Deep-Tech-Unternehmen werden anders aufgebaut

• In den vergangenen zehn Jahren konzentrierte sich Kapital auf Bits (Software), die sich schnell skalieren lassen. Doch nun verlagern sich die Engpässe der Gesamtwirtschaft wieder zurück zu Atomen, also in die physische Sphäre, und Unternehmen für Frontier-Technologien, die diese Engpässe beseitigen, steigen zur nächsten Unternehmensgeneration auf
• Erste Signale sind bereits sichtbar: die Belastung der Stromnetze durch Rechenzentren, die Umstellung von Verteidigungsbudgets auf autonome Waffen, Sensoren und Schiffbau, die Aufwertung von Fertigungskompetenz zu einem strategischen Asset, die Entwicklung der Biologie hin zu programmierbaren Therapien und der Eintritt der Robotik in reale Einsatzumgebungen
• Deep Tech ist nicht einfach „schwierigere Software“, sondern ein eigenes Spiel mit anderen Regeln auf drei Ebenen: Menschen und Pfadabhängigkeit, Risiko und Umkehrbarkeit sowie Kapital und Wertschöpfung
• Die Einschränkungen, die den Start erschweren, machen Gewinner zugleich verteidigungsfähiger und schwerer nachzuahmen
• Die zentrale Chance liegt nicht darin, die Investitionsformel für Software auf Hardware anzuwenden, sondern die strukturellen Unterschiede der physischen Wirtschaft früher als andere zu verstehen

---

Menschen und Pfadabhängigkeit (People and Path Dependence)

• Pivots sind in Deep Tech deutlich stärker eingeschränkt

  • Software kann von Dating zu Video (YouTube) oder von Games zu Produktivitätstools (Slack) wechseln, ein Robotikunternehmen kann jedoch nicht ohne Neuaufbau des gesamten Teams in Kernenergie oder Pharma wechseln
  • Die frühe Richtung richtig zu wählen ist entscheidend; zugleich entsteht ein Fokuseffekt, bei dem Fachwissen, technischer Fortschritt und Kundenbeziehungen auf ein einziges schwieriges Problem akkumuliert werden

• Frühe Designentscheidungen bestimmen Erfolg oder Misserfolg von Hardwareunternehmen

  • Eine Änderung wie die Länge eines Roboterarms wirkt sich kaskadenartig auf Motoren, Aktuatoren, Batterien, Fertigungsprozesse und Lieferkettenentscheidungen aus
  • Die Kosten einer falschen Entscheidung bemessen sich nicht in einigen Stunden wie bei Software, sondern in Monaten bis Jahren
  • Umgekehrt kumulieren gute frühe Entscheidungen und eine starke Architektur führt zu Vorteilen bei Fertigbarkeit, Servicekosten, Sicherheit der Bereitstellung und Schwierigkeit der Nachahmung

• Founder-Market-Fit ist für Deep-Tech-Unternehmen unerlässlich

  • Viele Softwareprodukte lassen sich mit hervorragenden Generalisten bauen, Deep Tech erfordert jedoch spezialisierte Fachkräfte wie Elektro-, Maschinenbau- oder Turbomaschinenexperten
  • Lücken bei Schlüsselpersonen verlangsamen den Fortschritt drastisch; ist das Team jedoch einmal aufgebaut, wird es selbst Teil des Moats

• Bei physischen Produkten ist die Zusammenarbeit am selben Ort entscheidend

  • Software lässt sich remote entwickeln, wenn die Schnittstellen zwischen Komponenten klar sind (wird in New York Code aktualisiert, kann in LA sofort darauf aufgebaut werden)
  • Hardware erfordert, dass Komponenten gemeinsam entwickelt und getestet werden; dafür ist physische Nähe nötig, andernfalls bricht die Iterationsgeschwindigkeit stark ein
  • Das ist der Grund für Raumfahrt-Startups in LA und Biotech-Cluster in Boston: Sie bündeln Talente, Zulieferer, Berater, Kunden und Wiedergründer und beschleunigen so den Fortschritt

