18.02.2026
INVESTMENT

ScyAI: Schweizer Startup mit österreichischem Founder holt 2-Mio.-Euro-Pre-Seed

Der ehemalige GAK-Spieler Bernhard Rannegger gründete in Zürich gemeinsam mit Alex Sidorenko das KI-gestützte Versicherungs-Startup ScyAI. Und erhielt dafür ein Millioneninvestment.
/artikel/scyai-schweizer-startup-mit-oesterreichischem-founder-holt-2-mio-euro-pre-seed
ScyAI
© ScyAI - Das ScyAI-Team rund um Founder Bernhard Rannegger (m.).

36 Tore in 126 Spielen. So lautet die Erfolgsbilanz des gebürtigen Österreichers Bernhard Rannegger, der nach seiner Fußball-Karriere beim GAK im Nachbarland einen anderen Weg eingeschlagen hat: Sein Schweizer Startup ScyAI hat eine Lösung entwickelt, die KI-gestützte Risikointelligenz für Unternehmen mit großen Real-Asset-Beständen zugänglich machen möchte. Nun hat es zwei Millionen Euro Kapital aufgenommen.

ScyAI mit Unicorn-Gründer als Investor

Im Rahmen der Pre-Seed-Finanzierungsrunde führte AENU die Runde an, mit PT1 als Co-Lead. An der Runde beteiligten sich außerdem die Unicorn-Gründer David Helgason (Unity), Maex Ament und Philip Stehlik (Taulia, Centrifuge) über Earth VC sowie Bela Lainck, Robert Levenhagen, Christoph Aufmhof und Stefanie Gerhart über die Angel-Investoren-Allianz better ventures.

„Wir freuen uns, ScyAI zu unterstützen, während das Team die nächste Generation von KI-nativem Risikomanagement aufbaut. Die Kombination aus großer technischer Ambition, klar messbarem Kundennutzen und einem sehr großen globalen Markt macht das für uns zu einer überzeugenden Chance“, sagt Robert Stoecker, Partner bei AENU.

Auch Tina Dreimann, Gründerin und Geschäftsführerin von better ventures, schlägt in eine ähnliche Kerbe, wenn sie sagt: „ScyAI hat das, was in dieser Kategorie selten ist: echte Versicherungs-DNA plus Produktumsetzung. Das Team baut keine weiteren Klima-Analyse-Tools, sondern Entscheidungsgrundlagen, die in Risiko- und Insurance-Teams wirklich funktionieren. Genau deshalb glauben wir, dass ScyAI hier eine neue Referenz setzen und den Markt mitprägen kann.“

2025 gegründet

ScyAI wurde 2025 von einem Versicherungs- und Risiko-Technologie-Team gegründet: Gründer und CEO Bernhard Rannegger war sechs Jahre in der Technologie- und Produktführung bei Swiss Re, wo er KI-basierte Risikomodelle entwickelte und ein Joint Venture mit Palantir aufbaute, das auf über 50 Enterprise-Kunden skalierte (u. a. Siemens, Petronas und Maersk).

Als „Head of Risk and Insurance AI“ brachte Alex Sidorenko mehr als 20 Jahre Erfahrung im Risiko- und Versicherungsmanagement mit, unter anderem aus seiner Tätigkeit bei Deloitte, PwC und EuroChem sowie zuletzt als „Group Head of Insurance & Risk“ bei Serra Verde.

Klimarisiko im Fokus

ScyAI adressiert konkret das Klimarisiko für Hersteller, Energieerzeuger und Unternehmen mit „Real Assets“. Die Münchner Rückversicherungs-Gesellschaft Munich Re berichtete für das Jahr 2025 weltweite Naturkatastrophenschäden in Höhe von 224 Milliarden US-Dollar – wobei nur 108 Milliarden US-Dollar davon versichert waren.

Diese Versicherungslücke entstehe unter anderem, weil viele Unternehmen die angebotenen Versicherungsprämien wirtschaftlich nicht rechtfertigen können. Die Preisgestaltung basiere meist auf groben Branchenzuordnungen und regionalen Durchschnittswerten statt auf unternehmensspezifischen Risikoprofilen. Würden belastbare Daten zur Bauqualität, zu Schutz- und Präventionsmaßnahmen oder zur räumlichen Trennung von Anlagen und Vermögenswerten fehlen, dann würden Versicherer defensiv kalkulieren. Unternehmen mit starkem Risikomanagement subventionieren so schwächere Marktteilnehmer – oder tragen mehr Risiko als beabsichtigt, entweder aus eigener Entscheidung oder ohne sich der Lücken in ihrem Versicherungsschutz vollständig bewusst zu sein, meint das Founder-Team.

Genau hier setzt ScyAI an. Die Plattform erstellt quantifizierte, prüfbare Risikoprofile, indem sie operative Unternehmensdaten mit externen Gefahrenmodellen kombiniert. So sollen Unternehmen ihre individuelle Risikoqualität anhand derselben und weiterer Kennzahlen belegen können, auf die sich auch Versicherer stützen.

ScyAI verspricht Prämienreduzierungen von 30 bis 50 Prozent

ScyAI berichtet, dass frühe Anwender dieser Methodik Prämienreduzierungen von 30 bis 50 Prozent erreicht hätten, was sich bei Unternehmen mit starken Versicherungsprogrammen in einer Ersparnis im siebenstelligen Bereich materialisieren würde – bei gleichzeitiger Erhöhung der Deckungssummen und dem Schließen bestehender Deckungslücken, so der Claim.

„Physische Risiken werden für Unternehmen zu einer operativen und finanziellen Kernfrage“, sagt CEO Rannegger. „Unsere Mission ist es, diese Risiken messbar, verständlich und steuerbar zu machen – damit unternehmensinterne Versicherungs- und Risikomanagement-Teams bessere Entscheidungen treffen und die Versicherung von einem reinen Kostenpunkt zu strategischem Resilienzkapital wird.“

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

ScyAI: Schweizer Startup mit österreichischem Founder holt 2-Mio.-Euro-Pre-Seed

AI Kontextualisierung

Welche gesellschaftspolitischen Auswirkungen hat der Inhalt dieses Artikels?

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

ScyAI: Schweizer Startup mit österreichischem Founder holt 2-Mio.-Euro-Pre-Seed

AI Kontextualisierung

Welche wirtschaftlichen Auswirkungen hat der Inhalt dieses Artikels?

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

ScyAI: Schweizer Startup mit österreichischem Founder holt 2-Mio.-Euro-Pre-Seed

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 …

ScyAI: Schweizer Startup mit österreichischem Founder holt 2-Mio.-Euro-Pre-Seed

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 …

ScyAI: Schweizer Startup mit österreichischem Founder holt 2-Mio.-Euro-Pre-Seed

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 …

ScyAI: Schweizer Startup mit österreichischem Founder holt 2-Mio.-Euro-Pre-Seed

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 …

ScyAI: Schweizer Startup mit österreichischem Founder holt 2-Mio.-Euro-Pre-Seed

AI Kontextualisierung

Wer sind die relevantesten Personen in diesem Artikel?

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

ScyAI: Schweizer Startup mit österreichischem Founder holt 2-Mio.-Euro-Pre-Seed

AI Kontextualisierung

Wer sind die relevantesten Organisationen in diesem Artikel?

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

ScyAI: Schweizer Startup mit österreichischem Founder holt 2-Mio.-Euro-Pre-Seed