Wie die Salzburg AG mit einer neuen Crowdinvesting-Plattform die Energiewende vorantreibt

15.12.2025

NACHLESE | FOLGE 2

KI in der Praxis: „Die meisten Probleme kann man tatsächlich ohne Agents lösen“

Nachlese. Die zweite Folge der neuen Staffel der brutkasten-Serie "No Hype KI" ging der Frage nach, was genau es für den erfolgreichen Einsatz von KI in Unternehmen braucht und wo Fallstricke liegen.

/artikel/no-hype-ki-staffel-2-folge-2

✨ AI Kontextualisierung

„No Hype KI“ wird unterstützt von ACP, EY, ITSV, KEBA Group, Lenovo, Microsoft, ONTEC AI und der Universität Graz.

In vielen Unternehmen sah der Einstieg in KI oft erstaunlich ähnlich aus: Ein Tool wurde lizenziert, ein POC wurde gebaut, eine Demo funktionierte – und danach begann das eigentliche Problem. Plötzlich standen Fragen im Raum, die vor dem ersten Prompt niemand gestellt hatte: Welche Daten durften überhaupt hinein? Wer trug die Verantwortung, wenn ein System falsch lag? Und was passierte, wenn „Agenten“ nicht nur Antworten formulierten, sondern Handlungen auslösten?

Um diese Fragen drehte sich die Diskussion in der zweiten Folge der brutkasten-Serie „No Hype KI“. Mit dabei waren Andreas Thomasch, CTO von Lenovo für Deutschland und Österreich, Christian Casari von ONTEC AI, Leftshift.One-Co-Founder Patrick Ratheiser und Agentic-AI-Expertin Sarah Eschenbacher.

„Will ich einen Proof of Concept machen, um meinen Vorstand zu beeindrucken?“

Gleich zu Beginn appellierte Andreas Thomasch an Unternehmen, den Blick zuerst nach innen zu richten. „Es ist wichtig, als Unternehmen erstmal ein bisschen Nabelschau zu machen und selber zu gucken, was kann ich denn selber und wie ready bin ich denn für das Thema“, sagte er. Dazu zählte er Skills, Datenstrukturen und die Umgebung, in der KI später laufen sollte.

Thomasch unterschied in der Diskussion zwischen zwei Arten von POCs: „Will ich erst einen Proof of Concept machen, um Skills aufzubauen oder will ich einen Proof of Concept machen, um meinen Vorstand zu beeindrucken?“ Beide Ziele führten in seiner Erfahrung zu völlig unterschiedlichen Projekten und zu sehr verschiedenen Erwartungen.

Patrick Ratheiser rückte den Fokus noch weiter weg von Tools. In vielen Unternehmen sah er den Reflex, sich „mal ein Tool“ zu holen und dann zu schauen, was man damit tun konnte. „Ich würde im ersten Schritt mit Hausverstand rangehen und schauen, was habe ich überhaupt für Anwendungsfälle, was habe ich für Use Cases?“, sagte er. Erst danach lohnt sich für ihn die Tool-Frage.

Technische und organisatorische Fundamente „verheiraten“

Für Sarah Eschenbacher beginnt alles mit der Problemdefinition. „Grundsätzlich brauche ich einfach ein spezifisches Problem, das ich angehen will und lösen will“, sagte sie. Dazu gehörte für sie eine klare Erfolgsmessung: „Ich muss wissen, wie ich den Erfolg dann messen kann, ob das Projekt funktioniert, ob es mir KPIs steigert.“ Ohne Datenlage, die eine Evaluation erlaubte, sah sie keinen sinnvollen Startpunkt.

ONTEC-AI-Experte Christian Casari wiederum denkt in zwei Achsen, wenn er über die Grundlagen sprach. „Man kann prinzipiell unterteilen in technische Fundamente und in organisatorische Fundamente“, sagte er. Auf der technischen Seite sah er Skills, Infrastruktur und Daten, auf der organisatorischen Seite Use Cases, KPIs und eine Organisation, die KI-Projekte tatsächlich trug. „Die beiden muss man verheiraten“, betonte er, sonst entstand in seinen Augen eine typische Schieflage: Man kauft ein Tool, aber niemand weiß, was er damit sinnvoll tun sollte.

