B2B Software Deals KW34/2026: Die Abkürzung zum Agentic Layer heißt M&A

Vier Käufer, ein Bedürfnis: Alle wollten diese Woche den Agentic Layer, und drei davon haben ihn gekauft statt gebaut. Dash0 holt sich mit Polar Signals die Fähigkeit, seinen Agenten zu zeigen, was der Code in Produktion wirklich tut. adesso kauft omni:us und schiebt fertige Schadenagenten in eine zwanzig Jahre gewachsene Versicherungssuite. osapiens übernimmt Plattform und Kunden von Nasdaq Metrio und legt die eigene KI-Automatisierung über einen fremden nordamerikanischen Bestand. Flip geht den anderen Weg und sammelt 25 Mio. US-Dollar ein, um die KI-native Frontline-Plattform selbst zu Ende zu bauen.

Das ist die Rechnung, die seit dem SaaSpocalypse in jedem Board-Meeting aufgemacht wird. Eine ernsthafte agentische Fähigkeit selbst zu entwickeln, kostet je nach Domäne 18 bis 24 Monate und ein Team, das man erst finden muss. Ein Zukauf kostet ein Quartal Signing-to-Closing plus Integrationsarbeit. Wenn die AI-Roadmap gleichzeitig das erste Kriterium der nächsten Tech DD ist, ist die Zeitachse das eigentliche Argument. Auf der Verkäuferseite trifft dieser Druck auf Unternehmen, deren Kapitalgeber nach acht bis zehn Jahren einen Weg nach draußen suchen. omni:us ist der Lehrfall: zehn Jahre Entwicklung, rund 45 Mio. Euro Wagniskapital, Modelle auf über 80 Millionen Versicherungsdokumenten trainiert, und am Ende ein Verkauf an einen IT-Dienstleister mit nicht offengelegtem Preis.

Wer die Woche komplett sehen will, muss zwei Nummern danebenlegen. Gravis Robotics, das ETH-Spin-off für autonome Baumaschinen, hat 200 Mio. US-Dollar von Softbank bei rund einer Milliarde Bewertung eingesammelt und ist damit der größte Scheck der Woche im DACH-Raum. Das schreibt den Physical-AI-Faden aus KW33 fort, gehört aber eher in die Robotik als in die B2B-Software und bleibt hier deshalb Kontext. Und accompio, finanziert von der Münchner EOS Partners, hat mit der Wiener techbold ein weiteres IT-Servicehaus übernommen, ohne dass in der Kommunikation ein einziges KI-Argument vorkommt. Genau deshalb steht dieser Deal am Ende dieser Ausgabe.

Deal 1: Dash0 kauft Polar Signals — Grundwahrheit für Agenten, die Code schreiben

Basics

• Headline: Dash0 übernimmt Polar Signals und holt Continuous Profiling ins Agenten-Backend
• Deal-Typ: Strategische Übernahme (Technologie- und Team-Akquisition durch ein VC-finanziertes Unicorn); Kaufpreis nicht offengelegt
• Käufer: Dash0, New York und Deutschland (gegr. 2023 von Mirko Novakovic, zuvor Gründer von Instana) — OpenTelemetry-native agentische Observability-Plattform mit über 750 Kunden, darunter Zalando, Taco Bell und The Telegraph; 110 Mio. US-Dollar Series B bei einer Bewertung von 1 Mrd. US-Dollar, insgesamt rund 150 Mio. US-Dollar eingesammelt, Investoren u. a. Balderton Capital, Accel, Cherry Ventures, DTCP, DIG Ventures, July.fund und T.Capital
• Ziel: Polar Signals, Berlin (gegr. 2020 von Frederic Branczyk, zuvor Red Hat und CoreOS, Maintainer in den Prometheus- und Kubernetes-Communities) — Continuous Profiler ohne Instrumentierung für CPU, Memory und GPU, Urheber des Open-Source-Projekts Parca, produktionstaugliches CUDA-Profiling für NVIDIA-Architekturen in Training und Inferenz; elfköpfiges Team, rund 10 Mio. US-Dollar Kapital, u. a. von Lightspeed Venture Partners und GV
• Verkäufer: Gründer und Altinvestoren; das gesamte Team wechselt zu Dash0
• Deal-Wert: nicht offengelegt
• Quelle: Dash0 — Pressemitteilung, 17.08.2026 · Polar Signals — Blog, 17.08.2026 · deutsche-startups.de Deal-Monitor, 18.08.2026

Dash0 verkauft Observability für eine Welt, in der ein wachsender Teil des Codes von Agenten geschrieben und betrieben wird. Metriken, Logs und Traces zeigen, dass ein System langsam ist. Profiling zeigt, welche Funktion, welcher Kernel und welche Codezeile die Rechenzeit verbrennt. Polar Signals hat davon die tiefste Implementierung im Markt gebaut und ist nach Angaben beider Seiten das einzige Unternehmen, das CUDA-Workloads auf NVIDIA-GPUs im Produktivbetrieb kontinuierlich und mit geringem Overhead profiliert, für Training und Inferenz gleichermaßen.

Die Übernahme bringt zwei Dinge ins Haus, die man einzeln kaum bekommt. Erstens das Signal selbst, das über MCP direkt in die Coding-Agenten fließen soll: Ein Agent, der eine Optimierung vorschlägt, stützt sich dann auf gemessene Profile statt auf Mustererkennung. Zweitens ein Datenbank-Team samt „Great Lakes”, der eigens für Profiling-Volumina gebauten Storage-Engine und Nachfolgerin von FrostDB. Great Lakes soll ClickHouse als Fundament von Dash0s SignalStore ablösen. Die geplante Funktion AutoTune soll aus den Profilen fortlaufend Pull Requests erzeugen, die CPU- und Speicherverbrauch senken.

