B2B Software Deals KW29/2026: Wer die Fachdaten hält, baut die KI darauf

Fünf Transaktionen in einer Woche, und wenn man sie nebeneinanderlegt, streiten sie alle um denselben Quadratmeter: die Schicht, auf der die Fachdaten liegen. Zwei von US-Private-Equity getragene Plattformen kaufen tief verankerte DACH-Software und begründen den Kauf offen mit einer KI-Ebene darüber — Insight Partners lässt seine Plattform VisualLogix die Frankfurter refyne Group übernehmen, Thoma Bravos Apryse kauft die Zürcher PDF Tools AG. Ein Main-Capital-Portfoliounternehmen setzt seinen Buy-and-Build im Intelligent Document Processing fort: Whitevision schluckt das britische Documation, fünfter Zukauf in zwei Jahren. Ein Münchner Startup baut die Steuerkanzlei um KI-Agenten neu und sammelt dafür 12 Millionen. Und in Benelux verkauft Strada Partners nach vier Jahren die belgische Pflege-Dienstplan-Software TOBA an den niederländischen Optimierungsspezialisten ORTEC — Stradas erster Exit überhaupt.

Das verbindende Muster ist die Frage, wem der Datenschatz gehört und wer daraus den KI-Wert zieht. In den Übernahmen kauft der Käufer nicht die schöne Marge, sondern den Zugang zu Fachworkflows, die über Jahre in einer Branche gewachsen sind: die Fertigungslogik im Holz- und Metallbau, die Archivierungsstandards in der Dokumentenwelt, die Rechnungsverarbeitung im Purchase-to-Pay, die regulierte Dienstplanung im Gesundheitswesen. Genau auf diesem Untergrund lässt sich eine KI-Schicht bauen, die ein KI-natives Startup nicht in zwei Quartalen nachzieht. Skalar zeigt die Gegenbewegung: den Angriff von unten, bei dem die Agenten den Stack von Anfang an tragen. KW28 hatte gezeigt, wie US-Spitzenkapital die DACH-Agenten am unteren Marktrand einsammelt. KW29 zeigt die andere Richtung — das etablierte Kapital kauft die Fachsoftware selbst und macht sie zum Fundament.

Deal 1: VisualLogix übernimmt refyne — Insight baut die Holz- und Metallbau-Software zur KI-Plattform

Basics

• Headline: VisualLogix (Insight Partners) übernimmt die Frankfurter refyne Group
• Deal-Typ: Strategischer Zukauf / Add-on (PE-gestützte Buy-and-Build-Plattform), Secondary
• Käufer: VisualLogix, New York — Engineering- und Fertigungs-Software-Plattform, Portfoliogesellschaft von Insight Partners
• Ziel: refyne Group, Frankfurt am Main — durchgängige Software für Holz- und Metallbau (CAD, CAM, Statik/Thermik, ERP); rund 150 Mitarbeitende an acht Standorten, über 25.000 Nutzer weltweit; vereint CAD-PLAN, flixo, Triviso, N.CAD und TrunCAD
• Verkäufer: LEA Partners, Karlsruhe — erster Exit aus dem Fonds Mittelstandspartner II/II-A; Einstieg im Juni 2023
• Deal-Wert: nicht offengelegt; refyne hat den Umsatz während der LEA-Haltedauer mehr als verdoppelt
• Quelle: VisualLogix / PR Newswire, 14.07.2026 · FYB — LEA verkauft refyne an VisualLogix · deutsche-startups.de Deal-Monitor, 15.07.2026

refyne ist eine klassische LEA-Konstruktion: aus einzelnen Spezialisten für Holz- und Metallbau-Software wurde über eine fokussierte Buy-and-Build-Strategie eine durchgängige Plattform, die die gesamte Prozesskette eines Fertigungsbetriebs abdeckt, von Vertrieb und Angebot über Konstruktion und Statik bis zu Produktion und Abrechnung. VisualLogix wiederum ist die Engineering-Software-Plattform von Insight Partners in Nordamerika, bekannt durch AutoSPRINK für Brandschutzplanung, AlarmCAD und Metal Building Software. Mit refyne bekommt Insight den europäischen Brückenkopf und ein zweites tiefes Vertical. Im Pressetext steht die eigentliche Absicht offen: eine gemeinsame KI-Plattform, die Konstruktion und Fertigung über das gesamte Portfolio automatisiert.

Tech & Strategy Analysis

1. Produkt-Strategie: Die Buy-Thesis ist eine vertikale Plattform mit hoher Wechselhürde plus eine KI-Schicht darüber. refyne sitzt genau an der Stelle, an der im Holz- und Metallbau die wertvollen Daten entstehen: Bauteilgeometrie, Zuschnitt, Statik, Fertigungsaufträge, Kalkulation. Das ist ein Nischenmarkt mit hoher Spezialisierung und wenig Wettbewerb durch generische CAD- oder ERP-Suiten, weil die Fertigungslogik zu spezifisch ist. Für Insight ist refyne der europäische Ankerpunkt, um dieselbe Rollup-Logik wie in Nordamerika über den Atlantik zu tragen.

2. Tech-Stack & Integration: Die teure Aufgabe ist die Konsolidierung von fünf zugekauften Produkten zu einer durchgängigen Kette. Jedes dieser Werkzeuge bringt eigenes Datenmodell, eigene Geometrie- und Fertigungslogik mit, und der Wert einer gemeinsamen KI hängt daran, ob es darunter ein einheitliches Datenmodell gibt oder ob jede Produktinsel ihr eigenes Format behält. Dazu kommt die transatlantische Integration: VisualLogix’ nordamerikanische Produkte und refynes DACH-Stack teilen nichts außer der Branche Engineering. Wer daraus ein gemeinsames KI-Fundament bauen will, muss zuerst die Datenmodelle harmonisieren, sonst wird die KI-Plattform ein Marketing-Layer über fünf getrennten Silos.

