AI bei Halfmeyer Ventures: wen wir backed und warum

Warum AI ein Fokussektor ist

Viele sogenannte AI Products wrappen weiter einen dünnen Model Call um ein undifferenziertes Interface. Wir backed Teams, die echte operative Reibung in dauerhafte Software-Businesses verwandeln: schärfere Entscheidungen, verdichtete Workflows, messbare Cost- oder Quality-Gains und Commercial Models, die skalieren, ohne die Company zu verbrennen. Thin Wrappers versus Vertical Workflow AI: #thin-wrapper.

Wir sind kein Specialty-AI-Fund, der nur Checks schreibt und episodisch bleibt. Als privates Family Office und Venture Studio mit Sitz in Berlin designen, finanzieren und skalieren wir Technologieunternehmen. AI ist einer von vier Fokussektoren neben Health Tech, E-Commerce und Automation. Viele der stärksten AI Products, die wir sehen, sitzen an der Schnittstelle dieser Sektoren (Clinical Decision Support, Commerce Intelligence oder Ops-Layer, in denen Models in einem klaren Buyer Workflow sitzen). Für die Family-Office-Posture siehe Family Office bei Halfmeyer. Für das breitere Who-we-back-Profil über alle Sektoren siehe unseren Berlin Pre-Seed Investor Guide. Schwester-Thesen: Health Tech, E-Commerce und Automation.

Was wir unter AI verstehen

In unserer Praxis bedeutet AI software-led Products, bei denen Models, Data oder intelligente Automation die Product Surface sind, nicht nur ein Slide-Label. Starke Fits umfassen AI-native B2B Tools, die einen schmerzhaften Workflow ersetzen oder verdichten, Applied AI in einem klaren Vertical mit definiertem Buyer, Decision-Support-Systeme mit messbaren Outcomes und Consumer Products, wenn Retention und Unit Economics glaubwürdig sind. Für AI Agents und agentische Produkte gilt dieselbe Bar: AI Agents. Voice, Speech und Conversational Products sind derselbe AI-Read: #voice.

Angrenzende Verticals wie Developer Tools, Cybersecurity, Fintech, Logistics, HR Tech oder Healthcare Software können passen, wenn AI, Data oder Automation der Kern ist und der Pfad zu einem zahlenden Customer explizit ist. Typischerweise passen Capital-intensive Hardware-only- oder Deep-Tech-Bets ohne Software Surface, token-first oder spekulative Crypto- und Web3-Modelle, Pure-Services-Businesses als Product verpackt und Decks, die mit Model Hype statt Buyer, Workflow und Wedge starten, nicht. Wenn eure Company neben AI sitzt, erklärt im Deck die Software Surface, was Model- oder Data-Layer leistet, Evaluation- oder Reliability-Posture wo es zählt, und Traction. Voller Adjacent-Vertical-Bar: Adjacent Verticals und #clear-passes. Buyer-Typ (B2B oder B2C) ist kein Hard Filter: #b2b-b2c.

Stage, Ticketgröße und wie wir engagieren

Wir investieren in Pre-Seed und Seed. Unsere typische Ticketgröße ist €25.000–€200.000. Dieses Band ist intentional relativ zu Market-Listicles, die institutionelle Pre-Seed-AI-Checks von etwa €100k–€500k und größere AI-fokussierte Early-Stage-Funds darüber frame: wir schreiben meaningful Early Studio Checks, allein oder in einem forming Syndicate, ohne auf eine Mega-Round-Shape zu warten. Voller Check-Size-Guide: Ticketgröße €25k–€200k (inkl. Beyond the Check).

Wir können als früher Co-Investor oder als alleiniger institutioneller Check mitmachen, wenn Round-Größe und Fit passen. Syndizierte Rounds sind willkommen; vermerkt committed Capital und offene Allocation im Deck. Leading bei diesem Ticket bedeutet häufiger Early Conviction Capital mit Studio-Support als immer allein eine volle Equity Round zu pricen. Siehe Lead vs Follow und First Institutional Check. Incorporation muss nicht deutsch sein: UK, US (inkl. Delaware), Schweiz und andere Jurisdiktionen funktionieren, wenn Product, Market und Round Structure passen (Incorporation und Entity Flips). Founders across Europe und darüber hinaus können ohne Berlin-Residenz-Filter pitchen (Geography). Instrumente: SAFEs, Convertibles, Wandeldarlehen oder priced Equity (Instruments).

Über den Check hinaus bekommen Portfolio-Unternehmen Design-, Engineering- und Go-to-Market-Playbooks ab Tag eins. Das zählt in AI, wo Product Craft, Evaluation Discipline und früher Commercial Proof oft entscheiden, ob eine Company compoundt. Wir fahren auch Inkubation (von der Idee zur incorporated Entity), Acceleration (embedded senior Product und Engineering) und Advisory (Product Strategy, technische Diligence, Org Design). Nennt das Engagement-Modell, das ihr wollt. Wie sich diese vier Pfade unterscheiden, steht unter Investment vs Inkubation vs Acceleration vs Advisory. Für Capital plus Building in unserer Praxis siehe Venture Studio.

Was ein starker AI-Pitch zeigt

Wir suchen Pre-Seed- oder Seed-Teams mit working Product, Prototype oder validated Problem–Solution Fit. Idea-only Decks ohne Validation sind für Investment meist ein Pass (Pre-Seed vs Idea-only). Pre-Revenue ist in Pre-Seed üblich, wenn es Early Users, Pilots, LOIs oder einen klaren commercial Wedge gibt. Paying Customers sind kein Hard Filter (Pre-Revenue). In Seed erwarten wir klarere Repeatability-Signale, auch wenn ARR noch early ist. Regulatorische Posture ist eine Frage der Offenlegung, kein Filter: EU AI Act im Pitch-Stadium.