Tech & Strategy Analysis

1. Produkt-Strategie: Die Buy-Thesis hat zwei Ebenen, und die zweite ist die teurere. Auf der Produktebene kauft Dash0 ein viertes Signal neben Metriken, Logs und Traces und schließt damit die Lücke zwischen „das System ist langsam” und „diese Zeile kostet das Geld”. Auf der Infrastrukturebene kauft Dash0 ein Datenbank-Team und eine Speicher-Architektur, die den eigenen Backend-Umbau tragen soll. Solche Akquisitionen scheitern selten am Produkt und häufig an der Frage, ob das gekaufte Team die Roadmap des Käufers wirklich beschleunigt oder zwei Jahre lang die eigene weiterbaut.

2. Tech-Stack & Integration: Der Austausch der Speicher-Engine im laufenden Betrieb ist die härteste Übung in diesem Deal. ClickHouse durch Great Lakes zu ersetzen, während über 750 Kunden Telemetrie in Produktion schreiben, verlangt eine Dual-Write-Phase, belastbare Migrationspfade pro Mandant und die Fähigkeit, jederzeit zurückzurollen. Dazu kommt die Overhead-Frage: Continuous Profiling ist nur dann ein Standardsignal, wenn es in Produktion praktisch nichts kostet, und für GPU-Workloads mit CUDA-Kernels ist das deutlich anspruchsvoller als für CPU-Profile. Die vorgestellte Steuerung SignalControl, die die Profiling-Granularität bei Anomalien automatisch hochfährt, ist die richtige Antwort darauf und gleichzeitig ein neues Stück Regelwerk, das falsch parametriert entweder Daten oder Geld verbrennt.

3. AI-Strategie & Exit-Impact: Beide Seiten sind hier Tier 1, und zwar aus unterschiedlichen Gründen. Polar Signals bringt echte systemnahe Technologie, eBPF-getriebenes Profiling und eine eigene Speicher-Engine, also nichts, was sich als LLM-Wrapper nachbauen lässt. Dash0 bringt die agentische Produktschicht, in der dieses Signal Wirkung entfaltet. Der Bewertungshebel liegt in der Kette von Messung zu Aktion: Wenn AutoTune belegbar Infrastrukturkosten senkt, verkauft Dash0 eine bezifferbare Einsparung statt Dashboards, und das ist eine völlig andere Preisverhandlung. Das GPU-Profiling trifft dabei genau die Kostenstelle, die in jedem AI-Budget 2026 aus dem Ruder läuft. Die Due-Diligence-Risiken liegen in der Backend-Migration, in der Abhängigkeit von einem kleinen, sehr spezialisierten Team und in der offenen Frage, wie Dash0 die Open-Source-Community um Parca weiterführt, ohne den kommerziellen Vorsprung zu verschenken.

Meine Perspektive 🎯 — Home Turf

Developer Tooling und die Frage, wie man Engineering-Organisationen auf AI umbaut, sind mein Alltag, und dieser Deal trifft einen Punkt, über den in DACH-CPTO-Runden gerade viel geredet und wenig gemessen wird. Alle setzen Coding-Agenten ein, kaum jemand kann sagen, was der von Agenten erzeugte Code in Produktion tatsächlich kostet. Die typische Situation im Portfolio sieht so aus: Die Delivery-Geschwindigkeit steigt sichtbar, die Cloud-Rechnung steigt still mit, und niemand kann beide Kurven aufeinander legen. Genau diese Lücke adressiert Dash0 mit dem Zukauf, und deshalb halte ich ihn für strategisch klüger als die üblichen Feature-Übernahmen im Observability-Markt.

Was ich in der DD prüfen würde, ist die Migration und nicht das Produkt. Ein Backend-Wechsel unter Last ist der Punkt, an dem gut geplante Integrationen kippen, und die ehrliche Frage lautet, ob Great Lakes bereits einen Multi-Mandanten-Betrieb in Dash0s Größenordnung getragen hat oder ob das eine Wette auf die Fähigkeiten des Teams ist. Der zweite Punkt ist AutoTune. Automatisch erzeugte Pull Requests klingen nach Produktivitätssprung, und in der Praxis entscheidet die Eingriffsrate darüber, ob sie einer sind. Wenn jeder Vorschlag menschlich geprüft, verstanden und getestet werden muss, verschiebt man Arbeit vom Optimieren zum Reviewen. Das lohnt sich nur, wenn die Trefferquote hoch genug ist, dass die Reviews Routine bleiben. Bei Profiling-Daten als Grundlage stehen die Chancen dafür ungewöhnlich gut, weil der Vorschlag auf einer Messung sitzt und nicht auf einer Vermutung.

🧠 CPTO-Take

Dieser Deal ist ein Frühindikator für die nächste Schicht im AI-Engineering-Stack: Wer Agenten Code schreiben lässt, braucht eine Instanz, die unabhängig misst, was dieser Code kostet. Architektonisch ist die Entscheidung, das Profiling-Signal nativ in den SignalStore zu legen statt es als Zusatzprodukt danebenzustellen, der Unterschied zwischen einem Feature und einem Fundament, und der Austausch von ClickHouse gegen Great Lakes zeigt, dass Dash0 diesen Umbau ernst meint. Pricing-seitig verschiebt sich das Modell von der Datenmenge hin zur nachgewiesenen Einsparung, was gegen Seat-Compression immun ist, weil der Wert an der Infrastruktur hängt und nicht an der Zahl der Nutzer. Team-seitig gilt für jeden CPTO die gleiche Hausaufgabe: eine Metrik etablieren, die Delivery-Geschwindigkeit und Compute-Kosten pro Team nebeneinanderstellt, sonst finanziert man den Agenten-Einsatz blind. Der Moat gegen Datadog und Dynatrace liegt hier in der Kombination aus offenem Standard, eigenem Speicher und dem einzigen produktionstauglichen GPU-Profiler am Markt.

