B2B Software Deals KW35/2026: Private Equity kauft die Schicht unter der KI

Vier Käufer haben diese Woche im deutschsprachigen und niederländischen Raum zugegriffen, und alle vier haben dieselbe Wette abgeschlossen: Die knappe Ressource in Unternehmens-KI liegt eine Ebene unter dem Modell, in der Datenschicht. Tenzing zahlt für Pimcore, weil Produkt-, Kunden- und Assetdaten irgendwo herkommen müssen, bevor ein Agent damit arbeitet. Oakley kauft Graphwise, weil ein Knowledge Graph aus einem LLM-Output eine überprüfbare Aussage macht. AWS holt sich das DuckDB-Team, weil Agenten die Query-Last verändern. Und Maguar steigt bei ConSense ein, wo die dokumentierten Prozesse liegen, ohne die ein agentisches Managementsystem nichts zu verwalten hätte.

Das ist bemerkenswert, weil es die Erzählung der vergangenen Monate umdreht. In KW34 haben drei Käufer den Agentic Layer direkt zugekauft — Dash0 mit Polar Signals, adesso mit omni:us, osapiens mit Nasdaq Metrio. Diese Woche geht das Geld eine Ebene tiefer. Milan Kellner von Tenzing formuliert es als Investment-These, Pimcore-Co-CEO Dietmar Rietsch als Marktbeobachtung: kontrollierte Daten seien „genau jetzt” der Engpass für Enterprise-KI. Peter Dubens sagt bei Graphwise fast dasselbe. Wenn drei Sponsoren in einer Woche dieselbe Begründung ins Pressestatement schreiben, ist das entweder ein Konsens oder eine Blase. Meine Einschätzung steht weiter unten.

Wer die Woche vollständig sehen will, muss drei Vorgänge danebenlegen, die hier nur Kontext sind. Der größte Deal nach Wert ist ein Carve-out: Porsche verkauft die Ludwigsburger IT-Beratung MHP mit rund 4.500 Mitarbeitenden und 743 Mio. Euro Umsatz 2025 an Tata Consultancy Services, laut Tata-Pflichtmitteilung bei einem Unternehmenswert von 320 Mio. Euro. Das ist Beratungsgeschäft und keine Produktsoftware, aber die Bewertungsrelation von 0,43x Umsatz sagt viel darüber, was der Markt für menschengetragene IT-Stunden gerade zu zahlen bereit ist. In Zürich übernimmt Lookthrough die Berliner BuildingMinds von Schindler, ein weiterer Konzern-Carve-out einer Datenplattform, Closing für Q4 angekündigt. Und in den Niederlanden hat Kyndryl die Übernahme des DigiD-Dienstleisters Solvinity endgültig aufgegeben, nachdem Staatssekretärin Willemijn Aerdts sie Ende Mai aus Souveränitätsgründen untersagt hatte. Der Vorgang taucht in Kyndryls 10-Q unter „Desinvestitionen” auf. Digitale Souveränität ist in Benelux inzwischen ein Deal-Breaker und keine Konferenzfolie mehr.

Deal 1: Tenzing übernimmt die Mehrheit an Pimcore — Datenhoheit als Investment-These

Basics

• Headline: Tenzing kauft Pimcore von Nordwind Growth und wettet auf Datenhoheit vor KI
• Deal-Typ: Sponsor-to-Sponsor, Mehrheitsübernahme aus Fund III; Meldung 27.08.2026, unter Kartellvorbehalt
• Käufer: Tenzing, London (Standorte München und Stockholm) — Software- und Tech-Investor mit rund 1,7 Mrd. GBP AuM; Investment aus Fund III (900 Mio. GBP, seit 2023 im Markt), Pimcore ist eines von 20 Portfoliounternehmen und das zweite DACH-Investment nach Mahr; Investment Lead Milan Kellner
• Ziel: Pimcore, Salzburg (gegr. 2009) — Open-Core-Plattform für Produkt-, Kunden- und Assetdaten; PIM, MDM, DAM und CMS in einem Datenmodell; über 120.000 Installationen, mehr als 400 Enterprise-Kunden vom Mittelstand bis Fortune 500; vertreten in den Gartner Magic Quadrants für DXP und MDM
• Verkäufer: Nordwind Growth, München — hielt laut Firmenbuch zuletzt 73,25 Prozent über den NC Growth Fund I; Einstieg mit der Series B über 12 Mio. US-Dollar im Jahr 2022, davor 3,5 Mio. US-Dollar von Auctus Capital (2018). Co-CEOs Dietmar Rietsch und Matthias Blauth bleiben
• Deal-Wert: nicht offengelegt. Bekannt ist die Entwicklung: ARR unter Nordwind mehr als verfünffacht, operativ profitabel, Nordamerika-Standort aufgebaut
• Berater: Tenzing — Houlihan Lokey, Dechert, Simmons & Simmons, PwC, Analysys Mason, Ringstone, KPMG. Pimcore — Raven Partners, E+H Rechtsanwälte, Milbank, Altman Solon, BDO
• Quelle: Tenzing — Mitteilung, 27.08.2026 · brutkasten · Trending Topics

Ein Salzburger Open-Source-Projekt mit 120.000 Installationen wird nach vier Jahren Wachstumskapital an einen britischen Fonds weitergereicht, und die Begründung dafür steht wörtlich im Statement des Gründers: Mit Tenzing habe man einen Partner „genau in dem Moment, in dem gouvernierte Daten zum Engpass für Enterprise-KI geworden sind”. Das ist der Satz, um den es in dieser Ausgabe geht.

Pimcore ist im PIM- und MDM-Markt eine Besonderheit, weil es Produktdaten, Kundendaten, Assets und Content im selben Datenmodell hält, während der Wettbewerb meist ein Stück davon abdeckt. Akeneo ist stark im reinen PIM, Contentserv im Marketing-nahen Produktdaten-Management, Stibo und Informatica im klassischen Enterprise-MDM, Adobe im Experience-Stack. Kellner formuliert den Unterschied nüchtern: eine Plattform für alle drei Datenklassen, „wo die meisten Wettbewerber nur ein Stück verwalten”. Dazu kommt das Open-Core-Modell, das laut beiden Seiten bleibt: freies Deployment, freie Roadmap, die als „Data Spine” angekündigte Weiterentwicklung inklusive.

