Penny Schiffer ist Mitgründerin und CEO von Raized.ai. Mit Künstlicher Intelligenz will sie die Venture-Capital-Welt neu definieren. Im Interview erklärt sie, warum KI nicht nur die Suche nach vielversprechenden Startups beschleunigt, sondern auch für eine gerechtere Verteilung von Investments sorgt.

Gab es einen bestimmten „Aha-Moment“, der dich zur Gründung von Raized.ai inspiriert hat?

Ja, 2019 sass ich in einem Flugzeug in die USA, um in Stanford einen Vortrag über die Arbeit als Investorin zu halten. Das Gespräch mit einem Sitznachbarn inspirierte mich dazu, ein eigenes Unternehmen zu gründen. Die Vision war eine Plattform, die nicht nur grossen Venture-Unternehmen, sondern auch kleinen Fonds zugänglich ist – mit Künstlicher Intelligenz und Daten wollte ich die Branche revolutionieren. Diese Idee wurde zu Raized.ai.

Wie würdest du kurz und knapp erklären, was Raized.ai macht?

Raized.ai ist eine KI-gestützte Plattform, die Investoren und Unternehmen hilft, vielversprechende Startups zu entdecken, zu analysieren und zu bewerten. Durch den Einsatz von Daten und Künstlicher Intelligenz beschleunigen wir die Arbeit von Venture Scouts und machen die Startup-Suche effizienter.

Wie hat deine Ausbildung deinen Werdegang beeinflusst?

Ich habe Psychologie studiert. Ein grosser Teil des Studiums besteht aus statistischen Testverfahren. Dieses Wissen hat mich bei der Gründung von Raized.ai geprägt. Als ich die Plattform entwickelte, wollte ich die zugrunde liegenden Funktionen unbedingt verstehen – trotz der wiederholten Aussage meiner damaligen Projektpartner, dass ich Machine Learning nie begreifen würde. Diese Herausforderung motivierte mich nur noch mehr, mich mit modernen Methoden wie Machine Learning und Neuronalen Netzen auseinanderzusetzen. Heute bezeichne ich mich oft humorvoll als “Data Scientist” ohne Programmierkenntnisse.

Wie hat sich Raized.ai von der ersten Idee zur heutigen Plattform entwickelt?

Der Weg von der ersten Idee bis zum fertigen Produkt war herausfordernd. Besonders wichtig war es zu Beginn, einen Mitgründer oder eine Mitgründerin mit technischem Fachwissen zu finden. Das ähnelte einem Dating-Prozess, inklusive Ghosting. Ich traf viele potenzielle Partner, führte spannende Gespräche, aber hörte dann oft nie wieder etwas. Heute haben wir ein starkes, eingespieltes Team. Unsere Data-Ingenieurin ist seit Anfang an dabei und wir haben viele Schritte gemeinsam gemacht – das hat uns als Team zusammengeschweisst.

Wie hat sich der Scouting-Prozess im Venture Capital in den letzten Jahren verändert?

In den Jahren zwischen 2019 und 2022 erlebte der Venture-Capital-Bereich einen regelrechten Boom. Jedes vielversprechende Startup wurde beinahe gejagt und grosse VC-Unternehmen boten immer höhere Summen, was die Bewertungen weiter in die Höhe trieb. Das Scouting wurde extrem kompetitiv und Gründer reagierten darauf oft mit einer “Arroganz ist Trumpf”-Mentalität. 2022 kam die Wende: Viele Venture-Fonds zogen sich zurück und Gründer mussten ihre Erwartungen anpassen. Kapital war nicht mehr so leicht verfügbar. Heute sehen wir eine Erholung, die Dynamik verändert sich wieder. 

Wie verändert Raized.ai den Scouting Prozess – und wie reagieren traditionelle VCs auf die Lösung?

Raized.ai geht über eine blosse Datenbank hinaus und bietet mit Large Language Models (LLMs) tiefgehende Analysen. Wir filtern, vergleichen und erkennen Trends, um zu zeigen, wo sich ein Startup in seinem Marktumfeld bewegt. Die Zukunft des Scouting wird zunehmend in diese Richtung gehen: VCs suchen nicht nur nach Daten, sondern auch nach fundierten Analysen, um tiefere Einblicke in verschiedene Themen zu gewinnen und gezielt Fachwissen aufzubauen. KI erweitert die Suche nach relevanten Startups, doch manche Experten sind noch skeptisch, wenn es um langfristige, von KI erstellte Erfolgsprognosen geht. 

Wie unterscheidet sich das von Standard-Screening-Tools wie PitchBook oder Crunchbase?

Es gibt zwei zentrale Unterschiede: Erstens bieten die genannten Plattformen nur ein grobes Raster zur Startup-Suche – es fehlen detaillierte Filter für spezifische Geschäftsmodelle und Technologien. Zweitens liefern sie keine umfassenden Analysen, sodass VCs oft zusätzlich teure, zeitaufwändige Analysen beauftragen müssen, besonders in Nischenmärkten. Raized.ai kombiniert KI und Large Language Models, um aus einem riesigen Datensatz relevante Startups herauszufiltern. Unsere Technologie ermöglicht tiefgehende Berichte mit minimalem Arbeitsaufwand und zu geringen Kosten. Im Grunde übernimmt die KI eine erste „Due Diligence“, bevor VCs ihre eigene Bewertung vornehmen.