Cross-Links: AI FinOps: Wie du als CPTO den Token-Wahnsinn einfängst · Die Eingriffsrate: Warum zwei Agenten das neue Limit sind · Agentic Systems

Deal 2: adesso kauft omni:us — der Agentic Layer kommt von außen

Basics

• Headline: adesso übernimmt die KI-Schadenplattform omni:us und stärkt den Agentic Layer
• Deal-Typ: Strategische Übernahme durch einen börsennotierten IT-Dienstleister; omni:us bleibt als Marke und mit bestehender Geschäftsführung erhalten
• Käufer: adesso SE, Dortmund (Prime Standard, ISIN DE000A0Z23Q5) — rund 11.500 Mitarbeitende, knapp 1,5 Mrd. Euro Umsatz 2025; der Zukauf landet bei der Tochter adesso insurance solutions und deren cloudfähiger Versicherungssuite in|sure Ecosphere
• Ziel: omni:us, Berlin (gegr. 2015 von Sofie Quidenus-Wahlforss, Martin Micko, Harald Gölles, Stephan Dorfmeister und Eric Pfarl; heutiger CEO Thomas Hauschild) — agentenbasierte Schadenbearbeitung, End-to-End-Automatisierung standardisierter Fälle plus KI-Copilot für komplexe Fälle; nach Firmenangaben über eine Million bearbeitete Schadenfälle pro Jahr, Kunden u. a. Allianz, UNIQA und MS Amlin
• Verkäufer: Altinvestoren, darunter CommerzVentures, Viola FinTech und UNIQA Ventures; insgesamt flossen rund 45 Mio. Euro in das Unternehmen, 2024 arbeiteten im Schnitt 39 Mitarbeitende dort
• Deal-Wert: nicht offengelegt
• Quelle: adesso SE — EQS-News, 12.08.2026 · deutsche-startups.de Deal-Monitor, 17.08.2026

Die Substanz hinter dieser Übernahme ist ungewöhnlich gut belegt. omni:us hat zehn Jahre lang Modelle auf mehreren Millionen annotierten Schadenfällen und über 80 Millionen Versicherungsdokumenten trainiert. Die Anwendung übernimmt einen Schadenfall von der ersten Meldung bis zur Auszahlung eigenständig und reicht komplexe Fälle an einen Copiloten für die Sachbearbeitung weiter. adesso nennt Effizienzgewinne von bis zu 35 Prozent und eine Verbesserung der Schaden-Kosten-Quote um bis zu vier Prozentpunkte. Vier Punkte Combined Ratio sind in der Sachversicherung die Differenz zwischen einem schwierigen und einem guten Jahr.

Strategisch geht es adesso um die Verankerung im Kernsystem. Die Formulierung von Andreas Nolte, Sprecher der Geschäftsführung von adesso insurance solutions, ist dabei bemerkenswert direkt: KI werde nicht dadurch Teil des Versicherungskerns, dass man sie als zusätzliche Anwendung danebenstellt, sondern erst durch Verankerung in Systemen, Daten und Kontrollmechanismen. Genau das ist die Wette. Versicherer bekommen die Schadenautomatisierung als natives Element der Bestandsführungs- und Schadenlandschaft, die sie ohnehin betreiben, ohne Systemwechsel und ohne einen weiteren Anbieter im Vertragsstapel.

Tech & Strategy Analysis

1. Produkt-Strategie: adesso kauft eine Fähigkeit, die im eigenen Haus mindestens zwei Jahre und einen großen annotierten Datenbestand gekostet hätte. Für einen IT-Dienstleister mit 1,5 Mrd. Euro Umsatz und dem erklärten Ziel, führender Umsetzer von KI im deutschsprachigen Markt zu werden, ist das eine saubere Produktergänzung: Das Beratungs- und Umsetzungsgeschäft bekommt ein Produkt mit belegbaren Kennzahlen an die Hand, das sich in bestehende in|sure-Projekte hineinverkaufen lässt. Der Cross-Sell-Pfad ist der eigentliche Wert des Deals, nicht das Standalone-Geschäft von omni:us.

2. Tech-Stack & Integration: Die Integrationsarbeit sitzt an der Grenze zwischen einem agentischen System und einem regulierten Kernsystem. Ein Agent, der eine Auszahlung auslöst, braucht Nachvollziehbarkeit auf Fallebene, eine belastbare Rechtekontrolle, definierte Eskalationspfade zur menschlichen Sachbearbeitung und eine revisionssichere Protokollierung jeder Entscheidung. adesso benennt Erklärbarkeit, menschliche Aufsicht, operative Zuverlässigkeit und Nachvollziehbarkeit ausdrücklich als Leitplanken, was nach EU AI Act für Systeme im Schadenprozess auch keine freiwillige Übung mehr ist. Technisch heißt das: Datenmodell-Harmonisierung zwischen omni:us und in|sure, saubere Trennung von Mandantendaten in den Trainings- und Inferenzpfaden, und eine Feature-Flag-Strategie, mit der Versicherer die Automatisierungstiefe pro Schadenart selbst steuern können.