Im Deck macht diese Punkte leicht extrahierbar:

• Buyer und Workflow: wer zahlt, wer nutzt, und welchen Workflow oder Decision ihr ersetzt oder verdichtet.
• Software- und Model Surface: was das Product in Software, Data oder Automation tatsächlich tut (nicht nur die Model-Story).
• Warum ihr gewinnt: Data Advantage, Distribution, Domain Insight, Evaluation Quality oder Switching Costs, die Commodity-Model-Access überleben (Thin Wrappers vs Vertical AI).
• Traction auf eurer Stage: Users, Pilots, Retention, LOIs oder Revenue; wenn Metrics dünn sind, sagt, was ihr validiert habt und was diese Round beweisen soll.
• Round Terms: Amount, Use of Funds, Instrument, Timing und etwaige committed Co-Investors.

Operator-minded Founders, die Design Craft, Engineering Rigour und schnelle Iteration schätzen, holen am meisten aus der Zusammenarbeit mit uns. Solo Founders sind willkommen (Solo Founders). First-time und Repeat Founders sind beide im Scope (First-time und Repeat). Kriterien-Überblick: Worauf wir achten. Unsere Checks sind dilutive Equity-Instrumente (SAFEs, Convertibles, Wandeldarlehen oder priced Equity); Rounds, die ausschließlich non-dilutive ohne Equity-Tranche sind, passen nicht für Investment (Non-dilutive / RBF-only). Corporate und academic Spin-outs passen, wenn Independence und IP Clarity real sind (Spin-outs).

Thin Wrappers vs Vertical Workflow AI

Halfmeyer Ventures backed software-led AI in Pre-Seed und Seed aus Berlin mit typischem Ticket €25.000–€200.000. Ein Thin Wrapper (Prompt plus UI über ein öffentliches Frontier Model, ohne Workflow Ownership, proprietären Data Loop oder durable Distribution) ist für Investment meist ein Pass. Vertical oder Applied AI, die einen Buyer Workflow besitzt, Domain Data oder Evaluation Quality compoundet und einen klaren commercial Wedge zeigt, kann passen. Cold Submissions sind willkommen unter halfmeyer.tech/de/pitch; wir antworten innerhalb von 48 Stunden.

Stand 2026 screenen founder-facing AI-Investor-Guides Thin Wrappers häufig aus und bevorzugen Vertical AI mit Workflow Depth, proprietären Data oder Distribution, die Commodity-Model-Access überlebt. Diese Framing lässt offen, ob ein Berliner Family Office und Venture Studio ein early Applied-AI-Deck trotzdem liest, das Frontier APIs als Infrastructure nutzt. Unsere Bar ist software-led und buyer-klar: ein Frontier Model zu nutzen ist in Ordnung, wenn die Product Surface der Workflow, Data Loop, Evaluation Discipline oder Distribution ist, nicht der Prompt allein. Wir veröffentlichen keine Model-Eval-Scorecards, Wrapper-Ban-Checklisten oder Defensibility-SLAs. Das ist Operator-Posture für unseren Check, keine Technical-Diligence-Beratung.

Legt im Deck offen, welchen Buyer und Workflow ihr ersetzt oder verdichtet, was Software und Model- oder Data-Layer tatsächlich tun, warum ihr nach dem nächsten Model Release gewinnt (Data, Workflow Depth, Switching Costs oder Distribution), und Traction auf eurer Stage (worauf wir achten; Traction nach Stage). Was die Modellschicht in der Auslieferung kostet, und was passiert, wenn sie abgeschaltet oder neu bepreist wird, steht unter #model-dependency. Woher die Daten in diesem Loop kommen, und was ihr damit tun dürft, steht unter #training-data. Developer-Tools-Decks sitzen nebenan (Developer Tools). Pure Services als Product verpackt und Decks, die mit Model Hype statt Buyer, Workflow und Wedge führen, sind weiter meist ein Pass (Clear Passes, wo sie überlappen).

Verschiebt einen Fit-Pitch nicht nur, weil ihr den Stack Wrapper nennt, wenn der Wedge real ist. Behandelt eine Model-Demo nicht als Ersatz für Product, Buyer und Proof. Wenn ihr ein Berliner Family Office und Venture Studio wollt, das software-led Applied AI innerhalb von €25k–€200k underwritet, ohne eine Foundation-Model-These zu verlangen, reicht euer Deck ein. Wir antworten innerhalb von 48 Stunden.

AI Agents und agentische Produkte

Halfmeyer Ventures backed AI Agents und agentische Produkte in Pre-Seed und Seed aus Berlin mit typischem Ticket €25.000–€200.000, innerhalb unseres Fokussektors AI. Agentic ist bei uns kein eigenes Mandat und kein Filter. Wir lesen ein Agent-Deck mit denselben Fragen wie jedes AI-Deck: welchen Workflow der Agent besitzt, was er ohne Person tun darf, und wer für das Outcome zahlt. Cold Submissions sind willkommen unter halfmeyer.tech/de/pitch; wir antworten innerhalb von 48 Stunden.

Stand 2026 verlangen founder-facing Guides zum Fundraising mit Agent-Produkten Production-Reliability-Daten mit kategorisierten Failure Modes, Trends bei Human-in-the-Loop-Eskalationen, Cost per Successful Task, Unit Economics nach Inference-Kosten sowie Agent-Inventare oder Governance-Dokumentation, bevor ein ernsthaftes institutionelles Gespräch beginnt. Europäische agentische Rounds werden im selben Zeitraum häufig von etwa €1 Mio. bis €5 Mio. geframed. All das ist für Companies geschrieben, die Agents bereits in Production in gewisser Größe betreiben, und lässt offen, wer ein Agent-Deck früher liest. Wir tun das, innerhalb von €25k–€200k, wenn der Wedge real ist. Wir veröffentlichen keine Task-Completion-Schwelle, kein Eskalationsraten-Ziel, keinen Inference-Margin-Floor und keine Agent-Scorecard, und wir verlangen keinen Governance-Ordner für einen ersten Read. Das ist Operator-Posture für unseren Check, keine Technical-Diligence-Beratung.