Tech & Strategy Analysis

1. Produkt-Strategie: Die Buy-Thesis hat zwei Beine. Das erste ist klassisch: ein profitables Open-Core-Unternehmen mit fünffachem ARR-Wachstum in vier Jahren, 400 Enterprise-Kunden und einer Präsenz in zwei Gartner-Quadranten, das für Internationalisierung und Zukäufe Kapital braucht. Das zweite ist die Wette auf die Datenschicht: Wer Agenten auf Produktkataloge, Kundenstammdaten und Assets loslassen will, braucht ein System, in dem diese Daten konsistent, versioniert und mit Rechten versehen liegen. Pimcore verkauft heute Datenkonsolidierung und verkauft morgen die Voraussetzung dafür, dass KI-Anwendungen im Handel und in der Industrie überhaupt belastbar arbeiten.

2. Tech-Stack & Integration: Open Core ist in der Due Diligence eine eigene Disziplin. Bei 120.000 Installationen und 400 zahlenden Enterprise-Kunden ist die Installationsbasis die uninteressantere Zahl. Entscheidend ist das Verhältnis: Wie viele der freien Installationen sind Kandidaten für eine kommerzielle Lizenz, und wie viele bleiben dauerhaft frei? Technisch steht dahinter eine Symfony-basierte PHP-Architektur mit hoher Anpassbarkeit, und Anpassbarkeit hat einen Preis. Bei stark individualisierten Installationen wird jedes Major-Upgrade zum Projekt, was die Migration auf ein moderneres Fundament verlangsamt und den Cloud-Anteil deckelt. Für den neuen Eigentümer sind das die drei Kennzahlen, an denen die Wertsteigerung hängt: Cloud-Anteil am ARR, Upgrade-Latenz der Bestandskunden, Anteil des Partnergeschäfts an der Implementierung. Bei Zukäufen in einem fragmentierten Markt kommt die übliche Frage nach der Konsolidierung der Datenmodelle dazu, und die ist bei MDM härter als anderswo, weil das Datenmodell hier das Produkt ist.

3. AI-Strategie & Exit-Impact: Ich ordne Pimcore als Tier 2 ein, mit einer strukturellen Position, die stärker ist als die eigene KI-Fähigkeit. Produktseitig gibt es KI-gestützte Anreicherung, Übersetzung und Klassifikation von Produktdaten, das ist im PIM-Markt inzwischen Table Stakes und kein Differenzierer. Der eigentliche Wert liegt darin, dass Pimcore die Schicht besitzt, aus der andere ihre Antworten ziehen. Ein Agent, der im Onlineshop eines Herstellers Produktfragen beantwortet, ist exakt so gut wie der Katalog dahinter. Für den Exit 2029/30 stellt sich damit eine Frage, die über der Feature-Diskussion steht: Wird Pimcore die Datenschicht, auf der fremde Agenten arbeiten, oder wird es selbst zum Anbieter der Agenten? Der erste Weg ist der sicherere und der mit dem niedrigeren Multiple. Der zweite bringt Pimcore in Konkurrenz zu Adobe und Salesforce.

   Das Risiko auf der anderen Seite heißt Kommoditisierung durch Nähe. Je besser eine Datenplattform über MCP und ähnliche Protokolle für Agenten erreichbar wird, desto austauschbarer wird die eigene Oberfläche. Die Bindung verschiebt sich vom Nutzer zur Integration, und Integrationen lassen sich neu schreiben. Wer diese Mechanik im Detail sehen will: Das MCP-Paradox.

Meine Perspektive 🎯 — Home Turf

Produktdaten und Produktdaten-Konfiguration sind ein Feld, in dem ich viel Zeit verbracht habe, und die unromantische Wahrheit daraus lautet: PIM-Projekte scheitern selten an der Software. Sie scheitern daran, dass niemand im Unternehmen die Verantwortung für die Datenqualität übernehmen will. Die Software macht sichtbar, wie schlecht die Stammdaten wirklich sind, und dieser Moment entscheidet über den Projekterfolg. Genau deshalb halte ich die These „Datenhoheit vor KI” für richtiger, als sie im PE-Marketing klingt. Wenn ein Unternehmen seine Produktdaten nach zehn Jahren PIM-Einsatz nicht im Griff hat, wird kein Agent das reparieren, sondern die Fehler nur schneller in mehr Kanäle tragen.

Was ich in der DD prüfen würde, sind drei Dinge. Erstens die Umsatzverteilung zwischen Lizenz, Cloud und Partnerprovision, weil ein Open-Core-Anbieter oft mehr Wert für sein Ökosystem schafft als für sich selbst. Zweitens die Kundenkonzentration in den 400 Enterprise-Accounts, weil der Sprung von 5x ARR auf das nächste Level meist von wenigen großen Verträgen getragen wird. Und drittens die Implementierungsdauer je Neukunde. Wenn eine typische Einführung zwölf Monate braucht, ist das ein Vertriebszyklus, der jede Wachstumsplanung dominiert. Der Wechsel von Wachstumskapital zu einem Buyout-Fonds ist an dieser Stelle die logische Konsequenz: Die nächste Wertstufe kommt aus Zukäufen und aus Preisdurchsetzung, nicht mehr aus reinem Neukundengeschäft.

Was mir an dem Deal gefällt: Der Käufer bekennt sich zum Open-Core-Modell und zur freien Deployment-Wahl. Das ist keine Selbstverständlichkeit, wenn ein Fonds den Cloud-Anteil hochtreiben will, und es ist der Punkt, an dem ich in zwei Jahren nachsehen würde, ob die Zusage gehalten hat.

🧠 CPTO-Take

Für jeden, der gerade eine AI-Roadmap für ein Produkt mit Stammdaten baut, ist dieser Deal die Bestätigung einer unbequemen Reihenfolge: Datenmodell zuerst, Agent danach. Architektonisch heißt das, dass die Datenplattform ein maschinenlesbares Schema, saubere Versionierung und ein Rechtekonzept braucht, das auch für nicht-menschliche Aufrufer greift — sonst fällt die erste Agenten-Integration in die klassische Confused-Deputy-Falle. Pricing-seitig steht Pimcore vor der Frage, wie ein Open-Core-Modell mit Maschinenzugriff monetarisiert wird, weil ein Agent tausende Abfragen erzeugt, wo ein Mensch drei gemacht hätte; Seat-Pricing trägt das nicht, Volumenmodelle laden zum Rate-Limiting-Streit ein. Team-seitig braucht ein MDM-Anbieter jetzt eine kleine Einheit, die ausschließlich Agenten-Schnittstellen und deren Governance verantwortet. Der Moat gegenüber Adobe und Salesforce ist die Breite des Datenmodells über Produkt, Kunde und Asset hinweg; die Lücke ist die Erreichbarkeit dieser Daten aus fremden Agenten heraus, und wer sie zu bequem schließt, macht sich selbst austauschbar.