3. AI-Strategie & Exit-Impact: Der Käufer macht die KI zum Kern der Story, und der Rohstoff ist real: 25.000 Nutzer, die täglich Konstruktions- und Fertigungsdaten erzeugen, sind eine Basis, aus der sich echte Automatisierung ableiten lässt — Angebotserstellung aus Bauteillisten, Zuschnittoptimierung, Statikvorprüfung. Heute ordne ich refyne als Tier 3 ein, mit dem Rohstoff für Tier 2: viel Domänensubstanz und proprietäre Fertigungsdaten, aber noch keine ausgelieferte, durchgängige KI-Produktlinie. Für den Exit in fünf bis sieben Jahren ist die Frage, ob Insight aus dieser Datenbasis eine belastbare Automatisierung macht, die den Fertigungsbetrieb messbar schneller macht, oder ob die KI-Plattform ein Versprechen im Deck bleibt.

Meine Perspektive 🎯 — Home Turf

Bau- und fertigungsnahe Vertikalsoftware mit ERP-Anteil ist mein direktes Umfeld, und refyne ist ein Lehrstück dafür, warum diese Nischen gerade so gefragt sind. Was ich in der DD zuerst prüfen würde, ist die Datenmodell-Frage über die fünf Produkte hinweg. Bei einer Buy-and-Build-Plattform ist die entscheidende Zahl nicht die Nutzerzahl, sondern wie viele der 25.000 Nutzer auf einem gemeinsamen Datenmodell arbeiten und wie viele in getrennten Alt-Produkten mit eigenem Format sitzen. Davon hängt ab, ob die versprochene KI-Plattform eine Woche oder drei Jahre Vorlauf braucht. Das zweite ist die Recurring-Quote: Fertigungs-Software in diesem Segment ist oft noch lizenz- und wartungslastig, und für einen KI-getriebenen Exit will Insight einen sauberen Subscription-Anteil sehen.

Was den Deal smart macht: Insight kauft einen Marktführer in einer Nische, in die kein generischer Anbieter leicht eindringt, mit einer Datenbasis, die einem KI-nativen Angreifer fehlt. Wer im Holzbau die Statik- und Zuschnittlogik nicht beherrscht, baut keinen glaubwürdigen Konstruktions-Agenten. Was ich kritisch beobachte, ist der Abstand zwischen der gemeinsamen KI-Plattform im Pressetext und einer harmonisierten Datenschicht über CAD-PLAN, TrunCAD und die anderen. In Post-Merger-Integrationen habe ich oft gesehen, dass die Plattform-These an genau dieser Harmonisierung hängen bleibt, weil sie unsichtbar, teuer und ohne kurzfristigen Kundennutzen ist. Der Deal rechnet sich, wenn Insight diese Fleißarbeit finanziert, bevor die KI-Schicht kommt, nicht danach.

🧠 CPTO-Take

refyne ist der Fall, an dem sich zeigt, ob KI eine Fachsoftware-Plattform veredelt oder nur ihr Deck. Der Architektur-Hebel liegt in einem harmonisierten Datenmodell quer über die fünf Produkte, auf dem Konstruktions-, Statik- und Fertigungs-Automatisierung grounden können, nicht in einem LLM über der Bedienoberfläche. Genau diese proprietären Fertigungsdaten aus 25.000 Nutzern sind der Moat, den ein KI-natives Startup nicht besitzt und nicht schnell aufbaut. Pricing-seitig ist der Hebel, KI-Automatisierung als messbaren Ergebnisbeitrag zu verkaufen (schnelleres Angebot, weniger Verschnitt, geprüfte Statik) statt als Feature-Aufschlag pro Seat. Team-seitig braucht die transatlantische Integration Engineering-Kapazität, die zuerst in die unsichtbare Datenharmonisierung fließt, bevor die sichtbare KI-Schicht liefert.

Cross-Links: Tech Due Diligence 2.0 · Software-Moats im AI-Zeitalter · Marktübersicht Bausoftware DACH · Was ist ERP?

Deal 2: Apryse kauft PDF Tools — die Dokumenten-Ebene wird zur KI-Infrastruktur

Basics

• Headline: Apryse (Thoma Bravo) übernimmt die Zürcher PDF Tools AG von Smallpdf
• Deal-Typ: Strategischer Zukauf / Add-on (PE-gestützte Buy-and-Build-Plattform)
• Käufer: Apryse (ehemals PDFTron), USA/Kanada — Dokumentenverarbeitungs-Plattform und SDK-Anbieter; Mehrheitseigner Thoma Bravo seit 2021, Minderheit Silversmith Capital; Kunden umfassen 85 Prozent der Fortune 100
• Ziel: PDF Tools AG, Zürich (gegr. 2002) — hochperformante PDF-Verarbeitung und Entwickler-SDKs für Erstellung, Verarbeitung, Rendering und Langzeitarchivierung von PDF/PDF-A; Produkt Smart Redact zum selbstgehosteten Erkennen und Entfernen sensibler Daten
• Verkäufer: Smallpdf AG, Lausanne — hatte PDF Tools im März 2022 übernommen und den Umsatz seither verdoppelt; konzentriert sich künftig auf PDF-Editing
• Deal-Wert: nicht offengelegt
• Quelle: Apryse Blog, 14.07.2026 · Smallpdf — Sale of PDF Tools to Apryse · GlobeNewswire — Enterprise AI Has a Document Problem, 15.07.2026

