guten zu gehören“, so der Experte. Tatsächlich sei die Verwendung von Open Source gerade bei der Etablierung von KI im Unternehmen für Startups und KMU eine wichtige Weichenstellung.

Offenheit, um Diskriminierung entgegenzuwirken

Auch Natalie Ségur-Cabanac sieht Open Source als „Key Technology“ im KI-Bereich. Für „Women in AI“ spiele die Offenheit eine zentrale Rolle: „Diese Offenheit braucht es, um Diskriminierung entgegenzuwirken.“ Open Source verbessere den Zugang für Frauen zur Technologie, die Abbildung von Frauen in den Daten und es vergrößere die Möglichkeiten in der Forschung. Man müsse aber auch aufpassen, ob Software wirklich so offen sei, wie behauptet, sagt sie bezogen auf die aktuellen Diskussionen rund um OpenAI, das sich – ursprünglich als offenes Projekt gestartet – zum profitorientierten Unternehmen entwickelte. Es brauche auch eine klare Definition, was „open“ sei.

Masse an Möglichkeiten

Leftshift.One-Gründer Patrick Ratheiser betont auch die schiere Masse an Möglichkeiten, die Open Source bietet. „2021 hatten wir weltweit Zugriff auf circa 5.000 Open-Source-Modelle. Jetzt sind es bereits mehr als eine Million.“ Die Nutzbarkeit sei also klar gegeben, zudem biete die Technologie eine gewisse Unabhängigkeit und werde über ihre Vielfalt zum Innovationstreiber.

Ist Open Source immer die beste Lösung?

Doch bedeutet das, dass Open Source immer die optimale Lösung ist? Ratheiser sieht das differenziert: „Es ist ganz wichtig zu erkennen, was der Kunde braucht und was in dem Fall gerade notwendig ist. Egal, ob es nun On-Premise, in der Cloud, Open Source oder Closed Source ist.“ Florian Böttcher von CANCOM Austria pflichtet hier bei: „Wir setzen genau so auf hybrid.“

Datenstruktur im Hintergrund ist entscheidend

Ein Thema, bei dem bei Open Source Vorsicht geboten ist, spricht Natalie Ségur-Cabanac an. Besonders wichtig sei es bei KI-Anwendungen, eine gute Datenstruktur im Hintergrund zu haben. „Die Verantwortung, dass ein Modell mit sauberen Daten trainiert worden ist, liegt bei den Anbietern. Bei Open Source verschwimmt das ein bisschen. Wer ist wofür zuständig? Das ist eine Herausforderung für die Compliance zu schauen, wo man selbst verantwortlich ist und wo man sich auf einen Anbieter verlassen kann.“

Compliance: Großes Thema – mehr Sichereheit mit professioneller Unterstützung

Stephan Kraft hakt hier ein. Genau aus solchen Gründen gebe es Unternehmen wie Red Hat, die mit ihrem Enterprise-Support für Open-Source-Lösungen die Qualitätssicherung auch im rechtlichen Bereich übernehmen. „Das ist ein ganz wichtiger Teil unseres Versprechens gegenüber Kunden“, so Kraft. Unbedacht im Unternehmen mit Open Source zu arbeiten, könne dagegen in „Compliance-Fallen“ führen, pflichtet er Ségur-Cabanac bei.

Das sieht auch Patrick Ratheiser als Thema bei Leftshift.One: „Unsere Lösung ist Closed Source, wir setzen aber im Hintergrund Open Source ein. Wichtig ist, dass wir dem Kunden Compliance garantieren können.“ Stephan Kraft empfiehlt Unternehmen bei der Open-Source-Nutzung: „Man kann nicht immer gleich die neueste ‚bleeding edge‘-Lösung nehmen sondern sollte etwas konservativer herangehen.“

Infrastruktur: Gut planen, was man wirklich braucht

Unabhängig davon, ob man nun Open Source oder Closed Source nutzt, braucht es für die Nutzung von KI die richtige Infrastruktur. „Es kommt natürlich auf den Use Case an, den ein Unternehmen umsetzen will. Da sind die Anforderungen an die Infrastruktur sehr unterschiedlich“, grenzt Florian Böttcher ein. CANCOM Austria unterstützt seine Kunden in genau der Frage. Anwendungen wie das Training von KI-Modellen würde aus gutem Grund kaum in Österreich umgesetzt. „KI ist sehr stromhungrig und entwickelt viel Hitze. Das ist schwierig für ein eigenes Data-Center im Unternehmen, gerade wenn man die Strompreise in Österreich ansieht“, so Böttcher.