• Deep-Tech-Talente sind rar, aber stärker missionsorientiert

  • In den USA gibt es rund 4 Millionen Softwareingenieure, aber nur 20.000 RF-Ingenieure, 10.000 Nuklearingenieure und 2.500 Turbomaschineningenieure
  • Wer die besten 5 % rekrutieren will, hat bei Hardware nur einen landesweiten Pool von Hunderten bis Tausenden Personen, was deutlich schwieriger ist
  • Allerdings gibt es weniger konkurrierende Unternehmen, und dank inspirierender Missionen ist es relativ einfacher, spezialisierte Ingenieure aus trägen etablierten Unternehmen zu gewinnen

• Deep-Tech-Unternehmen brauchen andere frühe Mitarbeiter

  • Software-Startups stellen anfangs generalistische Full-Stack-Ingenieure ein und können später Spezialisten ergänzen
  • Deep Tech braucht von Beginn an ein sehr spezifisches Team – Personen mit unmittelbarer, schwer erworbener Erfahrung in einem bestimmten Therapiepfad, Aktuatordesign, RF-System oder Fertigungsprozess

Risiko und Umkehrbarkeit (Risk and Reversibility)

• Software scheitert am Marktrisiko, Hardware am Technologierisiko

  • Software ist vergleichsweise einfach zu bauen, aber es ist leicht, ein Produkt ohne Markt zu entwickeln
  • Bei Hardware ist die Nachfrage auf Kategorieebene klar (billigere Energie, Krebsmedikamente), doch das Technologierisiko ist deutlich höher – ob es funktioniert, wirtschaftlich herstellbar ist, sicher ausgerollt werden kann und passende Vertriebskanäle hat, sind schwierige Fragen
  • Technologierisiko ist jedoch besser lesbar (legible) als Marktrisiko: Ob ein Motor sein Drehmomentziel erreicht, eine Batterie ihre Kostenkurve trifft oder eine Therapie Zellen abtötet, lässt sich anhand expliziter Meilensteine prüfen

• Regulatorische Reibung ist in Deep Tech der Normalzustand, wirkt aber in beide Richtungen

  • Abgesehen von Bereichen wie Fintech und Healthcare ist die meiste Software unreguliert (ein neues CRM kann starten, sobald es fertig ist)
  • Die meiste Hardware unterliegt Aufsicht, etwa durch Genehmigungen für Anlagen, Sicherheitszertifizierungen, Umweltprüfungen und regulatorische Zulassungen
  • Ist diese Hürde einmal genommen, müssen Wettbewerber denselben Prozess durchlaufen; regulatorische Fortschritte wie eine FDA-Arzneimittelzulassung oder eine FAA-Genehmigung für Drohnenbetrieb werden zu wichtigen Wertwendepunkten

• Gutes Urteilsvermögen ist in Deep Tech wertvoller

  • Software kann schnell eine neue Datenbank oder ein neues UI-Toolkit übernehmen, Hardwareänderungen beeinflussen dagegen Fertigungswerkzeuge, Lieferkettenpartner, Zertifizierungspfade und Kundenausrollungen
  • Die Kosten falscher Entscheidungen liegen bei Software bei Tagen bis Wochen, bei Hardware bei Monaten bis Jahren
  • Entscheidend ist nicht, schwierige Entscheidungen zu vermeiden, sondern die wichtigen Entscheidungen besser zu treffen als andere

• Fortschritt in Deep Tech ist nicht kontinuierlich, sondern diskret (discrete)

  • Bei Software steigt der Umsatz nach dem Launch schrittweise und lässt sich auf einem Spektrum messen, etwa $1.5M, $3M oder $5M gegenüber einem Ziel von $3M ARR
  • Deep-Tech-Meilensteine sind binärer – etwa ob eine Kernbrennstoffreaktion anhält oder bestimmte Tumorzellen abgetötet werden: Es funktioniert oder es funktioniert nicht; „halbwegs funktionierend“ zählt nicht
  • Fortschritt fühlt sich dadurch klumpig (lumpy) an, doch die Risikoreduktion ist klar: Wird ein zentrales Risiko erfolgreich beseitigt, kann der Unternehmenswert durch das Verschwinden wesentlicher Unsicherheit sprunghaft steigen

