Jeder Investor hat eine These. Eine Reihe von Überzeugungen darüber, wo Wert geschaffen wird, welche Teams ihn erfassen können und welche Phase der richtige Einstiegspunkt ist.
Jedes Tool für die Deal-Sourcing ignoriert sie.
Sie erhalten Filter. Branchen-Dropdowns. Score-Bereiche. Vielleicht eine gespeicherte Suche, die Ihnen einmal pro Woche eine CSV-Datei per E-Mail zusendet. Die gleichen Ergebnisse, die alle anderen sehen, weil das Tool Sie nicht kennt.
Wir glauben, dass Deal-Sourcing anders funktionieren sollte. Und die Technologie, um dies zu ermöglichen, ist gerade angekommen.
Das Problem mit der Suchbasierten Deal-Sourcing
Aktuelle Tools behandeln Deal-Sourcing wie E-Commerce: Durchsuchen Sie einen Katalog, wenden Sie Filter an, scrollen Sie durch die Ergebnisse. Das funktioniert beim Kauf von Schuhen. Es funktioniert nicht, um Ihre nächste Investition zu finden.
Hier ist der Grund:
Filter sind verlustbehaftet. Wenn Sie nach "Fintech, Seed Stage, mit Sitz in den USA" filtern, verlieren Sie das KI-Infrastrukturunternehmen in Berlin, das ein Zahlungsproblem besser löst als jedes US-Fintech. Ihre These würde es lieben – aber Ihre Filter haben es getötet.
Die Ergebnisse sind nicht nach Passgenauigkeit geordnet. Eine Liste, die nach Score oder Datum sortiert ist, sagt Ihnen nichts über die Übereinstimmung. Das am höchsten bewertete Startup ist möglicherweise eine schlechte Wahl für Ihren Fonds. Die Nummer 47 könnte genau das sein, was Sie suchen.
Kontext fehlt. Ihr Portfolio hat bereits drei Dev-Tools-Unternehmen. Wollen Sie wirklich ein viertes? Oder brauchen Sie etwas in der angrenzenden Infrastruktur, um Portfolio-übergreifenden Wert zu schaffen? Aktuelle Tools wissen es nicht, also können sie es Ihnen nicht sagen.
Jede Abfrage beginnt bei Null. Kein Gedächtnis. Kein Lernen. Kein Verständnis dafür, warum Sie die letzten 50 Startups abgelehnt haben. Jede Sitzung ist ein unbeschriebenes Blatt.
Was sich mit MCP ändert
MCP – Model Context Protocol – ist ein offener Standard, der es KI-Assistenten ermöglicht, sich mit externen Datenquellen zu verbinden. Stellen Sie es sich als USB für KI vor: ein universeller Stecker, mit dem Claude, GPT oder jeder kompatible Assistent mit strukturierten APIs sprechen kann.
Wenn ein Investor den MCP-Server von Athanor mit seinem KI-Assistenten verbindet, ändert sich die Interaktion grundlegend:
Vorher (Keyword-Suche):
"Zeige mir Fintech-Startups mit einem Score über 70"
Nachher (konversationell, personalisiert):
"Finde Startups, die zu meiner These passen, mein Portfolio ergänzen und mit den Mustern meiner besten Investitionen übereinstimmen"
Der Unterschied ist nicht kosmetisch. Die zweite Abfrage erfordert, dass das System Folgendes weiß:
- Was Ihre These tatsächlich aussagt
- Was sich bereits in Ihrem Portfolio befindet
- Welche Ihrer Investitionen gut gelaufen sind – und was sie gemeinsam haben
- Was Sie sich angesehen und abgelehnt haben – und warum
Das ist es, was wir bauen.
Investor-DNA: Die Personalisierungs-Engine
Wir nennen es Investor DNA – ein Profil, das aus drei Schichten besteht:
1. These (Was Sie sagen, dass Sie wollen)
Der explizite Teil. Ihre angegebenen Anlagepräferenzen:
- Sektoren: KI-Infrastruktur, Entwicklertools, vertikales SaaS
- Phasen: Pre-Seed bis Seed
- Check-Größe: 100.000 – 500.000 Dollar
- Geografie: USA, EU
- Team-Präferenzen: Technische Gründer, Wiederholungsgründer
- Vermeiden: Hardware, Krypto, Consumer Social
Dies ist die Grundvoraussetzung. Jedes CRM hat eine Version davon. Aber es sind nur 40 % des Bildes.
2. Portfolio (Was Sie bereits getan haben)
Ihre bestehenden Investitionen erzählen eine Geschichte, die Ihre Thesen-Aussage nicht tut:
- Synergiepotenzial: Welche neuen Startups könnten mit Ihren bestehenden Portfoliounternehmen Wert schaffen?
- Gap-Analyse: Wo ist Ihr Portfolio untergewichtet?
- Überschneidungsrisiko: Würde diese Investition mit etwas konkurrieren, das Sie bereits unterstützen?
- Mustererkennung: Was haben Ihre erfolgreichsten Investitionen gemeinsam?
Ihr Portfolio ist Ihre offenbarte Präferenz. Wir gewichten es mit 30 %.