„Rechenleistungs-Hunger“ von KI könnte sich in Zukunft verringern

Wichtig sei es letztlich, sich als Unternehmen sehr klar darüber zu sein, was man umsetzen wolle. „Danach, welche Software-Lösung man für seinen Use Case einsetzen muss, richtet sich auch die Infrastruktur“, so Böttcher. Er erwarte aber auch, dass die KI-Modelle im nächsten Entwicklungsschritt effizienter werden und der „Rechenleistungs-Hunger“ sich verringere.

Patrick Ratheiser ergänzt: „Es ist grundsätzlich eine Kostenfrage.“ Unternehmen müssten sich sehr gut überlegen, ob sie ein eigenes LLM (Large Language Model) betreiben und dieses sogar selbst trainieren wollen, oder lieber doch eine Usage-basierte Lösung wählen. Er sehe bei österreichischen Unternehmen – auch bei größeren – eine klare Tendenz zur zweiten Variante. „Es lässt sich deutlich schneller einrichten, ist kalkulierbarer und auch viel schneller skalierbar“, erklärt Ratheiser.

Etwa im Forschungsbereich sei es jedoch wichtig und notwendig, auch eigene LLMs und die damit verbundene Infrastruktur zu betreiben. Doch auch die Möglichkeit von hybriden Lösungen biete sich an. „Man kann mittlerweile auch Teile in der Cloud lassen und Teile On-Premise. Man kann etwa nur ein datenschutzsicheres LLM selbst betreiben“, erklärt der Experte, der auch bei der Wahl der genutzten Modelle einen hybriden Ansatz empfiehlt: „Man braucht nicht für alle Use Cases das neueste Modell. Manchmal braucht man überhaupt kein LLM.“

Datenschutz: Einige Herausforderungen bei LLMs

Stichwort: Datenschutz. Hier schafft die europäische Datenschutzgrundverordnung (DSGVO) im KI-Bereich besondere Herausforderungen, weiß Natalie Ségur-Cabanac, die vorab betont: „Ich persönlich halte die DSGVO für ein gutes Regulierungswerk, weil sie sehr viel Spielraum gibt. Ich sage immer: Datenschutz ist sehr komplex, aber nicht kompliziert.“ Konkret seien etwa der Grundsatz der Zweckbezogenheit, also dass man Daten nur für konkrete Zwecke einsetzen darf, und dass man sie minimierend einsetzen muss, relevant für den KI-Bereich. „Da haben wir schon einen Konflikt, weil man ja [bei LLMs] erst einmal schaut, was man aus möglichst vielen Daten machen kann“, so die Expertin.

Ist KI rechtlich innerhalb der EU sogar per se in einem Graubereich?

Auch Transparenzbestimmungen – sowohl in der DSGVO als auch im AI-Act der EU – seien zu beachten. „Wenn ich KI verwende, muss ich auch wissen, was drinnen ist“, fasst Ségur-Cabanac zusammen. Ist KI also rechtlich innerhalb der EU sogar per se in einem Graubereich? „Nein, das glaube ich nicht. Aber man muss seine Hausaufgaben schon gut machen“, sagt die Expertin. Wichtig sei daher auch die im Rahmen des EU-AI-Acts eingeforderte KI-Kompetenz in Unternehmen – im technischen und rechtlichen Bereich.

KI-Kompetenz als zentrales Thema

Patrick Ratheiser stimmt zu: „Neben der Technologie selber sind bei unseren Kunden die Mitarbeiter ein Riesen-Thema. Man muss sie nicht nur wegen dem AI-Act fit bekommen, sondern es geht darum, sie wirklich auf die Anwendungen einzuschulen.“ Wichtig seien dabei auch die Kolleg:innen, die sich bereits mit dem Thema auskennen – die „Pioniere“ im Unternehmen. „AI Literacy ist sicherlich das Thema 2025 und in nächster Zeit. So, wie wir gelernt haben, mit dem Smartphone umzugehen, werden wir es auch mit generativer KI lernen“, so Ratheiser.