Cross-Links: PIM-Markt DACH · Software-Moats im AI-Zeitalter · Das MCP-Paradox · Confused Deputy

Deal 2: Oakley Capital kauft die Mehrheit an Graphwise — der Semantic Layer wird PE-fähig

Basics

• Headline: Oakley Capital steigt bei Graphwise ein und kauft die Faktenschicht für LLMs
• Deal-Typ: Mehrheitsübernahme aus Oakley Fund VI; Meldung 19.08.2026, Berater-Mitteilungen 24.08.2026 — Nachzügler aus dem Vorwochenfenster, in KW34 noch nicht verarbeitet
• Käufer: Oakley Capital, London — europäischer Mid-Market-Fonds, 2002 von Peter Dubens und David Till gegründet
• Ziel: Graphwise, Wien/Sofia — Knowledge-Graph-, Semantic-Layer- und RDF-Technologie; entstanden im Oktober 2024 aus der Fusion von Ontotext (Sofia, gegr. 2000, Atanas Kiryakov) und Semantic Web Company (Wien, gegr. 2004, Andreas Blumauer, Martin Kaltenböck, Andreas Koller); Teams zusätzlich in Nordamerika und APAC
• Kennzahlen: über 200 Blue-Chip-Kunden, darunter Roche sowie Banken und Pharmakonzerne; organisches ARR-Wachstum rund 30 Prozent p. a.; Bewertung laut Mitgründer Andreas Blumauer im neunstelligen Bereich und damit nach seiner Aussage die dritthöchste Bewertung eines IT-Unternehmens in der Geschichte Bulgariens
• Verkäufer: Altgesellschafter; Anteilshöhe und Kaufpreis nicht kommuniziert. Die Gründer bleiben im Management-Board
• Berater: Latham & Watkins (Lead Counsel Oakley), Wolf Theiss für österreichisches und bulgarisches Recht (Lead-Partner Zeno Grabmayr)
• Quelle: brutkasten, 19.08.2026 · extrajournal, 24.08.2026 · majunke

Semantic Web war zwei Jahrzehnte lang die Technologie, über die man in Konferenzvorträgen sprach und in Budgets nicht. RDF, SPARQL, Ontologien, Triple Stores — ein akademisch sauberes Feld mit einer überschaubaren Zahl ernsthafter Anbieter, von denen zwei aus Sofia und Wien kamen. Dass genau diese beiden 2024 fusionieren und zwei Jahre später bei neunstelliger Bewertung an einen Mid-Market-Fonds gehen, ist die vielleicht deutlichste Nebenwirkung des LLM-Booms in Europa.

Der Grund ist ein technisches Problem, für das die Branche in den letzten achtzehn Monaten einen Namen gefunden hat. Ein Sprachmodell erzeugt plausible Sätze und kann nicht sagen, woher eine Aussage stammt. Ein Knowledge Graph kann genau das: Er hält Fakten als Tripel mit Herkunft, Zeitstempel und Beziehung. Die Kombination — im Markt als GraphRAG oder neuro-symbolische KI gehandelt — liefert die Antwort plus die Kette der Belege dahinter. In regulierten Branchen ist diese Kette der Unterschied zwischen einem Pilotprojekt und einer Freigabe. Bei Roche, in Banken und in der Pharmaproduktion wird deshalb gerade Geld dafür ausgegeben.

Tech & Strategy Analysis

1. Produkt-Strategie: Oakley kauft einen Kategorie-Marktführer in einem Nischenmarkt, der gerade aus der Nische kommt. Die Investment-Logik ist die übliche Mid-Market-Rechnung: 200 Bestandskunden mit sehr hohem Wechselaufwand, 30 Prozent organisches Wachstum, ein fragmentierter Wettbewerb mit vielen kleinen Anbietern und damit eine Buy-and-Build-Perspektive. Der zusätzliche Hebel ist die Positionierung als KI-Infrastruktur. Dubens verkauft inzwischen die Faktengrundlage für Enterprise-KI. Semantic Web als Begriff kommt in der Mitteilung nicht mehr vor, und diese Umetikettierung verschiebt sowohl den Käuferkreis als auch die Budgetlinie beim Kunden vom IT-Architekturtopf in den KI-Topf.

2. Tech-Stack & Integration: Zwei Dinge fallen mir hier auf. Erstens ist die Fusion von Ontotext und Semantic Web Company von 2024 technisch noch nicht abgeschlossen zu bewerten: GraphDB auf der einen Seite, PoolParty auf der anderen, zwei gewachsene Produktlinien mit überlappendem Anspruch. Ob daraus eine Plattform geworden ist oder zwei Produkte unter einem Logo, ist die erste Frage in jeder DD. Zweitens ist die Kostenseite bei Graph-Workloads unangenehm: Triple Stores skalieren anders als relationale Systeme, und wer Milliarden Tripel mit Reasoning-Regeln über mehrere Mandanten fährt, kämpft mit Speicher und Query-Latenz. Für ein Multi-Tenant-Cloud-Angebot ist das die entscheidende Ingenieursaufgabe. Dazu kommt die banale Realität: Ontologien pflegt jemand, meist ein teurer Spezialist beim Kunden. Wenn dieser Aufwand nicht sinkt, deckelt er den adressierbaren Markt.

3. AI-Strategie & Exit-Impact: Tier 1 auf der Zielseite, allerdings mit einer Einschränkung, die man ehrlich benennen sollte. Graphwise hat proprietäre Technologie, tiefe Forschung und ein Feld, in dem LLM-Wrapper prinzipiell nicht funktionieren. Das ist genuine Substanz. Die Frage ist die Haltbarkeit der Kategorie. Die großen Modellanbieter arbeiten an Retrieval mit Quellenangabe, Vektordatenbanken werden um Metadaten und Filterlogik erweitert, und in zwei Jahren könnte ein erheblicher Teil dessen, was heute einen Knowledge Graph rechtfertigt, aus dem Stack darüber kommen. Der Moat liegt dann in den Ontologien selbst, die beim Kunden über Jahre entstanden sind, und weniger in der Engine.

   Für die Bewertung heißt das: Der Zeitpunkt ist hervorragend, das Risiko liegt auf der Halteperiode. Oakley kauft in eine Kategorie hinein, die gerade ihre beste Erzählung hat. Ein Exit 2029/30 muss belegen, dass die Kunden ihre Domänenmodelle in dieser Engine gebaut haben und nicht bloß eine Lizenz halten.

