Sarah Gottwald hat BMW verlassen, auf der Venture-Capital-Seite Startups bewertet und schließlich selbst gegründet. Im Founder Talk spricht sie über deAI Labs und daeo, Datensouveränität, die Macht der großen KI-Anbieter – und darüber, warum Unternehmensabteilungen für sie zunehmend an Bedeutung verlieren.

Künstliche Intelligenz kann Texte schreiben, Bilder erzeugen, programmieren, recherchieren. Was sie in einem Unternehmen wirklich leisten kann, entscheidet sich allerdings an einer weniger spektakulären Stelle: Kommt sie an die richtigen Daten?

Für Sarah Gottwald ist das die zentrale Frage. Mit deAI Labs hat sie gemeinsam mit Lukas Beckenbauer ein Startup gegründet, das genau dort ansetzt. Das Produkt daeo soll Daten aus den unterschiedlichen Systemen eines Unternehmens für KI nutzbar machen – aus CRM und E-Mail ebenso wie aus ERP-Systemen, SQL-Datenbanken oder der Produktion.

Im Founder Talk mit Holger Hagenlocher geht es deshalb schnell um technische Infrastruktur. Aber eben nicht nur. Gottwald kennt auch die andere Seite des Startup-Geschäfts. Neun Jahre arbeitete sie bei BMW, später wechselte sie ins Venture Capital und leitete einen Startup-Accelerator. Heute steht sie selbst auf der Seite derjenigen, deren Geschäftsmodell, Wachstum und Finanzierung beurteilt werden.

Der Perspektivwechsel hat einiges verändert.

Wenn der Burggraben plötzlich verschwinden kann

Kurz vor dem Gespräch war Gottwald auf der Bits & Pretzels in München. Rund um künstliche Intelligenz, erzählt sie, herrsche dort gleichzeitig Aufbruch und eine gewisse Nervosität.

KI ermöglicht jungen Unternehmen, schneller zu entwickeln, Produkte früher auf den Markt zu bringen und mit kleineren Teams mehr auszuprobieren. Gleichzeitig wächst das Risiko, dass ein Geschäftsmodell, das heute noch eigenständig wirkt, morgen zur Funktion eines großen KI-Modells wird.

Die entscheidende Frage lautet deshalb: Wie belastbar ist der eigene „Moat“, der Burggraben gegenüber Wettbewerbern?

Gerade bei KI-Startups ist das keine akademische Debatte. Die großen Anbieter entwickeln ihre Modelle in hohem Tempo weiter. Eine Anwendung, für die heute noch ein eigenes Unternehmen nötig scheint, könnte wenig später als Standardfunktion verfügbar sein.

Das betrifft Gründer ebenso wie Investoren. Ein Venture-Capital-Geber investiert schließlich nicht nur in das, was ein Startup heute kann, sondern in die Annahme, dass dessen Vorsprung auch morgen noch etwas wert ist.

Gottwalds Antwort darauf liegt ausgerechnet in einem Bereich, der bei der öffentlichen KI-Debatte selten für große Schlagzeilen sorgt: in Unternehmensdaten.

„Abteilungen sind menschengemachte Silos“

deAI Labs konzentriert sich auf zwei Felder. Das eine ist Datenmigration – etwa wenn Altsysteme abgelöst und große Datenbestände in neue Systeme überführt werden müssen. Das zweite nennt Gottwald „Data Onboarding“: Unternehmensdaten so verfügbar zu machen, dass KI-Systeme damit arbeiten können.

Das klingt zunächst nach einer klassischen Schnittstellenaufgabe. Der Anspruch geht weiter.

Unternehmen arbeiten heute häufig mit einer Vielzahl voneinander getrennter Anwendungen. CRM, E-Mail, Microsoft Teams, Notion oder Confluence sind nur einige Beispiele. Dazu kommen ERP-Systeme, SQL-Datenbanken und in Industriebetrieben die Daten aus Maschinen und Produktionsanlagen.

Für Gottwald liegt genau in dieser Trennung ein Problem.

„Abteilungen sind menschengemachte Silos.“

Sarah Gottwald

KI-Agenten interessierten sich nicht dafür, ob ein Arbeitsschritt organisatorisch dem Vertrieb, der Buchhaltung oder einer anderen Abteilung zugerechnet werde. Sie arbeiteten entlang von Prozessen. Wer einen solchen Prozess vom ersten Kundenkontakt bis zur Abrechnung automatisieren oder zumindest intelligent unterstützen wolle, brauche deshalb auch die Daten entlang dieses gesamten Weges.

Ein einzelner optimierter Buchhaltungsprozess ist aus dieser Sicht nur ein kleiner Ausschnitt.

Was Maschinen längst wissen – und Unternehmen bislang kaum nutzen

Besonders interessant wird dieser Ansatz in der Produktion. Dort entstehen enorme Datenmengen, die in der Vergangenheit oft nur eingeschränkt nutzbar waren.

Gottwald nennt ein einfaches Beispiel: Eine KI kann untersuchen, wo Maschinen regelmäßig ausfallen und ob sich in den vorhandenen Daten Muster finden lassen. Das Gleiche gilt für Lieferketten.

