05.11.2015

So will Zoomsquare eine Menge Geld verdienen

/artikel/so-will-zoomsquare-eine-menge-geld-verdienen
KPMG hat weltweit CEOs gefragt, wie sie ihr Unternehmen in die Zukunft führen wollen.

Mit einer Investitionsrunde von mehr als einer halben Million Euro lässt das heimische Startup Zoomsquare aufhorchen. Aber was ist eigentlich genau das Geschäftsmodell der Metasuchmaschine?

Diese Investitionsrunde sorgte Ende Oktober für Aufsehen: die Immobiliensuchmaschine Zoomquare sammelte bei internationalen Investoren über eine halbe Million Euro ein – und die Runde war prominent besetzt: Hermann Hauser, britischer Investor und IT-Pionier, Arne Kahlke, Gründer der Dating-Plattform Elitepartner, und Alberto Sanz, ehemaliger Geschäftsführer der Autoscout-Gruppe in Berlin und zuvor Chef von eBay Österreich & Schweiz investierten unter anderen. Mit dem Geld werden die Gründer Andreas Langegger und Christoph Richter den Einstieg in den deutschen Markt finanzieren. Ziemlich schnell nach der Freude über den Erfolg des heimischen Startups, stellten sich viele die Frage: Warum Zoomsquare? Was macht die Metasuchmaschine für Immobilien so interessant für internationale Investoren?

Derzeit? Werbeanzeigen

(c) Zoomsquare, Andreas Langegger, Alberto Sanz, Christoph Richter (v.l.)
(c) Zoomsquare, Andreas Langegger, Alberto Sanz, Christoph Richter (v.l.)

Auf den ersten Blick ist Zoomsquare keine außergewöhnliche Suchmaschine. Ein Crawler besorgt sich die Immobilienanzeigen von diversen Immo-Portalen und Websites und bietet dem Nutzer so eine zentrale Seite, auf der er nach einer neuen Wohnung, einem Büro oder einem Haus suchen kann. Der Vorteil: man muss nicht mehr täglich auf zig Websites nachsehen, ob zufällig endlich die Traum-Immobilie verfügbar ist. Aber wie verdient man damit Geld? „Derzeit ganz klassisch mit Anzeigen“, erklärt Zoomsquare-Mitbegründer Christoph Richter dem Brutkasten. „Damit lassen sich im Immobilienbereich eigentlich ganz gute Umsätze erzielen“. Und dafür greifen internationale Investoren so tief in die Tasche? Natürlich nicht. Wie könnte es anders sein, es geht um Daten.

„Immobilienpreisspiegel sind mit Daten von vor einem Jahr gemacht“.

„Es gibt niemanden, der einen Überblick darüber hat, wie sich der Markt in Echtzeit entwickelt“, meint Richter. „Derzeit ist ein Immobilienpreisspiegel mit Daten von vor einem Jahr gemacht“. Genau hier wolle Zoomsquare ansetzen und für die Immobilienbranche interessante Angebote schnüren. Der Algorithmus des Startups funktioniert nämlich nicht wie eine herkömmliche Metasuchmaschine. Man habe sehr viel Zeit und Energie investiert, um die Anzeigen von verschiedensten Quellen sehr genau zu analysieren und die Daten aus anderen Quellen zusätzlich anzureichern. Zudem holt sich Zoomsquare Anzeigen nicht nur von den ein bis drei größten Portalen, sondern selbst von kleinen Makler-Websites. „Wir haben den besten Überblick über die Daten, die es in einem Land gibt“, erklärt Richter.

Milliardengeschäft Immobilien

In Österreich sei der Mehrwert zwar nur begrenzt, aber in Ländern wie Deutschland gäbe es für dieses Geschäftsmodell großes Potenzial, meint der Gründer. Im Jänner startet Zoomsquare mit dem frischen Kapital in Deutschland und noch im Laufe des nächsten Jahres soll ein weiteres großes europäisches Land folgen. „Wir planen dann alle zwei bis drei Monate einen neuen Markt anzugehen“, verrät Richter. Auf welches Geschäftsmodell – Werbung oder Daten – in dem jeweiligen Land dann gesetzt würde, entscheide sich erst vor Ort. Ein großes Geschäft wittert der Jungunternehmer beispielsweis ein Großbritannien:  „Immobilieninvestoren stecken etwa in London jedes Jahr 65 Milliarden Euro in Immobilien und berufen ihre Entscheidungen auf Umfragen unter 400 Leuten“.

„Als Investor ist das ein Luxus“

Der Handel mit Daten scheint auch Investoren als gute Geschäftsidee einzuleuchten. Es gibt aber noch einen anderen Grund, warum Zoomsquare so attraktiv für Investitionen in die Internationalisierung ist: „Die Unabhängigkeit vom Inhalt erlaubt es, sehr effizient und kostengünstig in einen neuen Markt zu gehen“, erläutert Investor Alberto Sanz im Gespräch mit dem Brutkasten. „Man kann sogar mehrere Länder gleichzeitig ansteuern, nur um zu schauen, in welchem Land es am besten läuft. Dann kann man die kommerziellen Bemühungen punktgenau dorthin lenken, wo sie gerade den größten Effekt erzielen können“, sagt Sanz. „Als Investor ist das ein Luxus“.

