Michael Rangel, Gründer von Novo – Interview Series

Michael Rangel, Gründer von Novo, ist ein Fintech‑Unternehmer, der das Unternehmen 2016 gründete und mehr als neun Jahre lang als CEO tätig war, und Novo von einem frühen Konzept zu einer Finanzplattform für kleine Unternehmen entwickelte. Während seiner Amtszeit arbeitete Rangel an Produktentwicklung, Fundraising, Einstellung, Betrieb, Partnerschaften und Go‑to‑Market‑Strategie und half dem Unternehmen, mehr als $170 million an Finanzierung zu beschaffen. Er trat im April 2025 als CEO zurück, bleibt aber als Gründer und Vorstandsmitglied von Novo aktiv und unterstützt die langfristige Mission, Unternehmer und unabhängige Unternehmen zu befähigen. Vor der Gründung von Novo verbrachte Rangel mehr als fünf Jahre in der Handelsverwaltung und im operativen Bereich bei Fairholme Capital Management, nach einer früheren operativen Rolle bei Smith Barney.

Novo ist eine Fintech‑Plattform, die speziell für unabhängige Unternehmen, Unternehmer, Freiberufler und Kleinunternehmer entwickelt wurde und Geschäftskonten mit Tools für Zahlungen, Rechnungsstellung, Ausgabenverwaltung, Liquiditätsplanung, Kreditvergabe und Geschäftskrediten kombiniert. Die Plattform integriert mehr als 40 Business‑Tools, darunter QuickBooks, Stripe, Shopify, Square und Xero, und hilft Unternehmen, Banking mit Buchhaltung, Zahlungen und operativen Workflows zu verbinden. Novo nutzt zudem KI, die von Modellen von OpenAI, Anthropic und Google angetrieben wird, um Prozesse wie Onboarding und Kategorisierung von Ausgaben zu optimieren. Das Unternehmen gibt an, dass seine Plattform von mehr als 250.000 unabhängigen Unternehmen genutzt wird. Novo selbst ist ein Fintech und keine Bank; Bankdienstleistungen und durch die Federal Deposit Insurance Corporation (FDIC) versicherte Einlagen werden über den Partner Middlesex Federal Savings bereitgestellt.

Sie gründeten Novo im Jahr 2016 und verbrachten fast ein Jahrzehnt damit, es um die finanziellen Bedürfnisse kleiner Unternehmen herum aufzubauen. Rückblickend auf die Probleme, die Sie damals lösen wollten, welche davon glauben Sie, dass KI jetzt auf eine Weise adressieren kann, die damals einfach nicht möglich war?

KI kann tiefgreifende Auswirkungen darauf haben, wie Sie ein Unternehmen führen und Kunden Mehrwert bieten. Als wir Novo gründeten, war eines der Probleme, das wir lösen wollten, dass ein Unternehmen mit einem Jahresumsatz von $1,000, ein Unternehmen mit $100,000 Jahresumsatz und ein Unternehmen mit $1 Million Jahresumsatz für eine Bank überraschend ähnliche operative Belastungen darstellen können. Man muss trotzdem Onboarding, Compliance, Betrug, Sicherheit, Transaktionsüberwachung und Kundenservice unterstützen, unabhängig davon, wie viel Umsatz dieser Kunde für Sie generiert. Das bedeutete, dass Banken große Operationsteams aufbauen mussten, um Kunden zu betreuen, die einzeln nicht immer so wertvoll für sie waren.

Vor zehn Jahren glaubten wir, dass Software dabei helfen könnte, diese Gleichung zu verändern. KI treibt diese Idee jetzt viel weiter. Ein Compliance‑Spezialist kann KI nutzen, um Informationen zusammenzufassen, Dokumente zu verarbeiten und Berichte oder Antworten zu entwerfen, sodass eine Person mehr als das Zehnfache des vorherigen Volumens bewältigen kann. Unsere Kundendienstteams können KI Routinefragen beantworten lassen, sodass Menschen ihre Zeit für Probleme verwenden können, die tatsächlich Urteil erfordern. Betrugsmodelle können potenzielle Probleme früher erkennen und uns helfen, Verluste schneller zu beheben, wenn etwas schiefgeht. KI hat uns eine viel bessere Möglichkeit gegeben, das zu liefern, wofür Novo gebaut wurde: ein Bankerlebnis, das für Unternehmen jeder Größe funktioniert.