PDF Tools ist eine der leiseren, aber tief verankerten Softwarefirmen der DACH-Region: seit 2002 in Zürich, spezialisiert auf die unglamouröse, aber geschäftskritische Ebene der PDF/A-Archivierung, Konformitätsprüfung und Dokumentenkompression, eingebettet in die Workflows von Behörden, Versicherern und Industrie. Unter Smallpdf verdoppelte sich der Umsatz, und mit Smart Redact kam eine KI-Funktion dazu, die sensible Daten selbstgehostet erkennt und entfernt. Apryse, das unter Thoma Bravo aus PDFTron eine Buy-and-Build-Plattform für Dokumenten-Infrastruktur gemacht hat, verkauft den Zukauf als Infrastruktur für Enterprise-KI. Die Begründung ist klug: Jedes Agenten-Projekt scheitert früher oder später an unstrukturierten Dokumenten, und wer die Ebene zwischen PDF und maschinenlesbarem, DSGVO-konform geschwärztem Inhalt besitzt, sitzt an einem Engpass.

Tech & Strategy Analysis

1. Produkt-Strategie: Die Buy-Thesis ist Konsolidierung der Dokumenten-Infrastruktur plus KI-Andockpunkt. Apryse sammelt seit Jahren SDK- und Dokumentenverarbeitungs-Firmen ein, und PDF Tools bringt zwei Dinge: die europäische Kundenbasis mit Compliance-Tiefe (PDF/A-Langzeitarchivierung ist in DACH-Behörden und regulierten Branchen Pflicht) und mit Smart Redact eine produktreife KI-Funktion an der richtigen Stelle. Für Apryse ist das der Ausbau vom PDF-SDK zum Anbieter der Dokumenten-Schicht, auf der KI-Anwendungen aufsetzen.

2. Tech-Stack & Integration: Bei einem SDK-Rollup ist die Integrationsfrage vor allem eine der Bibliotheks- und API-Konsolidierung. Apryse und PDF Tools haben überlappende Funktionen bei Rendering, Konvertierung und Kompression, und die Kunst ist, daraus ein kohärentes Produkt zu machen, ohne die bestehenden Integrationen der Kunden zu brechen. SDKs sitzen tief in fremden Anwendungen, ein Bruch der API-Kompatibilität kostet sofort Kunden. Der verteidigbare Teil ist die PDF/A- und Archivierungs-Compliance, die schwer nachzubauen ist und bei der Zusammenführung erhalten bleiben muss.

3. AI-Strategie & Exit-Impact: Smart Redact ist eine ausgelieferte, produktive KI-Funktion mit messbarem Nutzen, und die selbstgehostete Variante trifft genau den Nerv regulierter Kunden, die ihre Dokumente nicht in eine fremde Cloud geben. Das hebt Apryse in dieser Ecke auf Tier 2: kein eigener Modell-Moat eines KI-Labors, aber ein KI-Feature in Produktion an einer Stelle, die für jedes Enterprise-Agenten-Projekt kritisch ist. Der Exit-Impact ist doppelt interessant, weil Thoma Bravo laut Berichten aus 2025 ohnehin einen Verkauf von Apryse im Bereich von über 3 Milliarden Dollar sondiert. Die Positionierung als Dokumenten-Infrastruktur für KI ist damit auch eine Aufwertung der Equity-Story kurz vor einem möglichen Exit.

Meine Perspektive 🎯 — Home Turf

Dokumentenmanagement und die Archivierungs- und Compliance-Ebene darunter sind Teil fast jeder Tech-DD, die ich mache, und deshalb sehe ich, warum dieser Deal mehr ist als ein weiteres SDK-Bolt-on. Die interessante Beobachtung: Der langweiligste Teil des Stacks, PDF/A-Konformität und Langzeitarchivierung, wird im KI-Zeitalter zum strategischen Engpass, weil Agenten nur so gut sind wie ihr Zugriff auf saubere, geschwärzte, maschinenlesbare Dokumente. Was ich in der DD prüfen würde, ist, wie tief Smart Redact wirklich reicht: ob die KI Kontext versteht und zuverlässig die richtigen Stellen schwärzt oder ob am Ende ein Mensch nachkontrollieren muss, und wie hoch die Fehlerrate in regulierten Szenarien ist. In der Compliance ist ein übersehener Personenbezug teurer als zehn zu viel geschwärzte Zeilen.

Was den Deal smart macht: Apryse kauft europäische Compliance-Tiefe und eine KI-Funktion, die sich sofort quer über die installierte Basis von 85 Prozent der Fortune 100 ausrollen lässt. Das ist die Sorte Add-on, die den Wert der ganzen Plattform hebt, nicht nur den eigenen Umsatz. Was ich im Blick behalte: Die selbstgehostete KI-Redaction ist heute ein Vorteil, aber die Modellqualität für Entitätserkennung wird zur Massenware, und die großen Cloud- und Dokumenten-KI-Anbieter drängen in dieselbe Ecke. Der Moat liegt weniger im Redaction-Modell als in der Kombination aus tiefer Archivierungs-Compliance, selbstgehosteter Verarbeitung und Einbettung in bestehende Enterprise-Workflows. Wird die KI-Redaction als eigentlicher Wert verkauft, steht sie in zwei Jahren im Preiswettbewerb.

