18.07.2025
PHOTONISCHES COMPUTING

Q.ANT aus Deutschland holt sich 62 Mio.-Euro-Investment – Kapital auch aus Österreich

Das deutsche Corporate-Spinoff Q.ANT rund um Michael Förtsch konnte Europas größte Serie-A-Finanzierung für photonisches Computing abschließen. Zudem zieht Hermann Hauser in den Beirat ein.
/artikel/q-ant-62-mio-investment
Gründer und CEO Michael  Förtsch | (c) Q.ANT

Die nächste Evolutionsstufe des Rechnens kommt ohne Transistoren aus: In photonischen Prozessoren übernehmen Lichtwellen die Rolle bewegter Elektronen. Das macht sie radikal schneller und deutlich sparsamer im Stromverbrauch – ein Game‑Changer, wenn der weltweite Energiebedarf von Rechenzentren nach Schätzungen der Internationalen Energieagentur (IEA) bis 2026 bereits das Jahresaufkommen Japans übertreffen könnte. Eine Lösung für photonisches Computing bietet Q.ANT mit Sitz in Stuttgart. Das Unternehmen ist ein Coroprate-Spin-off des Maschinenbau‑Konzerns Trumpf, das 2018 gegründet wurde und lichtbasierte Prozessoren entwickelt.

Weltweit erster marktreifer Photonik‑Prozessor

Gründer und CEO Michael  Förtsch und sein Team haben mit der „Light Empowered Native Arithmetics“‑Architektur (LENA) laut eigenen Angaben den weltweit ersten marktreifen Photonik‑Prozessor entwickelt, der sich als Plug‑in‑Coprozessor in Standard‑Server einschieben lässt. Praxistests versprechen eine bis zu 30-fache Energieeffizienz, eine 50-fache Leistungssteigerung und das Potenzial, die Kapazität von Rechenzentren um das 100-fache zu erhöhen – und das alles ohne komplexe aktive Kühlsysteme. „Wir wollten die Art und Weise, wie die Welt rechnet, neu definieren, indem wir Licht anstelle von Strom verwenden“, so Förtsch.

Bild: Q.ANT GmbH

Größte Finanzierungsrunde für photonisches Computing

Für das weitere Wachstum hat Q.ANT Europas bislang größte Series‑A‑Finanzierungsrunde im Bereich photonisches Computing geschlossen: 62 Millionen Euro. Angeführt wird die Runde von Cherry Ventures, UVC Partners und imec.xpand. Zudem hat sich auch Onsight Ventures mit Sitz in Innsbruck beteiligt. Der Fonds wird unter anderem auch von Hermann Hauser und BioNTech-Gründer Christoph Huber getragen (brutkasten berichtete).

Mit als Investor an Bord ist auch EXF Alpha, ein von Venionaire Ventures S.à r.l.  verwalteter Syndikatsfonds rund um Berthold Baurek‑Karlic und der Venionaire Capital AG. „Wir konzentrieren uns auf europäische DeepTech‑Innovationen mit globalem Wirkungspotenzial“, erklärt Baurek‑Karlic, CEO von Venionaire Capital und Geschäftsführer der Venionaire Ventures S.à r.l. „Die photonische Architektur von Q.ANT bietet genau das: Leistung, Effizienz und Skalierbarkeit.“

Hermann Hauser zieht in Beirat ein

Mit dem frischen Kapital will Q.ANT die nächste Generation seiner Photonik‑Prozessoren schneller zur Marktreife bringen, die Fertigung deutlich hochfahren und sein multidisziplinäres Team ausbauen. Gleichzeitig plant das Stuttgarter Unternehmen, seine Präsenz in den USA und Asien auszubauen, um dort erste Kundenprojekte vor Ort begleiten zu können.

Auch der Beirat erhält prominente Verstärkung: ARM‑Mitgründer Hermann Hauser sowie der frühere Infineon‑Vorstand und Intel‑Manager Hermann Eul bringen ihre langjährige Erfahrung in Halbleiterskalierung, Industrialisierung und globaler Vermarktung ein – Kompetenzen, die für die anstehende Wachstumsphase als entscheidend gelten.

