22.03.2024
HANDBUCH FÜR GRÜNDER:INNEN

Was Gründer:innen rund um ClimateTech-Hardware wissen müssen

Die VC-Gesellschaften Speedinvest, Planet A und Norrsken haben die europäische ClimateTech-Szene durchleuchtet. Herausgekommen ist ein Handbuch für Gründer:innen und Investor:innen.
/artikel/was-gruenderinnen-rund-um-climatetech-hardware-wissen-muessen
Jessica Burley (Planet A), Christian zu Jeddeloh (Norrskin), Sophia Escheu (Speedinvest), Kim Dang (Planet A) v.l (c) Communications & Network Consulting AG
Jessica Burley (Planet A), Christian zu Jeddeloh (Norrskin), Sophia Escheu (Speedinvest), Kim Dang (Planet A) v.l (c) Communications & Network Consulting AG

Mit einem neuen Handbuch wollen die VCs Speedinvest, Planet A und Norrsken Gründer:innen eine Hilfestellung beim Einstieg im ClimateTech-Hardware geben. So sollen typische Fehler vermieden und der Blick auf potenzielle Probleme geschärft werden. Insgesamt wurden für das Handbuch 118 Investor:innen und 142 Gründer:innen interviewt und historische Daten ausgewertet.

Finanzierungslücke von 6,6 Mrd. Euro

Im Handbuch führen die Autor:innen aktuelle Herausforderungen an. Demnach gibt es allein in Deutschland im Hardwarebereich von ClimateTech eine Finanzierungslücke von 6,6 Mrd. Euro, bei vollständiger Finanzierung von 2,2 Mrd. Euro im Jahr 2022. Diese Zahlen sind allein aufgrund der Größe des Nachbarn nicht eins zu eins auf Österreich übertragbar. Allerdings kann man davon ausgehen, dass es auch in Österreich, zumindest in der Relation, eine ähnliche klaffende Lücke zwischen realisierten und ausstehenden Investitionen gibt.

Die Autor:innen des Handbuchs definieren als ClimateTech-Hardware eine umfassende Reihe von Technologien und Innovationen, die auf physikalischen Systemen oder Produkten basieren, um der Klimakrise entgegenzuwirken. Darunter fallen beispielsweise Elektrofahrzeuge, Solarzellen oder Zukunftstechnologien wie Direct-Air-Capture und Carbon-Storage.

Obwohl die Zukunft grüner werden muss und sich auch das Wirtschaften immer mehr in diese Richtung verlegt, ist es für Gründer:innen noch immer schwer, an das notwendige Kapital zu gelangen. Wieso?

Hardware ist teuer

Nicht wirklich verwunderlich, aber ein Punkt der vielen Gründer:innen nicht bewusst ist und einen Rattenschwanz mit sich bringt, sind die Kosten. Hardware vs. Software. Für viele Kapitalgeber:innen fällt die Investitionsentscheidung bei Software einfacher. Die Entwicklungs- und Betriebskosten sind gering, was dazu führt, dass der Einstieg leichter fällt. Außerdem lassen sich besonders SaaS-Startups gut skalieren und an die Nachfrage anpassen, ohne hohe Kosten zu verursachen. Das ist bei Hardware ganz grundsätzlich anders.

Nach den Autor:innen ist ein zusätzlicher Faktor, der insbesondere bei VCs für Abneigung in den Sektor sorgt, eine Unwissenheit in der technischen Expertise. Bei der Umfrage gaben 49 Prozent der Investor:innen an, dass es ihnen in dem Bereich an wissenschaftlichem Fachwissen mangelt, und weitere 33 Prozent gaben an, dass es ihrem Team an technischem Fachwissen fehlt.

Wie man mit Klimahardware überzeugt

Investor:innen von sich und seinem Unternehmen zu überzeugen, ist generell als Startup essentiell. Besonders gilt das aber im Hardwarebereich und darüber hinaus noch für ClimateTech, weil das Geld hier besonders straff sitzt. Für über 37 Prozent der befragten Investor:innen sind das Geschäftsmodell und die langen Vertriebszyklen Gründe, nicht in Hardware-Unternehmen zu investieren.

An der Stellschraube Vertriebszyklen ist wohl oder übel schwer zu drehen. Was es gerade im ClimateTech-Bereich für Hardwaregründer:innen besonders wichtig macht, sich einen gutes Businessmodell zu überlegen. Dabei sollte dieses schon in der Frühphase des Startups sehr detailliert durchdacht und auch mögliche Probleme definiert werden. So zeigen Gründer:innen einerseits, dass die auch Herausforderungen mitdenken und können im Ernstfall schneller reagieren, weil sie sich schon mit Lösungenansätzen beschäftigt haben.

Außerdem ist es gerade in diesem Geschäftsumfeld wichtig, sich an den Pain Points der Branche und Bedürfnissen der Kund:innen zu orientieren. Dabei sollte nicht vergessen werden, die Vision einer klimafreundlichen Zukunft klar zu definieren und zu kommunizieren.

Oder, wie es das Handbuch es etwas poetischer formuliert:

Es ist nichts falsch daran, „nur“ Geräte zu verkaufen, aber in vielen Fällen bleibt viel Wert auf dem Tisch, wenn man keine „Branchenvision“ entwickelt und das Geschäftsmodell entsprechend anpasst. Was am Ende für das Klima zählt, sind Geschwindigkeit und Skalierung.

Building and scaling climate hardware: A playbook

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

Was Gründer:innen rund um ClimateTech-Hardware wissen müssen

AI Kontextualisierung

Welche gesellschaftspolitischen Auswirkungen hat der Inhalt dieses Artikels?

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

Was Gründer:innen rund um ClimateTech-Hardware wissen müssen

AI Kontextualisierung

Welche wirtschaftlichen Auswirkungen hat der Inhalt dieses Artikels?

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

Was Gründer:innen rund um ClimateTech-Hardware wissen müssen

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 …

Was Gründer:innen rund um ClimateTech-Hardware wissen müssen

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 …

Was Gründer:innen rund um ClimateTech-Hardware wissen müssen

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 …

Was Gründer:innen rund um ClimateTech-Hardware wissen müssen

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 …

Was Gründer:innen rund um ClimateTech-Hardware wissen müssen

AI Kontextualisierung

Wer sind die relevantesten Personen in diesem Artikel?

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

Was Gründer:innen rund um ClimateTech-Hardware wissen müssen

AI Kontextualisierung

Wer sind die relevantesten Organisationen in diesem Artikel?

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

Was Gründer:innen rund um ClimateTech-Hardware wissen müssen