Kleine Unternehmen hatten historisch gesehen keinen Zugang zu den Finanzteams, Analysten und der anspruchsvollen Software, die größeren Firmen zur Verfügung stehen. Wie viel kann KI realistisch schließen diese Ressourcenkluft, und wo bleibt menschliche Expertise unverzichtbar?

KI entwickelt sich unglaublich schnell, aber das Tempo sieht je nach Standort sehr unterschiedlich aus. Wenn Sie in der Technologie in San Francisco oder New York arbeiten, haben Sie wahrscheinlich eine ganz andere Erfahrung mit KI als ein Kleinunternehmer, der einfach versucht, sein Unternehmen zu führen.

Viele der Probleme, mit denen kleine Unternehmen konfrontiert sind, liegen bereits im Bereich der KI. Die größere Herausforderung besteht darin, dass die Technologie schneller voranschreitet, als Menschen lernen können, sie zu nutzen. Deshalb interessiere ich mich dafür, was Unternehmen wie Anthropic mit Produkten tun, die weniger technisch versierten Nutzern einen Einstieg ermöglichen.

Menschliche Expertise wird nicht verschwinden, aber KI kann die Lücke schließen, indem sie diese Expertise zugänglicher macht. Ich habe Produkte wie April Tax gesehen, die Dinge, die früher viel Zeit und spezielles Wissen erforderten, für einen Kleinunternehmer viel einfacher machen. Wir sind noch nicht an dem Punkt, an dem KI Ihr Unternehmen vollautomatisch steuern kann, aber wenn Sie jemals ein Wochenende damit verbracht haben, Steuerunterlagen vorzubereiten, ist die zurückgewonnene Zeit wichtig.

Wo sehen Sie, dass KI heute den größten greifbaren Mehrwert für Kleinunternehmer schafft, insbesondere bei Liquiditätsprognosen, Ausgabenverwaltung, Budgetierung und täglichen finanziellen Entscheidungen?

Eine der nützlichsten Anwendungen von KI, die wir bei Novo entwickelt haben, ist eigentlich etwas, das ziemlich einfach klingt: die Kategorisierung von Transaktionen. Historisch erforderte das Erreichen einer guten Modellleistung eine enorme Menge an Trainingsdaten, und selbst dann erreichte man etwa 80 % Genauigkeit. Das reicht nicht aus, wenn man mit den Finanzdaten einer Person arbeitet, weil man trotzdem alles prüfen muss.

Durch den Einsatz einer kleineren Menge unserer eigenen Daten, einiger Modell‑Distillationstechniken und Frontier‑Modelle, wenn unsere Systeme nicht sicher sind, haben wir die Genauigkeit kürzlich auf weit über 97 % und nahe 99 % gesteigert. Sobald Sie genau verstehen, was jede Transaktion bedeutet, können Sie viel nützlichere Finanz‑Tools auf Basis dieser Daten bauen. Das kann Ausgaben‑Dashboards, einfache FP&A und sogar dabei helfen, dass ein Unternehmen Geld für Dinge wie Gehaltsabrechnung und Lieferantenzahlungen separiert, sodass es nicht versehentlich anderswo ausgegeben wird.

Interessant ist, dass LLMs überraschend gut in Klassifikation und Clustering sind. Das bedeutet, wir können die Transaktionen eines Unternehmens nehmen und eine personalisierte Sicht auf dessen Finanzen erstellen, ohne die technische Komplexität, die früher nötig war. Für unsere Kundschaft sind die Fähigkeiten der heutigen KI tatsächlich der Komplexität der Probleme voraus, die wir zu lösen versuchen. Das ist ein ziemlich spannender Ort, an dem man sich befindet.

Eines der Versprechen der KI ist, Finanzsoftware von der bloßen Anzeige dessen, was geschehen ist, zu einer proaktiven Empfehlung dessen zu bewegen, was als Nächstes zu tun ist. Wie sieht eine wirklich intelligente Finanzplattform in der Praxis aus?

Das beste Bankerlebnis, das Sie haben können, ist immer noch das Gespräch mit jemandem bei Ihrer Bank, der alles über Ihr Unternehmen weiß. Er kennt Ihre Historie, was Sie erreichen wollen und was Sie als Nächstes benötigen könnten. Software war schon immer ein Enabler dieser Beziehung, hat sie aber nicht ersetzt.