„Die meisten Probleme kann man tatsächlich ohne Agents lösen“

Beim Thema Agents herrschte in vielen Management-Teams erkennbar Erwartungsdruck. Sarah Eschenbacher nahm diesem Hype in der Diskussion bewusst Tempo. „Auch wenn ich eine sehr hohe Begeisterung für Agents habe, glaube ich, dass man die meisten Probleme tatsächlich ohne Agents lösen kann, teilweise sogar ohne AI-basierte Automatisierungstechniken“, sagte sie.

Dabei stellt sich auch die Frage, wie sich Agents überhaupt definieren lassen. Eschenbacher lieferte eine nüchterne Definition: „Ganz unromantisch gesagt, ist ein Agent eigentlich Software, die man um ein LLM herumbaut.“ Das Modell erhält Tools, etwa API-Zugänge oder Datenbank-Schnittstellen, plant nächste Schritte, prüft Zwischenergebnisse und korrigiert sie.

Besonders sinnvoll sind Agents für die Expertin dort, wo Daten und Systeme historisch gewachsen und verstreut liegen. Mitarbeiter:innen investieren in einem solchen Szenario viel Zeit, um die richtigen Informationen zu finden. Ein spezialisierter Agent kann Systemlandschaften verbinden und etwa SQL-Abfragen übernehmen – auch wenn im Team dafür die Expertise fehlte.

„Grenzen und Risiken von Agents“

Christian Casari erinnerte daran, dass viele Menschen dieses Prinzip bereits nutzten: „Jeder verwendet ChatGPT. Wenn ich ChatGPT zu aktuellen Themen befrage, recherchiert es im Internet. Das ist eigentlich schon ein Agent“, sagte er. In einem Projekt entwickelte sein Team einen digitalen Assistenten für einen Autovermieter, der Daten aus mehreren Datenbanken kombinierte und so Anfragen beantwortete, die ein reines Dokumenten-System nicht abdecken konnte.

Je mehr Freiheit ein Agent erhält, desto größer schätzt Casari das Risiko ein. Hat ein System viele Optionen, viele Tools, viele Wege – dann hat es auch viele Fehlerquellen. Entwickler:innen müssen damit rechnen und Fallbacks planen. Er verglich die Situation mit einer neuen Mitarbeiterin, von der niemand erwartete, dass sie auf Anhieb alles richtig machte.

Patrick Ratheiser warnte zusätzlich vor falschen Versprechen auf Social Media: „TikTok-Agentic-Boys“, die in kurzen Clips ankündigen, ganze Unternehmen in wenigen Klicks automatisieren zu können. In der Realität sollte man aber zuerst prüfen, ob sich ein Problem nicht ohne KI lösen ließ – durch Prozessänderungen oder einfache Digitalisierung.

Ratheiser berichtete dabei von einem Geschäftsführer, der ein Kommunikationsproblem zwischen Sales und Produktmanagement mit einem Chatbot lösen wollte: „Das ist zwar wunderbar, macht aber wenig Sinn“, sagte Ratheiser. Potenzial für Agents sieht er dort, wo Prozesse klar beschrieben, Daten sauber angebunden und Verantwortlichkeiten geklärt waren – nicht als Ersatz für Kultur- oder Organisationsarbeit.

Prozesse, Daten und Haftung

Genau an dieser Stelle setzte Andreas Thomasch nach. Wenn ein Unternehmen Prozesse nicht beschreiben konnte, wenn unklar blieb, woher Daten kamen und wer wofür verantwortlich war, lieferte ein Agent aus seiner Sicht keinen brauchbaren Output. Vor allem dort, wo bestehende Abläufe automatisiert oder beschleunigt werden sollten, standen zuerst Prozess- und Datenarbeit an.