3. Verhalten (Was Sie tatsächlich tun)
Die implizite Ebene. Im Laufe der Zeit bilden Ihre Suchmuster, die Verweildauer auf der Seite, Vergleiche und Ablehnungsentscheidungen ein Verhaltenssignal:
- Startups ähnlich denen, mit denen Sie Zeit verbracht haben → Boost
- Startups ähnlich denen, die Sie schnell abgelehnt haben → Depriorisieren
- Muster in Ihren erfolgreichen Investitionen → Verstärken
Niemand füllt ein Formular aus, das seine unbewussten Vorurteile beschreibt. Aber das Verhalten erfasst sie. Die restlichen 30 %.
Wie das in der Praxis aussieht
Hier ist eine echte Konversation zwischen einem Investor und seinem KI-Assistenten mit Athanor MCP verbunden:
Investor: "Was ist diese Woche reingekommen, das ich mir ansehen sollte?"
KI: Fragt Athanor MCP mit der These des Investors + Portfoliokontext ab
3 neue Startups passen diese Woche zu Ihrem Profil:
Relay – API-Infrastruktur für die Aggregation von Finanzdaten. 87 % Übereinstimmung mit der These. Würde eine Lücke in Ihrem Portfolio füllen (keine Investitionen in die Datenschicht). Seed Stage, Bay Area, sammelt 2 Millionen Dollar.
Archway – KI-gestützte Vertragsprüfung für KMUs. 74 % Übereinstimmung. Starke Überschneidung mit Ihrer LegalStack-Investition – erwägen Sie den Synergie-Winkel. Pre-Seed, Remote, sammelt 800.000 Dollar.
Canopy – Vertikales SaaS für Baumpfleger. 71 % Übereinstimmung. Ungewöhnliche Vertikale, stimmt aber mit Ihrem Muster "unsexy Vertikale + starke Unit Economics" von GreenOps und ParkBase überein.
Investor: "Erzähl mir mehr über Relay. Wie ist es im Vergleich zu Plaid?"
KI: Ruft get_startup + compare tools auf
Relay baut eine Aggregationsschicht speziell für Echtzeit-Zahlungsdaten... Hauptunterscheidungsmerkmal von Plaid: Konzentriert sich auf den Schreibzugriff (Initiierung von Zahlungen), nicht nur auf den Lesezugriff (Kontodaten)... GemScore: Potenzial 78, Bereitschaft 65. Risikofaktoren: einzelner technischer Gründer, noch kein Umsatz...
Investor: "Vergleiche Relay mit dem anderen Fintech, das ich letzte Woche angeschaut habe – das aus London."
KI: Ruft compare_startups mit Kontext der Historie auf
Vergleich von Relay (Bay Area) vs. Clearway (London):
Dimension Relay Clearway These fit 87% 62% Portfolio fit Hoch (füllt Lücke) Mittel (angrenzend) Team Solo technischer 2 Mitgründer, Banker-Hintergrund ...
Keine Filter. Keine Dropdowns. Keine CSV-Exporte. Nur eine Konversation, die jedes Mal intelligenter wird.
Sechs Tools, ein Protokoll
Der MCP-Server stellt sechs Tools zur Verfügung, die jeder KI-Assistent aufrufen kann:
| Tool | Was es tut | Beispielabfrage |
|---|---|---|
search_startups |
Discovery mit optionaler Personalisierung | "Finde KI-Startups, die zu meiner These passen" |
get_startup |
Tiefes Profil + Passgenauigkeitsanalyse | "Erzähl mir von diesem Startup und warum es passt" |
compare_startups |
Seite an Seite mit Ihren Dimensionen | "Vergleiche diese 3 anhand meiner Kriterien" |
match_to_thesis |
Beste Übereinstimmungen für Ihre These | "Was ist diese Woche meine beste Übereinstimmung?" |
analyze_portfolio_fit |
Synergie + Lücke + Überschneidungsanalyse | "Wie passt das zu meinem Portfolio?" |
track_deal |
Pipeline-Management | "Verschiebe das zur Due Diligence" |
Plus persistente Ressourcen: Alert-Abonnements, Watchlists, Ihr Investorenprofil und Interaktionshistorie.
Die Tools sind zusammensetzbar. Ihr KI-Assistent verkettet sie auf natürliche Weise: Suche → Vergleich → Analyse der Passgenauigkeit → Deal verfolgen. Kein Workflow zum Erlernen. Keine Benutzeroberfläche zum Navigieren. Einfach fragen.
Intelligente Benachrichtigungen: Deals kommen zu Ihnen
Das beste Deal-Sourcing erfordert überhaupt keine Suche.
Speichern Sie Ihre Kriterien einmal. Lassen Sie sich benachrichtigen, wenn ein passendes Startup erscheint:
- These match: Hoch-Aligned-Startup wird bewertet → sofortiger Alert
- Score change: GemScore für beobachtete Startup ändert sich → Benachrichtigung
- Portfolio signal: Startup ergänzt Ihr Portfolio → gekennzeichnet
- New evaluation: Startup in Ihrem Sektor schließt vollständigen GemScore ab → Digest
Geliefert wie Sie wollen: in Ihrer nächsten KI-Konversation, per E-Mail, Webhook zu Slack oder täglicher Zusammenfassung.
