B2B Software Deals KW41/2026: SAP kauft den Skills-Graphen, den Workday mitfinanziert hat

Drei Meldungen, ein Datum, ein Muster. Am Dienstag, dem 6. Oktober, verkündet SAP die Übernahme von TechWolf aus Gent, Main Capital Partners den Kauf von Raynet aus Paderborn, und das Hamburger Startup Procuros eine Series A über 20 Millionen Euro. Oberflächlich haben ein HR-Datengraph, eine IT-Asset-Management-Plattform und ein EDI-Ersatz wenig miteinander zu tun. Unter der Oberfläche kaufen alle drei Käufer dasselbe: einen proprietären Datenbestand, auf dem sich AI-Features bauen lassen, die ein LLM-Wrapper nie liefern kann. Wer wissen will, wie Post-SaaSpocalypse-Bewertungslogik in der Praxis aussieht, bekommt in dieser Woche drei Anschauungsbeispiele in drei Größenklassen.

Offenlegung: Main Capital Partners ist Eigentümer der enventa group, für die ich als CPTO arbeite. Der Raynet-Deal betrifft weder enventa noch ein Unternehmen, mit dem enventa Geschäftsbeziehungen unterhält. Die Einordnung stammt trotzdem von jemandem, der auf derselben Gehaltsliste steht, und ist entsprechend zu lesen.

Zum Bietstreit um die Tribal Group, der die Ausgaben KW38 und KW40 dominiert hat, gibt es in dieser Woche keinen neuen Verfahrensstand: Die Hauptversammlung ist für den 26. Oktober angesetzt, Jenzabars Frist für ein verbindliches Angebot läuft am 27. Oktober ab. Die Entscheidung fällt also in KW44.

Deal 1: SAP übernimmt TechWolf — der größte VC-Exit der belgischen Softwaregeschichte

Basics

• Headline: SAP kauft Skills-Intelligence-Anbieter TechWolf aus Gent
• Deal-Typ: Strategische Übernahme (Signing, Closing für Q4 2026 erwartet, vorbehaltlich regulatorischer Freigaben)
• Käufer: SAP (Strategic), Walldorf
• Ziel: TechWolf, Gent (Belgien), gegründet 2018, über 120 Beschäftigte, Büros in London und New York, San Francisco in Planung. AI-Plattform für “Work Intelligence”: analysiert Arbeits- und Mitarbeiterdaten und baut daraus einen fortlaufend aktualisierten Graphen aus Skills und Tätigkeiten
• Verkäufer: VC-Investoren, darunter Felix Capital, Notion Capital und 20VC (Harry Stebbings), dazu strategische Minderheitsinvestoren — neben SAP selbst auch ServiceNow und Workday. Insgesamt hatte TechWolf über 50 Mio. US-Dollar eingesammelt
• Deal-Wert: Nicht veröffentlicht. Tech.eu bezeichnet die Transaktion als größte Übernahme eines VC-finanzierten Softwareunternehmens in der belgischen Geschichte
• Quelle: Tech.eu, 06.10.2026 · ERP Today

Tech & Strategy Analysis

1. Produkt-Strategie: SAP kauft den Datenlayer, der SAP SuccessFactors bisher fehlt. TechWolfs Context Graph beantwortet die Frage, welche Skills im Unternehmen tatsächlich vorhanden sind und welche Arbeit tatsächlich geleistet wird — aus Systemdaten abgeleitet, statt aus selbstgepflegten Mitarbeiterprofilen. SAP will TechWolf nach eigener Aussage zum “intelligent core” von SuccessFactors machen und den Graphen als Grundlage für Joule-Anwendungsfälle nutzen: skills-basierte Einstellung, Workforce-Planung, Rollen-Redesign. Das ist eine Technologie- und Datenakquisition, keine Kundenbasis-Übernahme.
2. Tech-Stack & Integration: Die eigentliche Integrationsarbeit liegt im Datenmodell. TechWolf zieht seine Signale aus Dutzenden Quellsystemen (Jira, ServiceNow, Git-Systeme, HR-Suiten), und zwar bewusst herstellerneutral. Diese Konnektoren-Neutralität ist zugleich der Wert und das Integrationsrisiko: Wird der Graph zu eng an das SuccessFactors-Datenmodell gebunden, verliert er die Quellenbreite, die seine Qualität ausmacht. SAP plant deshalb, TechWolf als eigenständige Einheit unter CEO und Mitgründer Andreas De Neve weiterzuführen, inklusive Verfügbarkeit für Nicht-SAP-Kunden. Dazu kommt ein Thema, das in der PR nicht vorkommt: Skills-Inferenz aus Arbeitsdaten ist Mitbestimmungs-Territorium. Wer das in DACH-Konzerne ausrollt, verhandelt mit Betriebsräten über jede einzelne Datenquelle.
3. AI-Strategie & Exit-Impact: TechWolf ist ein sauberes Tier 1 nach dem L40-Framework: proprietäre Modelle, ein eigenes Applied-AI-Research-Team, Backing von AI-Leuten aus DeepMind- und Meta-Umfeld, und ein Datenasset, das sich mit jedem Kunden verdichtet. Genau dieses Profil erzielt im Post-SaaSpocalypse-Markt Premium-Preise, während Tier-3-Anbieter Abschläge hinnehmen. Dass drei der größten Enterprise-Software-Häuser der Welt (SAP, ServiceNow, Workday) parallel strategisch investiert hatten, war faktisch eine öffentliche Vorab-Due-Diligence. Einer von ihnen hat jetzt den Knopf gedrückt.