Parallel dazu sah Thomasch eine zweite Linie. Wenn ein Unternehmen ein neues Produkt oder eine neue Dienstleistung entwickelte und dafür Prozesse und Datenzugänge ohnehin neu aufzog, konnte es KI von Anfang an mitdenken und dabei intern die Voraussetzungen schaffen. Als typisches Feld nannte er HR-Prozesse, die oft gut dokumentiert waren und damit eine solide Basis für KI-Unterstützung boten.

Beim Thema Haftung blieb er nüchtern. Besonders in Bereichen wie HR sah er „human in the loop“ als Standard. Ein Agent konnte Schritte vorbereiten, Daten bündeln und Manager:innen durch Masken führen. Die finale Entscheidung traf aber ein Mensch, vor allem dort, wo es um kritische Entscheidungen ging.

Warum POCs immer noch scheiterten

Trotz besserer Modelle und Tools blieb Patrick Ratheiser eine Zahl in den vergangenen Jahren unverändert. „81 Prozent scheitern mittlerweile wieder mal nach dem POC“, sagte er und ergänzte, dass diese Aussage grob gesagt seit zehn Jahren gültig sei. Eine aktuelle Studie bestätige diesen Wert.

Die Muster ähnelten einander. Unternehmen wählten falsche oder zu komplexe Anwendungsfälle, die Erwartungshaltung schoss nach oben, und Datenqualität blieb Nebensache. „Wir nehmen alle Daten vom Unternehmen, am besten alle Dokumente, jagen die in der GPT rein und dann wird schon alles gut. Das wird nicht funktionieren“, sagte Ratheiser.

Christian Casari steuerte dazu sein Lieblingsbild bei: „Garbage in, garbage out. Ich kann ja das beste Auto haben. Wenn ich glatte Reifen habe und draußen ist glattes Eis, werde ich wahrscheinlich die PS nicht auf die Straße bringen“, sagte er. Ohne Daten, die zum Problem passten, blieb jedes Modell ein teures Experiment.

Mehrwert über mehrere Use Cases

Lenovo-CTO Andreas Thomasch verwies auf die Notwendigkeit einer Struktur. Einen ROI nur über einen einzelnen Use Case zu rechnen, hielt er für schwierig. „Der Aufwand für meinen ersten Use Case ist vermutlich genauso hoch für die nächsten neun folgenden“, sagte er. Deswegen empfahl er, einen Datenbereich als Ganzes „KI-ready“ zu machen und von Beginn an mehrere Use Cases mitzudenken. Wenn einer scheiterte, blieben andere übrig, die den Invest stützten.

Beim Start-Setup setzte Thomasch auf einen klaren Schritt. Er plädierte dafür, eine eigene Umgebung zu schaffen, in der sich KI-Workloads innerhalb der bestehenden Security- und Governance-Prozesse ausprobieren ließen. Eine kleine Sandbox, die IT und Fachbereiche gemeinsam nutzten, half seiner Erfahrung nach, bevor jemand den produktiven Rollout verlangte.

Cloud, On-Prem und Energie

Die Frage, wo KI-Anwendungen laufen sollen, muss laut Thomasch schon zu Beginn eines Projekts geklärt werden. Fachabteilung und IT sollten früh festlegen, ob relevante Daten in der Cloud liegen, on-premise oder in einer hybriden Struktur. Viele Unternehmen landen ohnehin in einem Mischmodell, weil ihre Datenlandschaft bereits verteilt war, wie Thomasch ausführt.

Christian Casari brachte eine Dimension ein, die in Strategierunden häufig zu kurz kam. „Die aktuellen politischen Entwicklungen sollten uns zumindest ein bisschen zum Nachdenken geben“, sagte er. Für ihn zählt vor allem, wie kritisch Daten waren. „Wenn ich meinen Datenschatz, also das, was meine Firma ausmacht, in Daten habe, und das liegt on-premise, ich werde den Teufel tun und das in die Cloud geben und dann noch mit einem Large-Language-Model bearbeiten.“ Weniger kritische Daten sah er dagegen als gute Kandidaten für skalierbare Cloud-Lösungen.