Für mich beginnt eine wirklich intelligente Finanzplattform sich so anzufühlen, als hätten Sie die Anzahl der Personen, die im Raum sein müssen, um Ihr Unternehmen zu managen, reduziert. Sie sollten eine Frage stellen, eine Antwort erhalten, die richtigen Informationen sehen und nützliche Hinweise bekommen können, ohne selbst herausfinden zu müssen, wo Sie diese finden. Der wichtige Teil ist, dass Sie der Antwort vertrauen.

Bei Novo sagen wir manchmal, wir konkurrieren mit dem Bürgersteig. Zu einem Bankberater zu gehen ist immer noch ein großartiges Erlebnis. Es gibt keine App, die man navigieren muss, jemand kennt Sie und kann Sie basierend auf Ihrem Unternehmen führen. Was KI uns gibt, ist die Chance, einen Teil dieses Erlebnisses einer unterversorgten Gruppe von Unternehmen in einem Maßstab zu bringen, der vorher nicht möglich war. Für unsere Kunden ist diese Möglichkeit endlich greifbar.

Könnte KI irgendwann als eine Art virtueller Chief Financial Officer für ein kleines Unternehmen fungieren, kontinuierlich die Finanzen überwachen, Risiken identifizieren und Handlungsempfehlungen geben? Welche Fähigkeiten müssten reifen, bevor Unternehmer einem solchen System vertrauen könnten?

Ja, und ich sage das mit Zuversicht, weil wir das bereits bauen. Anfang dieses Jahres haben wir unsere AI‑Agent‑Infrastruktur veröffentlicht, um genau dieser Vision näher zu kommen.

Der schwierige Teil ist nicht, ein Modell eine Frage beantworten zu lassen. Es geht darum, etwas zu bauen, dem Menschen ihr finanzielles Leben anvertrauen können. Das haben wir aus erster Hand gelernt. Unser erstes Beta‑Kohort war gut, aber es war nicht gut genug, um zu sagen, dass die Erfahrung das Vertrauen eines Nutzers nicht irgendwann brechen würde. Deshalb haben wir weiter daran gearbeitet, wie das System lernt, wie spezialisierte Agenten zusammenarbeiten und wie sie die verfügbaren Informationen und Werkzeuge nutzen.

Was wir gebaut haben, ist im Wesentlichen ein bankspezifisches System von Agenten, wobei verschiedene Agenten Dinge wie Transaktionen, Betrug, Karten und ACH bearbeiten, jeweils mit eigenen Werkzeugen und Wissen. Es war viel Arbeit, um dorthin zu kommen, aber die Ergebnisse sind jetzt wirklich gut. Wir wollen so etwas nicht nur deshalb vorschnell veröffentlichen, weil KI gerade im Trend liegt. Das wäre unfair gegenüber dem Kunden. Aber für Unternehmen in der Größe, die wir bedienen, glaube ich, dass dieser Moment gekommen ist, und das ist unglaublich aufregend.

Der Zugang zu Kapital bleibt eine der größten Herausforderungen für kleine Unternehmen. Wie könnte KI die Kreditvergabe und das Underwriting verändern, und könnten alternative Daten Finanzinstitutionen ermöglichen, Unternehmen zu bewerten, die traditionelle Kreditmodelle häufig übersehen?

Das ist ein Bereich, in dem ich denke, dass das Gespräch verwirrt wird. Es geht nicht wirklich um KI. Es geht um Fairness und das Verständnis dessen, wozu diese Modelle tatsächlich fähig sind.

Sie sollten niemals ein Frontier‑Sprachmodell als das Modell einsetzen, das eine Kreditentscheidung trifft. LLMs sind nicht‑deterministisch, das heißt, dieselben Eingaben können unterschiedliche Ausgaben erzeugen. Traditionelle Machine‑Learning‑Modelle, die für Kreditentscheidungen verwendet werden, sind deterministisch, sodass dieselben Eingaben stets dasselbe Ergebnis liefern. Dieser Unterschied ist enorm wichtig, wenn Sie entscheiden, wer Kredit erhält. Sie müssen wissen, welche Faktoren die Entscheidung antreiben, auf Bias testen und Probleme korrigieren können, wenn sie auftreten.