Meine Perspektive 🎯 — Home Turf (AI Due Diligence), mit Contrarian-Einschlag

Skills-Intelligence ist als Vertical nicht mein Heimspiel, AI-Datenasset-Bewertung schon. Und hier ist die interessanteste Zeile der ganzen Meldung die Investorenliste: Workday und ServiceNow haben ihren eigenen Datenlieferanten mitfinanziert, und der gehört jetzt dem Erzrivalen. Workdays Skills Cloud bezog Signale aus genau dem Graphen, der künftig in Walldorf konsolidiert wird. SAPs Zusage, TechWolf bleibe für Nicht-SAP-Kunden verfügbar, kenne ich aus jeder PMI-Ankündigung der letzten zwanzig Jahre. Sie gilt exakt so lange, wie die Integrations-Roadmap sie nicht stört. Callidus, Qualtrics und Signavio haben alle als “eigenständige Einheiten” angefangen.

Was ich in der DD geprüft hätte: Data Provenance und EU AI Act. Ein System, das aus Verhaltens- und Arbeitsdaten Kompetenzprofile von Beschäftigten ableitet und diese in Einstellungs- und Umbesetzungsentscheidungen einspeist, bewegt sich nah an den Hochrisiko-Kategorien des AI Act (Beschäftigungskontext, Annex III). Das macht den Deal nicht schlecht, aber es macht den Rollout teuer: Konformitätsbewertung, Transparenzpflichten, menschliche Aufsicht pro Use Case. SAP hat die Compliance-Maschinerie dafür, ein 120-Personen-Startup hatte sie absehbar nicht in der Tiefe. Ein Teil des Kaufpreises ist also schlicht regulatorische Skalierungsfähigkeit.

🧠 CPTO-Take

Für jeden, der HR-nahe Software baut, verschiebt dieser Deal die Architekturfrage: Der Skills-Graph wird Plattform-Feature der großen Suiten, als eigenständiges Produkt ist er damit tot. Wer heute Talent-, Staffing- oder Weiterbildungssoftware anbietet, sollte den eigenen Moat nicht in der Skills-Inferenz suchen, die kommt künftig aus SuccessFactors oder Workday als Commodity mit. Verteidigungsfähig bleibt die Workflow-Schicht darüber und die vertikale Datentiefe, die ein Generalist nicht hat. Pricing-seitig ist TechWolf ein Lehrstück gegen Seat-Logik: Ein Datengraph wird pro analysierter Organisation bezahlt, nicht pro Nutzer, und ist damit immun gegen Seat Compression. Und für PE-Portfolios gilt: Wenn strategische Investoren bei einem Tier-1-Target einsteigen, ist das kein Validierungssignal zum Mitfreuen, sondern eine tickende Exklusivitätsuhr — einer der Strategen kauft am Ende, und alle anderen müssen neu bauen.

Deal 2: Main Capital übernimmt Raynet — PINOVA steigt nach fünfeinhalb Jahren aus

Basics

• Headline: Main Capital kauft ITAM-Anbieter Raynet von PINOVA Capital
• Deal-Typ: PE-Mehrheitsübernahme (Secondary Buyout), neue Plattform-Investition
• Käufer: Main Capital Partners (PE), Den Haag
• Ziel: Raynet GmbH, Paderborn, gegründet 1999 von Ragip Aydin (bleibt CEO und beteiligt), rund 170 Beschäftigte, Büros in Deutschland, USA, Polen, Türkei und UK. Produkte für IT-Visibility, IT Asset Management und Security, Kernplattform Raynet One mit eigener Discovery-Technologie und proprietärem Technology Catalog
• Verkäufer: PINOVA Capital, München. Einstieg im März 2021, Haltedauer rund fünfeinhalb Jahre
• Deal-Wert: Nicht veröffentlicht
• Quelle: Main Capital, Pressemitteilung, 06.10.2026 · PE Hub, 06.10.2026 · Unternehmeredition