Deine ungelesenen Artikel:
07.07.2026

„Europa kann doch State of the Art“: Hochreiters NXAI präsentiert neues Modell

Das Linzer KI-Startup NXAI rund um KI-Pionier Sepp Hochreiter hat mit TiRex-2 ein neues Modell für Industrie-Vorhersagen veröffentlicht. Dieses soll extrem effizient bei der Analyse von Live-Datenströmen sein.
/artikel/europa-kann-doch-state-of-the-art-hochreiters-nxai-praesentiert-neues-modell
07.07.2026

„Europa kann doch State of the Art“: Hochreiters NXAI präsentiert neues Modell

Das Linzer KI-Startup NXAI rund um KI-Pionier Sepp Hochreiter hat mit TiRex-2 ein neues Modell für Industrie-Vorhersagen veröffentlicht. Dieses soll extrem effizient bei der Analyse von Live-Datenströmen sein.
/artikel/europa-kann-doch-state-of-the-art-hochreiters-nxai-praesentiert-neues-modell
KI-Pionier Sepp Hochreiter ist Co-Founder und Chief Scientist von NXAI | (c) NXAI
KI-Pionier Sepp Hochreiter ist Co-Founder und Chief Scientist von NXAI | (c) NXAI

Das Linzer KI-Startup NXAI hat sein neuestes Modell TiRex-2 veröffentlicht. Die Entwicklung des sogenannten „Time Series Foundation Models“ (Zeitreihen-Basismodell) stand unter der wissenschaftlichen Leitung von KI-Pionier Sepp Hochreiter, der Mitgründer ist und als Chief Scientist des Startups fungiert.

Das Modell wurde auch als Open-Source-Software frei zugänglich gemacht. Es ist darauf spezialisiert, historische Datenreihen aus der Industrie zu analysieren, um zukünftige Entwicklungen vorherzusagen. In der Presseaussendung zum Release zeigt sich das Startup selbstbewusst: „Europa kann doch SOTA-Modelle“ (Anm. State of the Art). Laut Hochreiter teilt sich das neue Modell in den offiziellen Bestenlisten „die Spitzenplätze mit AWS“.

Mehrere Signale gleichzeitig im Blick

Die wesentliche technische Neuerung des Modells liegt in der Verarbeitung multivariater Zeitreihen. Während herkömmliche Vorhersagesysteme oft nur eine einzelne Datenreihe anhand ihrer eigenen Vergangenheit analysieren, bezieht TiRex-2 zusätzliche Einflussfaktoren – in der Fachsprache Kovariaten genannt – mit ein. Für Industrieunternehmen soll das zum entscheidenden Vorteil werden, da Maschinen und Prozesse selten nur ein isoliertes Signal erzeugen. In der Praxis bedeutet dies: Will ein Logistik- oder Energiebetrieb den künftigen Verbrauch prognostizieren, kann das Modell neben den historischen Verbrauchsdaten auch begleitende Faktoren wie das Wetter, Kalenderdaten oder Produktionspläne auswerten. Das macht die Vorhersagen präziser und aussagekräftiger.

xLSTM soll Effizienz-Boost bringen

Im Gegensatz zu bekannten KI-Systemen wie ChatGPT, die auf der speicherintensiven Transformer-Architektur basieren, nutzt TiRex-2 das von Hochreiter mitentwickelte xLSTM-Verfahren. Das soll ein zentrales Problem industrieller Live-Anwendungen lösen: Bei kontinuierlich einlaufenden Datenströmen (Streaming) explodiere bei herkömmlichen Systemen nämlich der Rechen- und Speicheraufwand, argumentiert man beim Startup. TiRex-2 hingegen verarbeitet Daten sequenziell und aktualisiert fortlaufend einen internen Zustand. Dadurch würden der Speicherbedarf und die Rechenkosten auch bei unbegrenzten Datenströmen konstant niedrig bleiben. Lukas Fischer, Head of Applied Research bei NXAI, erklärt dazu: „Mit TiRex-2 können wir kontinuierliche Datenströme in Echtzeit analysieren, ohne Einbußen bei der Modellperformance.“ Dies prädestiniert das Modell für den direkten Einsatz an Maschinen vor Ort (Edge-Anwendungen).

„Kunden müssen für unterschiedliche Maschinen nicht immer ein neues KI-Modell trainieren“

Die Leistungsfähigkeit des Modells wird durch das begleitende wissenschaftliche Paper des Forscherteams untermauert. Darin zeigen die Wissenschaftler, dass sich TiRex-2 besonders gut für das sogenannte Zero-Shot-Forecasting eignet. Das bedeutet, dass das Modell ohne vorheriges, spezielles Training präzise Vorhersagen für völlig neue Maschinentypen oder Datensätze treffen kann.

Laut dem CEO von NXAI, Albert Ortig, bringt diese Generalisierungsfähigkeit handfeste wirtschaftliche Vorteile im Betrieb: „Die Kunden müssen für unterschiedliche Maschinen nicht immer ein neues KI-Modell trainieren.“ Ein weiterer Vorzug des vergleichsweise kompakten Modells mit 82 Millionen Parametern ist, dass es auf Wunsch direkt auf den eigenen Servern der Kunden (On-Prem) betrieben werden kann, was die Datensicherheit für sensible Industrie-Prozesse erhöht.

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

So will Zoomsquare eine Menge Geld verdienen

AI Kontextualisierung

Welche gesellschaftspolitischen Auswirkungen hat der Inhalt dieses Artikels?

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

So will Zoomsquare eine Menge Geld verdienen

AI Kontextualisierung

Welche wirtschaftlichen Auswirkungen hat der Inhalt dieses Artikels?

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

So will Zoomsquare eine Menge Geld verdienen

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 …

So will Zoomsquare eine Menge Geld verdienen

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 …

So will Zoomsquare eine Menge Geld verdienen

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 …

So will Zoomsquare eine Menge Geld verdienen

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 …

So will Zoomsquare eine Menge Geld verdienen

AI Kontextualisierung

Wer sind die relevantesten Personen in diesem Artikel?

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

So will Zoomsquare eine Menge Geld verdienen

AI Kontextualisierung

Wer sind die relevantesten Organisationen in diesem Artikel?

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

So will Zoomsquare eine Menge Geld verdienen