„Einfach einmal ausprobieren“

Stephan Kraft ergänzt: Neben einer soliden Datenbasis und der notwendigen Kompetenz brauche es bei KI – gerade auch im Bereich Open Source – noch etwas: „Einfach einmal ausprobieren. Es braucht auch Trial and Error. Das ist vielleicht oft das Schwierigste für CFOs und Geschäftsführer.“ Dieses Ausprobieren sollte aber innerhalb eines festgelegten Rahmens passieren, damit die KI-Implementierung gelingt, meint Natalie Ségur-Cabanac: „Unternehmen brauchen eine KI-Strategie und müssen wissen, was sie mit der Technologie erreichen wollen.“ Auch sich mit den zuvor angesprochenen rechtlichen Anforderungen – Stichwort Compliance – zu beschäftigen, komme zeitlich erst nach der Festlegung der Strategie.


Die gesamte Folge ansehen:

Die Nachlesen der bisherigen Folgen:

Folge 1: “No Hype KI – wo stehen wir nach zwei Jahren ChatGPT?“

Folge 2: “Was kann KI in Gesundheit, Bildung und im öffentlichen Sektor leisten?“

Folge 3: “Der größte Feind ist Zettel und Bleistift”: Erfolgsfaktoren und Herausforderungen in der KI-Praxis”

Folge 4: KI-Geschäftsmodelle: “Wir nutzen nur einen Bruchteil dessen, was möglich ist”


Die Serie wird von brutkasten in redaktioneller Unabhängigkeit mit finanzieller Unterstützung unserer Partner:innen produziert.

No Hype KI
Deine ungelesenen Artikel:
09.10.2026

X-Faktor: Warum Liquidation Preference bei einem Millionen-Exit zum Albtraum werden kann

Ein Exit in Millionenhöhe – und trotzdem bleibt für die Gründer:innen kaum etwas übrig. Schuld daran können sogenannte Liquidation Preferences sein, die darüber entscheiden, wer beim Verkauf eines Startups bevorzugt wird. Rechtsanwalt Manuel Mofidian ordnet ein.
/artikel/x-faktor-warum-liquidation-preference-bei-einem-millionen-exit-zum-albtraum-werden-kann
09.10.2026

X-Faktor: Warum Liquidation Preference bei einem Millionen-Exit zum Albtraum werden kann

Ein Exit in Millionenhöhe – und trotzdem bleibt für die Gründer:innen kaum etwas übrig. Schuld daran können sogenannte Liquidation Preferences sein, die darüber entscheiden, wer beim Verkauf eines Startups bevorzugt wird. Rechtsanwalt Manuel Mofidian ordnet ein.
/artikel/x-faktor-warum-liquidation-preference-bei-einem-millionen-exit-zum-albtraum-werden-kann
Liquid Preference, Mofidian
© Armin Hubner/Canva - Wirtschafts- und Tech-Anwalt Manuel Mofidian.

Dieser Text ist zuerst im brutkasten-Printmagazin von August 2026 „Aufbrechen“ erschienen. Eine Download-Möglichkeit des gesamten Magazins findet sich am Ende dieses Artikels.


Für viele Gründer:innen sind 40-Stunden-Wochen ein Fremdwort und freie Wochenenden ein ferner Wunsch – sie opfern unzählige Arbeitsstunden und verzichten auf Gehalt, um ihr Startup aufzubauen. Doch am Ende dieses jahrelangen harten Einsatzes bleibt selbst bei einem vermeintlich erfolgreichen Millionen-Exit in manchen Fällen kaum etwas übrig. Der Grund kann in einer unscheinbaren Klausel des Beteiligungsvertrags liegen; einer Sonderregel für die Verteilung des Exit-Erlöses. Räumt man etwa späteren Investoren eine „Liquidation Preference“ ein, bedienen sich diese beim Verkauf zuerst. Die Realität sieht dann wie folgt aus: Während die Branche gratuliert, können die Gründer:innen und frühe Kapitalgeber trotz fließender Millionen fast leer ausgehen.

So ein Fall sorgte jüngst für Aufsehen, als Martin Granig, Gründer der Spar-App monkee.rocks, von einem Bekannten berichtete, der einen 15-Millionen-Exit hingelegt hatte. Der Founder meinte nach Glückwünschen bloß, der Exit hätte massiver sein müssen, „damit sich was ausgeht“ – hier hatte die Liquidation Preference gegriffen.

Was ist eine Liquidationspräferenz?