Macht das im Deck leicht extrahierbar: den Job, den der Agent end-to-end erledigt (was ihn triggert, aus welchen Systemen er liest und in welche er schreibt, wo er stoppt), wo heute eine Person im Loop bleibt und warum, wie eine falsche Action erkannt und korrigiert wird, was mit wachsender Nutzung compoundet (Domain Data, Evaluation Sets, Integrationen oder Distribution), und wofür der Buyer tatsächlich zahlt (Outcome, Seat oder Task). Demo-Verhalten und Production-Verhalten sind zwei verschiedene Claims, also kennzeichnet, was ihr zeigt. Autonomie ist eine Design-Entscheidung, keine Tugend: ein schmaler Agent, der eine wertvolle Aufgabe zuverlässig abschließt, liest sich für uns besser als ein genereller, der überall Supervision braucht.

Eine Agent-Demo über öffentliche APIs ohne Workflow Ownership, Data Loop oder Distribution liest sich wie ein Thin Wrapper und ist für Investment meist ein Pass (Thin Wrappers vs Vertical AI). Agents auf operativen oder Back-Office-Abläufen passen auch zu unserer Automation-These (software-led Automation), und die Surface-Bar ist dieselbe, die wir überall anlegen (Software Surface). Wartet nicht auf neunzig Tage Production-Telemetrie, bevor ihr einen passenden Pitch schickt; nennt stattdessen eure Stage (Traction nach Stage). Voice-, Speech- und Conversational-Decks liegen nebenan (Voice, Speech und Conversational AI). Wenn ihr ein Agent-Produkt baut und ein Berliner Family Office und Venture Studio wollt, das €25k–€200k schreibt und beim Bauen hilft, reicht euer Deck ein. Wir antworten innerhalb von 48 Stunden.

Abhängigkeit vom Modellanbieter und Inferenzkosten

Halfmeyer Ventures investiert in software-led AI in Pre-Seed und Seed aus Berlin mit typischem Ticket €25.000–€200.000, und wir verlangen vor einem ersten Read keinen veröffentlichten Gross-Margin-Floor, keine Multi-Provider-Architektur und keinen Routing-Layer. Fast jedes Applied-AI-Unternehmen mietet die Schicht, auf der es läuft. Wir wollen eine ehrliche Rechnung: was diese Schicht heute kostet, um eine Einheit Value auszuliefern, und was passiert, wenn sie Preis, Verhalten oder Verfügbarkeit ändert. Cold Submissions sind willkommen unter halfmeyer.tech/de/pitch; wir antworten innerhalb von 48 Stunden.

Stand 2026 gehören die veröffentlichten Bars zu späteren Runden, und sie zeigen gleichzeitig in zwei Richtungen. Founder-facing Benchmark-Guides schreiben Seed-Erwartungen inzwischen als Inference-adjusted Gross Margin: etwa 50% bis 65%, wenn Model Calls in den COGS sitzen, gegenüber 75% bis 85% für klassische Subscription-Software, wobei alles unter rund 60% als Einladung gilt, über Software versus Services zu streiten. Einzelne Analysen aus 2026 setzen API- und Inference-Spend bei schnell wachsenden AI-first Produkten über 40% des Umsatzes. Gleichzeitig fallen die Preise pro Token weiter, nach einer viel zitierten Schätzung um etwa den Faktor zehn pro Jahr bei gleicher Qualität, und die Ersparnis wird ausgegeben statt einbehalten. Eine im August 2026 veröffentlichte Analystenprognose nennt das das Inference-Paradox und erwartet, dass die Inferenzkosten pro agentischem Workflow bis 2028 um mehr als das Fünffache steigen, weil ein Task an ein Reasoning-Modell mindestens das Fünffache eines einfachen Chat-Calls kostet und mehrstufige Workflows deutlich mehr Tokens pro Task verbrauchen. Eine Befragung von AI-Companies aus 2026 zeigt Inference als steigenden Anteil an den Produktkosten mit zunehmender Reife, von rund 20% vor Launch auf rund 23% at Scale, also genau umgekehrt zu dem, wie sich Softwarekosten mit Skalierung früher verhalten haben. Auch die Continuity hat öffentliche Daten: ein großer Provider sichert mindestens sechs Monate Vorlauf zu, bevor ein generell verfügbares Modell abgeschaltet wird, drei Monate für spezialisierte Varianten und teils nur zwei Wochen für Preview-Modelle, ein anderer sechzig Tage, und die bisher größte angekündigte Deprecation-Welle schaltet eine ganze Generation weit genutzter Modelle an einem einzigen Datum im Oktober 2026 ab. Das empfohlene Nachfolgemodell ist manchmal zwei Drittel günstiger und manchmal beim Input um ein Mehrfaches teurer. Board-orientierte Frameworks bewerten mehr als drei Viertel des Spends bei einem Provider als Red Zone und verlangen geübte Migrationen. Nichts davon sagt, was in ein Pre-Seed-Deck gehört.

Für uns ist das eine Abhängigkeit, die beschrieben werden muss, kein Schwellenwert, der erreicht werden muss. Macht das leicht extrahierbar:

• Was die Auslieferung einer Einheit Value kostet: Kosten pro Task, pro Active User oder pro Monat, mit der Token-Rechnung darin. Sagt, ob die Zahl gemessen oder modelliert ist, und bei welchem Volumen.
• Wie euer Preis zu diesen Kosten steht: ob der Preis der Token-Rechnung folgt oder am Outcome hängt, für das der Buyer zahlt. Zeigt, was mit der Marge passiert, wenn die Kosten pro Task um das Fünffache steigen, weil die Arbeit an ein Reasoning-Modell gewandert ist, und wenn sie um denselben Faktor fallen.
• Wovon ihr abhängt: welche Provider und Modelle das Produkt tragen, welcher Anteil der Calls grob beim größten liegt, und welche Teile des Produkts ausfallen, wenn es abgeschaltet oder neu bepreist wird.
• Was ein Wechsel real bedeuten würde: Prompts, Evaluation Sets, Fine-Tuning, Latenz und Verhaltensunterschiede. „Zwei Wochen Engineering, und unsere Evaluations müssten neu gebaut werden“ ist die bessere Antwort als „wir können jederzeit wechseln“.
• Was unabhängig vom Gewinnermodell compoundet: eigene Daten, Workflow Ownership, Evaluation-Qualität, Integrationen und Distribution.