KI kann uns absolut dabei helfen, bessere Modelle zum Verständnis von Risiko zu bauen, und das machen wir bei Novo extrem gut. Aber ich glaube nicht, dass KI allein das größere Problem des Zugangs kleiner Unternehmen zu Kapital löst. Ein großer Teil dieses Problems stammt aus dem regulatorischen Umfeld, das durch das Basel‑Framework geschaffen wurde und die Wirtschaftlichkeit der Kreditvergabe an kleine Unternehmen für Banken verändert hat, sodass sie weniger bereit sind, diese Risiken einzugehen.

Wir sagen immer, kleine Unternehmen seien das Rückgrat der Wirtschaft, aber wir haben ein Finanzsystem um sie herum gebaut, bei dem viele Entscheidungen, die ihre Überlebensfähigkeit beeinflussen, in Räumen getroffen werden, in denen sie nicht sprechen dürfen. Das ist ein viel größeres Problem, als ob wir ein besseres KI‑Modell haben.

KI wird auch immer wichtiger bei der Betrugserkennung und finanziellen Sicherheit. Wie können Finanzplattformen KI einsetzen, um verdächtige Aktivitäten zu identifizieren, ohne zu viele Fehlalarme zu erzeugen oder legitime Transaktionen für kleine Unternehmen zu erschweren?

KI ist besonders nützlich, um Dinge zu erkennen, die nicht richtig aussehen. Sprachmodelle sind überraschend gut in Klassifikation und Clustering, was bedeutet, dass man sie einsetzen kann, um ungewöhnliches Verhalten zu relativ geringen Kosten zu identifizieren.

Der wichtige Unterschied ist, dass ich kein nicht-deterministisches Modell für die endgültige Entscheidung verwenden würde. Ich würde es nutzen, um ein Flag zu setzen, und dann ein deterministisches Modell die Entscheidung treffen lassen. So gehen wir bei Novo mit Betrug um.

Wir arbeiten auch mit Unternehmen wie Sardine zusammen, die Muster aus einem viel breiteren Set von Finanzinstituten in unsere Modelle einbringen können. Sie helfen uns, Dinge wie Anmeldedaten zu erkennen, die zuvor mit Betrug in Verbindung gebracht wurden, oder Verhaltensweisen, die wie automatisierte Aktivitäten aussehen. Wir haben eine starke Betrugsoperation rund um diese Kombination aus Technologie und Fachwissen aufgebaut. Sicherheit ist immer ein Wettrüsten, aber KI gibt uns bessere Werkzeuge, um ihr vorauszubleiben.

Finanz‑KI‑Systeme können Zugriff auf äußerst sensible Informationen über die Umsätze, Ausgaben, Kunden und die finanzielle Gesundheit eines Unternehmens haben. Welche Schutzmaßnahmen sollten Unternehmer in Bezug auf Datenschutz, Sicherheit und die Nutzung ihrer Finanzdaten zum Training von KI‑Modellen erwarten?

Es gibt mehrere Ebenen, beginnend mit den Richtlinien und Bedingungen der Modelle, die Sie verwenden. Die großen Anbieter von Frontier‑Modellen haben Enterprise‑ und API‑Angebote, bei denen Kundendaten nicht zum Training ihrer Modelle verwendet werden, aber es gibt dennoch einen wichtigen Unterschied zwischen der Nutzung eines Modells über eine API und der Nutzung über eine verbraucherorientierte Anwendung, bei der Ihr Gesprächsverlauf gespeichert wird.

Es stellt sich auch die Frage, wie viele Informationen Sie einem KI‑System tatsächlich geben möchten. Bei Novo haben wir unsere Agenten so gestaltet, dass Kunden diese Wahl treffen können. Sie könnten einen Agenten wollen, der Fragen ausschließlich mit unserem Bankwissen beantwortet, oder Sie einfach zu der Stelle im App leitet, wo die Information zu finden ist, oder Sie fühlen sich wohl dabei, ihm mehr Ihrer Finanzdaten zu geben, weil das zu einer besseren Antwort führt.