Meine Perspektive 🎯 — Neues Terrain mit Home-Turf-Anteil

Knowledge-Graph-Anbieter habe ich noch in keiner Due Diligence auf der anderen Seite des Tisches gehabt, und das macht diesen Deal für mich zum interessantesten der Woche. Was ich aus der eigenen Arbeit an KI-Features mitbringe, ist allerdings sehr wohl übertragbar: Wir haben in Produktkontexten mehrfach erlebt, dass reines Vektor-Retrieval bei Fragen mit mehreren Bedingungen zuverlässig danebenliegt — sobald eine Antwort eine Beziehung über zwei oder drei Ecken erfordert, hilft Ähnlichkeitssuche nicht weiter. Genau dort setzt ein Graph an, und genau dort ist auch der Aufwand.

Was ich wissen wollen würde, wenn ich diesen Deal prüfen müsste: Wie viel der 200 Kundenbeziehungen ist Lizenz und wie viel ist Dienstleistung? Bei Ontologie-Projekten ist der Serviceanteil erfahrungsgemäß hoch, und ein hoher Serviceanteil begrenzt das Multiple. Zweitens: Wie viele der Bestandskunden haben in den letzten zwölf Monaten tatsächlich eine LLM-Integration produktiv gestellt, oder wird die KI-Erzählung vor allem im Neugeschäft verkauft? Und drittens die unangenehmste Frage: Wie lange braucht ein Kunde von der Beauftragung bis zur ersten produktiven Antwort? Wenn die Antwort neun Monate lautet, ist das ein Enterprise-Geschäft mit begrenzter Skalierung. Wenn sie sechs Wochen lautet, hat Oakley einen sehr guten Kauf gemacht.

Ein Wort zur europäischen Dimension, weil sie in der Kommunikation vorkommt: „AI Sovereignty” ist als Verkaufsargument in regulierten europäischen Branchen belastbarer geworden, als ich es vor zwei Jahren erwartet hätte. Der Solvinity-Fall in den Niederlanden diese Woche zeigt, dass daraus mittlerweile Verwaltungsentscheidungen werden. Ein Anbieter, dessen Faktenschicht im eigenen Rechenzentrum liegt und dessen Antworten nachvollziehbar sind, verkauft das leichter als jeder US-Wettbewerber.

🧠 CPTO-Take

Wer heute im eigenen Produkt an RAG-Qualität scheitert, sollte diesen Deal als Hinweis lesen und nicht als M&A-Nachricht. Architektonisch ist die Lehre, dass ein Semantic Layer zwischen Rohdaten und Modell in Domänen mit Fachvokabular und Beziehungslogik den Unterschied zwischen 70 und 95 Prozent Trefferquote ausmacht — die Build-vs-Buy-Frage ist dabei eindeutig, denn eine eigene Graph-Engine baut niemand mehr sinnvoll selbst, die eigene Ontologie dagegen kann niemand kaufen. Pricing-seitig ist der Effekt konkret: Ein Graph, der die relevanten Fakten vorfiltert, senkt die Kontextlänge und damit die Token-Kosten je Anfrage spürbar, was in einer Kostenrechnung pro Kunde schneller sichtbar wird als jede Modelloptimierung. Team-seitig entsteht eine Rolle, die die meisten Mittelständler noch nicht besetzt haben: jemand, der das Domänenmodell pflegt und dabei zwischen Fachbereich und Engineering steht. Gegen AI-natives ist der Moat hier die Domänentiefe, und die Lücke ist die Einstiegshürde — solange eine Ontologie ein Projekt ist und kein Produkt, bleibt der Markt kleiner, als die Technologie verdient.

Cross-Links: Agentic Systems · AI FinOps: Token-Wahnsinn einfangen · Tech Due Diligence 2.0 · Buy-and-Build 2.0

Deal 3: AWS kauft DuckLabs — wenn Agenten die Query-Last verändern

Basics

• Headline: AWS holt das DuckDB-Team aus Amsterdam, das Projekt bleibt bei der Foundation
• Deal-Typ: Strategische Team- und Technologie-Akquisition; Ankündigung 26.08.2026, Closing für Anfang September erwartet
• Käufer: Amazon Web Services
• Ziel: DuckLabs, Amsterdam — Firma hinter der in-process-analytischen Datenbank DuckDB; über 30 Beschäftigte, bewusst ohne Wagniskapital finanziert; Gründer Hannes Mühleisen und Mark Raasveldt, beide Schöpfer von DuckDB und aus dem Umfeld des CWI Amsterdam
• Struktur: Die Beschäftigten wechseln zu AWS, Mühleisen und Raasveldt behalten die technische Leitung und bleiben in Amsterdam. Das Open-Source-Projekt DuckDB ist ausdrücklich nicht Teil der Transaktion und bleibt zusammen mit DuckLake und Quack unter der unabhängigen DuckDB Foundation und der MIT-Lizenz
• Deal-Wert: nicht offengelegt. Berater: nicht genannt
• Quelle: About Amazon, 26.08.2026 · DuckDB Blog, 26.08.2026 · AWS Big Data Blog · The Register · SiliconANGLE

Die Begründung von AWS ist die interessanteste Zeile der Woche. DuckDB sei gebaut worden, um die alltägliche Abfrage schnell zu machen, also die große Mehrheit unter einem Terabyte, statt riesige Abfragen weiter zu optimieren. Und genau deshalb, so AWS-Distinguished-Engineer Andy Warfield, zögen Agenten diese Datenbank an: Ein Agent arbeitet sich durch viele kleine, schnelle Abfragen statt durch eine große. Warfield nennt das eine veränderte Physik der Analytics.

Das ist eine ökonomische Aussage im Gewand einer technischen. Zwanzig Jahre Data-Warehouse-Industrie waren darauf ausgelegt, dass eine teure Abfrage über sehr viele Daten läuft und ein Mensch anschließend auf das Ergebnis schaut. Wenn stattdessen ein Agent fünfhundert kleine Abfragen in Folge stellt, bis er eine Frage beantwortet hat, verschiebt sich der Kostentreiber von Rechenleistung pro Abfrage zu Latenz und Fixkosten pro Abfrage. Warehouse-Preismodelle, die pro Compute-Sekunde oder pro gescanntem Terabyte abrechnen, geraten damit unter Druck. Für S3 als Ablageort ist das eine gute Nachricht, für die Betreiber klassischer Warehouse-Cluster eine unangenehme.