🧠 CPTO-Take

PDF Tools zeigt, wie die unsichtbare Infrastruktur-Ebene im KI-Zeitalter Wert gewinnt. Architektonisch ist die Dokumenten-Schicht der Punkt, an dem jedes Enterprise-Agenten-Projekt entweder skaliert oder an unstrukturierten, sensiblen Dokumenten hängen bleibt; wer PDF/A-Archivierung plus selbstgehostete Redaction besitzt, kontrolliert einen echten Engpass. Pricing-seitig ist Redaction ein Kandidat für nutzungsbasierte Abrechnung pro verarbeitetem Dokument statt pro Seat, was gut zu Agenten-Workloads passt, die Dokumente in großer Zahl durchlaufen lassen. Der Moat ist die Kombination aus Compliance-Tiefe und selbstgehosteter Verarbeitung für regulierte Kunden, nicht das Redaction-Modell allein. Für Thoma Bravo ist die KI-Infrastruktur-Story zugleich die Aufwertung der Equity-Story vor einem möglichen Milliarden-Exit.

Cross-Links: Software-Moats im AI-Zeitalter · Marktübersicht Dokumentenmanagement DACH · Was ist ein DMS? · EU AI Act ab August 2026

Deal 3: Whitevision kauft Documation — der IDP-Buy-and-Build läuft weiter

Basics

• Headline: Main Capitals Whitevision übernimmt das britische Documation
• Deal-Typ: Add-on (fünfte Akquisition der Buy-and-Build-Plattform, zweite in UK)
• Käufer: Whitevision (gegr. 2005, Niederlande) — Anbieter von Software für Intelligent Document Processing (IDP); seit August 2024 im Portfolio von Main Capital Partners
• Ziel: Documation, Southampton (UK, gegr. 1993) — IDP-Software mit Fokus auf Finanzdokumente; automatisiert den Downstream-Purchase-to-Pay von Bestellung und Wareneingang über Rechnungsabgleich und Kreditorenbuchhaltung bis zum Finanzreporting; rund 65 Kunden in Bildung, Gesundheitswesen, Fertigung, Kommunen und Corporates
• Verkäufer: nicht offengelegt (Gründer-/Management-nahe Struktur)
• Deal-Wert: nicht offengelegt
• Quelle: Main Capital — Whitevision acquires Documation · PE Hub — Main Capital-backed Whitevision signs add-on of Documation · Analist.nl / Dutch IT Channel

Offenlegung: enventa, wo ich als CPTO sitze, gehört wie Whitevision zum Portfolio von Main Capital Partners. Ich schreibe hier über einen Deal aus dem eigenen Kapitalkosmos und bin entsprechend streng mit mir selbst.

Whitevision fährt seit dem Main-Capital-Einstieg im August 2024 eine gradlinige Konsolidierungsstrategie im Intelligent Document Processing, und Documation ist der fünfte Baustein, der zweite in Großbritannien. Documation bringt zwei Dinge mit, die für einen Buy-and-Build zählen: eine installierte UK-Kundenbasis von rund 65 Kunden und eine funktionale Erweiterung tief in den Purchase-to-Pay-Prozess, von der Bestellung bis zum Finanzreporting. Für Main Capital ist das der klassische Add-on-Zug — geografische Expansion plus Produktabrundung um eine Plattform herum, die als Konsolidierer eines fragmentierten Marktes positioniert wird. IDP selbst reitet auf zwei Trends, die die PR sauber benennt: zunehmende Digitalisierung und KI-getriebene Prozessautomatisierung.

Tech & Strategy Analysis

1. Produkt-Strategie: Die Buy-Thesis ist Marktkonsolidierung plus geografische Reichweite. Der IDP-Markt in Europa ist fragmentiert, voller Anbieter mit soliden, aber regional begrenzten Kundenbeständen, und genau daraus baut Whitevision eine grenzüberschreitende Plattform. Documation erweitert das Angebot um den vollen Downstream-Purchase-to-Pay, also die Ebene, auf der Rechnungen den Weg vom Wareneingang in die Kreditorenbuchhaltung nehmen. Das ist wiederkehrender, geschäftskritischer Workflow mit hoher Wechselhürde, weil er einmal integriert selten wieder angefasst wird.

2. Tech-Stack & Integration: Bei fünf Zukäufen in zwei Jahren ist die eigentliche Aufgabe die Produktkonsolidierung, nicht der einzelne Deal. Documation ist 1993 gegründet, und Software dieses Alters bringt meist eine gewachsene Extraktions-Engine mit, oft template- und regelbasiert, teils mit angeflanschtem ML. Die Frage für die Plattform ist, ob Whitevision eine gemeinsame, moderne Extraktions- und Klassifikationsschicht über die fünf Produkte legt oder ob jede Akquisition ihre eigene Engine behält. Beim Purchase-to-Pay kommt die Integration in die ERP- und Buchhaltungssysteme der Kunden dazu, die tief und individuell sein kann; ein Plattform-Merge, der diese Anbindungen bricht, kostet sofort Vertrauen bei genau den Bestandskunden, die den Deal-Wert tragen.