Hybride Szenarien mit lokalen Systemen, Private-Cloud-Ansätzen und Cloud-Komponenten passten für beide gut zu einem weiteren Engpass: Energie. Thomasch erinnerte daran, dass Rechenzentren ihr Energiebudget nicht beliebig erhöhen konnten. Die Frage, welche Modelle auf welcher Infrastruktur liefen, entwickelte sich damit zu einer wirtschaftlichen Notwendigkeit.

Große Modelle, kleine Modelle

Im Alltag beobachtet Patrick Ratheiser einen deutlichen Gegensatz zwischen technischen Möglichkeiten und realem Einsatz. Er berichtete von einem Projekt an der Universität Graz. „Für 30.000 Studenten brauche ich kein GPT-5.1-Modell. Da reicht das Mini vollkommen“, sagte er. Dort ging es um einfache Fragen zu Urlaubstagen oder Abläufen, nicht um literarische Experimente.

Das eigentliche Problem sieht er in der Erwartungshaltung. Viele Mitarbeiterinnen und Mitarbeiter verglichen interne Systeme mit den großen, frei zugänglichen Modellen am Handy. „Das fühlt sich halt einfach nicht an wie ChatGPT“, höre er häufig. Mit solider Aufklärung über Funktionsweise und Trade-offs sieht er aber eine Chance, kleinere Modelle dort zu akzeptieren, wo sie ausreichten – und gleichzeitig Kosten und Energieverbrauch zu senken.

Christian Casari schärfte dieses Bild mit einer Analogie – einem LKW, der zehn Meter fährt, um eine Wurstsemmel zu holen. „Momentan erschlagen wir alles mit diesen großen LLMs“, sagte er. In vielen Fällen reichte aus seiner Sicht – um im Bild zu bleiben – „ein Rad oder vielleicht sogar zu Fuß“. Auch preislich sieht er starke Unterschiede. Zwischen einem großen Modell und der Mini-Variante lag nach seiner Einschätzung eher ein Hundertstel der Kosten als ein kleiner Aufschlag.

Agents-Expterin Sarah Eschenbacher warnte gleichzeitig vor falschen Hoffnungen: „Bessere Modelle machen Agents nicht unbedingt besser“, sagte sie. Für sie liegt das Potenzial eher in Kombinationen. Unternehmen konnten spezialisierte kleine Modelle als Tools nutzen, etwa für besonders kritische Daten, und größere Modelle dort einsetzen, wo sie den größten Mehrwert brachten. Energieeffizienz bleibt für sie ein Schlüsselbegriff.

Wenn Unternehmen loslegen

Insgesamt zeigte die Diskussion, dass es der Erfolg von KI-Projekten in vielerlei Hinsicht an den Organisationen selbst hängt. Christian Casari brachte das auf eine einfache Formel. Für ihn diente gesunder Menschenverstand als Kompass, nicht als Störfaktor. Teams sollten klären, wo sie standen, wohin sie wollten und was sie im Haus hatten – und erst danach über Tools und Modelle entscheiden.

Sarah Eschenbacher lenkte den Blick außerdem auf die Größe der Vorhaben. Sie rät Unternehmen, keine Monster-Use-Cases zu planen, sondern spezialisierte Agents für klar umrissene Aufgaben zu bauen. Kleine, fokussierte Projekte erzeugten in ihrer Sicht mehr Wirkung als ein „Alles-Könner“, der in der Praxis niemandem wirklich half.

Patrick Ratheiser plädierte in der Schlussrunde dafür, sich nicht von der Wunschliste der Chefetage treiben zu lassen, wenn dort sofort der komplexeste Use Case auftauchte. Er bevorzugte kleine, gut geschnittene Anwendungsfälle und verstand AI-Literacy als Pflichtprogramm. Unternehmen sollten ihre Leute fit machen, ihnen Tools geben und Experimente ermöglichen, damit eine lernende Organisation entstand.