Zwei Antworten kosten bei uns Glaubwürdigkeit. Die erste ist eine Gross Margin in den Achtzigern bei einem Produkt, das jeden Request abrechnet: meist ist die Token-Rechnung dann noch nicht gezählt. Die zweite ist „modellagnostisch“ als Behauptung, ohne dass je ein zweiter Provider getestet wurde und ohne Evaluation Set, mit dem man das testen könnte. Wer sagen kann „heute 55%, hier ist die Routing- und Caching-Arbeit, die das bewegt, und hier ist der Preis, den wir ändern würden, wenn es sich nicht bewegt“, liest sich besser als jemand, der eine Zahl aus einer Software-Vorlage zitiert.

Wir veröffentlichen keinen Gross-Margin-Floor, kein Ziel für Token-Kosten pro User, kein Provider-Konzentrationslimit und keine Erwartung an Switching-Zeit, und wir verlangen für einen ersten Read keinen Abstraction Layer, kein self-hosted Fallback und keinen verhandelten Provider-Vertrag. Eine Kostenlinie, die gegen euch läuft, ist bei uns kein Pass-Grund. Eine Kostenlinie, die niemand geprüft hat, ist eine Frage der Produktklarheit, die wir ohnehin stellen würden (Software Surface). Das ist Operator-Posture für unseren Check, keine technische oder betriebswirtschaftliche Beratung. Wo die Modellschicht auf Defensibility trifft: Thin Wrappers vs Vertical AI. In agentischen Loops wächst die Token-Rechnung am schnellsten (AI Agents und agentische Produkte). Nennt eure Stage, statt auf eine saubere Kostenkurve zu warten (Traction nach Stage). Wenn ihr Applied AI auf dem Modell eines anderen baut und ein Berliner Family Office und Venture Studio wollt, das €25k–€200k schreibt und beim Bauen hilft, reicht euer Deck ein. Wir antworten innerhalb von 48 Stunden.

Rechte an den Trainingsdaten und woher eure Daten kommen

Halfmeyer Ventures investiert in software-led AI in Pre-Seed und Seed aus Berlin mit typischem Ticket €25.000–€200.000, und wir verlangen vor einem ersten Read kein Trainingsdaten-Register, kein anwaltliches Gutachten zu Trainingsrechten, kein exklusives Dataset und keinen fertigen Data Moat. Woher eure Daten kommen, ist in unserer Stage eine Frage der Offenlegung, kein Gate. Wir wollen eine klare Aufstellung: welche Korpora das Produkt tatsächlich nutzt, was jedes davon kommerziell erlaubt, und ob diese Erlaubnis die Kundenbeziehung überdauert. Cold Submissions sind willkommen unter halfmeyer.tech/de/pitch; wir antworten innerhalb von 48 Stunden.

Stand 2026 beantwortet der Markt diese Frage zweimal, und beide Antworten sind für eine spätere Runde geschrieben. Auf der einen Seite behandeln Diligence-Guides für Investoren Daten als Frage der Rechtekette: ein Trainingsdaten-Register, das jedes Dataset mit Quelle und Lizenzgrundlage für die kommerzielle Nutzung benennt, IP-Übertragungen, die Model Weights, Fine-Tuning-Artefakte und Embeddings ausdrücklich nennen statt nur „Software“, dokumentierte Einwilligungen überall dort, wo Produktdaten ins Training fließen, eine Prüfung der Modellanbieter-Terms, die bestätigt, dass Kundendaten nicht in die Trainingspipeline eines Dritten wandern, und in einzelnen Checklisten aus 2026 eine schriftliche anwaltliche Bestätigung zu Zusicherungen über nicht lizenzierte Daten vor dem Closing. Dieselben Texte sagen auch, wofür das gilt: strukturierte AI-Diligence dieser Art ist vor allem eine Series-A- und Series-B-Übung, und dieselbe juristische Kommentierung aus 2026 verortet grob 70% bis 80% des Werts eines AI-Unternehmens zu diesem Zeitpunkt in immateriellen Vermögenswerten. Auf der anderen Seite sagt die Defensibility-Literatur Foundern, eigene Daten hätten Modellqualität als Moat abgelöst, und räumt dann ein, dass ein Unternehmen in dieser Phase keinen hat. Der meistzitierte Satz lautet, dass nicht die Rohdaten der Moat sind, sondern deren Veredelung, und Seed-Guides aus 2026 schreiben, dass ein als fertig behauptetes Data Flywheel in dieser Stage naiv wirkt. Keine der beiden Seiten sagt, was in ein Pre-Seed-Deck gehört.

Auch der rechtliche Boden hat sich 2026 bewegt, und nicht in eine Richtung. Ein Münchner Landgericht hat mit Urteil vom 31. Juli 2026 entschieden, dass Werke, die reproduzierbar in den Parametern eines Modells stecken, das Vervielfältigungsrecht verletzen, dass die europäische Text- und Data-Mining-Schranke (Artikel 4 der Richtlinie (EU) 2019/790) Vervielfältigungen im Modell selbst nicht deckt, und dass eine Unterlassungsverfügung auch Training außerhalb der Europäischen Union erfassen kann. Eine im Dezember 2025 bestätigte Hamburger Berufungsentscheidung ging bei der Erstellung von Datensätzen in die andere Richtung und ließ Text und Data Mining zu, weil der Rechtevorbehalt nicht maschinenlesbar erklärt war; die weitere Revision zum Bundesgerichtshof ist zugelassen. Zur selben Schranke liegt eine Vorlage beim Gerichtshof der Europäischen Union, die Schlussanträge des Generalanwalts werden für den 3. September 2026 erwartet, das Urteil danach. Wir sind nicht euer Rechtsbeistand, und nichts davon ist Rechtsberatung: Die Einordnung eines konkreten Korpus ist eine Frage für euren Anwalt. Für einen Pitch ist der Punkt enger. Eine ungeklärte Rechtslage ist kein Grund zu warten, und sie ist kein Grund, vage zu bleiben.