Tech & Strategy Analysis

1. Produkt-Strategie: Main begründet den Einstieg mit drei Nachfragetreibern: wachsende IT-Komplexität, Cybersecurity-Druck und Regulatorik (NIS2, DORA und der ganze Compliance-Apparat dahinter). Raynet sitzt an der Stelle, an der alle drei zusammenlaufen, denn wer seine IT-Landschaft nicht vollständig inventarisiert hat, kann weder Angriffsflächen managen noch Audits bestehen. Die Buy-Thesis ist eine klassische Main-Plattform-These: ein profitabler deutscher Mittelständler mit Gründer an Bord, internationalisierbar, add-on-fähig. Der Markt um ITAM, SAM und Exposure Management ist in Europa kleinteilig genug für mehrere Zukäufe.
2. Tech-Stack & Integration: Als neue Plattform gibt es zunächst keine Produkt-Merger-Baustelle, dafür die typische Secondary-Buyout-Aufgabe: Das Unternehmen muss vom gründerzentrierten Betrieb auf eine Struktur umgebaut werden, die Add-ons aufnehmen kann. Konkret heißt das saubere API-Schichten um Raynet One, ein Identity- und Mandantenmodell, das zugekaufte Produkte einbinden kann, und eine Discovery-Engine, die als gemeinsamer Datenlayer taugt. Der proprietäre Technology Catalog, also die kuratierte Datenbank, die rohe Inventarsignale auf normalisierte Produkt- und Versionsdaten mappt, ist dabei das Asset, das jeder spätere Zukauf andocken will.
3. AI-Strategie & Exit-Impact: Ich ordne Raynet als Tier 2 ein: Raynet One wird als AI-enabled vermarktet, und der Technology Catalog ist echte, über Jahre kuratierte Datenarbeit, kein LLM-Wrapper. Main nennt in der eigenen Mitteilung ausdrücklich den Punkt, dass hochwertige IT-Bestandsdaten die Voraussetzung für AI-Anwendungen im IT-Betrieb sind. Das ist die richtige Lesart: Agentischer IT-Betrieb (automatisiertes Patchen, Lizenz-Rightsizing, Vulnerability-Response) braucht eine verlässliche Inventar-Wahrheit als Grounding, sonst halluziniert der Agent über eine IT-Landschaft, die es so nicht gibt. Für den Exit 2031/32 hängt das Multiple daran, ob Raynet bis dahin vom Daten-Lieferanten zum Anbieter solcher Automatisierung geworden ist.

Meine Perspektive 🎯 — Home Turf

ITAM-Discovery habe ich in Tech Due Diligences mehrfach auf dem Tisch gehabt, meist als Teil der Frage, wie gut ein Target seine eigene Infrastruktur kennt. Die typische Schwachstelle in diesem Segment ist der Agent-Footprint: Discovery-Produkte dieser Generation tragen oft zwei Jahrzehnte Altlasten an plattformspezifischen Scan-Agenten mit sich herum, von Windows-Registry-Tiefbohrungen bis zu SNMP-Resten. In der DD würde ich prüfen, wie viel von der Discovery agentenlos und API-basiert läuft (Cloud-Workloads, SaaS-Inventar, Container), denn dort findet das Wachstum statt, während der klassische On-Prem-Scan stagniert. Die zweite Prüffrage wäre der Pflegeaufwand des Technology Catalog: Solche Kataloge sind wertvoll, solange ein eingespieltes Team sie aktuell hält, und genau solche Teams sind nach einem Ownership-Wechsel fluktuationsgefährdet.

Smart an dem Deal finde ich das Timing auf der Verkäuferseite wie auf der Käuferseite. PINOVA hat 2021 in ein solides, aber unspektakuläres Segment investiert und verkauft jetzt, nachdem NIS2 und die AI-Grounding-Debatte dem Thema IT-Visibility einen zweiten Nachfrageschub verschafft haben. Main wiederum kauft eine Datenbasis, die mit jedem AI-Operations-Trend wertvoller wird, ohne den AI-Hype-Aufschlag eines Tier-1-Targets zu bezahlen. Fünfeinhalb Jahre Haltedauer, Gründer bleibt investiert, Management-Kontinuität: Das ist das Gegenteil eines Distressed-Deals, eher ein Staffelstab-Übergang mit sauberem Drehbuch.