Der Investor, der um 9 Uhr morgens eine Benachrichtigung erhält, dass ein Startup mit hoher Passgenauigkeit gerade die Bewertung abgeschlossen hat – und vor dem Mittagessen überprüfen, vergleichen und Kontakt aufnehmen kann – hat einen strukturellen Vorteil gegenüber dem, der einmal pro Woche ein Dashboard durchsucht.
Warum MCP, warum jetzt
Drei Dinge kamen zusammen:
1. MCP erreichte kritische Masse. Claude Desktop, Cursor, Windsurf und eine wachsende Liste von KI-Tools unterstützen MCP nativ. Investoren, die bereits KI-Assistenten verwenden, können Athanor als Datenquelle hinzufügen, ohne die Tools zu wechseln.
2. KI-Assistenten sind gut genug geworden. Natürliche Sprachabfragen über strukturierte Daten erfordern eine starke Argumentation. Die heutigen Modelle können "Finde Startups wie die, die ich unterstützt habe, aber in angrenzenden Märkten" in die richtige Kombination von API-Aufrufen übersetzen. Vor einem Jahr konnten sie das nicht zuverlässig.
3. Wir haben die Daten. Athanor hat Hunderte von Startups mit tiefgreifender, strukturierter Analyse bewertet – Team, Markt, Geschäftsmodell, Risiko, Scores. Dies ist kein Scraping von Crunchbase. Es handelt sich um proprietäre Bewertungsdaten mit über 50 strukturierten Dimensionen pro Startup.
Die Schnittmenge: ein ausgereiftes Protokoll, fähige Modelle und eine reichhaltige Datenschicht. Das Erstellen eines MCP-Servers ist kein Forschungsprojekt mehr – es ist ein Engineering-Projekt.
Was wir nicht bauen
Wert darauf, Klarheit über Grenzen zu schaffen:
- Kein CRM. Wir werden Affinity oder Attio nicht ersetzen. Aber wir werden Daten in sie pushen.
- Kein Datenbank-Dump. Nur öffentliche, angemeldete Startups mit abgeschlossenen Bewertungen sind auffindbar. Keine Entwürfe, keine privaten Einreichungen.
- Keine Überwachung. Ihr Investorenprofil ist verschlüsselt. Startups sehen nicht, wer nach ihnen gesucht hat. Ihre These bleibt Ihre.
- Kein Ersatz für Urteilsvermögen. KI verengt den Trichter. Sie wählen immer noch die Gewinner aus. Das Ziel ist weniger Stunden für das Filtern, mehr Stunden für Gründergespräche.
Die Roadmap
Wir bauen in vier Phasen:
| Phase | Was ausgeliefert wird | Zeitplan |
|---|---|---|
| Core | Such- + Detailtools, grundlegende Filterung | Q1 2026 |
| Personalization | Investorenprofile, These Alignment | Q1 2026 |
| Advanced | Portfolioanalyse, Vergleich, Deal Tracking | Q2 2026 |
| Intelligence | Verhaltensbasiertes Matching, Wettbewerbersignale, Alerts | Q2 2026 |
Phase 1 ist bereits in Entwicklung. Die statische Seite unter /investors/ai-discovery hat eine Warteliste für den frühen Zugriff.
Das größere Bild
Der MCP-Server ist nicht nur ein Tool für die Deal-Sourcing. Es ist die Grundlage für alles, was als Nächstes kommt:
- Abyss (unser zweiseitiger Marktplatz) wird die gleiche Personalisierungs-Engine verwenden, um Investoren mit privatem Dealflow zusammenzubringen
- GemScore V4 wird Echtzeit-Bewertungsdaten in die Discovery einspeisen – nicht statische Snapshots
- Investor DNA Matching wird es Gründern ermöglichen, Investoren zu finden, deren These zu ihrem Startup passt, nicht nur umgekehrt
Wir bauen die Infrastruktur für KI-natives Investieren. Der MCP-Server ist die erste öffentliche Schnittstelle.
Frühen Zugriff erhalten
Wenn Sie ein Investor sind, der bereits Claude, GPT oder einen anderen KI-Assistenten in Ihrem Workflow verwendet:
- Treten Sie der Warteliste bei unter /investors/ai-discovery
- Wir werden Early Adopters in Chargen einarbeiten, wenn jede Phase ausgeliefert wird
- Investoren mit frühem Zugriff helfen bei der Gestaltung des Produkts – Ihr Feedback beeinflusst direkt, was wir bauen
Die erste Version ist während der Beta kostenlos. Die Produktionspreise beginnen bei 9 $/Monat für Einzelinvestoren, mit Fonds-Level-Plänen für Teams.
Die besten Deals werden nicht gefunden, indem man härter sucht. Sie werden gefunden, indem man intelligenter sucht – mit Tools, die wissen, wonach man eigentlich sucht.
— Das Athanor-Team