3. AI-Strategie & Exit-Impact: omni:us ist ein sauberer Tier-2-Fall mit Tier-1-Datenbasis: produktive KI mit messbarem Kundennutzen bei Allianz, UNIQA und MS Amlin, gestützt auf einen annotierten Bestand, den ein Neueinsteiger nicht über eine API bekommt. adesso selbst kommt aus der Tier-3-Ecke, also aus dem Dienstleistungsgeschäft mit KI-Projekten, und kauft sich mit diesem Deal eine Tier-2-Produktfähigkeit ein. Das ist die Arbitrage, die man im Post-SaaSpocalypse-Markt gerade häufiger sieht: Ein kapitalstarker Käufer mit Kundenzugang, aber ohne eigenes Modell, trifft auf ein Zielunternehmen mit gutem Modell, aber ohne Vertriebskraft und mit müde gewordenen Kapitalgebern. Für die Bewertung von adesso ist der Deal ein Signal an den Kapitalmarkt, dass die KI-Story nicht nur aus Projektumsatz besteht.

Meine Perspektive 🎯 — Contrarian Take

Die Technologie überzeugt mich, die Erzählung um den Deal weniger. „Führende KI-Schadenplattform” liest sich gut, die Zahlen daneben erzählen eine andere Geschichte: rund 45 Mio. Euro Wagniskapital in zehn Jahren, im Schnitt 39 Mitarbeitende, ein nicht offengelegter Kaufpreis, ein Verkauf an einen IT-Dienstleister. Das ist kein Triumph-Exit, das ist eine ordentliche Landung für ein Unternehmen, dessen Produkt besser war als sein Vertrieb. Für adesso ist genau das die gute Nachricht, denn so kauft man Technologie günstig ein. Für die Einordnung sollte man es trotzdem aussprechen, statt die Pressemitteilung nachzuerzählen.

Der Punkt, an dem ich in der DD am längsten sitzen würde, ist kultureller Natur. Ein IT-Dienstleister lebt von Auslastung, ein Produktunternehmen von Wiederverwendung. Die beiden Logiken kollidieren zuverlässig, sobald der erste Großkunde eine Sonderanpassung an den Schadenagenten bezahlen will und die Projektorganisation gar nicht anders kann, als Ja zu sagen. Danach zerfällt das Produkt in eine Sammlung finanzierter Forks, und der Datenvorsprung, der den ganzen Deal trägt, löst sich in Kundeninstanzen auf. Dass omni:us als eigene Marke mit eigener Geschäftsführung weiterläuft, ist das richtige Gegenmittel, aber es funktioniert nur, wenn die Produkt-Roadmap tatsächlich bei omni:us bleibt und nicht faktisch vom größten in|sure-Projekt des jeweiligen Quartals bestimmt wird. Was den Deal smart macht: Die Trainingsdaten aus über 80 Millionen Versicherungsdokumenten sind ein Asset, das ein AI-nativer Angreifer nicht in achtzehn Monaten aufbaut. Was ihn riskant macht: Genau dieses Asset verwässert, wenn die Produktdisziplin dem Projektgeschäft geopfert wird.

🧠 CPTO-Take

Für die AI-Strategie beider Seiten entscheidet vor allem, wo der Agent sitzt. Ein Schadenagent im Kernsystem greift auf Bestand, Vertrag und Zahlung zu und braucht dafür dieselben Kontrollmechanismen wie ein menschlicher Sachbearbeiter, also Rechte, Vier-Augen-Schwellen, Protokoll und Widerruf; ein Agent daneben bleibt ein Vorschlagswesen. Pricing-seitig liegt der Reiz in einem ergebnisbasierten Modell auf automatisierte Fälle oder auf verbesserte Schaden-Kosten-Quote, weil beides mit dem Nutzen skaliert und nicht mit der Zahl der Sachbearbeiter, die man gerade wegautomatisiert. Team-seitig braucht adesso eine harte Trennlinie zwischen Produktentwicklung und Projektanpassung, sonst frisst das Dienstleistungsgeschäft den Produktkern. Der Moat gegen Guidewire, Duck Creek oder einen AI-nativen Angreifer ist der annotierte Schadenbestand, und der hält nur, solange er zentral gepflegt wird.

Cross-Links: 224 Agenten, ein Auftragseingang: Wo KI-Agenten im ERP Wert schaffen · Setzen und Vergessen gibt es nicht: Warum AI Agents mehr Aufsicht brauchen als Menschen · EU AI Act: Der Stichtag ist da

Deal 3: osapiens übernimmt Nasdaq Metrio — ein Carve-out als Eintrittskarte nach Nordamerika

Basics

• Headline: osapiens kauft Plattform und Kunden von Nasdaq Metrio und beschleunigt die US-Expansion
• Deal-Typ: Carve-out aus einem börsennotierten Konzern (Plattform plus Kundenbestand, kein vollständiger Unternehmenskauf); Transaktion am 19.08.2026 abgeschlossen
• Käufer: osapiens, Mannheim (gegr. 2018 von Alberto Zamora, Stefan Wawrzinek und Matthias Jungblut) — KI-Plattform für Compliance und Supplier Intelligence; der multi-mandantenfähige osapiens HUB bündelt über 25 Lösungen in sieben Produkt-Suiten, mehr als 2.500 Kunden weltweit, über 650 Mitarbeitende, Kunden u. a. Coca-Cola, Lidl und Carrefour; Unicorn-Status nach einer Runde unter Führung von Decarbonization Partners, dem Gemeinschaftsunternehmen von BlackRock und Temasek, zusätzlich von Goldman Sachs finanziert
• Ziel: Nasdaq Metrio — End-to-End-Software für nicht-finanzielle Berichterstattung und Carbon Accounting mit überwiegend nordamerikanischer Enterprise-Kundenbasis; deckt die kalifornischen Klimaoffenlegungsgesetze, CDP, GRI, IFRS und SASB ab, mit prüfungsfestem Datenmanagement
• Verkäufer: Nasdaq; Evercore als Finanzberater, Skadden Arps als Rechtsberater der Verkäuferseite, Hogan Lovells und Cadwalader auf Käuferseite
• Deal-Wert: nicht offengelegt
• Quelle: osapiens — Pressemitteilung, 19.08.2026 · deutsche-startups.de Deal-Monitor, 20.08.2026 · ESG Today