Andreas Thomasch wiederum richtete seinen Appell an die IT-Seite. Sie sollte nicht warten, bis der Druck aus den Fachbereichen stieg, sondern sich vorbereiten, eine Umgebung für KI-Workloads aufbauen und eigenes Know-how sammeln. „Die Frage von der Fachabteilung wird kommen“, sagte er. Wer dann bereits eine Antwort hatte – technisch, organisatorisch und mit Blick auf die Daten –, holte KI aus der theoretischen Debatte in die tägliche Arbeit.

Deine ungelesenen Artikel:

Martin Pacher

01.06.2026

mySugr-Mitgründer Gerald Stangl bringt mit Roots Energy die urbane Wärmewende in Serie

Roots Energy hat aus einem mehrfach ausgezeichneten Wiener Pilotprojekt ein industrielles Wärmesystem für ganze Stadtquartiere gemacht. Jetzt startet die Serienfertigung in Österreich – und parallel die erste externe Finanzierungsrunde, geplant für das dritte Quartal 2026. Wir haben mit Gründer Gerald Stangl über Marktversagen, den Ukraine-Krieg als Wendepunkt und seine Lehren aus dem mySugr-Exit gesprochen.

/artikel/roots-energy

Martin Pacher

01.06.2026

mySugr-Mitgründer Gerald Stangl bringt mit Roots Energy die urbane Wärmewende in Serie

/artikel/roots-energy

Es ist eine Wette darauf, dass sich die Wärmeversorgung europäischer Städte in den nächsten Jahren grundlegend verändert. Den Beweis, dass der Markt dafür bereit ist, hat Roots Energy nach eigener Darstellung bereits erbracht. „Wir haben bewiesen, dass Menschen dafür bezahlen“, sagt Gründer Gerald Stangl. Das Wiener Unternehmen hat eine vorgefertigte Nahwärme-Plattform aus Hardware und Software entwickelt, die die heute übliche Einzelplanung jedes Heizraums durch ein industriell gefertigtes System ersetzen soll – und damit europäische Städte unabhängig von fossilen Energie-Importen machen will. Die Investitionskosten sinken laut Unternehmen gegenüber konventionell geplanten Anlagen um bis zu 50 Prozent.

Die erste Anlage – das mehrfach ausgezeichnete Wiener Pilotprojekt SmartBlock Geblergasse, technisch geplant von Roots-Mitgründer Wieland Moser, unter anderem Träger des Österreichischen Staatspreises 2021 – läuft seit 2017. Mehr als 20 weitere Standorte in der DACH-Region befinden sich im aktiven Rollout. Seit dem zweiten Quartal 2026 fertigt Roots Energy die zentralen Komponenten gemeinsam mit einem österreichischen Industriepartner in Serie. Womit das Unternehmen die jahrelange Pilotphase hinter sich lässt – und in die Skalierung eintritt.

Vom Co-Living-Projekt zum Wärme-Standard

Die Geschichte beginnt nicht mit Energie, sondern mit Wohnen. Hinter Roots steht mit Gerald Stangl ein Gründer, der bereits eine der bekanntesten österreichischen Health-Tech-Erfolgsgeschichten mitgebaut hat: Das von ihm mitgegründete Unternehmen mySugr, eine App zum Diabetes-Management, wurde 2017 an den Pharmakonzern Roche verkauft. Die Parallele zieht Stangl selbst – mySugr sei erfolgreich gewesen, weil das Team sein eigenes Problem gelöst habe. Bei Roots ist es dasselbe Muster: Die Wärmelösung entstand aus dem konkreten Bedarf eines eigenen Bauprojekts. 2021 gründete er gemeinsam mit Dr. Hüseyin Özcelik und Florian Hackl-Kohlweiß die Roots Urban Villages GmbH, ein Co-Living-Konzept für die Stadt. Bei der Suche nach einer Wärmelösung für ein rund 20.000 Quadratmeter großes Areal stieß das Team auf ein grundsätzliches Problem: „Wir haben gemerkt, es gibt nichts. Entweder man geht auf Fossil oder auf Fernwärme, wo man extreme Preisabhängigkeit hat“, erinnert sich Stangl.