Tech & Strategy Analysis

1. Produkt-Strategie: AWS kauft ein Team und eine Wette. Das Team hat mit DuckDB die Standard-Engine für lokale und eingebettete Analytics gebaut, ein Projekt mit enormer Verbreitung in Data-Engineering-Werkzeugen, Notebooks und zunehmend in Anwendungen selbst. Die Wette ist, dass S3 vom Ablageort zum Rechenort wird und dafür eine leichtgewichtige Engine gebraucht wird, die direkt auf den Objekten arbeitet. Die Zusammenarbeit läuft seit 2024 und wurde Anfang 2025 mit der DuckDB-Unterstützung in Amazon S3 Tables und SageMaker Lakehouse konkret. Dass das Projekt bei der Foundation bleibt, ist Bedingung für die Glaubwürdigkeit dieser Wette; ein DuckDB, das als AWS-Produkt wahrgenommen wird, verliert genau die Verbreitung, die es interessant macht.

2. Tech-Stack & Integration: Die praktische Frage ist die Governance. Eine unabhängige Foundation, deren Kern-Maintainer alle bei einem Hyperscaler auf der Gehaltsliste stehen, ist formal unabhängig und faktisch unter Einfluss. Das muss nicht schlecht ausgehen — es gibt Beispiele in beide Richtungen — aber jeder, der DuckDB heute in ein Produkt einbettet, sollte die Roadmap-Entscheidungen der nächsten achtzehn Monate genauer verfolgen als bisher. Konkret: Wandern Features, die für Nicht-AWS-Umgebungen relevant wären, in AWS-eigene Erweiterungen? Bleibt der Release-Rhythmus? Wer entscheidet über Erweiterungen für konkurrierende Objektspeicher?

3. AI-Strategie & Exit-Impact: Tier 1 auf beiden Seiten. Die KI-Komponente steckt hier in einer Lastannahme über künftige Abfrageprofile und in keinem Feature. Die Aussage von AWS ist im Kern eine Kapazitätsprognose: Agenten erzeugen eine andere Abfrage-Signatur als Menschen, und die Infrastruktur dafür wird gerade neu bewertet. Wenn das stimmt, betrifft es jeden Anbieter mit einem eigenen Reporting- oder Analytics-Modul. Bisher war der Nutzer der limitierende Faktor für die Abfragelast; künftig ist es die Zahl der Agenten, die im Auftrag dieses Nutzers arbeiten.

Meine Perspektive 🎯 — Contrarian Take

Der Deal ist strategisch schlüssig, und trotzdem sitzt mir eine Sache quer. Die Botschaft „Das Projekt bleibt frei und unabhängig” ist die Standardformulierung bei jeder Übernahme eines Open-Source-Unternehmens, und die Erfahrung mit dieser Formulierung ist gemischt. Sie stimmt in der Regel für die ersten Jahre und wird interessant, sobald die kommerziellen Interessen des Eigentümers und die Bedürfnisse der Community auseinanderlaufen. Bei DuckLabs kommt eine Besonderheit dazu: Das Unternehmen hat bewusst kein Wagniskapital genommen und sich über Support finanziert, und dieses Modell wurde in der Community immer als Beleg für Unabhängigkeit gelesen. Der Verkauf an den größten Cloud-Anbieter der Welt ist die maximale Gegenbewegung dazu. Ich glaube den Beteiligten, dass sie es ernst meinen. Ich würde trotzdem keine Produktarchitektur bauen, die auf einer einzigen eingebetteten Engine ohne Austauschbarkeit steht.

Was mich an diesem Deal überzeugt, ist die zugrunde liegende Beobachtung. Wir sehen in der eigenen Arbeit mit agentischen Werkzeugen dieselbe Verschiebung: Der Ressourcenverbrauch eines Agenten setzt sich aus vielen kleinen Zugriffen zusammen, und die Summe dieser Zugriffe ist schwerer zu planen als die klassische Nutzerlast. Für die Kapazitätsplanung heißt das, dass die alten Faustformeln nicht mehr tragen. Wer heute ein Analytics-Modul in einem SaaS-Produkt betreibt und morgen Agenten darauf zulässt, sollte vorher rechnen, sonst kommt die Rechnung vom Cloud-Anbieter.

🧠 CPTO-Take

Die praktische Konsequenz für jeden, der ein Reporting-Modul in einem B2B-Produkt betreibt: Eine eingebettete Engine wie DuckDB neben dem zentralen Warehouse ist inzwischen eine ernsthafte Architekturoption, weil sie die Agentenlast von der teuren Cluster-Infrastruktur fernhält. Kostenseitig ist der Effekt der eigentliche Punkt — ein Agent, der fünfhundert kleine Abfragen stellt, ruiniert jedes Preismodell, das pro gescanntem Volumen abrechnet, und das gilt für den eigenen Einkauf genauso wie für das, was man dem Kunden in Rechnung stellt. Team-seitig braucht Data Engineering damit eine Kompetenz, die es bisher kaum brauchte: Kostenmodellierung für maschinelle Zugriffsmuster. Und governance-seitig gehört ab sofort in jede Architekturentscheidung die Frage, wer die Maintainer eines eingebetteten Open-Source-Bausteins bezahlt.

Cross-Links: AI FinOps · B2B-Software Benelux · Software-Moats im AI-Zeitalter

Deal 4: Maguar steigt bei ConSense ein — und Paragon kauft Babtec, drei Wochen vorher

Basics

• Headline: Maguar übernimmt ConSense, Paragon kauft Babtec — QM-Software wird zum PE-Thema
• Deal-Typ: Mehrheitsübernahme mit Rückbeteiligung der Gründer; Meldung 26.08.2026
• Käufer: Maguar Capital, München — Private-Equity-Gesellschaft mit Fokus auf kleine und mittlere B2B-Softwareunternehmen; verantwortlich Partner Markus Schunk und Director Patrick Kitzmüller-Schütz
• Ziel: ConSense, Aachen (gegr. 2003) — Plattform für Qualitäts- und integrierte Managementsysteme mit den Feldern Qualität, Umwelt, Arbeitssicherheit und Informationssicherheit; cloud-native Plattform NX, wahlweise On-Premises oder Cloud; rund 100 Mitarbeitende an den Standorten Aachen, Wien und Friedrichshafen; Anwender in über 50 Ländern, Software in mehr als 20 Sprachen, über 60 Branchenpartner, mehr als 1.000 realisierte Projekte
• Verkäufer: die drei geschäftsführenden Gesellschafter Dr. Iris Bruns, Dr. Alexander Künzer und Dr. Stephan Killich — alle mit signifikanter Rückbeteiligung, alle weiter in der Führung
• Deal-Wert: nicht offengelegt. Berater nicht genannt. Hinweis: Die Beteiligungshöhe wird nur in der Maguar-Mitteilung als Mehrheit bezeichnet, die ConSense-Mitteilung spricht von einem „Wachstumspartner”
• Der Zwilling: Paragon Partners, München (gegr. 2004, über 2,4 Mrd. Euro verwaltetes Eigenkapital), erwirbt sämtliche Anteile an Babtec Informationssysteme, Wuppertal (gegr. 1994) — CAQ-Software, rund 1.300 Kunden, 230 Mitarbeitende in Deutschland, Österreich, der Schweiz und Spanien; die beiden Gründer Michael Flunkert und Waios Kastanis bleiben Gesellschafter. Signing am 08.08.2026, Vollzug unter regulatorischem Vorbehalt. Berater: Clifford Chance für Paragon (Corporate/PE, IP, Tech Digital, Arbeits-, Immobilien- und Prozessrecht in München, Düsseldorf und Frankfurt), Drake Star als exklusiver Finanzberater von Babtec, POELLATH für Gründer und Gesellschafter
• Quelle: Maguar — Mitteilung · ConSense — Pressemitteilung · Clifford Chance zu Paragon/Babtec, 08/2026 · Drake Star