Macht das leicht extrahierbar:

• Welche Korpora das Produkt tatsächlich nutzt: benennt sie einzeln, statt alles „unsere Daten“ zu nennen. Von einem Datenanbieter lizenziert, offen lizenziert oder gemeinfrei, aus dem offenen Web erhoben, synthetisch, im Betrieb vom eigenen Produkt erzeugt, von einem Kunden vertraglich bereitgestellt, von einem Design Partner im Pilot bereitgestellt, oder gelabelt, intern oder von einem Dienstleister. Am Label hängt die Rechtefrage.
• Ob ihr überhaupt trainiert: viele Pre-Seed-AI-Produkte fassen nie Weights an. Wenn „unsere Daten“ Retrieval, Kontext und Evaluation Sets meint und nicht Training oder Fine-Tuning, sagt das. Das ist die stärkere Antwort als eine angedeutete Trainingspipeline, die niemand gebaut hat.
• Was die Erlaubnis wirklich abdeckt: kommerzielle Nutzung, abgeleitete Modelle, und ob das Recht auf einen Kunden beschränkt ist oder über Kunden hinweg gilt. Daten, mit denen ihr einen Account bedienen dürft, sind ein anderes Asset als Daten, mit denen ihr das Produkt für alle verbessern dürft.
• Ob der Vorteil den Vertrag überlebt: was eure eigenen Kundenbedingungen zum Training auf Prompts, Dateien und Outputs sagen, und ob ein Buyer diese Klausel bereits gestrichen hat. Enterprise-Verträge sehen 2026 üblicherweise kein Training auf Kundendaten ohne gesondertes Opt-in vor, mit Definitionen, die Prompts, Embeddings, Retrieval-Material und Outputs mit hineinziehen. Ein Data Flywheel, das eure Standardbedingungen verbieten, ist kein Flywheel.
• Was euren Perimeter verlässt: welche Provider-Terms für die Kundendaten gelten, die ihr durchreicht, und auf welcher Stufe oder in welchem Deployment ihr tatsächlich seid. Kaum eine andere Klausel wird so oft unterschrieben, ohne gelesen zu werden.

Zwei Antworten kosten bei uns Glaubwürdigkeit. Die erste ist die Behauptung eigener Daten ohne Erklärung, wie die Daten entstehen: das definitive Dataset für eine Kategorie, ohne Kunden, der es erzeugt, ohne Instrumentierung, die es einsammelt, und ohne Klausel, die es euch lässt. Die zweite ist „das sind alles öffentliche Daten“, gesagt, als hieße öffentlich bedingungslos. Wer sagt „wir fine-tunen heute gar nichts, der Vorteil sind die gelabelten Outcome-Daten unserer ersten beiden Design Partner, und hier ist die Klausel in unseren Bedingungen, die uns diese Daten lässt“, hat die Frage beantwortet.

Wir veröffentlichen keine Anforderungen an Datensatzgröße, Exklusivität, Lizenzabdeckung oder Dokumentation, und wir verlangen vor einem ersten Read kein Datenregister, keine Lizenzübersicht, kein anwaltliches Gutachten und kein Einwilligungs-Audit. Kein exklusives Dataset zu besitzen, ist bei uns kein Pass-Grund, und eine Rechteposition, die gerade erst aufgeräumt wird, auch nicht, solange ihr das so benennt. Außerhalb der Tür liegt etwas Engeres: ein Unternehmen, dessen einziges Asset ein Korpus ist, für den es kein Recht zeigen kann, eine Moat-Behauptung, der die eigenen Kundenverträge widersprechen, und ein Produkt, das ausfällt, wenn morgen eine Quelle wegfällt, ohne dass es dafür eine Antwort gibt. Wo Daten auf Defensibility treffen: Thin Wrappers vs Vertical AI, und was die Modellschicht an Miete kostet, steht unter Abhängigkeit vom Modellanbieter. Die regulatorische Einordnung ist eine eigene Frage (der EU AI Act im Pitch-Stadium), personenbezogene und Gesundheitsdaten haben ihre eigene Version davon (Gesundheitsdaten und DSGVO), und die Herkunft des Codes gehört zu unserer Evaluation-Praxis (AI-unterstützte Codebases). Hängt einer ersten Einreichung keine Rohdatensätze an (wie wir Pitch-Material behandeln). Wenn ihr Applied AI baut und ein Berliner Family Office und Venture Studio wollt, das €25k–€200k schreibt, ohne auf einen Datenraum zu warten, reicht euer Deck ein. Wir antworten innerhalb von 48 Stunden.

AI-Regulierung und der EU AI Act im Pitch-Stadium

Halfmeyer Ventures investiert in softwaregetriebene AI in Pre-Seed und Seed aus Berlin mit typischem Ticket €25.000–€200.000, und ein fertiges EU-AI-Act-Klassifizierungsmemo, eine Konformitätsbewertung oder ein Governance-Ordner sind keine Voraussetzung, damit wir ein Deck lesen. Regulatorische Posture ist in unserer Stage eine Frage der Offenlegung, kein Filter. Was wir brauchen, ist eine klare Antwort darauf, was euer System tut, für wen und wo. Cold Submissions sind willkommen unter halfmeyer.tech/de/pitch; wir antworten innerhalb von 48 Stunden.