3. AI-Strategie & Exit-Impact: IDP ist per Definition ein KI-nahes Feld, aber der Abstand zwischen echter, moderner Dokumenten-KI und aufgehübschtem OCR ist hier besonders groß. Moderne LLM- und Vision-Modelle heben die Extraktionsqualität aus unstrukturierten Rechnungen auf ein Niveau, das template-basierte Systeme nicht erreichen, und das ist im Purchase-to-Pay der Unterschied zwischen 70 und 95 Prozent Automatisierungsquote. Ich ordne den kombinierten Stack heute als Tier 3 ein, mit klarem Weg zu Tier 2: viel geschäftskritischer Workflow und Fachdaten, aber die offene Frage, wie modern die Extraktion unter der Haube wirklich ist. Der Exit-Wert der ganzen Plattform hängt daran, ob Whitevision die zugekauften Engines auf eine gemeinsame, LLM-gestützte Basis hebt, bevor ein KI-nativer IDP-Anbieter dieselbe Automatisierungsquote billiger liefert.

Meine Perspektive 🎯 — Home Turf

Buy-and-Build im europäischen Software-Mid-Market und die Post-Merger-Integration danach sind mein Tagesgeschäft, und deshalb schaue ich bei diesem Deal weniger auf die einzelne Akquisition als auf die fünfte in Folge. Fünf Zukäufe in zwei Jahren sind ein Tempo, bei dem die entscheidende Frage nicht mehr lautet, ob der nächste Deal Sinn ergibt, sondern ob die Plattform die Integration nachzieht oder ob sich fünf Produkte mit fünf Codebasen, fünf Extraktions-Engines und fünf Kundenbetreuungslogiken unter einem Dach ansammeln. Was ich in der DD prüfen würde, ist die Product-Integration-Roadmap: Gibt es eine gemeinsame IDP-Kern-Engine, auf die alle Zukäufe migriert werden, oder verkauft die Gruppe weiter fünf getrennte Produkte mit gemeinsamem Vertrieb? Das ist der Unterschied zwischen einer Plattform und einer Holding.

Kritisch mit mir selbst, weil aus demselben Kapitalkosmos: Der Main-Capital-Buy-and-Build ist als Maschine bewährt, und das Muster von geografischer Expansion plus Produktabrundung funktioniert seit Jahren. Der Punkt, an dem ich genauer hinsehen würde, ist die KI-Modernisierung unter dem Konsolidierungslärm. Ein alter IDP-Anbieter mit solider Kundenbasis ist ein guter Kauf, solange die Extraktion mit den KI-nativen Wettbewerbern mithält. Die eigentliche Seat-Compression sitzt hier übrigens beim Kunden: Wer den Purchase-to-Pay-Prozess auf 95 Prozent automatisiert, reduziert die Zahl der Kreditorenbuchhalter, und das ist gleichzeitig der Verkaufswert und die Disruptionsgefahr, falls jemand anderes es zuerst und besser macht. Der Deal ist smart, wenn Whitevision die zugekauften Engines diszipliniert auf einen modernen KI-Kern zieht; er wird zum Integrationsrisiko, wenn die fünfte Akquisition schneller kommt als die Konsolidierung der ersten vier.

🧠 CPTO-Take

Whitevision ist der Lackmustest für jeden IDP-Buy-and-Build im KI-Zeitalter: Die Architektur-Frage ist, ob es eine gemeinsame, LLM-gestützte Extraktions- und Klassifikations-Engine gibt, auf die alle fünf Zukäufe migrieren, oder ob die Gruppe fünf gewachsene OCR-Engines parallel betreibt. Pricing-seitig verschiebt agentische Rechnungsverarbeitung das Modell von der Zahl der Sachbearbeiter-Seats hin zur Zahl der verarbeiteten Belege, und wer das nicht antizipiert, sieht seine eigene Seat-Basis schrumpfen. Team-seitig braucht ein Konsolidierer nach dem fünften Deal weniger M&A-Kapazität und mehr eine zentrale IDP-Plattform-Truppe, die die zugekauften Engines ablöst. Der Moat gegen KI-native IDP-Anbieter ist die installierte Purchase-to-Pay-Integration in die ERP-Systeme der Kunden, nicht die Extraktion selbst — die wird zur Massenware.

Cross-Links: Buy-and-Build 2.0 · Marktübersicht Dokumentenmanagement DACH · Was ist ein DMS? · Agent statt Anwender

Deal 4: Skalar holt 12 Millionen — die Steuerkanzlei, um die Agenten herum gebaut

Basics

• Headline: Skalar sammelt 12 Mio. Euro für eine KI-native Steuerkanzlei
• Deal-Typ: Seed-/Growth-Runde
• Investor: Lead Headline; beteiligt QED Investors, der KI-Investor futurepresent, Repeat, MS&AD, Foreword sowie Angels (u. a. Studydrive-Gründer Sven Gasper, Seriengründer Jonas Diezun, Mario Götze)
• Ziel: Skalar, München (gegr. 2025) — digitale Steuerberatung, die den kompletten Kanzlei-Stack um KI-Agenten herum neu baut; Zielkunden mit 0,5–20 Mio. Euro Umsatz; Agenten übernehmen wiederkehrende Aufgaben in Buchhaltung, Lohn und Steuer, menschliche Steuerexperten prüfen
• Gründer: Steuerberater Florian Lang und Stocard-Gründer Björn Goß
• Deal-Wert: 12 Mio. Euro
• Quelle: deutsche-startups.de Deal-Monitor, 14.07.2026 · Startbase — 12 Mio. Euro für Skalar · TechFundingNews — Skalar raises €12M from Headline

Skalar baut nicht ein Werkzeug für Steuerberater, sondern die Kanzlei selbst neu, mit KI-Agenten als Standardbelegschaft und Menschen in der Prüf- und Verantwortungsrolle. Das Angebot richtet sich an den deutschen Mittelstand mit 0,5 bis 20 Mio. Euro Umsatz und verspricht komplette Finanzbuchhaltung plus Jahresabschluss in Rekordzeit. Die Gründerkombination ist bemerkenswert: ein praktizierender Steuerberater und ein erfahrener Consumer-Fintech-Gründer. Headline führt die 12 Mio. Euro an, mit einem Feld aus QED, futurepresent und prominenten Angels dahinter. Das ist die AI-native Antwort auf denselben Markt, den etablierte Kanzlei-Software von der anderen Seite bedient.