Zwei PE-Einstiege in Qualitätsmanagement-Software binnen dreier Wochen, beide in Deutschland, beide bei inhabergeführten Häusern mit über zwanzig Jahren Historie, beide mit Management-Rollover. Wenn zwei Fonds unabhängig voneinander in derselben Nische landen, hat jemand ein Muster erkannt.

Das Muster ist plausibel. QM-Software sitzt in Prozessen, die aus regulatorischen Gründen dokumentiert sein müssen, und diese Pflicht verschwindet nicht in einer Rezession. Die Kundenbindung ist außergewöhnlich hoch, weil ein Wechsel bedeutet, die gesamte Vorgabedokumentation samt Revisionshistorie zu migrieren, und weil der nächste Audit-Termin dabei nicht wartet. Der Markt ist zersplittert, mit vielen Anbietern unter 300 Mitarbeitenden, was Buy-and-Build ermöglicht. Und die Nachfrage steigt: NIS2, der EU AI Act mit seinen Dokumentationspflichten und die verschärften Lieferketten-Anforderungen bringen neue Normen in Systeme, die dafür schon gebaut sind.

Tech & Strategy Analysis

1. Produkt-Strategie: Bei ConSense ist die Roadmap ungewöhnlich konkret formuliert. Nach der cloud-nativen Plattform NX kündigt Mitgründer Alexander Künzer eine Generation namens AX an: agentische Managementsysteme, in denen KI-Agenten die gesamte Vorgabedokumentation verwalten, von Prozessen und Arbeitsanweisungen bis zu Governance, Risk und Compliance, mit der Entscheidungshoheit ausdrücklich beim Menschen. Bereits heute gibt es KI-gestützte Auditvorbereitung und Normenrecherche. Maguar begründet den Einstieg mit Produktqualität, tiefer Prozessintegration und einer loyalen Kundenbasis, will die Go-to-Market-Organisation im deutschsprachigen Mittelstand ausbauen und schrittweise internationalisieren. Bei Babtec ist die kommunizierte These schlichter: PE-Einstieg bei einem etablierten CAQ-Anbieter mit 1.300 Kunden, Wachstum unter neuer Flagge, kein KI-Argument in der Kommunikation.

2. Tech-Stack & Integration: Der schwierigste Teil bei QM-Software ist der Übergang von On-Premises zur Cloud, und ConSense adressiert ihn mit NX offensichtlich seit einiger Zeit. Die relevante Kennzahl für einen neuen Eigentümer ist der Anteil der Bestandskunden, der tatsächlich migriert ist, und die Ursachen bei denen, die es nicht sind. In regulierten Branchen gibt es dafür oft gute Gründe: validierte Systeme in der Pharmaproduktion werden nicht ohne Anlass angefasst, weil jede Änderung eine Requalifizierung nach sich zieht. Genau das macht die Migration zu einem mehrjährigen Programm und nicht zu einem Projekt. Der zweite Punkt ist die Integration in die Systeme daneben. Ein Managementsystem entfaltet seinen Wert erst, wenn es an ERP, PLM, DMS und Prüfmitteldaten angebunden ist, und diese Schnittstellen sind bei jedem Kunden anders gewachsen.

3. AI-Strategie & Exit-Impact: ConSense ordne ich als Tier 3 mit glaubwürdigem Weg nach Tier 2 ein. Auditvorbereitung und Normenrecherche mit KI sind heute produktiv, das ist mehr als eine Demo, aber noch kein proprietäres ML. Das angekündigte AX ist die eigentliche Wette, und sie hat eine gute Voraussetzung: Die Datengrundlage ist außergewöhnlich strukturiert. Prozessbeschreibungen, Arbeitsanweisungen, Normbezüge, Freigabeketten, Abweichungen und Maßnahmen liegen in einem QM-System bereits in einem sauberen Modell mit Versionierung und Rechten — genau das Fundament, an dem Agenten in unstrukturierten Umgebungen scheitern. Babtec liegt in der Kommunikation bei Tier 4, was für einen CAQ-Anbieter mit Messdaten-Historie eher eine verpasste Erzählung als ein technisches Urteil ist.

   Für den Exit in vier bis fünf Jahren stellt sich für beide dieselbe Frage. Wenn agentische Systeme einen Teil der Dokumentationsarbeit übernehmen, sinkt die Zahl der Menschen, die täglich im QM-System arbeiten. Ein Preismodell pro benanntem Nutzer trägt das nicht. Wer rechtzeitig auf Standorte, Prozesse oder verwaltete Normen umstellt, macht aus dem Effizienzgewinn beim Kunden einen Umsatz und keinen Umsatzverlust.

Meine Perspektive 🎯 — Home Turf

Dokumentenlastige, revisionssichere Systeme sind ein Feld, in dem ich viel Zeit verbracht habe, und die Erfahrung daraus ist eindeutig: Der Wert dieser Software steckt nicht in der Oberfläche, sondern im Nachweis. Wer im Audit belegen kann, wer wann welche Version einer Arbeitsanweisung freigegeben hat und welche Schulung dazu dokumentiert ist, hat ein Produkt mit sehr hohem Wechselaufwand verkauft. Deshalb sind die Retentionsraten in diesem Segment so gut, und deshalb halte ich beide Deals für ökonomisch nachvollziehbar.