Die historischen Wurzeln der Liquidationspräferenz reichen bis ins 19. Jahrhundert zurück, als US-Eisenbahngesellschaften und Banken Vorzugsaktien nutzten. In den 1950er- bis 1970er-Jahren adaptierte die VC-Branche das Modell und machte es im Silicon Valley zum Standard. Doch obwohl die Klausel omnipräsent ist, sorgt sie bis heute für Missverständnisse.

Der Wirtschafts- und Tech-Anwalt Manuel Mofidian bringt es auf den Punkt: „Eine Liquidationspräferenz ist kein gesetzlich definierter Begriff, sondern eine Klausel in einem Beteiligungsvertrag, die man im Einzelfall auslegen muss, aber häufig einem gewissen spezialisierten Marktstandard entspricht.“ Verankert wird sie in der Praxis meist im sogenannten Shareholders Agreement (kurz SHA, deutsch: Gesellschaftervereinbarung). Es geht dabei nicht um die prozentuelle Beteiligung an einem Startup, sondern um die harte Reihenfolge bei der Verteilung von echten Einnahmen (Proceeds) nach einem bestimmten Trigger-Event – im Normalfall dem Exit.

„Vereinfacht gesagt ist die Liquidationspräferenz eine vertraglich vereinbarte Erlösvorzugs-Regelung. Im Normalfall wird ein Verkaufserlös entsprechend den Beteiligungsquoten (pro rata) verteilt; das entspricht auch der gesetzlichen Grundregel. Für den Exit-Fall soll jedoch eine Sonderregel geschaffen werden; mit mitunter überraschendem Ergebnis: Wer etwa 20 Prozent der Anteile hält, aber 70 Millionen Euro investiert hat, kann bei einem Verkaufserlös von 70 Millionen Euro den gesamten Erlös erhalten – und das dank einer Liquidationspräferenz“, so Mofidian.

„Erst wenn die jeweilige Liquidationspräferenz erfüllt wurde, kommt die nächste liquidationspräferierte Gruppe zum Zug; sind alle Liquidationspräferenzen bedient, wird der Rest pro rata verteilt“, erklärt der Wirtschaftsanwalt das sogenannte „Wasserfallprinzip“. Reicht das Geld bei einem mittelgroßen oder kleinen Exit nicht aus, könnten all jene, die ganz unten im Wasserfall stehen, leer ausgehen.

„Ein Startup durchläuft typischerweise gewisse Phasen“, erläutert Mofidian. „So lassen sich die Investorengruppen ganz gut typisieren: Häufig startet man mit ersten Investoren, Business Angels, Family and Friends, teilweise noch Convertibles. Hier herrscht oft noch eine andere Logik als bei späteren Investmentrunden, wo beispielsweise VC-Fonds einsteigen. In diesen späteren Runden, den ‚Series‘, mit professionelleren neuen Investoren verschieben sich regelmäßig die Kräfteverhältnisse, was zu einer Anpassung der Verträge und der damit verbundenen Rechte führt.“

Das Multiple (X-Faktor) als wichtiger Hebel

Bevor man sich jedoch in rechtliche Details und konkrete Definitionen vertieft, muss man bei Liquidation Preference einen wichtigen Hebel verstehen: das Multiple (oder den X-Faktor). Diese Zahl legt fest, wie viel von seinem ursprünglichen Investment der Geldgeber beim Exit vorrangig – also vor der allgemeinen Verteilung nach Beteiligungsquoten – beanspruchen kann.

Das „1×-Multiple“ findet sich so häufig in den Verträgen, dass man dieses fast schon als Branchenstandard bezeichnen könnte. Das bedeutet: Der Investor holt sich zunächst exakt jene Summe zurück, die er in das Startup gesteckt hat. Komplex wird es, wenn Investoren in schwierigen Marktphasen höhere Multiples durchsetzen. Liegt der Faktor bei 1,5×, 2× oder gar 3×, bedeutet das, dass der Investor vorab – also vor der Verteilung nach Prozenten – ein Vielfaches seines eingesetzten Kapitals fordern kann. „Der Faktor hat mit der Beteiligungsquote nichts zu tun: Auch wer nur ein Prozent hält, kann eine fünffache Liquidationspräferenz vereinbart haben“, erklärt Mofidian. Hat ein VC-Fonds also beispielsweise zehn Millionen Euro bei einem 2×-Multiple investiert, zieht er beim Exit sofort 20 Millionen Euro als Liquidationspräferenz ab, bevor der nächste Gesellschafter auch nur einen Cent sieht. Das schmälert den Erlös für Gründer:innen und frühe Investor:innen – mitunter auch für andere, im Rang nachstehende Investorengruppen – dramatisch.