🧠 CPTO-Take

Der Deal bestätigt ein Muster, das ich seit zwei Jahren in jeder AI-Strategiediskussion sehe: Gekauft wird zunehmend die Daten-Wahrheitsschicht, nicht das schickste Frontend. Ein CMDB-genauer, fortlaufend aktualisierter IT-Bestand ist für agentischen IT-Betrieb das, was der Skills-Graph für HR-Agenten ist — das Grounding, ohne das jede Automatisierung gefährlich wird. Architektonisch heißt das für Raynet unter Main: Die Discovery-Daten müssen als Produkt behandelt werden (APIs, Events, saubere Semantik), damit Add-ons und AI-Features darauf aufsetzen können, statt eigene Inventare zu halten. Team-seitig wird der Engpass die Katalog-Kuratierung; die lässt sich mit LLM-Unterstützung deutlich beschleunigen, aber nur mit Human-in-the-Loop, weil der Katalog selbst das Qualitätsversprechen ist. Pricing-seitig ist ITAM angenehm unaufgeregt: bezahlt wird pro verwaltetem Asset, und Assets werden durch AI mehr, nicht weniger. Seat Compression ist hier Rückenwind.

Deal 3: Procuros holt 20 Mio. Euro — EDI-Ablösung als agentisches Infrastruktur-Play

Basics

• Headline: Procuros: 20 Mio. Euro Series A für KI-native B2B-Handelsinfrastruktur
• Deal-Typ: VC-Investment (Series A)
• Käufer/Investoren: Lead XAnge (deutsch-französischer VC), neu dabei W23 (Venture-Arm der Otto Group), Bestandsinvestoren Point Nine, Creandum und b2venture ziehen mit. Gesamtfinanzierung damit 34 Mio. Euro
• Ziel: Procuros, Hamburg. Konnektivitäts-Plattform für den B2B-Handel, ersetzt klassische EDI-Strecken, OCR und manuelle Belegerfassung zwischen Lieferanten und Händlern. Über die Plattform laufen jährlich mehr als 3 Mrd. Euro Bestellvolumen, Kunden vor allem aus Handel, Lebensmittel und Konsumgütern
• Verkäufer: entfällt (Finanzierungsrunde)
• Deal-Wert: 20 Mio. Euro
• Quelle: Startbase, 06.10.2026 · Retail Technology Innovation Hub, 05.10.2026 · Dealroom

Tech & Strategy Analysis

1. Produkt-Strategie: Procuros greift eine der zähesten Integrationsschichten der B2B-Welt an. Zwischen Herstellern und Handelsketten laufen Bestellungen, Lieferavise und Rechnungen bis heute über EDI-Standards aus den Achtzigern (EDIFACT, je Handelspartner ein eigenes Mapping-Projekt) oder schlimmer: über PDF, OCR und Abtipparbeit. Das Geschäftsmodell ist ein Netzwerk-Play nach dem Vorbild von Stripe für Zahlungen: einmal an Procuros anbinden, alle Handelspartner im Netzwerk erreichen. Das frische Kapital geht in die KI-native Version der Plattform und die Expansion über DACH hinaus nach Europa und in die USA.
2. Tech-Stack & Integration: Der harte Teil dieses Geschäfts ist die Varianz der Gegenstellen. Jeder Händler interpretiert die Standards eigenwillig, jedes ERP exportiert anders, und die Fehlerfälle (Teillieferung, Preisabweichung, Rechnungskorrektur) sind der eigentliche Aufwandstreiber. Genau hier liegt der sinnvolle LLM-Einsatz: Mapping-Inferenz statt handgebauter Transformationsregeln, automatische Klärung von Abweichungen statt Ticket an den Integrations-Dienstleister. Die Architekturfrage, die darüber entscheidet, ob das skaliert: Wie viel davon läuft deterministisch mit LLM-generierten, aber eingefrorenen Mappings, und wie viel wird zur Laufzeit inferiert? Ersteres ist auditierbar und günstig, Letzteres flexibel und teuer. Bei 3 Mrd. Euro Bestellvolumen pro Jahr sind Token-Kosten pro Transaktion eine Margenfrage, keine Fußnote.
3. AI-Strategie & Exit-Impact: Procuros positioniert sich als AI-natives Infrastrukturunternehmen, und die Einordnung als Tier 1/2 ist plausibel: Das Datenasset (Millionen realer Transaktionspaare inklusive der Fehler- und Klärfälle) ist proprietär und wächst mit dem Netzwerk. Der SaaSpocalypse-Test fällt hier anders aus als bei klassischem SaaS: Transaktionsbasierte Infrastruktur ist gegen Seat Compression immun, denn sie wird pro Nachricht oder Volumen bezahlt, und agentische Beschaffung erhöht das Nachrichtenvolumen eher. Das Risiko sitzt woanders: Wenn ERP-Anbieter und die großen Agent-Plattformen B2B-Transaktionen direkt über offene Protokolle abwickeln, schrumpft der Raum für einen Übersetzungs-Intermediär.