Den Ausschlag gab schließlich der russische Einmarsch in die Ukraine 2022. Die Energiepreise schossen nach oben, die Immobilienpreise nach unten – und damit verschob sich die Logik des gesamten Vorhabens. Erst in diesem Moment, so Stangl, sei dem Team das eigentliche Marktversagen aufgefallen – und damit der Moment gekommen, „all in“ zu gehen: „Wenn nicht jetzt, wann dann?“ Das Team ließ das große Immobilienprojekt fallen, holte Energietechnik-Pionier Wieland Moser ins Gründer-Team, kaufte ein Gebäude als Forschungszentrum und entschied sich bewusst gegen frühes Investorenkapital: Ausschlaggebend war für Stangl der Zeitpunkt: Mit Kriegsbeginn sei die Stimmung unter Investoren schlecht gewesen, ein schneller Start mit hohem Tempo damals kaum finanzierbar. „Da haben wir gesagt, wir bootstrappen das.” 2023 wurde aus Roots Urban Villages die Roots Energy GmbH.

Das Marktversagen: zwischen Fernwärme und Sackgasse

Warum es für dichte Städte bisher keine industrielle Wärmelösung gibt, lässt sich an drei Optionen festmachen, die alle nicht skalieren. Klassische Fernwärme erreicht nur profitable Kernzonen; bestehende Hochtemperatur-Netze (80 bis 135 Grad Vorlauf) sind faktisch nicht erweiterbar und verlieren über 30 Prozent ihrer Energie auf dem Transportweg. Wer dennoch ausbaut, riskiert hohe tote Investitionen, wenn die Anschlussquoten zu gering bleiben. Luftwärmepumpen und Heizcontainer wiederum scheitern im dichten Bestand an Platz, Schallschutz und Genehmigungen. Und individuell von Ingenieurbüros geplante Erdwärme-Anlagen funktionieren zwar technisch, bleiben aber teure Einzelstücke.

Genau hier setzt die zentrale These vom „CapEx at Risk“ an. Das klassische Modell baut ein großes, zentrales Werk und steckt vorab viel Kapital hinein – in der Hoffnung, damit Tausende Haushalte zu versorgen. Bleiben die Anschlüsse aus, ist das Geld verloren. „Bei uns gibt’s dieses CapEx at Risk nicht“, sagt Stangl. „Die Energiequelle entsteht in diesen Netzen Schritt für Schritt.“ Statt eines Großkraftwerks liegen viele kleine Module vor; das System wächst mit der Nachfrage, nicht auf Verdacht.

Als Vorbild dient ausgerechnet Wien selbst. Nach den Ölpreisschocks Ende der 1970er-Jahre stellte die Stadt die dezentrale Ölheizung auf Gas um – und zwar, indem man günstig nur die Gasleitungen bis vor die Wohnungen legte. Ab da konnte jeder Haushalt frei entscheiden, wann er von Öl auf die überlegene Gastherme wechselt. „In weniger als einer Generation war das abgeschlossen“, erzählt Stangl. „Und wir machen genau das Gleiche.“ Roots verlegt schlanke, kostengünstige Soleleitungen – im Kern eine kalte Wasserleitung mit Alkohol-Wasser-Gemisch –, und jede Wohnung tauscht ihre Gastherme nach Bereitschaft gegen eine Soletherme.