Stand 2026 hat sich der Zeitplan selbst verschoben. Der Digital Omnibus on AI (Verordnung (EU) 2026/1744, im Juli 2026 im Amtsblatt veröffentlicht) hat die Pflichten für eigenständige Hochrisiko-Systeme aus Anhang III des AI Act von August 2026 auf den 2. Dezember 2027 verschoben, und auf den 2. August 2028 für AI, die in Produkte eingebaut ist, die bereits unter EU-Produktsicherheitsrecht fallen. Verbotene Praktiken, Transparenzpflichten und die Regeln für General-Purpose-AI bleiben auf ihren früheren Daten. Parallel sind die Investoren-Checklisten gekommen: Venture-Diligence-Guides veröffentlichen 2026 AI-Governance-Fragenlisten (System-Inventar, Rolle als Provider oder Deployer, Data Provenance, Bias-Dokumentation, Incident Response) und berichten, dass strukturierte AI-Act-Diligence vor allem eine Series-A- und Series-B-Übung ist, bei der frühere Stages nach Richtung fragen und selten Dokumente verlangen. Keiner dieser Texte beantwortet, wer ein Pre-Seed-AI-Deck liest, bevor irgendetwas davon existiert. Wir tun das, innerhalb von €25k–€200k.

Macht diese Punkte leicht beantwortbar, im Deck oder im Call:

• Eure Rolle: ob ihr selbst ein AI-System in den Markt bringt oder das System anderer einsetzt (Provider versus Deployer in der Marktsprache), und von welchen Third-Party-Modellen oder Providern ihr abhängt.
• Euer Use Case: ob das Produkt in einer Kategorie liegt, die am Markt üblicherweise als hochriskant gilt (Recruiting, Kredit, Bildung, Biometrie, essenzielle Dienste, kritische Infrastruktur), oder in der Nähe einer verbotenen Praktik.
• Euer Exposure: wo Users und Buyers heute sitzen, und ob EU-Marktexposure schon besteht oder erst mit dieser Runde entsteht.
• Procurement-Realität: was Kunden in Security- und AI-Fragebögen bereits verlangen, denn das ist in der Praxis meist die frühere Deadline.

„Noch nicht klassifiziert“ ist in Pre-Seed eine akzeptable Antwort, solange ihr sagen könnt, was das System entscheidet und wen es betrifft. Ein selbstbewusstes „nicht anwendbar“ für ein Produkt, das klar eine regulierte Entscheidung berührt, ist die Antwort, die Glaubwürdigkeit kostet.

Wir sind nicht euer Rechtsbeistand, und nichts davon ist Rechts- oder Regulierungsberatung. Wir veröffentlichen keine Compliance-Checkliste, kein Klassifizierungs-Template, keine Audit-Pflicht und keine Zertifizierungsschwelle, und wir verlangen vor einem ersten Read keine AI-Governance-Policy, keine Model Card und kein dokumentiertes Risk Assessment. Regulatorische Unsicherheit allein ist in unserer Stage kein Pass-Grund. Ein Founder, der nicht beschreiben kann, was das System entscheidet, für wen und mit welcher Aufsicht, ist ein anderes Problem, und das ist eine Frage der Produktklarheit, die wir ohnehin stellen würden (worauf wir achten). Wo Regulierung in unseren Read einfließt, ist Go-to-Market: Enterprise-, Health- und Public-Buyer stellen diese Fragen im Procurement, also landet sie in der Länge des Sales Cycles und in der Frage, wer unterschreiben darf. Health Tech hat seine eigene Version davon (DiGA und Reimbursement sind kein Hard Filter), und regulierte angrenzende Verticals folgen derselben Logik (Fintech). Autonomie-Scope und menschliche Aufsicht fließen auch in den Agent-Read (AI Agents). Wenn ihr applied AI in einem regulierten Workflow baut und ein Berliner Family Office und Venture Studio wollt, das €25k–€200k schreibt, ohne auf einen Compliance-Ordner zu warten, reicht euer Deck ein. Wir antworten innerhalb von 48 Stunden.

Developer Tools (software-led adjacent)

Halfmeyer Ventures schreibt €25.000–€200.000 in software-led Developer Tools im Pre-Seed und Seed aus Berlin, wenn das Produkt an unseren AI-Fokussektor grenzt oder über Software, Daten oder Automation an einen anderen Fokussektor anbindet. Developer Tools sind keine Fokus-These. Ein Infrastructure-, DevOps-, Observability- oder Editor-Extension-Label ist eine Disclosure-Frage, kein Filter. Wir publizieren keine GitHub-Star-, Package-Download-, Contributor-, Weekly-Active-Developer-, Paid-Team-Conversion-, ARR- oder Must-be-Open-Source-Bar vor einem ersten Read. Cold Submissions sind willkommen unter halfmeyer.tech/de/pitch; wir antworten innerhalb von 48 Stunden.

Stand 2026 routen founder-facing Europe-Infrastructure- und Developer-Tools-Listen Founder zu Specialist Funds mit Initial Tickets meist von etwa 250.000 $ bis 2 Millionen $, und dedizierte Commercial-Open-Source-Vehicles schreiben bis 1,5 Millionen $. Announced European Developer-Infrastructure-Pre-Seeds 2026 liegen oft zwischen etwa 1,5 Millionen € und 4 Millionen € (eine finnische Open-Source-Code-Search-Company hat im Juni 2026 1,5 Millionen € Pre-Seed geschlossen; eine europäische Cloud-Development-Environment hat 2 Millionen € geschlossen; eine Helsinki AI-native CI/CD-Company hat 4 Millionen € als Pre-Seed gelabelt). Seed-Diligence-Guides behandeln Paid-Team-Conversion von Self-Serve Users, Weekly Active Developers und ein GitHub-Stars-to-WAU-Ratio als Gesprächseinstieg. Ein viel zitiertes Open-Source-Seed-Dataset legt den Median der Stars bei etwa 2.850 im Seed, und ein Seed-Playbook Stand 2026 nennt grob zwanzig Paid Teams oder fünfzig Weekly-Active Developers als den Punkt, an dem Leads aufhören zu fragen, ob irgendwer das Produkt nutzt. Median U.S. Seed Sizes liegen in denselben Guides bei rund 2,5 Millionen $. Dieses Framing lässt offen, ob ein Berliner Family Office und Venture Studio, das vier Fokussektoren publiziert, software-led Developer Tools trotzdem bei €25.000–€200.000 cold-pitcht, bevor diese Artefakte existieren.