Meine Perspektive 🎯 — Home Turf

EDI ist der Teil meines Berufslebens, über den niemand Konferenzvorträge hält. Wer ein ERP für den Mittelstand betreibt, kennt die Realität: Onboarding eines neuen Handelspartners in Wochen statt Stunden, Mapping-Spezifikationen als PDF per E-Mail, und ein Integrations-Dienstleister, der pro Partneranbindung abrechnet und an genau dieser Trägheit verdient. In DACH-CPTO-Runden ist “unser EDI-Dienstleister” seit Jahren ein verlässlicher Seufzer. Die Procuros-These, dass ein LLM-gestütztes Netzwerk diese Anbindungszeit kollabieren lässt, halte ich technisch für belastbar, weil Mapping-Inferenz ein nahezu ideales LLM-Problem ist: viel Struktur, viele Beispiele, klar prüfbares Ergebnis.

Was ich als DD-Frage stellen würde: Wie verteidigungsfähig ist das Netzwerk, wenn die Fähigkeit zur Mapping-Inferenz selbst Commodity wird? Jedes moderne Modell kann heute EDIFACT-Segmente erklären und Transformationen vorschlagen. Der Moat liegt deshalb weniger in der KI und mehr in zwei unspektakulären Dingen: dem bereits angebundenen Händlernetz (der klassische Zweiseiten-Netzwerkeffekt) und dem Korpus an gelösten Sonderfällen, der entscheidet, ob die Automatisierung 93 oder 99,5 Prozent der Nachrichten ohne Mensch durchbringt. Die Differenz zwischen diesen beiden Zahlen ist in diesem Geschäft die gesamte Marge. Dass mit W23 der Venture-Arm der Otto Group einsteigt, ist dabei mehr wert als der Betrag, denn ein Ankerhändler löst im Netzwerkgeschäft das Henne-Ei-Problem auf der schweren Seite.

🧠 CPTO-Take

Für ERP-Anbieter ist Procuros Warnung und Blaupause zugleich. Warnung, weil die EDI-Anbindung als Erlösquelle und Lock-in-Faktor der ERP-Welt erodiert, wenn ein Netzwerk-Intermediär sie auf einen API-Call reduziert. Blaupause, weil dieselbe Mechanik (LLM-gestützte Mapping-Inferenz über einem Korpus gelöster Integrationsfälle) in jedem Produkt mit Schnittstellen-Altlast funktioniert; die eigene Integrations-Telemetrie ist dafür das Trainingsmaterial, das kein Wettbewerber hat. Pricing-seitig zeigt der Fall, wohin die Reise geht: Transaktions- und Volumenmodelle statt Seats, mit Token-Kosten als neuer COGS-Zeile, die man pro Nachricht kennen muss. Und strategisch gilt: Wer als Software-Anbieter heute seine Partneranbindungen agent-lesbar macht, beschleunigt genau diese Disintermediation — das Dilemma ist real, aber die Antwort ist Tempo, denn die Alternative ist, dass ein Dritter die Übersetzungsschicht besetzt und die Kundenbeziehung gleich mit.

Was die Woche verbindet

Drei Deals, drei Größenklassen, ein gemeinsamer Nenner: Bezahlt wird für kuratierte, proprietäre Datenbestände, auf denen AI-Features verlässlich arbeiten können. SAP kauft einen Skills-Graphen, Main kauft eine IT-Inventar-Wahrheit, XAnge finanziert einen wachsenden Korpus gelöster Transaktionsfälle. In keinem der drei Fälle ist das Modell selbst der Wert, in allen drei Fällen ist es das Grounding. Für jeden, der gerade seine eigene AI-Roadmap gegen die Bewertungslogik von 2026 hält, ist das die praktische Übersetzung der Tier-Diskussion: Die Frage im Datenraum lautet inzwischen, welche Daten ein Haus besitzt, die sonst niemand hat, und wie frisch sie bleiben, wenn das Gründerteam geht.

Weiterführend

Mehr Tiefe zur Frage, welche Datenbestände im AI-Zeitalter tatsächlich verteidigungsfähig sind → Software-Moats im AI-Zeitalter: Was B2B-Unternehmen wirklich schützt.