Komplexität von der Baustelle ins Werk

Technisch baut Roots auf sogenannter kalter Nahwärme – im Fachjargon 5th Generation District Heating and Cooling. Über die Soleleitungen wird Umgebungswärme aus Erdwärme, Grundwasser, Außenluft oder Abwasser vor Ort gewonnen und nahezu verlustfrei an die Gebäude geliefert. Die Plattform besteht aus drei Bausteinen: dem vorgefertigten Hydraulik- und Steuerungsmodul Roots·Hub, dem Betriebssystem Roots·OS, das das thermische Netz steuert, sowie standardisierten Kompressoren, die Wärme oder Kälte beim Endabnehmer erzeugen – inklusive der Option, im Sommer zu kühlen.

Der Kerngedanke: Roots verlagert die Komplexität von der Baustelle ins Werk. Aus aufwändigen Sonderprojekten werden standardisierte, einfach einzusetzende Systemlösungen – und damit eine skalierbare Infrastruktur. Wichtig ist Stangl dabei die Abgrenzung – ein Punkt, mit dem das Unternehmen lange gerungen hat: „Wir liefern die Anlagensysteme, damit Firmen ihren Job machen können. Wir sind in keiner Konkurrenz.“ Roots sei weder Wärmepumpenfirma noch Projektierer, sondern Systemtechnik-Lieferant für Energieversorger, institutionelle Eigentümer und Contractors.

Markt mit hohem regulatorischem Druck

Der Zeitpunkt ist kein Zufall. Drei EU-Rechtsakte definieren bis 2040 das Ende fossiler Wärme im Gebäudebestand: Der EPBD-Recast schreibt den Ausstieg aus fossilen Heizkesseln bis 2040 vor, der EED-Recast verpflichtet jede Kommune ab 45.000 Einwohnern zu einem Wärmeplan, und ab 2028 greift mit ETS 2 eine CO₂-Bepreisung auf Gebäudewärme. Rund die Hälfte des EU-Endenergieverbrauchs entfällt auf Heizen und Kühlen – größtenteils noch fossil.

Als Zielkunden hat Roots Energy Europas größte institutionelle Wohnungsanbieter im Blick. Allein die 30 größten kontrollieren nach eigener Auswertung ein Wärme-Dekarbonisierungs-Volumen von rund 65 Milliarden Euro – darunter die größten Bestandshalter aus Österreich und Deutschland. Gespräche zu ersten gemeinsamen Piloten sind in Vorbereitung.

Fünf Jahre bootstrapped, jetzt die erste Runde

Seit 2021 hat Roots Energy rund zehn Millionen Euro aus Eigen- ,Fördermitteln und geförderten Darlehen eingesetzt – je etwa fünf Millionen in Forschung und Produktentwicklung sowie in das 900 Quadratmeter große Forschungszentrum „Roots·House“ in Wien-Penzing, das der Klimafonds als „Leuchtturm der Wärmewende“ auszeichnete. Die Forschungsförderungsgesellschaft FFG steuerte 2,4 Millionen Euro bei. Das Patent ist erteilt.

Nun geht das Unternehmen erstmals an externes Kapital: Eine erste Finanzierungsrunde soll im dritten Quartal 2026 abgeschlossen werden. Gespräche laufen mit europäischen Fonds aus den Bereichen Klima-, Resilienz- und Industrietechnologie. Das Kapital fließt in technische Kundenbetreuung, den Ausbau des Vertriebs und die Serienproduktion. Operativ geführt wird Roots Energy von Hüseyin Özcelik und Katharina Steppan; Stangl verantwortet als Gründer das Fundraising.

Das erklärte Ziel: Die Wärmeversorgung europäischer Städte soll künftig industriell organisiert sein – so wie Strom oder Telekommunikation heute. Den Hebel dorthin sieht Stangl weniger im Klimaargument als in handfesten Vorteilen für die Bewohner. „Wir müssen das Narrativ ändern“, sagt er. „Klima zieht in der aktuellen politischen Lage bei den Menschen wenig – dafür stehen Resilienz, Unabhängigkeit und Wirtschaftlichkeit im Vordergrund.“

Mehr über Roots Energy könnt ihr auch hier erfahren.

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