Thomas Cuvelier, Partner, US & Europa, RTP Global – Interview-Serie

Thomas Cuvelier, Partner, US & Europa, RTP Global ist ein in New York ansässiger Investor, der Gründer auf der ganzen Welt unterstützt, die branchenprägende Unternehmen aufbauen. Er wird besonders von Unternehmern angezogen, die von ersten Erfahrungen mit der Lösung realer Probleme getrieben werden, anstatt einfach nur ein Unternehmen zu gründen. Mit einer Ausbildung in Informatik und Statistik investiert er in technisch starke Teams von der Vorgründungsphase bis zur Serie A, typischerweise mit 1 Million bis 10 Millionen Dollar. Seine Investitionserfahrung umfasst den gesamten Lebenszyklus eines Unternehmens, von der Frühphase bis zur Wachstums- und Spätphase, geprägt von der Zeit, die er in großen globalen Technologiezentren wie San Francisco, New York, London, Berlin und Paris verbracht hat, und bringt eine starke transatlantische Perspektive auf Technologie, Talent und Märkte. Er spricht auch fließend Französisch, Mandarin und Japanisch.

RTP Global ist ein globales Risikokapital-Unternehmen, das in technologiegetriebene Unternehmen in Nordamerika, Europa und Asien investiert. Gegründet im Jahr 2000, konzentriert sich das Unternehmen auf die Unterstützung ambitionierter Gründer in der Seed- und Serie-A-Phase, mit einer Erfolgsbilanz, die Unternehmen wie Datadog (DDOG ), Delivery Hero und Cred umfasst. RTP Global verfolgt eine langfristige Investitionsphilosophie, unterstützt oft Unternehmen über viele Jahre und reinvestiert Kapital aus vergangenen Erfolgen in neue Unternehmen. Die globale Präsenz und das Netzwerk des Unternehmens ermöglichen es Gründern, international zu wachsen, während die Branchenfokussierung Bereiche wie KI, Finanztechnologie, SaaS und Dateninfrastruktur umfasst.

Sie haben eine breite Palette von KI-nativen Startups unterstützt, darunter Workflow-Orchestrierungsplattformen wie Kestra, Robotik-Datenplattformen wie Mecka AI und vertikale SaaS-Unternehmen wie Archy und DualEntry. Welche Muster sehen Sie aus Ihrer Erfahrung bei der Investition in diese verschiedenen Branchen, was die Arten von KI-Startups angeht, die heute wirklich an Fahrt gewinnen?

Ein interessantes Muster kann im Profil der Gründer hinter erfolgreichen KI-Startups gesehen werden. Ich sehe immer mehr Unternehmer, die von Schmerzpunkten motiviert sind, die sie selbst in traditionellen Branchen erlebt haben (es könnte sich um ERP-Systeme oder umständliche Software in Branchen wie der Gesundheitsversorgung handeln). Es gibt eine separate Gruppe von unternehmerischen Gründern, die eine Gelegenheit entdeckt haben, ein Erbe einer globalen Branche zu stören, und darum herum aufbauen. Der Trend ist, dass die Generation von KI-nativen Gründern zusammenkommt.

Es ist auch erwähnenswert, dass sich der Erfolg über ein breites Landschaftsbild erstreckt. Schwere Industrien, die einst “unverwundbar” gegenüber Störungen durch Startups waren, wie Robotik und Regierungsdienste, können nun gestört werden und sind für Risikokapitalinvestitionen geeignet.

Die jüngsten Lancierungen von großen Modellanbietern wie Anthropic haben eine Debatte über die Frage ausgelöst, ob vertikale KI-Startups noch verteidigbare Schutzmauern haben. Wie sehen Sie die Entwicklung der Beziehung zwischen grundlegenden Modellen und Anwendungs-Unternehmen?

Die Lancierungen von Anthropic stellen eine Bedrohung für das Startup-Ökosystem dar, aber wir müssen präzise sein. Unternehmen, die SaaS für KMU und unregulierte Branchen anbieten, sind anfällig. Sie haben keine Schutzmauer, die grundlegende Modellunternehmen nicht mit effektiver Oberflächen-Tooling durchbrechen können.

Aber die Attraktivität von Oberflächen-Tooling reicht nur so weit. Komplexe Workflows in regulierten Branchen werden am besten von KI-Anwendungen mit tiefer Integration in branchenspezifische Tooling bedient, die von Teams mit tiefem Verständnis ihrer Branche entwickelt wurden. Die vertikalen KI-Startups hinter solchen Anwendungen haben verteidigbare Schutzmauern und können den Sturm überstehen.