Nasdaq trennt sich hier von einem Randgeschäft, das die Börsenbetreiberin 2022 mit dem Kauf des Montrealer Anbieters Metrio ins Haus geholt hatte. Die Begründung von Michael Bartels, SVP Capital Access Platforms, ist der übliche Fokus-Satz: Nasdaq will sich auf Investor Relations und Governance für gelistete Unternehmen konzentrieren, also auf das, was ohnehin zum Kern gehört. Für osapiens ist derselbe Bestand ein Kern und keine Randnotiz. Das Mannheimer Unternehmen bekommt eine etablierte Plattform in einem Markt, in den es ohnehin investiert, dazu lokale Referenzkunden, die in den USA über Ausschreibungen entscheiden.

Der inhaltliche Hebel liegt in der Datenlogik des HUB. osapiens verkauft das Versprechen, dass Unternehmen Daten einmal erheben und über mehrere Regulierungen hinweg wiederverwenden, von der Lieferkettensorgfalt über Produktcompliance bis zur Klimaberichterstattung. Ein zusätzlicher Kundenstamm mit prüfungsfesten Berichtsdaten erhöht den Wert dieser Wiederverwendung für alle, weil Lieferanten häufiger schon im System sind und Doppelerhebungen entfallen. Genau das nennt Co-CEO Matthias Jungblut als Synergie: höhere Antwortquoten bei Lieferanten, weniger doppelte Datenerhebung.

Tech & Strategy Analysis

1. Produkt-Strategie: Das ist ein Markteintritt per Einkauf, verbunden mit einer Funktionsergänzung. Der US-Vertrieb einer europäischen Compliance-Plattform ist mühsam, weil das Regelwerk ein anderes ist und die Referenzen fehlen. Beides kauft osapiens mit einem Schlag. Zugleich verringert der Deal die Abhängigkeit von der europäischen Regulierungsagenda, was nach der Omnibus-Debatte um CSRD und CSDDD keine kleine Überlegung ist: Wer sein Geschäftsmodell an einer einzigen Richtlinie aufhängt, hat ein politisches Risiko in der Bilanz.

2. Tech-Stack & Integration: Die eigentliche Arbeit beginnt nach dem Closing. Eine gekaufte Plattform mit eigenem Datenmodell in einen multi-mandantenfähigen HUB zu überführen, ist das klassische Carve-out-Problem in Reinform: Datenmodell-Harmonisierung zwischen zwei Reporting-Logiken, Mapping der abgedeckten Frameworks auf die eigene Taxonomie, Migration der Bestandskunden ohne Bruch in laufenden Berichtszyklen und die Entflechtung aller Dienste, die bisher aus der Nasdaq-Infrastruktur kamen, von Identity über Hosting bis Support. Prüfungsfestigkeit macht das anspruchsvoller als eine normale Migration, weil historische Berichtsdaten nachvollziehbar bleiben müssen, auch wenn das Datenmodell darunter wechselt. Ich würde in der DD nach einem verbindlichen Transitional Services Agreement mit klarem Enddatum suchen und nach der Frage, wie viele Kunden im ersten Berichtszyklus nach der Migration abspringen.

3. AI-Strategie & Exit-Impact: osapiens positioniert sich als KI-Plattform, und die Beschreibung des Nutzens ist ehrlich mittelbar: KI soll die Automatisierung im Berichtsprozess erhöhen und manuellen Aufwand senken. Damit steht das Unternehmen bei Tier 2, also produktive KI mit messbarem Nutzen auf einem eigenen Datenbestand, ohne dass eigene Foundation-Modelle im Spiel wären. Der Bewertungshebel liegt im Netzwerkeffekt der Lieferantendaten: Je mehr Lieferanten und Berichtszyklen im HUB liegen, desto besser lassen sich Angaben automatisch prüfen, plausibilisieren und aus Vorjahren fortschreiben. Das ist ein Daten-Moat, der mit jedem zugekauften Kundenbestand wächst. Das größte DD-Risiko ist die Datenherkunft: Wer fremde Berichtsdaten für Modelle nutzen will, braucht saubere vertragliche Grundlagen, und im Carve-out sind die alten Nasdaq-Verträge genau daraufhin zu lesen.

Meine Perspektive 🎯 — Neues Terrain

Nachhaltigkeitsberichterstattung und Carbon Accounting sind ein Vertical, in dem ich keine Due Diligence gemacht habe, und die Mechanik dahinter finde ich aus zwei Gründen interessant. Erstens ist es eine der wenigen Software-Kategorien, deren Nachfrage per Gesetz entsteht und per Gesetz auch wieder verschwinden kann. Das erzeugt eine Bewertungsfrage, die ich aus meinen Segmenten so nicht kenne: Wie viel ist ein Kundenvertrag wert, wenn die Regulierung, die ihn ausgelöst hat, in zwei Jahren entschärft wird? Der Kauf eines nordamerikanischen Bestands wirkt vor diesem Hintergrund wie eine bewusste Streuung des regulatorischen Risikos, und das würde ich als erstes im Datenraum gegenprüfen.

Zweitens erkenne ich in der HUB-Architektur ein Muster, das ich aus dem ERP-Umfeld gut kenne. Der Wert entsteht in der einmal erhobenen, mehrfach verwendeten Stammdatenbasis, kaum in der einzelnen Compliance-Anwendung. Wer Lieferanten, Produkte und Standorte einmal sauber im System hat, kann jede neue Regulierung als zusätzliche Sicht auf denselben Datenbestand ausliefern statt als neues Produkt. Das ist dieselbe Logik, die Multi-Produkt-Portfolios im ERP trägt, und sie ist genauso anfällig für denselben Fehler: Wenn die zugekauften Plattformen ihre eigenen Datenmodelle behalten, hat man am Ende sieben Suiten und sieben Stammdatenhaltungen. Was ich lernen wollen würde, ist, wie schnell osapiens Zukäufe tatsächlich in den HUB überführt, denn davon hängt ab, ob die Suite eine Plattform ist oder eine Sammlung.