Gibt es Bereiche, in denen menschliche Entscheidungen unersetzlich bleiben?

KI ist wertvoll für die Vorselektion, da sie schnell relevante Startups identifiziert und Berichte liefert. Diese dienen als Entscheidungsvorlagen – doch die finale Bewertung erfordert noch immer menschliche Expertise.

Investoren haben Zugang zu immer mehr Information über Startups. Führt diese Datenflut zu besseren Investmententscheidungen?

Es gibt viele Wege, erfolgreiche Investmententscheidungen zu treffen. Dennoch bin ich überzeugt, dass KI die Entscheidungsfindung deutlich verbessert. Sie optimiert das Screening und hilft dabei, das richtige Timing für Investments zu finden; besonders im Pre-Seed-Bereich. Da VCs nur begrenzte Ressourcen haben, müssen sie gezielt auswählen, welche Startups sie genauer analysieren. Oft spielen persönliche Vorlieben eine Rolle und beeinflussen die Entscheidungen. Mit Raized.ai können Investoren eine grosse Anzahl an Startups schnell, objektiv und effizient bewerten.

Du hast gerade Voreingenommenheit erwähnt. Kann Raized.ai helfen, diese zu reduzieren – auch wenn es um Investitionen in Gründerinnen geht?

Hoffentlich! Viele Investoren neigen dazu, in Gründer zu investieren, die sie an ihr jüngeres Ich erinnern. Das ist ein natürlicher Reflex – insbesondere bei Angel-Investoren, die ihr eigenes Kapital einsetzen. Da es nach wie vor weniger Frauen mit grossen finanziellen Mitteln und in Mentoring-Positionen gibt, entsteht hier ein Ungleichgewicht. KI-gestütztes Scouting kann helfen, mehr weibliche Gründerinnen in den Evaluierungsprozess einzubeziehen. Das könnte langfristig zu einer gerechteren Verteilung der Investments führen. Allerdings bleibt die Realität bestehen: Es gibt schlichtweg weniger Startup-Gründerinnen als -Gründer.

Vertraust du als Angel-Investorin manchmal auch mehr auf dein Bauchgefühl als auf Daten?

Ja, das kommt vor. Intuition spielt eine Rolle, auch wenn ein Grossteil der Entscheidung auf Daten basiert. Doch das ist nicht immer möglich: gerade bei Pre-Seed-Investments sind kaum belastbare Daten verfügbar, sodass Rückschlüsse auf zukünftige Entwicklungen schwierig werden. In solchen Fällen verlasse ich mich auf meine Erfahrung. Ein Beispiel: Gründer, die bereits ein Unternehmen aufgebaut haben, gelten als erfolgversprechender, weil sie aus früheren Fehlern gelernt haben.

Welche Kriterien müssen Gründer erfüllen, um bei datengetriebenen Analysen positiv aufzufallen?

Bei Raized.ai sammeln und strukturieren wir relevante Daten, damit VCs gezielt die Startups finden, die zu ihrem Fokus passen. Wer online gut positioniert ist, erhöht die Chancen, frühzeitig auf dem Radar der Investoren zu erscheinen. Wir raten Gründern, aussagekräftige Profile zu erstellen – insbesondere eine gute Webseite und eine starke Präsenz auf LinkedIn. Startups sollten dort sichtbar sein, wo Investoren suchen. Es geht nicht darum, täglich zu posten, sondern klar zu zeigen, was man macht.

Können Datenmuster potenzielle Unicorns entdecken?

Das ist derzeit noch schwierig. KI kann zwar Muster in bestehenden Daten erkennen, aber eine verlässliche Erfolgsprognose erfordert mehr als historische Informationen. Besonders bei Early-Stage-Startups sind die verfügbaren Daten begrenzt und sagen wenig über die langfristigen Erfolgschancen aus. Die Vorhersagen basieren auf aktuellen Trends, doch Faktoren wie Marktveränderungen oder Gründerpersönlichkeiten lassen sich nicht vollständig erfassen.

Glaubst du, dass in 5 Jahren KI-gestütztes Scouting der neue Standard für VCs sein wird?

Definitiv. Allein der Kostendruck wird Fonds dazu zwingen, KI einzusetzen. Viele VCs suchen bereits nach Wegen, ihre Prozesse zu optimieren. In fünf Jahren werden KI-Modelle in Kombination mit LLMs noch besser Zusammenhänge aus grossen Datenmengen erkennen und Szenarien berechnen können – wie es heute Experten aus speziellen Fachbereichen tun. Diese Art der vorausschauenden Analyse wird die Investmentbranche verändern und einen entscheidenden Wettbewerbsvorteil bieten.