Wir setzen außerdem Systeme zwischen Kundendaten und den Modellen ein, die automatisch sensible Informationen wie EINs und Sozialversicherungsnummern entfernen, und wir testen unsere Systeme wiederholt, um sicherzustellen, dass sie keine Informationen preisgeben, die sie nicht sollten. Das macht den Aufbau guter KI schwierig. Es geht nicht nur darum, das Modell intelligent zu machen. Man muss die Schutzmaßnahmen darum herum bauen und sie ständig testen.

Es gibt derzeit enorme Begeisterung für KI im FinTech‑Bereich. Welche Anwendungen halten Sie für wirklich transformativ für kleine Unternehmen, und wo glauben Sie, dass die Branche derzeit übertrieben hype‑t, was KI leisten kann?

Für jede Branche sollte es Begeisterung für KI geben. Wir haben diesen Film schon einmal gesehen. Das Internet veränderte, wie wir Software verbreiten, Browser veränderten, wie wir darauf zugreifen, Cloud‑Computing veränderte, wie wir sie bereitstellen, und Mobilgeräte veränderten, wo wir sie nutzen können. KI verändert jetzt, wie wir Software erleben.

Was ich am interessantesten finde, ist, dass wir auch die Sprache der Software selbst verändern. Menschen können zunehmend Software erstellen, indem sie in natürlicher Sprache beschreiben, was sie wollen, anstatt JavaScript oder Python zu lernen. Jahrzehntelang war dieses technische Wissen eines der Hindernisse, das die Softwareentwicklung hinter einem Tor hielt. Dieses Tor fällt nun, was ein Grund dafür ist, warum Unternehmen wie Lovable und Replit so schnell gewachsen sind.

Gleichzeitig denke ich, dass wir noch sehr früh dran sind. Ein großer Teil des Hypes kommt von Menschen im Silicon Valley, die KI in einem völlig anderen Tempo erleben als alle anderen. Die Unternehmen, die echten Mehrwert daraus ziehen, behandeln sie nicht wie Magie. Sie finden heraus, was sie tatsächlich kann, und setzen sie dort ein, wo sie funktioniert.

Wir stehen noch am Anfang. Wenn man die KI‑Adoption mit den frühen Adoptionskurven des Internets und des Mobilfunks vergleicht, ist sie unglaublich früh. Daher wäre es, KI abzutun, weil die heutige Technologie nicht allen Hype‑Versprechen entspricht, so, als würde man das frühe Internet als bloßen Trend abtun.

Wie denken Sie, wird KI das Banking für kleine Unternehmen in Zukunft neu gestalten? Könnten wir irgendwann vom heutigen Modell aus Konten, Dashboards und Finanztools zu autonomen Finanzplattformen übergehen, die einen Großteil der finanziellen Abläufe eines Unternehmens im Auftrag des Eigentümers aktiv managen?

Das ist die Vision, die wir bei Novo aufbauen. Grundsätzlich wollen wir das Erlebnis nachbilden, einen großartigen Bankberater auf dem Handy zu haben. Sie sollten eine Frage stellen und eine Antwort erhalten können, ein Diagramm oder einen Bericht erhalten, wenn Sie ihn benötigen, zum richtigen Zeitpunkt über Kredite informiert werden, Versicherungen entdecken, wenn Ihr Unternehmen wächst, und sogar über Förderungen oder Steueränderungen lernen, die Ihnen zugutekommen könnten.

Die Innovation besteht nicht nur darin, dass KI Dinge für Sie erledigt. Es geht darum, KI diese Dinge so gut erledigen zu lassen, dass Sie ihr tatsächlich vertrauen. Das ist viel schwieriger, als es klingt, und ich denke, Vertrauen wird zu einem Feature des Produkts selbst.

KI kann weitaus mehr Informationen im Kontext behalten als ein Mensch, aber sie kann die menschlichen Beziehungen nicht ersetzen, die Unternehmen tatsächlich voranbringen. Menschen gehen Risiken ein, bauen Beziehungen auf und schaffen die Chancen, die die Wirtschaft bewegen. Deshalb ist unser Erfolgskriterium bei Novo nicht, dass Sie mehr Zeit in unserer App verbringen. Es ist das Gegenteil. Wir möchten, dass Sie dort so wenig Zeit wie möglich verbringen und in diesen wenigen Minuten mehr erreichen, als Sie zuvor konnten.

Vielen Dank für das großartige Interview, Leser, die mehr erfahren möchten, sollten Novo besuchen.