Tech & Strategy Analysis

1. Produkt-Strategie: Die These ist ein Vollstack-Angriff statt eines Software-Verkaufs. Klassische TaxTech verkauft Werkzeuge an bestehende Kanzleien und lebt mit deren Tempo. Skalar überspringt das und baut die Kanzlei selbst, um die volle Marge zwischen automatisierter Sacharbeit und abgerechneter Beratung einzustreichen. Der Markt ist riesig und fragmentiert, der Fachkräftemangel in der Steuerberatung ist real, und ein Anbieter, der mit weniger Personal mehr Mandate bedient, hat einen strukturellen Kostenvorteil, solange die Qualität hält.

2. Tech-Stack & Integration: Der schwierige Teil ist die Zuverlässigkeit der Agenten in einem Feld mit Nachweispflicht und Haftung. Buchhaltung, Lohn und Steuer sind regelbasiert, aber voller Ausnahmen und Belegchaos, und ein Agent, der 95 Prozent richtig macht, ist in der Steuer nicht gut genug, weil die falschen 5 Prozent Nachzahlungen und Haftungsfragen auslösen. Die Architektur muss KI-Automatisierung mit belastbaren Kontroll- und Freigabeschritten verbinden und jederzeit nachvollziehbar dokumentieren, wer was verantwortet. GoBD-Konformität, Mandantentrennung und Prüfsicherheit sind hier Voraussetzung, nicht Kür.

3. AI-Strategie & Exit-Impact: Skalar ist der klarste Seat-Compression-Fall der Woche: Das ganze Geschäftsmodell besteht darin, abrechenbare Sachbearbeiterstunden durch Agenten zu ersetzen. Ich ordne das als Tier 2 ein, sehr früh — ambitioniert, im richtigen Problem, mit einem Team, das den Vollstack-Ansatz plausibel macht, aber ohne belegte Skalierung. Der Wert hängt an der Automatisierungsquote, also am Anteil der Vorgänge, die ohne menschlichen Eingriff sauber durchlaufen. Steigt diese Quote schneller als die Mandatszahl, entsteht ein echter Kostenvorteil; bleibt sie niedrig, ist Skalar eine gut finanzierte Kanzlei mit KI-Marketing.

Meine Perspektive 🎯 — Contrarian Take

Auf den ersten Blick genau die Wette, die nach der SaaSpocalypse Sinn ergibt: Seat-Compression im Backoffice, großer fragmentierter Markt, starke Gründerkombination, geduldiges Kapital. Ich bin trotzdem an einer Stelle skeptisch, und sie hat mit dem Geschäftsmodell selbst zu tun. Wer die Kanzlei baut statt der Software, tauscht die Skalierbarkeit eines Produkts gegen die Ökonomie eines Dienstleisters. Solange die Automatisierungsquote nicht sehr hoch ist, wächst mit jedem Mandat auch der menschliche Prüfaufwand, und dann skaliert Skalar wie eine Kanzlei, nicht wie Software. In der DD würde ich schonungslos die Kennzahl aufmachen, die alles entscheidet: Wie viele Vorgänge laufen heute wirklich ohne menschlichen Eingriff durch, und wie schnell steigt dieser Anteil?

Der zweite Punkt ist die Haftung. In der Steuerberatung trägt am Ende ein Mensch die Verantwortung, und das begrenzt strukturell, wie weit die Agenten gehen dürfen. In KI-Automatisierungsprojekten habe ich oft gesehen, dass die letzten Prozent Zuverlässigkeit teurer sind als die ersten neunzig, und in einem Feld mit Nachzahlungsrisiko ist genau das der Engpass. Was den Fall trotzdem stark macht: Der Fachkräftemangel in der Steuerberatung ist so gravierend, dass selbst eine teilautomatisierte Kanzlei mit besserer Marge und schnellerem Durchlauf einen echten Markt findet. Der Deal wird smart, wenn Skalar die Automatisierungsquote diszipliniert hochzieht und die Prüfrolle des Menschen als Qualitätsmerkmal verkauft, statt sie zu verstecken. Bleibt die Quote niedrig, hat Headline eine sehr teure Steuerkanzlei mitfinanziert.

🧠 CPTO-Take

Skalar ist die Vollstack-Variante der Seat-Compression, und der ökonomische Kern steht und fällt mit einer Zahl: dem Anteil der Vorgänge, die ohne menschlichen Eingriff sauber durchlaufen. Architektonisch entscheidet die Verbindung aus Agenten-Automatisierung und prüfsicheren, GoBD-konformen Kontroll- und Freigabeschritten, ob das Modell in einem Haftungsfeld tragfähig ist. Pricing-seitig ist der Reiz, von Stunden auf Ergebnis oder Mandat umzustellen und die Marge zwischen automatisierter Sacharbeit und abgerechneter Beratung einzustreichen; das funktioniert nur bei hoher Automatisierungsquote. Team-seitig verschiebt sich die Rolle vom Sachbearbeiter zum Prüfer und Ausnahme-Löser, was ein anderes Reskilling verlangt als eine klassische Kanzlei. Der Moat gegen die AI-natives von morgen ist die regulatorische Prüfsicherheit und das Mandantenvertrauen im deutschen Steuerrecht, weniger das Modell.