🧠 CPTO-Take

Compliance-Software ist der Bereich, in dem agentische AI am schnellsten produktiv wird, weil die Aufgaben strukturiert, wiederkehrend und dokumentenbasiert sind: Lieferanten anschreiben, Antworten prüfen, Lücken nachverfolgen, Bericht erzeugen. Architektonisch entscheidet, ob der zugekaufte Metrio-Bestand vollständig in das Datenmodell des HUB überführt wird, denn nur ein gemeinsames Modell trägt Agenten, die über Regulierungen hinweg arbeiten. Pricing-seitig ist das Geschäft gegen Seat-Compression gut geschützt, weil sich der Wert an Lieferanten, Standorten und Berichtspflichten bemisst und nicht an der Zahl der Bearbeiter, und genau diese Bearbeiter sind es, die Agenten hier zuerst ersetzen werden. Team-seitig braucht ein Zukauf dieser Art eine Datenmigrations-Einheit, die dauerhaft besetzt ist, weil weitere Zukäufe folgen werden. Der Moat gegen einen AI-nativen Angreifer ist der Netzwerkeffekt in der Lieferantenbasis, nicht das Modell.

Cross-Links: Service as Software — Das Ende von SaaS wie wir es kennen · Software-Moats im AI-Zeitalter · Buy-and-Build 2.0

Deal 4: Flip holt 25 Mio. Dollar — die Frontline bekommt ihre eigenen Apps

Basics

• Headline: Flip sammelt 25 Mio. Dollar für die KI-native Mitarbeiterplattform der Frontline
• Deal-Typ: VC-/Growth-Finanzierung (Insider-Runde mit Förderbank-Beteiligung)
• Käufer → Ziel: HV Capital, Notion Capital und die L-Bank, die Förderbank des Landes Baden-Württemberg → Flip, Stuttgart (gegr. 2018 von Benedikt Ilg und Giacomo Kenner) — Plattform für Beschäftigte ohne Schreibtisch; gestartet als eine Art WhatsApp für Unternehmen, heute positioniert als KI-native Mitarbeiterplattform für Frontline-Teams; Kunden u. a. Bosch, TEDi und REWE, rund 150 Mitarbeitende
• Verkäufer: entfällt (Kapitalerhöhung); LEA Partners hielt zuletzt rund 18 Prozent, HV Capital und Notion Capital je rund 9 Prozent
• Deal-Wert: 25 Mio. US-Dollar; insgesamt hat Flip damit rund 85 Mio. US-Dollar eingesammelt, zuletzt 28 Mio. im Mai 2025
• Quelle: deutsche-startups.de Deal-Monitor, 20.08.2026

Das ist die zweite Frontline-Finanzierung in zwei Wochen. In KW33 stieg Fortino Capital beim Augsburger Connected-Worker-Spezialisten Operations1 ein, jetzt legen die Altinvestoren bei Flip nach. Die beiden Unternehmen greifen dieselbe Zielgruppe von zwei Seiten an: Operations1 kommt vom Prozess in der Fertigung, Flip von der Kommunikation und der Mitarbeiter-Journey im Handel, in der Logistik und in der Produktion. Dass zwei Kapitalgeber-Konsortien binnen weniger Tage in dieselbe Schicht investieren, ist kein Zufall. Die Beschäftigten ohne Firmen-Laptop sind in DACH die größte noch unbespielte Nutzergruppe für Unternehmenssoftware.

Interessant ist die angekündigte Produktrichtung. Mit Flip Fusion will das Unternehmen individuelle Frontline-Apps anbieten, zugeschnitten auf Filiale, Team oder Prozess. Das ist der Punkt, an dem aus einer Kommunikationsplattform eine Anwendungsplattform wird, und es ist genau die Stelle, an der generative Ansätze im Enterprise-Umfeld gerade ihren ersten belastbaren Nutzen zeigen.

Tech & Strategy Analysis

1. Produkt-Strategie: Flip verschiebt sich von der Kommunikationsschicht zur Anwendungsschicht. Eine Mitarbeiter-App wird austauschbar, sobald Microsoft oder SAP eine vergleichbare Oberfläche mitliefert; eine Plattform, auf der jede Filiale ihre eigenen Abläufe abbildet, ist es deutlich weniger. Der Investment-Case liegt darin, dass Flip mit Bosch, TEDi und REWE bereits die Verteilung in Belegschaften mit Zehntausenden Beschäftigten hat und diese Reichweite nun mit mehr Funktion pro Nutzer monetarisieren will.

2. Tech-Stack & Integration: Individuelle Apps je Filiale sind eine Betriebsherausforderung, bevor sie eine Produktchance sind. Wer Tausende Varianten zulässt, braucht ein Fundament, das Versionierung, Rechte, Datenschutz und Support über all diese Varianten hinweg trägt, sonst entsteht ein Wildwuchs, den niemand mehr pflegt. Dazu kommt die Anbindung an die Systeme dahinter: Eine Frontline-App ist erst dann Betriebsmittel, wenn Schichtplan, Zeiterfassung, Warenwirtschaft und Personalstammdaten sauber angebunden sind. Und schließlich die harten Randbedingungen des Einsatzortes, also Offline-Fähigkeit im Kühlhaus, Bedienbarkeit mit Handschuhen, Geräteverwaltung auf geteilten Endgeräten.