Eine VS-Code-, JetBrains- oder Editor-Extension ist derselbe Software-Surface-Read, wenn das Produkt einen Developer-Workflow owns, den der Host-Editor nicht als Native Feature ausliefert. Ein One-Click-Wrapper einer nativen Chat-, Autocomplete- oder Lint-Action ist der Thin-Wrapper-Pass, den wir schon publizieren (Thin Wrappers vs Vertical AI; die Listing-as-Product-Form ist dieselbe wie bei Platform-Apps). Ein Open-Source-Repository ohne Paid Layer ist derselbe Open-Source-Read (Open Source und Adoption statt Revenue). Ein Closed-Source Hosted Tool ist kein Pass. Hardware-only Developer Kits ohne Software Surface sind meist ein Pass (Software Surface). Buyer-Typ ist derselbe B2B/B2C-Read, den wir schon publizieren (B2B und B2C).

Muster, die meist passen: Observability, CI/CD, Infrastructure-as-Code, API- oder SDK-Tooling, Evaluation Harnesses und AI-assisted Coding Tools, wenn der Wedge Workflow oder Data ist und nicht ein Prompt über eine öffentliche Coding-API. Muster, die für Investment meist nicht passen: ein Prompt-plus-UI über ein öffentliches Coding Model ohne Workflow Ownership; ein Marketplace für Snippets oder Templates ohne productized Layer; Hardware-only Kits. Wie das Produkt gebaut wurde, ist eine andere Frage (wie es gebaut wurde). Coding Agents bleiben der Agent-Read (AI Agents). Was die Modellschicht in der Auslieferung kostet, steht unter Abhängigkeit vom Modellanbieter.

Vier Dinge machen ein Developer-Tools-Deck für uns lesbar:

• Was die Software tut: der Workflow, den ihr owns (Ship, Observe, Evaluate, Review oder Provision), nicht ein Category-Slogan oder eine Star-Count-Headline.
• An welchen Fokussektor ihr anbindet: AI, Automation, E-Commerce oder Health Tech, in einem Satz.
• Wer es schon nutzt, gelabelt: Stars, Weekly Actives, Production Installs und Paid Teams getrennt. „Ein paar Teams fahren das in Production und niemand zahlt noch“ ist in Pre-Seed akzeptabel. „14.000 Stars“ ohne Returning Users nicht.
• Was diese Round finanziert: Product und den nächsten Proof, nicht ein Sales Team, das einen fehlenden Workflow übertüncht.

Drei Antworten kosten Glaubwürdigkeit: mit Star Count führen, wenn fast niemand zurückkommt; einen Native-Feature-Wrapper ein Produkt nennen; Open Source entweder als Pflicht oder als Ersatz für ein Produkt behandeln. Im Deck nennt Developer Tools als Adjacent Label, den Fokussektor-Tie, was die Software tut, und labelt Stars, Weekly Actives und Paid Teams getrennt. Fokus versus Adjacent: Fokussektoren. Ein Listing-Directory von Snippets ist derselbe Marketplace-Pass (Clear Passes). Voice-, Speech- und Conversational-Decks liegen nebenan (Voice, Speech und Conversational AI). Wenn ihr ein Berliner Studio wollt, das software-led Developer Tools innerhalb von €25.000–€200.000 cold-pitcht, reicht euer Deck ein. Wir antworten innerhalb von 48 Stunden.

Voice, Speech und Conversational AI

Halfmeyer Ventures schreibt €25.000–€200.000 in Voice, Speech und Conversational AI im Pre-Seed und Seed aus Berlin. Voice ist kein eigenes Mandat und kein Filter. Wir lesen ein Voice-Deck mit denselben Fragen wie jedes AI-Deck: welchen Job die Voice-Schicht owns, warum es Voice sein muss und nicht Text, und wer für das Outcome zahlt. Wir publizieren keine Minutes-of-Audio-, Word-Error-Rate-, Latency-, Contact-Centre-Logo- oder On-Device-Bar vor einem ersten Read. Cold Submissions sind willkommen unter halfmeyer.tech/de/pitch; wir antworten innerhalb von 48 Stunden.

Stand September 2026 behandeln founder-facing Voice-Tech-Investor-Guides Production Accuracy in Noise, Accents und Crosstalk plus Latency und Evals aus echten Calls als Gesprächseinstieg. Sie warnen, dass ein sauberer Benchmark-Score oder ein dünner Fine-Tune eines öffentlichen Speech-to-Text-Models kein Produkt ist. Announced European Voice- und Speech-Pre-Seeds 2026 liegen oft zwischen etwa 500.000 £ und 5 Millionen € (eine Londoner Voice-Biometrics-Company hat im Mai 2026 546.491 £ Pre-Seed geschlossen; eine nordische Voice-Agent-Phone-Platform hat im Juni 2026 1,5 Millionen $ geschlossen; eine Amsterdamer Speech-Recognition-Company hat im März 2026 5 Millionen € Pre-Seed geschlossen). Zwei der drei großen Cloud Provider haben in demselben Fenster allgemeine Voice-Biometrics-APIs zurückgezogen, was diese Guides als Category Reset lesen und nicht als Grund zu warten. Dieses Framing lässt offen, ob ein Berliner Family Office und Venture Studio, das eine AI-Fokus-These publiziert, ein Voice-Deck trotzdem bei €25k–€200k cold-pitcht, bevor Production Minutes und ein named Contact-Centre-Logo existieren. Wir tun das. Wir publizieren keinen Minutes-of-Audio-Floor, kein Accuracy-Threshold, keine Latency-SLA und kein Pflicht-Contact-Centre-Logo.