Was ich in der DD prüfen würde, wäre bei beiden ähnlich. Erstens der Cloud-Anteil und die Struktur des Wartungsvertragsbestands, weil hier oft noch klassische Wartungserlöse mit niedrigen jährlichen Steigerungen liegen, die im Multiple weniger wert sind als echte Subscriptions. Zweitens der Anteil der Implementierungsumsätze, weil QM-Einführungen beratungsintensiv sind und ein hoher Serviceanteil die Bewertung drückt. Drittens die Konzentration auf einzelne Branchen: Ein QM-Anbieter mit starker Pharma-Basis hat andere Validierungspflichten und andere Preisspielräume als einer im Maschinenbau. Und viertens, weil es in dieser Nische unterschätzt wird, die Norm-Roadmap. Jede neue oder überarbeitete Norm ist ein Update-Anlass und damit ein Umsatzereignis, aber auch eine Entwicklungsverpflichtung, die sich nicht verschieben lässt.

Was ich kritisch sehe, betrifft ConSenses AX-Ankündigung. Ein agentisches Managementsystem klingt genau dann gut, wenn man den Audit-Fall nicht zu Ende denkt. Ein Auditor fragt, wer eine Freigabe erteilt hat. Wenn die Antwort „ein Agent hat den Entwurf erstellt und ein Mensch hat bestätigt” lautet, ist das handhabbar. Wenn ein Agent Dokumente selbstständig aktualisiert und die menschliche Bestätigung zur Formalität verkommt, entsteht ein Compliance-Risiko, das größer ist als der eingesparte Aufwand. Die Formulierung, dass die Entscheidungshoheit beim Menschen bleibt, ist an dieser Stelle die Existenzbedingung des Produkts.

🧠 CPTO-Take

Zwei PE-Häuser kaufen in derselben Nische, und beide kaufen dasselbe Asset: eine strukturierte, versionierte, mit Freigabeketten versehene Prozessdokumentation. Das ist unter den heute verfügbaren Unternehmensdaten die für Agenten am besten verwertbare Grundlage überhaupt, und sie liegt bereits in beiden Systemen. Architektonisch heißt das, dass die Arbeit weniger im Modell steckt als in der Abbildung der Freigabe- und Nachweislogik auf maschinelle Akteure — jeder Agentenschritt braucht eine eigene, prüfbare Spur, sonst fällt das System im Audit durch. Pricing-seitig ist die Umstellung weg vom benannten Nutzer die Überlebensfrage, weil der Nutzen eines agentischen QM-Systems gerade darin besteht, dass weniger Menschen darin arbeiten. Team-seitig braucht ein Anbieter dieser Größe keine große KI-Mannschaft, sondern zwei bis drei Leute, die Normenlogik und Modellverhalten gleichzeitig verstehen. Der Moat gegenüber horizontalen KI-Werkzeugen ist die Auditfähigkeit, und das ist ein Vorsprung, den ein allgemeiner Assistent so schnell nicht aufholt.

Cross-Links: Dokumentenmanagement DACH · Was ist DMS? · EU AI Act: Enforcement-Start · AI Pricing vs. Seat Pricing · Setzen und Vergessen gibt es nicht

Deal 5: Bregals SYSTABUILD kauft Network Dimensions — Bau-ERP ohne KI-Erzählung

Basics

• Headline: SYSTABUILD übernimmt die Mehrheit an Network Dimensions und holt MEGABAU nach Österreich
• Deal-Typ: PE-finanziertes Add-on mit Nachfolgeregelung; Meldung 28.08.2026
• Käufer: SYSTABUILD Software Group, Wildpoldsried (vormals BuildTec Software Group) — Portfoliounternehmen von Bregal Unternehmerkapital, zusätzlich ist viaequity investiert; über 450 Mitarbeitende, mehr als 22.000 Kunden, Marken unter anderem SEMA, Compass, Hausmann & Wynen, E-KOMPLET, Glaser, Acies, DigiPara, Husemann & Fritz und SORBA; Standorte unter anderem in Dortmund, Monheim, Hannover, Köln, Bielefeld, St. Gallen, Aalborg und Silkeborg
• Ziel: Network Dimensions Entwicklungs- und Vertriebs GmbH (Wien, gegr. 1997) und ND Projects GmbH (Villach) — Bau-ERP MEGABAU auf Basis von Microsoft Dynamics 365 Business Central, verbindet Projektabwicklung, Ressourcenplanung und kaufmännische Steuerung; über 50 Module für mehr als 60 Teilbranchen von Hoch- und Tiefbau über Holzbau und HKLS bis Elektrotechnik; rund 20 Mitarbeitende, mehr als 200 Businesskunden in DACH
• Verkäufer: Gründer Günther Schwaiger regelt nach rund 30 Jahren seine Nachfolge und bleibt bis Sommer 2028 in der Geschäftsleitung; Florian Thurner reinvestiert und rückt in die Geschäftsführung der Wiener Muttergesellschaft
• Deal-Wert: nicht offengelegt
• Berater: PALLAS CAPITAL Corporate Solutions exklusiv auf Verkäuferseite (Hans Lassen, Maximilian Baar-Baarenfels, Hanna Spolwind, Christian Wolff, Simon Kunz); Schindler Attorneys für das Recht der Verkäuferseite (Florian Cvak)
• Quelle: top-news.at, 28.08.2026 · presse-nachrichten.de · Bregal Unternehmerkapital — Portfolio

Nach vier Deals mit Datenschicht-Argument steht dieser bewusst am Ende. In der gesamten Kommunikation zu dieser Übernahme kommt kein KI-Argument vor. Die Treiber sind Unternehmensnachfolge nach dreißig Jahren, die Umstellung auf ein abonnementbasiertes Modell und die Erweiterung einer paneuropäischen Branchensoftware-Plattform um einen österreichischen Anbieter. Das ist die Mehrheit des realen Mittelstandsgeschäfts, und es ist gut, das gelegentlich neben den Agentic-Layer-Schlagzeilen stehen zu haben.

SYSTABUILD ist eine der aktiveren Konsolidierungsmaschinen im europäischen Bausoftware-Markt. Über 450 Mitarbeitende, 22.000 Kunden und Standorte von Bielefeld bis Silkeborg sind das Ergebnis systematischer Zukäufe unter dem Dach eines Sponsors. Network Dimensions passt in dieses Muster mit besonderer Präzision: ein etablierter Nischenanbieter mit rund zwanzig Leuten, über zweihundert Kunden, einem Gründer im Nachfolgealter und einem Produkt, das eine geografische Lücke schließt.