• Software hat niedrige Eintrittsbarrieren, aber schwache Moats; Hardware hat hohe Eintrittsbarrieren, aber robustere Moats

  • Software lässt sich schnell veröffentlichen, doch Skaleneffekte sind gering, Vertriebskanäle nicht exklusiv, und KI-Tools machen das Kopieren von Funktionen einfach, wodurch Moats schwächer werden – Unternehmen können schnell wachsen, aber ebenso schnell stagnieren oder schrumpfen
  • Hardware braucht 2 bis 5 Jahre bis zu einem kommerziell vollständigen Produkt, was eine kostspielige Eintrittsbarriere darstellt; wenn jedoch ein verkaufsfähiges Produkt entsteht, sind Skaleneffekte real und Marke sowie Leistungsbilanz wertvoll (das Unternehmen, das den 100. Reaktor verkauft, gegenüber dem Unternehmen, das den ersten verkauft)
  • Regulatorische Reibung bremst das Aufholen von Wettbewerbern; Barrieren, die anfangs verlangsamen, schützen später das Unternehmen und helfen bei der Marktbeherrschung

Kapital und Wertschöpfung (Capital and Value Creation)

• Softwareprodukte werden für Zehntausende bis Hunderttausende Dollar verkauft, Hardwareprodukte für Millionen bis Zehnmillionen Dollar

  • Kraftwerke kosten Millionen bis Milliarden Dollar, große industrielle Automatisierungssysteme Zehnmillionen Dollar, fortgeschrittene Therapien $1M pro Behandlung
  • Software kann 30 % des Umsatzes für Sales und Marketing ausgeben ($30K CAC bei einem $100K-Vertrag), Deep Tech gibt dagegen mehr für R&D aus (bei einem $100M-Vertrag sind keine $30M Vertriebskosten nötig)
  • Daher ist Hardware bei der Validierung technischer Machbarkeit früh kapitalintensiv, während Software beim Bezahlen groß angelegter Kundengewinnung spät kapitalintensiv ist – die gesamte Kapitalintensität ist über die Zeit ähnlich, nur der Zeitpunkt unterscheidet sich
  • Dank großer Vertragsvolumina können bereits wenige Großkunden oder Deployments einen hohen Unternehmenswert tragen

• Deep-Tech-Unternehmen haben einen anderen Financing Stack

  • Software nimmt nach einigen Millionen Dollar Umsatz Eigenkapital, Venture Debt oder umsatzbasierte Finanzierung auf
  • Deep Tech hat anfangs selten Zugang zu umsatzbasierter Finanzierung, kann aber Equipment Financing, Bestandsfinanzierung, Projektfinanzierung sowie staatliche Zuschüsse und Verträge nutzen
  • Richtig eingesetzt, lässt sich Verwässerung reduzieren und Eigenkapital für die Bereiche mit höchstem Risiko und größtem Potenzial bewahren
  • Schon in der Pre-Seed-Phase kann Equipment Financing in Höhe von Hunderttausenden bis Millionen Dollar verfügbar sein – weil Kreditgeber nicht den Fortschritt, sondern die Ausrüstung als Sicherheit bewerten (wenn eine $1M-Maschine im Fall einer Insolvenz für $900K weiterverkauft werden kann, sind gute Konditionen möglich)

• Deep-Tech-Finanzierung ist meilensteinbasiert, nicht kennzahlenbasiert

  • Software finanziert Folgerunden auf Basis von Umsatz, Retention und Nutzungskennzahlen
  • Deep Tech finanziert sich auf Basis großer Meilensteine und der Beseitigung zentraler Risiken, etwa dem Bau einzelner Subsysteme und eines vollständigen Prototyps oder der Skalierung der Fertigung von Handarbeit zu Teilautomatisierung und Vollautomatisierung
  • Bei Deep Tech knickt der Wert nach oben, wenn wesentliche Risiken verschwinden; bei Software bewegt sich der Wert mit der Traction kontinuierlicher

• Die Belohnung für richtig umgesetztes Deep Tech ist eine deutlich stärkere Wertabschöpfung