3. AI-Strategie & Exit-Impact: „KI-native” ist bei einem Unternehmen, das 2018 als Messenger gestartet ist, zunächst eine Neupositionierung. Ich ordne Flip heute als Tier 3 mit klarem Zug in Richtung Tier 2 ein: Die Plattform hat eine gute Datenlage über Kommunikation, Aufgaben und Prozesse in großen Belegschaften, und der KI-Nutzen entsteht in Übersetzung, Zusammenfassung, Aufgabenzuweisung und eben in der Generierung von Oberflächen. Für einen Exit zählt am Ende eine einzige Kennzahl: wie viele der individuellen Apps tatsächlich generiert statt manuell konfiguriert werden. Gelingt die Generierung, sinken die Kosten für jede zusätzliche Kundenvariante gegen null, und das ist der eigentliche Bewertungshebel. Bleibt es beim Baukasten, ist Flip ein solides Workflow-SaaS mit KI-Etikett.

Meine Perspektive 🎯 — Home Turf

Mobile Workforce Management und die Anbindung von Menschen ohne Schreibtisch an digitale Prozesse sind Felder, in denen ich viele Kilometer gemacht habe, und die Erfahrung daraus ist unromantisch: Der Erfolg entscheidet sich an einer einzigen Frage. Muss der Mitarbeiter die App benutzen, um seine Schicht zu Ende zu bringen? Reine Kommunikationslösungen scheitern in der Fläche zuverlässig an der Adoption, weil daneben immer schon eine private WhatsApp-Gruppe läuft, die schneller ist. Erst wenn Schichttausch, Zeiterfassung, Aufgabennachweis oder Warenprozess über die App gehen, wird sie unverzichtbar. Der Schritt zu Flip Fusion geht genau in diese Richtung und ist deshalb strategisch richtig.

Was ich in der DD prüfen würde, ist die Netto-Umsatzbindung und die Ausrolltiefe je Kunde. Ein Logo wie REWE sagt für sich genommen wenig, entscheidend ist, ob es fünf Pilotmärkte sind oder die Fläche. Der zweite Blick gilt der Generierungsquote bei Flip Fusion, weil daran hängt, ob das Modell skaliert oder ob jede neue Filial-App ein kleines Projekt ist. Und ein dritter Punkt, der bei Frontline-Software regelmäßig unterschätzt wird: Mitbestimmung. Wer Aufgaben, Anwesenheiten und Leistungsdaten in einer App bündelt, verhandelt in Deutschland mit dem Betriebsrat, und diese Verhandlung ist Teil der Vertriebsdauer. Genau diese Hürde ist der Grund, warum ein hiesiger Anbieter in DACH gegen US-Wettbewerber überhaupt eine Chance hat.

🧠 CPTO-Take

Flip Fusion ist der interessanteste Teil dieser Runde, weil es die Generierung von Oberflächen aus der Demo in den Betrieb holt. Architektonisch entscheidet, ob die generierten Apps auf einem gemeinsamen Datenmodell und einem gemeinsamen Rechtekonzept sitzen, denn nur dann bleibt die Vielfalt beherrschbar und wartbar. Pricing-seitig steht Flip vor der klassischen Frontline-Frage: Ein Modell pro Beschäftigtem skaliert wunderbar mit der Belegschaftsgröße, ist aber angreifbar, sobald Agenten Aufgaben übernehmen, die heute Menschen erledigen; ein Modell pro Standort oder pro Prozess ist robuster. Team-seitig braucht ein Anbieter, der Apps generieren lässt, eine Plattform-Einheit, die Leitplanken setzt, statt jede Kundenvariante von Hand zu betreuen. Der Moat gegen Microsoft und die großen HR-Suiten ist die Tiefe im operativen Prozess der Filiale und der Halle, nicht die Kommunikationsfunktion.

Cross-Links: Generative UI · AI Pricing vs. Seat Pricing · Agent statt Anwender

Deal 5: accompio übernimmt techbold — Buy-and-Build ohne KI-Erzählung

Basics

• Headline: accompio kauft die Wiener techbold und baut die DACH-Plattform für IT-Services aus
• Deal-Typ: PE-finanziertes Add-on (Plattform-Erweiterung nach Österreich); Signing Ende Juli 2026, Finanzierung und Kommunikation im August
• Käufer: accompio, München/Deutschland — IT-Services-Gruppe mit mehr als 15 Unternehmen, rund 100 Mio. Euro Umsatz, etwa 900 IT-Fachleuten und 22 Standorten in Deutschland, Österreich, Ungarn und Bulgarien; finanziert von der Münchner Private-Equity-Gesellschaft EOS Partners
• Ziel: techbold technology group, Wien (gegr. 2015 von Damian Izdebski) — Managed IT, Cloud und Cybersecurity für kleine und mittlere Unternehmen; rund 170 IT-Spezialisten, etwa 1.400 Kunden aus 60 Branchen, seit der Gründung selbst rund 20 kleinere IT-Dienstleister übernommen
• Verkäufer: Altgesellschafter der techbold technology group; Schoenherr beriet die Verkäuferseite, Goodwin begleitete accompio bei der Akquisitionsfinanzierung
• Deal-Wert: nicht offengelegt; die österreichische Berichterstattung nennt eine Bewertung von knapp 40 Mio. Euro
• Quelle: deutsche-startups.de Deal-Monitor, 18.08.2026 · brutkasten · Goodwin — Mitteilung, 08/2026

Nach vier Deals mit KI-Argument steht dieser hier bewusst am Ende. accompio betreibt eine der klassischen Konsolidierungsmaschinen im deutschsprachigen IT-Mittelstand: viele kleine, inhabergeführte IT-Dienstleister, ein gemeinsames Dach, geteilte Einkaufs- und Verwaltungsstrukturen, mehr Verhandlungsmacht gegenüber Herstellern. Mit techbold kommt ein Unternehmen dazu, das dieselbe Methode im Kleinen bereits perfektioniert hat, mit rund zwanzig eigenen Übernahmen seit 2015. accompio kauft damit nicht nur 170 Fachleute und 1.400 Kunden, sondern eine funktionierende österreichische Plattform samt Integrationserfahrung.