Tech & Strategy Analysis

1. Produkt-Strategie: Die Buy-Thesis ist Fläche plus Nachfolge. Bau-ERP ist ein Markt mit hoher regulatorischer und branchenspezifischer Tiefe — Aufmaß, Leistungsverzeichnisse nach GAEB, Nachtragsmanagement, Bauabzugssteuer, ÖNORM-Besonderheiten in Österreich — und diese Tiefe ist die Eintrittsbarriere. Wer in Österreich verkaufen will, braucht ein Produkt, das die österreichischen Normen kennt, und der schnellste Weg dorthin ist der Kauf eines Anbieters, der sie seit 25 Jahren abbildet. Für Network Dimensions ist der Zugang zu Entwicklungs- und Vertriebsressourcen der Gegenwert, und die angekündigte Stärkung des SaaS-Modells ist die eigentliche Arbeit der nächsten Jahre.

2. Tech-Stack & Integration: MEGABAU sitzt auf Microsoft Dynamics 365 Business Central, und das ist der interessanteste technische Punkt dieses Deals. Eine Branchenlösung auf einer fremden Plattform hat einen erheblichen Vorteil bei Basisfunktionen, Finanzbuchhaltung und Microsoft-Ökosystem — und eine strukturelle Abhängigkeit. Der Anbieter folgt dem Release-Zyklus von Microsoft, dessen Preisentwicklung und dessen Roadmap-Entscheidungen, einschließlich der Frage, welche Funktionen Microsoft künftig selbst mitliefert. Bei einer Plattform mit über 450 Mitarbeitenden und vermutlich mehreren technologischen Basen im Portfolio ist die Integrationsfrage entsprechend heikel: Eine BC-basierte Lösung lässt sich nicht ohne Weiteres mit einer eigenentwickelten Codebasis zusammenführen. Realistisch bleibt es bei geteiltem Vertrieb, geteilter Verwaltung und punktueller Datenintegration, was für den Investment-Case ausreicht, aber die Synergie kleiner macht, als sie im Memo aussieht.

3. AI-Strategie & Exit-Impact: Tier 4 auf der Zielseite, ohne dass das hier ein Vorwurf wäre. Ein Zwanzig-Personen-Haus mit einer BC-Branchenlösung entwickelt keine eigene KI, und es muss auch nicht. Interessant ist die Konstellation trotzdem, weil das KI-Thema hier über die Plattform darunter kommt: Was Microsoft an Copilot-Funktionalität in Business Central einbaut, landet ohne eigenes Zutun im Produkt. Das ist bequem und begrenzt zugleich den Differenzierungsspielraum, weil jeder BC-Branchenanbieter dieselben Funktionen bekommt. Der eigene Beitrag müsste in der Domäne liegen, also in der Automatisierung von Aufmaß, Nachtragsprüfung oder Baustellenberichten. Für den Exit der Plattform in einigen Jahren wird genau das die Frage sein, die ein Käufer stellt: Was kann diese Gruppe, das der Plattformhersteller nicht mitliefert?

Meine Perspektive 🎯 — Home Turf

Bausoftware und die Anbindung von Baustellendaten sind Felder, in denen ich unterwegs bin, und der Bau-ERP-Markt in DACH ist einer der zähesten, die ich kenne. Die Kunden sind mittelständische Bauunternehmen mit dünner IT-Ausstattung, die Einführungsprojekte dauern lange, die Preisbereitschaft ist begrenzt, und der Wettbewerb kommt von etablierten Häusern mit jahrzehntelangen Kundenbeziehungen. Konsolidierung ist in diesem Umfeld die richtige Strategie, weil sich Entwicklungskosten für Normanpassungen und Schnittstellen auf mehr Kunden verteilen lassen.

Was ich in der DD prüfen würde, ist bei einem Add-on dieser Größe überschaubar, aber die Punkte sind entscheidend. Erstens die Abhängigkeit von einzelnen Personen: Bei zwanzig Mitarbeitenden und einem Gründer, der noch bis 2028 bleibt, hängt Domänenwissen an wenigen Köpfen, und die Übergabe dieses Wissens ist der eigentliche Integrationsplan. Zweitens die Verteilung zwischen Lizenz-, Wartungs- und Projektumsatz, weil BC-Branchenlösungen oft einen hohen Anteil kundenspezifischer Anpassungen tragen, der beim Upgrade wieder auftaucht. Und drittens die Microsoft-Beziehung: Partnerstatus, Konditionen, Zugang zu Roadmap-Informationen. Wer auf einer fremden Plattform baut, sollte wenigstens früh wissen, was diese Plattform als Nächstes tut.

Meine Einschätzung zum Deal selbst: sauber gemacht und ohne Erzählung, die nicht trägt. Es ist erfrischend, eine Meldung zu lesen, in der niemand erklärt, wie KI das Bauwesen transformiert. Die kritische Frage stellt sich erst eine Ebene höher, beim Sponsor: Eine Plattform aus zugekauften Branchenlösungen auf unterschiedlichen technologischen Fundamenten ist beim Exit genau so viel wert, wie sie an gemeinsamer Substanz vorweisen kann. Gemeinsamer Vertrieb reicht dafür nicht.

🧠 CPTO-Take

Klassisches Buy-and-Build ohne AI-Layer: Der Deal lebt von Nachfolge, geografischer Abdeckung und der Umstellung auf ein Abonnementmodell, eine KI-Roadmap spielt hier keine Rolle. Die einzige Beobachtung mit Blick auf 2028 betrifft die Plattformabhängigkeit — wer seine Branchenlösung auf Business Central baut, bekommt Microsofts KI-Funktionen geschenkt und teilt sie mit jedem Wettbewerber auf derselben Basis; Differenzierung entsteht dann ausschließlich in der Domäne, also in Aufmaß, Nachtrag und Baustellendaten.

Cross-Links: Bau-ERP DACH · Bausoftware DACH · Was ist ERP? · Buy-and-Build 2.0

Weiterführend

Vier von fünf Käufern dieser Woche haben das gekauft, worauf die KI zugreift: Produktdaten bei Pimcore, Fakten mit Herkunft bei Graphwise, die Abfrage-Engine bei DuckLabs, die freigegebene Prozessdokumentation bei ConSense. Das ist entweder ein sehr abgestimmter Konsens unter Sponsoren oder die vernünftigste Reaktion auf zwei Jahre gescheiterter Pilotprojekte, in denen sich herausgestellt hat, dass die Modelle selten das Problem waren. Ich neige zur zweiten Lesart, mit einer Einschränkung: Datenschicht-Anbieter sind auch deshalb gerade beliebt, weil ihre Bewertungen im SaaSpocalypse weniger gelitten haben als die der Anwendungsanbieter, und ein Teil des Kapitals sucht schlicht einen Ort, an dem die Multiples noch verteidigbar sind.

Mehr Tiefe dazu, was in einem KI-Zeitalter tatsächlich schützt und was nur so aussieht → Software-Moats im AI-Zeitalter: Was B2B-Unternehmen wirklich schützt.