  • Software steht unter ständigem Wettbewerbsdruck: Kurz nachdem Harvey ein starkes KI-Produkt für Legal Teams entwickelt hatte, zog Legora mit einem Konkurrenzprodukt Aufmerksamkeit auf sich; außerdem wurde Mike, eine von einer Einzelperson gebaute Open-Source-Alternative, veröffentlicht und hat bereits Tausende GitHub-Stars
  • Hardware ist anders: Niemand baut in der Garage einen kommerziellen Kernreaktor oder ein krebsabtötendes Virus; Kapital-, Team- und Zeitintensität sind zu hoch
  • Wenn ein fähiges Team ein großes Problem löst, kann es viel Wert abschöpfen und langfristig den Markt dominieren (z. B. Nvidias GPUs, SpaceXs Weltraumstarts, Illuminas Gensequenzer)
  • Dadurch entsteht ein anderes Renditeprofil: Die frühe Unternehmensbildung ist schwieriger, aber Gewinner haben eine höhere Wahrscheinlichkeit, strukturell wichtige, schwer ersetzbare und langfristig wertvolle Unternehmen zu werden

Implikationen für Gründer und Investoren

• „Hardware ist schwierig“ ist als Warnung nützlich, aber kein hilfreiches Framework; die bessere Perspektive ist, dass das Bauen mit Bits und das Bauen mit Atomen unter unterschiedlichen Einschränkungen funktionieren

  • Software gewinnt, indem sie Produkt- und Vertriebsunsicherheit schnell durchläuft; Deep Tech gewinnt, indem es eine kleinere Zahl schwieriger und unumkehrbarer Entscheidungen richtig trifft
  • Das richtige spezialisierte Team aufbauen, die richtige Architektur wählen, die richtigen Technologierisiken beseitigen, durch Regulierung navigieren, den passenden Kapitalmix finanzieren und technischen Fortschritt in robuste Moats verwandeln

• Für Gründer belohnt Deep Tech Urteilsvermögen stärker als Bewegung

  • Die besten Gründer bewegen sich nicht nur schnell, sondern unterscheiden, wo Geschwindigkeit zählt und wo Geduld unverzichtbar ist
  • Sie verstehen, welche frühen Entscheidungen jahrelange Auswirkungen haben, welche Risiken zuerst beseitigt werden müssen und welche Meilensteine die Erfolgswahrscheinlichkeit tatsächlich verändern
  • In Software akkumuliert Fortschritt durch Iteration; in Deep Tech akkumuliert Fortschritt durch eine kleine Zahl schwieriger, richtig getroffener Entscheidungen

• Für Investoren sind andere Due-Diligence-Fragen erforderlich

  • Die frühen Fragen bei Software betreffen Nutzerliebe, Retention, Wachstum und GTM-Dynamik
  • Die ersten Fragen bei Deep Tech sind grundlegender: Ist dies das richtige Team für dieses Problem, ist die frühe Architekturwahl robust, beseitigt jeder Meilenstein ein bedeutendes Risiko, gibt es einen plausiblen Weg durch Regulierung und Fertigung, und passt der Finanzierungsplan zum Entwicklungspfad?

• Die besten Deep-Tech-Unternehmen sehen nicht wie Softwareunternehmen mit nur langsameren Sales Cycles aus; sie haben andere Qualitätsmerkmale: hervorragenden Founder-Market-Fit, klare technologische Wendepunkte, dringende Kundennachfrage und die Fähigkeit, Fertigung, Regulierung, Performance und Lieferkette in robuste Moats zu verwandeln

  • Deep Tech ist nicht bloß schwieriger; die Schwierigkeit selbst ist Teil der Chance
  • Knappes Talent, regulatorische Reibung, Fertigungskomplexität, Technologierisiko und langsame Iteration sind reale Hindernisse, halten aber zugleich leichte Wettbewerber fern und geben Gewinnern die Chance, strukturell wichtige Unternehmen zu werden
  • Unternehmen, die schwierige physische Engpässe lösen, können nicht nur Nachfrage abschöpfen, sondern ganze Branchen um sich herum neu ordnen