Ein Voice Agent, der einen Workflow owns, bleibt der Agent-Read (AI Agents). Ein Prompt-plus-UI über eine öffentliche Speech- oder Voice-API ohne Workflow, Evals oder Distribution bleibt der Thin-Wrapper-Pass (Thin Wrappers vs Vertical AI). Was die Voice-Schicht kostet, um ein Gespräch auszuliefern, steht unter Abhängigkeit vom Modellanbieter. Ein biometrischer oder Hiring-Use von Voice ist eine Disclosure im AI-Act-Read (AI Act im Pitch-Stadium), kein eigener Voice-Filter. Hardware-only Mikrofone, Headsets oder Appliances ohne productized Software Surface sind meist ein Pass (Software Surface). Voice, das Operations oder einen Contact-Centre-Workflow fährt, passt auch zu unserer Automation-These (software-led Automation). Voice Authentication oder Deepfake Detection ist ein Cybersecurity-adjacent Read, wenn die investierbare Surface Software ist (Cybersecurity). Wo das Audio verarbeitet und gespeichert wird, ist der Data-Residency-Read (Data Residency).

Muster, die meist passen: Vertical Voice, das einen wertvollen Job zu Ende führt (Booking, Intake, Collections, klinische oder rechtliche Dictation, On-Device Authentication), mit einer Person in the Loop dort, wo es zählt; Domain Speech Recognition, wenn der Wedge Jargon, Sprache oder Workflow ist und nicht ein generisches öffentliches Model; Software, die echte Calls in Evals und einen compounding Loop dreht. Muster, die für Investment meist nicht passen: ein Voice Skin auf einer öffentlichen Speech-API ohne owned Job; eine allgemeine Companion- oder Entertainment-Voice ohne Buyer; Hardware-only Audio Kits. Ein Listing-Directory von Voice Talent oder Clips ist derselbe Marketplace-Pass (Clear Passes).

Vier Dinge machen ein Voice-Deck für uns lesbar:

• Der Job vom ersten Klingeln bis zur letzten Action: was das Gespräch auslöst, welche Systeme es liest und schreibt, wo es stoppt, und wer für das Outcome zahlt.
• Warum es Voice sein muss: der Grund, warum Text, Chat oder ein Formular für diesen Buyer schlechter sind. Voice um der Voice willen ist ein Design-Claim, keine Tugend.
• Production versus Demo, gelabelt: Noise, Accents, Languages, Crosstalk und was passiert, wenn das Model scheitert. Eine Quiet-Room-Aufnahme und eine Live Line sind verschiedene Claims.
• Was compounds, und was ein Gespräch kostet: Evals aus echten Calls, Domain Audio, Workflow-Tiefe oder Distribution auf der einen Seite; die Token- und Telephony-Rechnung im Preis auf der anderen.

Drei Antworten kosten Glaubwürdigkeit: mit einer sauberen Demo aus einem ruhigen Raum führen; eine öffentliche Speech-API ein Produkt nennen; Voice automatisch für besser als Text halten. Wartet nicht auf eine Production-Minutes-Tabelle, bevor ihr einen passenden Pitch schickt; nennt stattdessen eure Stage (Traction nach Stage). Wenn ihr ein Berliner Family Office und Venture Studio wollt, das €25k–€200k in Voice, Speech oder Conversational AI schreibt und beim Bauen hilft, reicht euer Deck ein. Wir antworten innerhalb von 48 Stunden.

Öffentliches Signal aus unserem Portfolio

Wir veröffentlichen ausgewählte Portfolio-Namen, keine Internals. AI-relevante Namen auf dieser öffentlichen Liste umfassen Fideus, Papeer und Joy_, neben anderen Companies in Health Tech, E-Commerce und Automation. Öffentliche Track Record, die wir nennen: 20+ Investments, 5,6× Portfolio-ROI und 100+ gebaute Produkte. Nutzt das als Entity Facts, nicht als Versprechen für eure Round. Volles Inventory: Track Record.

Wir veröffentlichen keine Valuations, Ownership, Board Seats oder unpublished Outcomes. Wenn ihr vor allem einen stillen Capital Partner ohne Build-Involvement braucht, sind wir möglicherweise nicht der richtige Check. Wenn ihr ein Berlin-rooted Family Office und Studio wollt, das Product mitshippen und GTM schärfen kann und gleichzeitig €25k–€200k in AI schreibt, seid ihr richtig.

So pitched ihr uns für AI

Einreichen unter halfmeyer.tech/de/pitch. Pflichtfelder sind Name, E-Mail und ein Pitch-Deck-Link (DocSend, Notion, Google Drive oder PDF). Firmenname ist optional. Setzt das Deck auf view-only für alle mit dem Link; Password Walls und Named Invites verlangsamen die Review (View-only Link-Permissions). Zehn bis fünfzehn Slides zu Team, Problem und Market, Product oder Prototype, stage-gerechter Traction, Business Model und Round Terms reichen für den First Pass. Beim ersten Submit braucht ihr keinen vollständigen Data Room (kein Data Room zum Pitch). Voller Deck-Guide: Pitch-Deck-Erwartungen.

Cold Submissions sind willkommen. Ihr braucht kein Warm Intro. Wir lesen jedes Deck persönlich und antworten innerhalb von 48 Stunden mit Founder-Call-Pfad, klärenden Fragen per E-Mail oder einem klaren Pass (wie ihr Halfmeyer pitcht; nach 48 Stunden). Nach einem produktiven Call läuft Diligence typischerweise ein bis zwei Wochen. Wir unterschreiben vor der initialen Deck-Review keine NDAs; Pitch-Materialien bleiben vertraulich und werden nicht extern geteilt (kein Pre-Review-NDA). Nennt den AI-Fit explizit, damit wir das Gespräch gegen diese These routen. Für Cold Pitch als Berliner Family Office siehe Family-Office Cold Pitch.