Participating vs. non-participating

Wenn der Faktor (das Multiple) bzw. damit verbunden die Höhe geklärt ist, regeln weitere Zusätze, wie genau ein Investor am restlichen Erlös beteiligt wird.

So gilt „non-participating“ als die üblichste Variante. Der Investor hat hierbei ein Wahlrecht: Er erhält entweder vorab seine Präferenz, also zum Beispiel sein 1×-Investment, zurück, oder er verzichtet auf diesen Vorabzug und nimmt stattdessen seine reguläre prozentuale Quote am gesamten Erlös. Demgegenüber steht „participating“: Diese investorenfreundliche Variante bezeichnet Mofidian als „Eierlegende Wollmilchsau“ – der Geldgeber bekommt zuerst sein Investment als garantierte Risikoprämie vorab ausbezahlt und partizipiert danach zusätzlich noch entsprechend seiner prozentualen Quote am verbleibenden Erlös-Topf; er wird also faktisch doppelt bedient.

Rangordnung – „Senior“ und „Pari passu“

Aus Sicht eines Investors spielt es zudem eine große Rolle, in welchem Rang seine Liquidationspräferenz eingeordnet wird. „Die Ränge drücken das Rangverhältnis der Liquidationspräferenzen zueinander aus. Nach dem Wasserfallprinzip wird grundsätzlich jeder vorrangige Rang vollständig bedient, bevor Erlöse an den nachfolgenden Rang verteilt werden“, erklärt Mofidian. „Reicht der Erlös auf einem Rang nicht, um alle dort angesiedelten Präferenzansprüche voll zu bedienen, wird typischerweise pro rata verteilt – meist im Verhältnis der jeweiligen Präferenzansprüche. Der genaue Schlüssel ist aber Vertragssache.“

Wird der Liquidationspräferenz eines Investors ein „Senior“-Rang eingeräumt, bedeutet das Vorrang gegenüber den zu diesem Zeitpunkt bestehenden bzw. den vertraglich bezeichneten Liquidationspräferenzen. „‚Senior‘ ist eine relative Rangangabe – man ist immer gegenüber jemandem vorrangig. Soll der oberste Rang gemeint sein, spricht man etwa von ‚most senior‘ oder ‚senior to all other liquidation preferences‘. Maßgeblich ist am Ende ohnehin die Verteilungsreihenfolge der Waterfall-Klausel selbst“, so der Anwalt. Vor später geschaffenen „noch vorrangigeren“ Rängen könne man sich durch einen Zustimmungsvorbehalt schützen; das könne allerdings künftige Finanzierungsrunden erschweren und sei auch unüblich.

Mofidian weiter: „Investor:innen vereinbaren häufig, dass ihre Liquidationspräferenz ‚pari passu‘ mit den Liquidationspräferenzen anderer Investor:innen oder Anteilsklassen rangiert – die betreffenden Präferenzen sind dann gleichrangig, keine wird vor der anderen bedient. Innerhalb derselben Anteilsklasse ist eine ausdrückliche Pari-passu-Regelung häufig nur deklaratorisch, sofern für alle Anteile dieselben Präferenzrechte gelten; sie kann jedoch in einigen Konstellationen auch klarstellende Bedeutung haben. Eine wesentliche Bedeutung entfaltet sie zwischen unterschiedlichen Anteilsklassen oder Finanzierungsrunden: Man kann etwa festlegen, dass die Liquidationspräferenzen einer Series A und einer Series B trotz unterschiedlicher Anteilsklassen auf demselben Rang stehen. ‚Pari passu‘ beschreibt also nicht die Anteilsklasse als solche, sondern das Rangverhältnis der jeweiligen Präferenzen“. Gleichrangigkeit bedeutet dabei nicht zwingend, dass auch die Höhe der Präferenzansprüche, die Multiplikatoren oder die sonstigen Investorenrechte identisch sind.