Welche Bauteile könnten in den nächsten sechs Monaten knapp werden? Welche Alternativen wären verfügbar? Sind sie zertifiziert? Gibt es genügend davon auf Lager? Und welche Folgen hätte ein Engpass für die Produktion?

Solche Fragen verbinden Daten, die möglicherweise aus unterschiedlichen Systemen stammen. Genau darin sieht deAI Labs einen Anwendungsfall für Business Intelligence auf Basis von KI.

Auch außerhalb der Industrie funktioniert das Prinzip. Bei einer Marketingagentur lässt sich beispielsweise untersuchen, welche Kunden weniger kaufen, ob sich Abwanderungstendenzen erkennen lassen und welche Gemeinsamkeiten in historischen Daten auftauchen.

Die Hoffnung dahinter: KI findet Muster, die Menschen bei großen Datenmengen kaum noch überblicken können.

Dabei geht es nicht darum, möglichst viele Daten um ihrer selbst willen zusammenzuführen. Entscheidend ist, was sich daraus ableiten lässt.

Je wertvoller die Daten, desto wichtiger die Souveränität

Spätestens wenn CRM-Daten, interne Kommunikation, Produktionsinformationen und Unternehmenswissen an einer Stelle verfügbar werden sollen, stellt sich zwangsläufig die Datenschutzfrage.

Gottwald macht daraus keinen Nebenaspekt. Souveränität gehört für sie zum Kern des Produkts.

Die Verarbeitung und Speicherung könne in Europa oder vollständig in Deutschland erfolgen. Technisch sei auch eine On-Premise-Lösung möglich, bei der Daten und Verarbeitung beim Kunden bleiben. Letzteres könne allerdings wegen der benötigten Rechenleistung teuer werden.

Auch bei den zugrunde liegenden Sprachmodellen soll keine unnötige Abhängigkeit entstehen. Statt eine Unternehmenslösung fest mit einem einzelnen Anbieter zu verdrahten, setzt deAI Labs nach Gottwalds Darstellung auch auf Open-Source-Modelle und die Möglichkeit, unterschiedliche LLMs im Hintergrund zu verwenden.

Der Gedanke dahinter ist mindestens so wirtschaftlich wie datenschutzrechtlich: Wer seine komplette KI-Infrastruktur auf einen Anbieter ausrichtet, hängt künftig auch an dessen Preisen, Produktentscheidungen und technischer Entwicklung.

Heute kann ein Modell die beste Wahl sein. In einem Jahr möglicherweise ein anderes.

Wichtig ist Gottwald dabei eine Unterscheidung: Die externen Sprachmodelle werden nicht mit den Kundendaten von deAI Labs trainiert. Das Data Onboarding soll die Unternehmensinformationen für die jeweiligen Anwendungen nutzbar machen, ohne daraus Trainingsmaterial für fremde Modelle zu machen.

Mira wollte Mira heißen – durfte aber nicht

Der Produktname daeo ist noch relativ jung. Zuvor tauchte die Lösung unter dem Arbeitsnamen Mira auf.

Die Geschichte dahinter passt erstaunlich gut zu einem KI-Startup: Das Team fragte die eigene KI, wie sie heißen wolle. Die Antwort lautete Mira.

Nur war der Name nicht frei.

Aus dem Arbeitstitel wurde deshalb daeo. Die vier Buchstaben stehen für Data Extraction for Organizations – und beschreiben damit ziemlich direkt, worum es geht.

Das Geschäftsmodell ist ein Software-as-a-Service-Modell. Hinzu können bei großen Datenmengen oder umfangreichen Projekten einmalige Projektkosten kommen. Die laufenden Gebühren richten sich unter anderem danach, wie viele Systeme angebunden werden, welche Datenmengen verarbeitet werden und wie viele Menschen das System nutzen.

Das Startup arbeitet dabei nicht nur mit großen Unternehmen. Gottwald berichtet auch von kleineren und mittelständischen Firmen. Dort stehen häufig Wissensmanagement und Business Intelligence im Vordergrund; bei größeren Kunden werden die Anwendungen spezifischer.

Der „goldene Käfig“ bei BMW

Technologie und Geschäftsmodell sind nur die eine Hälfte des Gesprächs. Die andere ist Gottwalds eigener Weg.

Neun Jahre war sie bei BMW, zunächst im Finanzbereich, später in Kooperationen und Strategie. Sie spricht ausgesprochen positiv über diese Zeit – und nennt den Konzern trotzdem ihren damaligen „goldenen Käfig“.

Die Möglichkeiten waren groß, das Umfeld sicher. Gerade das wurde irgendwann zum Grund, es zu verlassen.

Gottwald wollte selbst etwas aufbauen und stärker in die Verantwortung gehen. Sie kündigte, ohne bereits die nächste Position sicher zu haben. Danach folgte der Wechsel in die Startup- und Venture-Capital-Welt. Rund dreieinhalb Jahre arbeitete sie in diesem Umfeld, zuletzt als Geschäftsführerin eines Startup-Accelerators.