Deine ungelesenen Artikel:
10.11.2026

KI-Agenten gezielt steuern: Warum klare Grenzen im Kundenservice entscheidend sind

KI-Agenten können im Kundenservice viel leisten, solange sie wissen, wo ihre Grenzen liegen. Ein Gastbeitrag über die gezielte Steuerung von KI im Kundenkontakt.
/artikel/ki-agenten-gezielt-steuern-warum-klare-grenzen-im-kundenservice-entscheidend-sind
10.11.2026

KI-Agenten gezielt steuern: Warum klare Grenzen im Kundenservice entscheidend sind

KI-Agenten können im Kundenservice viel leisten, solange sie wissen, wo ihre Grenzen liegen. Ein Gastbeitrag über die gezielte Steuerung von KI im Kundenkontakt.
/artikel/ki-agenten-gezielt-steuern-warum-klare-grenzen-im-kundenservice-entscheidend-sind

Ein Kunde fragt nach dem Lieferstatus seiner Bestellung. Ein anderer benötigt eine Produktempfehlung. Ein dritter möchte wissen, welche Bedingungen für eine Reklamation gelten. Obwohl alle drei Anfragen im Kundenservice eingehen, stellen sie unterschiedliche Anforderungen an den Einsatz künstlicher Intelligenz. Denn während eine Produktberatung individuell formuliert werden kann, müssen Auskünfte zu Vertragsbedingungen auf verbindlichen Informationen beruhen.

Für mittelständische Unternehmen stellt sich deshalb eine zentrale Frage: Wie lässt sich genau festlegen, welche Informationen KI-Agenten nutzen und welche Aufgaben sie eigenständig übernehmen dürfen?

Unternehmen müssen bestimmen, worauf die KI zugreifen darf

Moderne Sprachmodelle können Informationen verarbeiten, Zusammenhänge erkennen und Antworten formulieren. Im Kundenservice reicht diese Fähigkeit allein jedoch nicht aus. Entscheidend ist, dass die KI ausschließlich auf Informationen und Funktionen zugreift, die für das jeweilige Anliegen freigegeben sind.

Bei Fragen zu Lieferbedingungen sollte sie beispielsweise nur die aktuellen Unternehmensrichtlinien berücksichtigen. Bei einer allgemeinen Produktberatung kann es dagegen sinnvoll sein, verschiedene Wissensquellen miteinander zu verknüpfen. Für eine Bestellstatusabfrage wiederum benötigt der Agent Zugriff auf aktuelle Daten aus einem angebundenen System.

Was in der Praxis häufig unterschätzt wird: KI muss im Unternehmen nicht als frei agierendes System eingesetzt werden. Durch gezielte Konfiguration lassen sich Informationsquellen, Antwortvorgaben und Handlungsmöglichkeiten so eingrenzen, dass KI-Agenten innerhalb klar definierter Regeln arbeiten. Damit können Unternehmen KI auch dort einsetzen, wo Verlässlichkeit und Kontrolle besonders wichtig sind.

Dabei lässt sich nicht nur festlegen, welche internen Dokumente, Datenbanken oder externen Quellen verwendet werden dürfen. Auch der Zugriff auf eine Websuche oder die Ausführung bestimmter Aktionen kann eingeschränkt werden.

Restriktiv, generativ oder agentisch: Der Anwendungsfall entscheidet

Je nach Aufgabe können unterschiedliche KI-Ansätze zum Einsatz kommen. Diese schließen sich nicht gegenseitig aus, sondern lassen sich innerhalb einer Kundenservice-Lösung miteinander kombinieren.

Restriktive KI: Antworten innerhalb klarer Vorgaben

Bei verbindlichen Auskünften sind enge Grenzen notwendig. Ein restriktiv konfigurierter KI-Agent greift ausschließlich auf freigegebene Informationen zurück und darf definierte Antwortvorgaben nicht verlassen.

Fehlen die erforderlichen Informationen, sollte das System keine Aussagen ergänzen oder Vermutungen anstellen. Stattdessen kann es die Anfrage an einen Mitarbeitenden weiterleiten.

Dieser Ansatz eignet sich beispielsweise für Garantiebedingungen, Vertragsinformationen oder sensible Serviceprozesse.

Generative KI: Individuelle Antworten auf kontrollierter Wissensbasis

Andere Anliegen erfordern eine flexiblere Kommunikation. Möchte ein Kunde mehrere Produkte vergleichen oder technische Zusammenhänge verstehen, kann generative KI Informationen aus hinterlegten Wissensquellen zusammenführen und verständlich aufbereiten.

Dabei muss die KI nicht auf ihr allgemeines Trainingswissen zurückgreifen. Sie kann so konfiguriert werden, dass ihre Antworten ausschließlich auf ausgewählten Unternehmensinformationen basieren. Die Formulierung bleibt flexibel, während die zugelassenen Informationsquellen klar definiert sind.

Agentische KI: Aufgaben innerhalb festgelegter Berechtigungen ausführen

Agentische KI geht über die reine Beantwortung von Fragen hinaus. Sie kann verfügbare Werkzeuge auswählen, Schnittstellen nutzen und mehrstufige Aufgaben bearbeiten.

Beispielsweise kann ein KI-Agent eine Bestellnummer entgegennehmen, den zugehörigen Status über eine Schnittstelle abfragen und die Information anschließend verständlich ausgeben.