Die Rangordnung führt in der Praxis oft zu sogenannten Stacked Preferences (gestapelten Präferenzen). Faktisch gesehen kommt es dabei meist zum Prinzip „Last in, first out“: Der späteste Geldgeber (z. B. der Lead-Investor der Series C) sichert sich meist den höchsten Rang und holt sich beim Exit (nach Rückführung von Fremdkapital) als Allererster sein Geld aus dem Topf. Ist seine Präferenz bedient, darf sich die vorherige Series B aus dem verbleibenden Rest bedienen; und so weiter bis hinunter zur Series A. Häufig warten am Ende der Nahrungskette die frühen Seed-Investoren sowie Gründer:innen und Mitarbeiter:innen mit ESOP-Anteilen – ist der Exit-Erlös nicht hoch genug, ist der Topf leer, bevor sie erreicht werden.

„Eine der Schwierigkeiten bei Liquidation Preferences ist die Unschärfe der Begrifflichkeiten“, betont Mofidian an dieser Stelle und erklärt, warum es zu Streitereien unter den Beteiligten kommen könnte. Ein typischer Konfliktherd können Triggerdefinitionen sein: Was ist ein Exit? In einem „frühen“ Vertrag kann ein Exit anders definiert sein als im späteren Beteiligungsvertrag. Dazu kommen Side Letters bzw. in Investitionsdokumenten enthaltene Rechte, bei denen Widersprüche auftreten können. Liquidationspräferenzen können ein sinnvolles Instrument der Risikoverteilung sein – aber es kann zu unangenehmen Überraschungen kommen, weil die Beteiligten nicht jedes Szenario durchdenken und durchrechnen.

Die Schicksalsgemeinschaft der Frühphase

Oliver Holle, CEO des Seed-VCs Speedinvest, sieht die Debatte vor allem für die Frühphase pragmatisch: Dank klarer Standards (1×, non-participating) bilden frühe Kapitalgeber und Gründer:innen hier eine Schicksalsgemeinschaft im Sinne von „engsten Verbündeten“. Dramatisch wird es jedoch bei Wertberichtigungen in späten Runden, wenn sich die Ansprüche durch viel frisches Kapital massiv aufsummieren – die bereits erwähnten Stacked Preferences. Wie das in der Praxis aussieht, veranschaulicht Holle am E-Scooter-Anbieter Tier, dessen Preference-Stack nach mehreren Runden und Mergern auf fast eine Milliarde Euro angewachsen ist: „Das sind sie jetzt doch nicht mehr wert. Das heißt, wir haben das wahrscheinlich schon lange auf null abgeschrieben, und die Gründer auch, weil wir da kein Geld rausholen werden, auch wenn diese Firma für fünf-, sechs- oder siebenhundert Millionen Euro verkauft wird. Das ist also eine Realität, die wir absolut durchlebt haben.“ Und damit ist Speedinvest nicht allein.

Konflikte, Statistiken und eine mögliche Zukunft

Was konkrete Statistiken angeht, gibt es im DACH-Raum kaum belastbare öffentliche Marktdaten. Mofidians subjektiver Praxisbeobachtung nach kommen Liquidationspräferenzen jedoch in fast jedem Deal vor, sind ein von Investoren erwarteter Standard und in ihrer Grundform kaum wegzuverhandeln.

Aufgrund globaler Krisen brauchten viele Startups zuletzt jedoch Bridge-Finanzierungen. Um ihre Bewertungen hochzuhalten („Vanity Valuation“), akzeptierten Gründer:innen oft harte Konditionen. Mofidian kann sich vorstellen, dass es in Zukunft aufgrund dieser Dynamik zu Konflikten kommen könnte: „Aufgrund von Brückenfinanzierungen könnten Liquidationspräferenzen wahrscheinlich jetzt relevanter werden, weil wir jetzt einige Senior-Investoren sehen, die zu sehr guten Terms eingestiegen sind, darunter auch Verkaufsrechte. Wenn du in den letzten Jahren investiert hast, und das zu einer vermeintlich guten Bewertung, mit starken Terms, und dir viele Rechte geholt hast, jetzt aber daran zweifelst, dass eine neue Runde zu einer höheren Bewertung realistisch ist, dann pushst du möglicherweise in den Exit. Und das machst du wahrscheinlich nur, weil du eine Liquidationspräferenz, vielleicht sogar mit einem ‚Über-Eins-Faktor‘, hast“, zeichnet Mofidian eine mögliche Zukunft für die heimische Szene. „Ich kann mir vorstellen, dass die Logik, die Liquidationspräferenzen und anderen damit funktionell verbundenen Terms zugrunde liegt, dazu führt, dass der eine oder andere Investor sagt: ‚Ich nutze jetzt meine vertraglichen Möglichkeiten, dränge auf den Exit und hole mir lieber mein Investment 1,5-fach plus ein bisschen extra vom verbleibenden Erlöstopf. Das macht mehr Sinn, als nur darauf zu hoffen, dass es noch eine Runde zu einer viel höheren Bewertung gibt – und selbst wenn sich das so großartig entwickelt, was nicht sicher ist, steht der nächste Investor vermutlich nach dem Last-in-first-out-Prinzip mit seiner Präferenz wieder vor mir.‘“