Sie haben vorgeschlagen, dass einige KI-Startups in der Serie B und C aufgrund der schnellen Fortschritte in grundlegenden Modellen strukturelle Herausforderungen haben könnten. Welche architektonischen Fehler haben diese Unternehmen gemacht, und welche Lektionen sollten jüngere Startups aus diesem Fehler ziehen?

Das Problem, mit dem viele KI-Startups in der Serie B und C konfrontiert sind, ist, dass ihre Produkte im Kern Dashboards sind, um mit LLMs zu interagieren, die nur eine Handvoll zugrunde liegender Integrationen haben. Diese Unternehmen haben in den letzten Jahren schnell Erfolg gehabt und große Beträge aufgenommen, aber heute sind die grundlegenden Modell-Unternehmen gut positioniert, um ihr Geschäftsmodell in Frage zu stellen.

Für neue Gründer ist die Lektion, nicht zu sehr auf eine wahrgenommene technologische Schutzmauer oder historische Kundenbindung zu vertrauen. KI-gestützte Softwareentwicklung und Geschäftswachstum machen heute bahnbrechende Technologie morgen zu einem Massenangebot. Die Schaffung von Schutzmauern um Eigenschaften, die noch schwer zu replizieren sind – Tiefe der Integration, Tiefe der branchenspezifischen Expertise und blühende Benutzer-Communities – ist ein besserer Ansatz.

Wenn Sie heute KI-Startups bewerten, was macht eigentlich eine Schutzmauer aus? Ist es proprietäre Daten, Workflow-Integration, regulatorische Komplexität, Verteilung oder etwas ganz anderes?

Ich würde sagen, ja, all diese Faktoren sind wichtig. Ich kann die erforderliche Tiefe der Integration nicht genug betonen. Wir sprechen über eine Integration mit über 100 branchenspezifischen Tools und Anwendungen, um eine Tiefe zu erreichen, die schwer zu verdrängen ist.

Wie bereits erwähnt, denke ich, dass die grundlegenden Modelle in vertikale Branchen nur bis zu einem bestimmten Punkt reichen können. Regulierte Branchen und ihre kritischen Workflows sind zu komplex für grundlegende Modelle, und hier liegt die beste Lücke für KI-Startups, um sich zu etablieren und verteidigbare Unternehmen aufzubauen.

Abgesehen von dem, was Sie aufgeführt haben, würde ich auch hinzufügen, dass Benutzerbindung und Community-Building wichtige Bausteine der Schutzmauer bleiben. Echte Benutzerloyalität, weil ein Produkt großartig ist und ein Vergnügen zu verwenden, ist schwer aufzubauen, aber auch schwer zu stören.

Viele Investoren sagen jetzt, dass die technologische Schutzmauer in der KI schrumpft. Stimmen Sie zu, und wenn ja, welche neuen Formen des Wettbewerbsvorteils entstehen?

Es ist ein Fakt, dass die technologische Schutzmauer schrumpft. Wenn Ihr Produkt über ein Wochenende hinweg aufgebaut werden kann, dann haben Sie keine technologische Schutzmauer – und die Kunst des Möglichen von einem Wochenende mit KI wird immer sophistizierter.

In einer Welt, in der Software leicht zu ersetzen ist, wird die Kundenloyalität, die durch eine großartige Benutzererfahrung gestärkt wird, entscheidend.

Aus der Perspektive des Risikokapitals, welche Eigenschaften suchen Sie bei Gründern von KI-Unternehmen heute? Gibt es bestimmte Eigenschaften, Erfahrungen oder Denkweisen, die auffallen, wenn Sie entscheiden, einen Gründer zu unterstützen?

Persönlich ist die #1-Eigenschaft eine kristallklare Klarheit über die Endkunden. Wenn Gründer Kunden wie die Rückseite ihrer Hand kennen und wissen, wie ihr Produkt in die Realität des Kunden passt, dann fallen andere wichtige Elemente für den Aufbau erfolgreicher KI-Unternehmen – wie die Führung durch tiefe Branchenkenntnis – an ihren Platz.

Andere wichtige Eigenschaften sind ein produktorientierter Gründer und starke persönliche Netzwerke, die Entscheidungsträger in Unternehmen umfassen, die in Zukunft Kunden werden könnten.

Sie haben in Unternehmen investiert, die in regulierten Branchen wie Versicherungen, Gesundheitswesen und Finanzdienstleistungen tätig sind. Warum glauben Sie, dass regulierte Branchen möglicherweise bessere langfristige Chancen für KI-Startups bieten?