Tech & Strategy Analysis

1. Produkt-Strategie: Die Buy-Thesis ist Fläche und Deckungsbeitrag. Managed Services für kleine und mittlere Unternehmen sind ein Geschäft mit stabilen Wiederholungserlösen und einem regionalen Vertriebsvorteil, und der DACH-Markt dafür ist extrem zersplittert. Wer konsolidiert, hebt Skalenvorteile in Einkauf, Verwaltung, Zertifizierungen und Security-Kompetenz. Der Einstieg in Österreich schließt zudem eine geografische Lücke, die accompio bisher nur teilweise bedient hat.

2. Tech-Stack & Integration: Die Integrationsarbeit ist hier weniger Produkt als Betrieb. Zwanzig zusammengekaufte Servicehäuser bringen zwanzig Ticket-Systeme, zwanzig Monitoring-Stacks, unterschiedliche RMM-Werkzeuge, uneinheitliche Dokumentation und individuelle Service-Level mit. Der Wert der Gruppe entsteht erst, wenn diese Landschaft vereinheitlicht wird, weil sonst jedes Haus weiter seine eigenen Kosten trägt. Bei einem Sicherheitsanbieter kommt die Zertifizierungslogik dazu: ISO 27001 und vergleichbare Nachweise müssen über alle Standorte gleich gelebt werden, sonst ist die Gruppe nur auf dem Papier einheitlich.

3. AI-Strategie & Exit-Impact: Es gibt keine. In der gesamten Kommunikation zu diesem Deal kommt kein KI-Argument vor, und das ist an dieser Stelle ehrlich statt auffällig. Nach der Vier-Stufen-Logik ist das ein Tier-4-Fall, ein Dienstleistungsgeschäft ohne eigene Produkt-KI. Das ist für ein Managed-Service-Haus vorerst kein Bewertungsproblem, weil der Kunde Verfügbarkeit und Reaktionszeit kauft und keine Software-Lizenz. Die mittelfristige Frage ist trotzdem berechtigt: Wenn agentische Systeme einen wachsenden Teil des First- und Second-Level-Supports übernehmen, sinken die Stundenvolumina, aus denen sich dieses Geschäft speist. Ein Konsolidierer, der früh eigene Automatisierung über die zugekaufte Basis legt, verbessert seine Marge; einer, der es nicht tut, verkauft in fünf Jahren Stunden gegen Agenten.

Meine Perspektive 🎯 — Home Turf

Post-Merger-Integration in Multi-Standort-Strukturen ist ein Feld, in dem ich mehrfach mitgelaufen bin, und die Fehler wiederholen sich mit erstaunlicher Zuverlässigkeit. Der häufigste: Man kauft schnell und harmonisiert spät. Solange jede Einheit ihr eigenes Ticket-System, ihre eigene Dokumentation und ihre eigenen Prozesse behält, ist die Gruppe eine Holding mit gemeinsamer Buchhaltung und nicht eine Plattform. Die Synergie, die im Investment-Memo steht, entsteht erst mit der Vereinheitlichung, und die kostet Geld und Konflikte mit Geschäftsführern, die gerade erst verkauft haben und ihre Autonomie behalten wollen.

Was ich in der DD prüfen würde, ist der Stand dieser Harmonisierung über die bisherigen 15 Unternehmen hinweg. Wie viele arbeiten auf einem gemeinsamen Service-Management-Stack? Wie einheitlich ist das Angebot, das ein Kunde in Dortmund und einer in Wien bekommt? Und wie hoch ist der Anteil wiederkehrender Verträge gegenüber Projektstunden, denn davon hängt die Multiple-Diskussion beim Exit ab. Dass techbold seinerseits rund zwanzig Übernahmen integriert hat, spricht dafür, dass dort Erfahrung vorhanden ist, und macht das Ziel wertvoller als seine reine Umsatzzahl vermuten lässt. Was ich kritisch sehe: Bei einer kolportierten Bewertung von knapp 40 Mio. Euro für 170 Fachleute kauft man vor allem Personal in einem Markt, in dem Personal knapp ist. Das trägt, solange die Auslastung stimmt, und wird zum Problem, sobald Automatisierung die Nachfrage nach Standard-Support drückt.

🧠 CPTO-Take

Klassisches Buy-and-Build ohne AI-Layer: Der Deal lebt von Fläche, Cross-Sell und der Konsolidierung von Verwaltungs- und Einkaufskosten, eine KI-Roadmap spielt hier bislang keine Rolle. Die einzige Beobachtung mit Blick auf 2028: Wer heute Managed-Service-Häuser einsammelt, sollte die Automatisierung des Standard-Supports auf die eigene Agenda setzen, bevor der Markt sie erzwingt.

Cross-Links: Buy-and-Build 2.0 · Service as Software

Weiterführend

Was diese Woche verbindet, ist die Erkenntnis, dass agentische Fähigkeit eine Zeitachse hat und Zeitachsen sich einkaufen lassen. Dash0, adesso und osapiens haben genau das getan, Flip finanziert den Eigenbau, accompio kommt vorerst ohne aus. Mehr Tiefe dazu, was in einer Tech Due Diligence heute geprüft werden muss → Tech Due Diligence 2.0: Warum PE-Investoren jetzt AI-Readiness prüfen müssen.