Der Anwalt ergänzt: „‚Drängen‘ heißt in diesem Kontext: Wenn dieser Investor – etwa in Kombination mit anderen Investoren – starke Drag-Along-Rechte hat, kann er den Verkauf auch gegen den Willen der Founder rechtlich erzwingen.“ Dies gelte selbst dann, wenn die Founder die Bewertung als zu niedrig empfänden und aufgrund der Liquidation Preference leer ausgingen.

Trotz dieser Konsequenzen betont Mofidian nachdrücklich, dass man das Thema auch aus der Investorenperspektive betrachten muss: Die Liquidationspräferenz sei per se nichts Böses und in der Praxis völlig in Ordnung, wenn man sie korrekt verwendet. „Man muss diese Klauseln verstehen, durchrechnen und verschiedene Szenarien durchspielen, damit böse Überraschungen ausbleiben“, sagt der Jurist.

Secondaries als mögliches Instrument

Für Gründer gilt laut dem Experten eine wichtige Regel: Man sollte sich niemals nur auf eine möglichst hohe Firmenbewertung fixieren, wenn die Vorzugsrechte der Investoren im Gegenzug gefährlich stark ausgeprägt sind. Mofidian rät, das Term-Sheet stets als bewegliches Gesamtsystem zu betrachten.

Anstatt Deals aus reiner Angst vor einem Null-Ausstieg kategorisch platzen zu lassen, empfiehlt der Anwalt, allenfalls ungünstigere Liquidationspräferenzen durch andere Mechanismen auszugleichen. Dazu zählen klug verhandelte Drag-Along- und Tag-Along-Rechte. Wenn der Druck allerdings über die Jahre extrem hoch wird, seien Secondaries ein mögliches Tool: Durch den vorzeitigen Verkauf eines kleinen Teils der eigenen Anteile an spätere Investoren könnten Gründer bereits auf dem Weg zum Exit etwas Geld auf dem Privatkonto sichern.

„Das ist jedoch nicht gern gesehen und auch in Österreich oder im DACH-Raum relativ unüblich, aber es passiert“, sagt Mofidian. „Nach ein paar Jahren Arbeit kann man in so einem Fall sagen: ‚Ich habe eine ordentliche Netto-Summe auf meinem Konto. Das erlaubt mir zumindest, mit freiem Kopf weiter an meiner Vision zu bauen.‘“

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

Open Source und KI: „Es geht nicht darum, zu den Guten zu gehören“

AI Kontextualisierung

Welche gesellschaftspolitischen Auswirkungen hat der Inhalt dieses Artikels?

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

Open Source und KI: „Es geht nicht darum, zu den Guten zu gehören“

AI Kontextualisierung

Welche wirtschaftlichen Auswirkungen hat der Inhalt dieses Artikels?

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

Open Source und KI: „Es geht nicht darum, zu den Guten zu gehören“

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 …

Open Source und KI: „Es geht nicht darum, zu den Guten zu gehören“

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 …

Open Source und KI: „Es geht nicht darum, zu den Guten zu gehören“

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 …

Open Source und KI: „Es geht nicht darum, zu den Guten zu gehören“

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 …

Open Source und KI: „Es geht nicht darum, zu den Guten zu gehören“

AI Kontextualisierung

Wer sind die relevantesten Personen in diesem Artikel?

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

Open Source und KI: „Es geht nicht darum, zu den Guten zu gehören“

AI Kontextualisierung

Wer sind die relevantesten Organisationen in diesem Artikel?

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

Open Source und KI: „Es geht nicht darum, zu den Guten zu gehören“