Cross-Links: Agent statt Anwender · Agent-driven Business im Mittelstand · Pricing von AI-Funktionen für SaaS · Was ist GoBD?

Deal 5: ORTEC kauft TOBA — Strada macht den ersten Exit im Pflege-Workforce-Management

Basics

• Headline: ORTEC übernimmt die belgische TOBA von Strada Partners
• Deal-Typ: Exit / Add-on (Battery-Ventures-gestützte Plattform kauft zu)
• Käufer: ORTEC, Niederlande — Spezialist für mathematische Optimierung und Planungssoftware, Portfoliogesellschaft von Battery Ventures
• Ziel: TOBA HR Solutions, Gent (Belgien) — Workforce Management für das Gesundheitswesen in Belgien und Luxemburg: Personalplanung, Dienstplanung, Zeiterfassung, Employee Self-Service, Human Capital Management; rund 250 Kunden, etwa 225.000 unterstützte Frontline-Kräfte
• Verkäufer: Strada Partners — erster Exit der Firmengeschichte; TOBA vor vier Jahren aus einer größeren IT-Gruppe herausgelöst (Carve-out)
• Deal-Wert: nicht offengelegt
• Quelle: ORTEC / PR Newswire, 14.07.2026 · PE Hub — Battery Ventures-backed ORTEC completes add-on of TOBA · Lincoln International — Strada has sold TOBA to Ortec

TOBA ist die Sorte Firma, die man in keiner Tech-Schlagzeile findet und die trotzdem eine ganze Branche trägt: Dienstplanung für das Gesundheitswesen in Belgien und Luxemburg, rund 250 Kunden, etwa 225.000 Pflege- und Betreuungskräfte, deren Schichten über diese Software laufen. Strada Partners hat TOBA vor vier Jahren aus einer größeren IT-Gruppe herausgeschnitten, ein neues Management aufgebaut, die Produktentwicklung beschleunigt und das Geschäft konsequent auf SaaS umgestellt. Das Ergebnis ist eine Wertschöpfungsgeschichte aus dem Lehrbuch: über 250 Prozent Wachstum beim wiederkehrenden Umsatz, Marktführerschaft im Segment, sauberer Exit an einen strategischen Käufer. ORTEC wiederum ist kein HR-Haus, sondern ein Optimierungsspezialist, dessen Kern seit Jahrzehnten mathematische Planungsalgorithmen für komplexe, regulierte Umgebungen sind. Genau da liegt die eigentliche Pointe dieses Deals.

Tech & Strategy Analysis

1. Produkt-Strategie: Die Buy-Thesis ist ein Vertical-Add-on mit Algorithmus-Synergie. ORTEC verkauft Optimierung, TOBA verkauft die Fachlichkeit der regulierten Pflege-Dienstplanung. Die Kombination ist naheliegend, weil Personaleinsatzplanung im Gesundheitswesen eines der härtesten Optimierungsprobleme überhaupt ist: Qualifikationen, Arbeitszeitgesetze, Tarifregeln, Verfügbarkeiten und Patientenbedarf müssen gleichzeitig aufgehen. TOBA bringt den Marktzugang und die Domänentiefe in Benelux, ORTEC die Planungs-Engine, die aus einem Dienstplan-Tool ein echtes Optimierungssystem machen kann. Für ORTEC ist das der Ausbau der Ambition, führender Workforce-Management-Anbieter für komplexe regulierte Umgebungen in Europa zu werden.

2. Tech-Stack & Integration: Die interessante Integrationsfrage ist, ob TOBAs frisch auf SaaS umgestellte Plattform ORTECs Optimierungskern sauber andocken kann. Ein Carve-out mit vier Jahren PE-Modernisierung im Rücken ist technisch meist in besserem Zustand als gewachsene Altsoftware, aber die Verbindung zweier Planungslogiken (TOBAs regelbasierte Dienstplanung und ORTECs mathematische Optimierung) ist kein trivialer API-Anschluss. Dazu kommt die Datenintegration in die HR- und Lohnsysteme der Pflegeeinrichtungen, die in Belgien und Luxemburg eigene tarifliche und regulatorische Besonderheiten haben. Der Wert der Kombination hängt daran, wie tief die Optimierung in TOBAs bestehenden Workflow eingebettet wird, statt als separates Modul danebenzustehen.

3. AI-Strategie & Exit-Impact: Hier lohnt die Präzision, weil KI im Workforce Management schnell zum Buzzword wird. ORTECs Stärke ist Operations Research, also mathematische Optimierung, nicht generative KI, und das ist in der Dienstplanung genau die richtige Disziplin. Ich ordne TOBA solo als Tier 3 ein (solide WFM-Fachsoftware, SaaS-modernisiert, ohne eigenen KI-Moat), die Kombination mit ORTEC aber als klares Upgrade in Richtung Tier 2: Optimierung ist eine belastbare, messbare Automatisierung, die den Personaleinsatz nachweisbar effizienter macht. Das AI-Potenzial durch den Merger ist real, weil ORTEC eine bewiesene Algorithmus-Basis auf TOBAs proprietäre Planungsdaten aus 225.000 Kräften ansetzen kann. Für einen späteren Exit ist die Frage, ob daraus ein europaweiter WFM-Optimierer wird oder ein weiterer regionaler Add-on im ORTEC-Portfolio.