Branchen wie Gesundheitswesen, Pharmazeutika, Finanzdienstleistungen, Versicherungen und der öffentliche Sektor sind reif für die Störung durch KI-Startups, die von Grund auf mit den Bedürfnissen und Workflows jeder Branche im Blick aufgebaut werden. Der Einfluss von LLMs und agentischer KI ist so revolutionär, dass er nicht einfach an Branchen vorbeigehen wird, die historisch gesehen langsam bei der Technologieadoption waren.

Diese Branchen sind für Startups so verlockend, weil sie noch von etablierten Legacy-Software-Anbietern dominiert werden, die ihre Produkte nicht leicht für KI anpassen können. Und, wie bereits erwähnt, sind sie weniger anfällig für Störungen durch grundlegende Modelle.

Es gibt eine zunehmende Diskussion über eine mögliche Welle von Fusionen und Übernahmen unter mittelständischen KI-Unternehmen. Welche Signale sehen Sie, die darauf hindeuten, dass die Konsolidierung in den nächsten paar Jahren beschleunigen könnte?

Das deutlichste Signal ist die Kombination aus Bewertungskompression und Bargelddruck. Viele mittelständische KI-Unternehmen haben in den Jahren 2021-2023 auf dem Höhepunkt der Bewertungen aufgenommen und stehen jetzt vor der Aussicht, bei einer Rückkehr auf den Markt in einem down-round-Territorium zu landen, was eine strategische Übernahme plötzlich attraktiver macht als eine demütigende Neubewertung. Auf der Seite der Käufer haben die Hyperscaler und großen Plattformunternehmen die letzten zwei Jahre damit verbracht, KI-Fähigkeiten zu integrieren, und erkennen jetzt, dass der Aufbau aller Fähigkeiten im Haus langsamer ist als der Kauf von differenzierten Verteilungs- oder proprietären Daten-Assets.

Das zweite Signal ist die Dynamik von Talent- und Daten-Schutzmauern: Wenn die Kommodifizierung von grundlegenden Modellen beschleunigt wird, liegt der verteidigbare Wert immer mehr in proprietären Trainingsdaten und Go-to-Market-Strategien und nicht in der Modellarchitektur selbst, was genau das ist, was Acqui-Hires und strategische Übernahmen effizient erfassen.

Schließlich wird die regulatorische Umgebung stillschweigend permissiver; die derzeitige US-Regierung hat eine lockerere Haltung gegenüber Wettbewerbsrecht signalisiert, was Barrieren für große strategische Unternehmen beseitigt, die zuvor vorsichtig bei der Prüfung von Deals waren. Wenn man all dies zusammenfügt, hat man motivierte Verkäufer, motivierte Käufer und eine klarere regulatorische Startbahn: Diese Kombination geht historisch einer Welle von Fusionen und Übernahmen voraus.

KI-Startups können schnell erste Erfolge erzielen, manchmal erreichen sie ihren ersten Millionenumsatz schneller als vorherige Generationen von SaaS-Unternehmen. Aber das Wachstum darüber hinaus scheint der Punkt zu sein, an dem viele Schwierigkeiten haben. Was unterscheidet die Unternehmen, die durchbrechen, von denen, die stecken bleiben?

Die Grenze zwischen KI-Gründern, die Umsatzdecken erreichen, und den Gründern, die wiederholt Meilensteine durchbrechen, ist die Go-to-Market-Geschwindigkeit. Die Auslieferung von Funktionen und Produkten, die von einer Benutzer-Community-Feedback-Schleife geleitet werden. Ohne Zögern an globales Wachstum zu denken. Die richtigen Vertriebsmitarbeiter einstellen. Unverwundbare Verteilungskanäle. Diese sind entscheidende Grundsätze der Go-to-Market-Geschwindigkeit, die KI-Startups von der Masse abheben.

Blicken Sie drei bis fünf Jahre voraus, welche Arten von KI-Startups sind Sie am meisten daran interessiert, zu unterstützen, und welche Kategorien glauben Sie, sind bereits überfüllt oder anfällig?

Ich bin begeistert von den Möglichkeiten, die KI bietet, um Gesundheitswesen und Pharmazeutika (voll von komplexen und streng regulierten Workflows, die gestört werden können), Industrie (wo technologische Störungen im Allgemeinen noch viele Meilen vor sich haben) und Finanzen (insbesondere Compliance und ERP) zu stören.

Der Markt für hochwertige, KMU-orientierte KI-Produkte ist gesättigt und ein Bereich der Anfälligkeit für Startups. Es ist dasselbe bei jedem KI-Startup mit einem Produkt, das leicht repliziert werden kann. Technologische Schutzmauern sind nicht mehr verlässlich.