Sie lernte, wie Investoren auf Geschäftsmodelle schauen, wie Teams bewertet werden und welche Muster bei Finanzierungsentscheidungen eine Rolle spielen.

Dann wechselte sie erneut die Seite.

Anfang 2026 gründete sie selbst.

Vom Bewerten zum täglichen Bewertetwerden

Der Unterschied zwischen Investorin und Gründerin ist größer, als die Nähe beider Welten vermuten lässt.

Im Venture Capital zeige sich mitunter erst nach drei, fünf oder zehn Jahren, ob eine Investitionsentscheidung richtig war, sagt Gottwald. Als Gründerin bekomme sie das Feedback wesentlich schneller.

„Im Gründungsbereich wird man eigentlich jeden Tag aufs Neue geprüft.“

Sarah Gottwald

Das könne eine Achterbahnfahrt sein. Gute Tage wechseln sich mit schwierigen ab, Fortschritte werden unmittelbar sichtbar – ausbleibende Fortschritte ebenfalls.

Auch die Sicht auf Finanzierung verändert sich.

Venture-Capital-Fonds suchen Unternehmen, die das Potenzial haben, ihre Investitionen in sehr großem Maßstab zu vervielfachen. Ein Unternehmen, das sich wirtschaftlich hervorragend entwickelt und irgendwann 50 oder 100 Millionen Euro Umsatz erzielt, kann für seine Gründer ein außergewöhnlicher Erfolg sein und trotzdem nicht in jede VC-Logik passen.

Gottwald kennt nun beide Perspektiven.

Bei deAI Labs führte das bislang zu einer bewussten Entscheidung. Nach einer kleineren Angel-Runde soll eine größere VC-Finanzierung zunächst warten. Das Team will sich auf Kunden konzentrieren und wiederkehrende Umsätze aufbauen.

Fundraising kostet schließlich ebenfalls Zeit.

Skalierung muss nicht immer mit einer großen Finanzierungsrunde beginnen

Zum Zeitpunkt des Gesprächs befindet sich deAI Labs nach Gottwalds Angaben mit rund 40 potenziellen Kunden im Austausch. Hinzu kommen Gespräche mit Partnern, Beratungen und Systemhäusern.

Das ist für ein junges KI-Unternehmen mehr als nur Vertrieb. Gerade in einem Markt, in dem technologische Entwicklungen bestehende Geschäftsmodelle schnell unter Druck setzen können, ist der frühe Kontakt mit realen Kunden auch ein Test: Gibt es ein Problem, das groß genug ist? Wird die Lösung tatsächlich genutzt? Und entsteht daraus ein wiederkehrendes Geschäft?

Wachstum kann über Venture Capital beschleunigt werden. Es kann aber auch bei Kunden beginnen.

Vielleicht ist das eine Erkenntnis, die Gottwald aus ihrer Zeit auf Investorenseite mit in die eigene Gründung genommen hat: Kapital ist ein Mittel. Nicht der Beweis dafür, dass ein Unternehmen funktioniert.

Ein technisches Startup braucht mehr als Technik

Gottwald verantwortet bei deAI Labs vor allem die Business-Seite. Co-Founder Lukas Beckenbauer bringt den wissenschaftlich-technischen Hintergrund mit. Er kommt aus der KI-Forschung, promovierte an der Technischen Universität München und war nach Gottwalds Darstellung als Gastforscher im Supply Chain AI Lab in Cambridge.

Das Unternehmen besteht inzwischen aus acht Personen, der Großteil mit technischem Schwerpunkt und langjähriger Coding- und KI-Erfahrung.

Für Gottwald ist diese Mischung zentral.

Sie bezeichnet sich selbst als „absoluten Teammenschen“. Gerade ein komplexes Produkt brauche unterschiedliche Erfahrungen und Sichtweisen. Das gilt für technische Entscheidungen ebenso wie für jene Tage, an denen eine Gründung weniger nach Aufbruch aussieht als nach Problemlösung.

Vielleicht ist das einer der interessanteren Punkte des Gesprächs. Ausgerechnet in einer Folge über künstliche Intelligenz landet man am Ende wieder bei Menschen.

Bei Kunden, die einem Startup zeigen, ob sein Produkt gebraucht wird. Bei einem Team, das unterschiedliche Kompetenzen zusammenbringt. Bei Gründern, die entscheiden müssen, wie viel Kontrolle sie für Kapital abgeben wollen.

Und bei der Frage, welche Daten eine KI überhaupt kennen muss, bevor sie etwas Sinnvolles tun kann.

Denn bevor der Agent einen Prozess übernimmt, muss er erst einmal verstehen können, was im Unternehmen passiert.

Das vollständige Gespräch mit Sarah Gottwald gibt es in der neuen Folge von „Founder Talks – der Podcast“. Founder-Talks-Host Holger Hagenlocher spricht mit der Mitgründerin von deAI Labs über Unternehmensdaten als Grundlage für KI, Data Onboarding, Datensouveränität, das Produkt daeo, Venture Capital und ihren persönlichen Weg vom Konzern in die eigene Gründung.

Weitere Informationen zu daeo gibt es unter daeo.ai.