Meine Perspektive 🎯 — Neues Terrain mit Workforce-Brücke

Regulierte Pflege-Dienstplanung in Benelux ist ein Vertical, in dem ich keine DD gemacht habe, aber Mobile Workforce Management und Personaleinsatzplanung grenzen an mein Umfeld, und der Deal interessiert mich vor allem wegen der Käuferwahl. Dass hier ein Optimierungsspezialist kauft und kein HR-Rollup, macht ihn strategisch spannender als einen reinen geografischen Add-on. Was ich lernen wollen würde, ist, wie hart TOBAs Planungsproblem wirklich ist und wie viel davon heute noch manuell oder regelbasiert läuft. Denn genau dort sitzt der Hebel: Wenn ORTECs Optimierung die Dienstpläne messbar besser macht (weniger Überstunden, weniger Leiharbeit, bessere Besetzung), ist das ein Nutzenversprechen mit direktem Euro-Effekt für Pflegeeinrichtungen, die notorisch unter Personal- und Kostendruck stehen.

Was ich in der DD prüfen würde, ist die Tiefe der SaaS-Transition, die Strada in vier Jahren geschafft hat. Über 250 Prozent Recurring-Revenue-Wachstum klingt stark, aber die Frage ist, wie viel davon Preis, wie viel Neukunden und wie viel Umstellung von Lizenz auf Abo ist. Für ORTEC zählt, ob die Plattform sauber multi-tenant und ausrollbar ist oder ob unter der SaaS-Fassade noch Einzelinstanzen stecken. Skeptisch bin ich beim Integrationsversprechen: Zwei Planungslogiken zu verheiraten ist Ingenieursarbeit, und der Wert entsteht erst, wenn ORTECs Optimierung im TOBA-Alltag ankommt, nicht im Datenblatt. Als sauberer Erst-Exit für Strada nach einem Carve-out ist das trotzdem ein starkes Stück Arbeit, und die Käuferlogik ergibt mehr Sinn als die meisten HR-Rollups dieser Woche.

🧠 CPTO-Take

TOBA ist der seltene Fall, in dem der KI-Winkel nicht generativ, sondern Operations Research ist, und das ist im Workforce Management der ehrlichere Hebel. Architektonisch entscheidet, ob ORTECs Optimierungskern in TOBAs Dienstplan-Workflow eingebettet wird oder als Modul danebensteht; nur eingebettet wird aus einem Planungs-Tool ein Optimierungssystem. Pricing-seitig lässt sich Optimierung als Ergebnis verkaufen (eingesparte Überstunden, reduzierte Leiharbeit), was in einem kostengetriebenen Sektor wie der Pflege stärker zieht als ein Seat-Preis. Die Seat-Compression-Frage stellt sich hier milder als bei Skalar, weil Dienstplanung Menschen effizienter einsetzt, statt sie zu ersetzen. Der Moat ist die Kombination aus regulatorischer Benelux-Fachtiefe und bewiesener Optimierungs-Engine, die ein generischer HR-Anbieter nicht mitbringt.

Cross-Links: Marktübersicht HR-Software DACH · Software-Moats im AI-Zeitalter · Buy-and-Build 2.0

Am Rande der Woche

Vier Meldungen, die das Bild abrunden, ohne ein eigenes Profil zu verdienen. In Leipzig sammelt MAIA (Marke der Prodlane GmbH) 4 Mio. Euro von TGFS Technologiegründerfonds Sachsen und der Sächsischen Beteiligungsgesellschaft für eine KI-Plattform, die verstreutes technisches Wissen aus der industriellen Produktentwicklung konsolidiert und in Sekunden abrufbar macht. Inhaltlich sitzt MAIA im selben Muster wie die großen Deals der Woche (der proprietäre Fachdatenbestand ist der Wert), nur diesmal beim Industriekunden, den MAIA erschließbar macht; als kleinste Runde bleibt sie hier eine Randnotiz mit Potenzial.

Ein zweiter Main-Capital-Add-on lief bereits Anfang Juli und fällt damit knapp aus dem KW29-Fenster: Omnidocs hat am 1. Juli die Mehrheit an der dänischen Xink (E-Mail-Signatur-Management, über 5.000 Kunden) übernommen, die sechste Akquisition seit dem Main-Capital-Einstieg. Thematisch reiht er sich in dieselbe Dokumenten- und Governance-Konsolidierung ein wie Whitevision, gehört aber in die KW27-Bilanz. Aus dem Frühphasen-Feld meldet der Deal-Monitor mit Project Q (DefenseTech, 15 Mio. Euro) und weiteren Runden, dass Kapital breit fließt; Hardware- und Defense-lastige Runden bleiben hier außen vor. Und in der GaLaBau-Software kündigt Craftview eine KI-Funktion gemeinsam mit Aura Nexus an — ob echtes Add-on oder nur Kooperation, ist aus der Meldung nicht sauber zu trennen, und bis das geklärt ist, bleibt es ein Beobachtungspunkt statt eines Deals.

Weiterführend

Mehr Tiefe zu der Frage, warum der proprietäre Fachdatenbestand im KI-Zeitalter der eigentliche Burggraben ist, der diese Woche von refyne über Apryse bis TOBA das gemeinsame Muster war → Software-Moats im AI-Zeitalter. Und für die Mechanik hinter den drei Konsolidierungs-Plays (VisualLogix, Apryse, Whitevision) → Buy-and-Build 2.0 — Die Konsolidierungs-Maschine im europäischen Software-Mid-Market.