Welche Aktionen er ausführen darf, legt das Unternehmen fest. Ein Agent kann somit berechtigt sein, Bestelldaten abzurufen, ohne gleichzeitig Änderungen oder Stornierungen vornehmen zu dürfen.

Die Steuerung erfolgt auf Ebene einzelner Anliegen

Für mittelständische Unternehmen ist es häufig sinnvoll, nicht sämtliche Kundenanfragen nach denselben Regeln bearbeiten zu lassen.

So lässt sich beispielsweise festlegen, dass ein Agent bei Fragen zu Unternehmensrichtlinien ausschließlich interne Dokumente verwendet. Bei allgemeinen Fachfragen kann eine ergänzende Websuche erlaubt sein. Geht es hingegen um kundenspezifische Informationen, erfolgt der Zugriff über eine autorisierte Schnittstelle.

Auch die Grenzen der Automatisierung können individuell definiert werden. Während ein Agent den Bearbeitungsstand einer Reklamation selbstständig mitteilen darf, kann eine Erstattungsentscheidung weiterhin einem Mitarbeitenden vorbehalten bleiben.

Entsprechende Möglichkeiten zur Verknüpfung von Wissensquellen, KI-Funktionen und bestehenden Systemen bieten Plattformen wie DialogBits für den KI-gestützten Kundenservice.

Praxisbeispiel: KI-Agent beim HERDT-Verlag

Wie sich die Bearbeitung unterschiedlicher Kundenanliegen mit kontrollierten Systemzugriffen verbinden lässt, zeigt der HERDT-Verlag für Bildungsmedien.

Dort unterstützt der KI-Agent „Berti“ Kunden im Online-Shop. Über angebundene Werkzeuge kann er unter anderem Bestellinformationen abrufen und verschiedene Anliegen innerhalb eines Gesprächs bearbeiten.

Die verfügbaren Funktionen und ihre Einsatzmöglichkeiten werden dabei konfiguriert. Anhand der jeweiligen Kundenanfrage wählt der Agent ein geeignetes Werkzeug aus, ohne uneingeschränkten Zugriff auf sämtliche Systeme zu erhalten.

In den ersten zwei Wochen nach der Umstellung beantwortete Berti bereits 76 Kundenanfragen eigenständig. Die Success Story des HERDT-Verlags zeigt, wie dieser Ansatz in der Praxis umgesetzt wurde.

Fazit: Kontrolle ist die Grundlage sinnvoller Automatisierung

Der Einsatz von KI-Agenten im Kundenservice bedeutet nicht, künstlicher Intelligenz möglichst viele Freiheiten einzuräumen. Vielmehr müssen Unternehmen bestimmen können, welche Informationen genutzt, welche Antworten formuliert und welche Aktionen ausgeführt werden dürfen.

Gerade für mittelständische Betriebe liegt darin ein wesentlicher Vorteil: Unterschiedliche Serviceprozesse lassen sich automatisieren, ohne für jede Anfrage denselben Handlungsspielraum zuzulassen. Entscheidend ist nicht, wie viel ein KI-Agent grundsätzlich kann, sondern was er im jeweiligen Kontext tatsächlich darf.

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

Q.ANT aus Deutschland holt sich 62 Mio.-Euro-Investment – Kapital auch aus Österreich

AI Kontextualisierung

Welche gesellschaftspolitischen Auswirkungen hat der Inhalt dieses Artikels?

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

Q.ANT aus Deutschland holt sich 62 Mio.-Euro-Investment – Kapital auch aus Österreich

AI Kontextualisierung

Welche wirtschaftlichen Auswirkungen hat der Inhalt dieses Artikels?

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

Q.ANT aus Deutschland holt sich 62 Mio.-Euro-Investment – Kapital auch aus Österreich

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 …

Q.ANT aus Deutschland holt sich 62 Mio.-Euro-Investment – Kapital auch aus Österreich

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 …

Q.ANT aus Deutschland holt sich 62 Mio.-Euro-Investment – Kapital auch aus Österreich

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 …

Q.ANT aus Deutschland holt sich 62 Mio.-Euro-Investment – Kapital auch aus Österreich

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 …

Q.ANT aus Deutschland holt sich 62 Mio.-Euro-Investment – Kapital auch aus Österreich

AI Kontextualisierung

Wer sind die relevantesten Personen in diesem Artikel?

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

Q.ANT aus Deutschland holt sich 62 Mio.-Euro-Investment – Kapital auch aus Österreich

AI Kontextualisierung

Wer sind die relevantesten Organisationen in diesem Artikel?

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

Q.ANT aus Deutschland holt sich 62 Mio.-Euro-Investment – Kapital auch aus Österreich