Deep Tech VC-Funding explodiert: Quanten-Startups verdrängen SaaS im Portfolio

32 Prozent. So hoch ist laut dem „State of European Deep Tech in 2026″ (Deeptech.build) der Anteil von Deep-Tech-Investments am gesamten europäischen Venture-Capital-Volumen – mehr als doppelt so viel wie noch 2015. Quanten- und KI-Startups stehen dabei im Mittelpunkt eines kapitalen Umbaus. Rechnen wir nach, was das für SaaS-Gründer, Family Offices und klassische VC-Portfolios konkret bedeutet.

Was Deep Tech eigentlich von SaaS trennt – und warum das für Rendite entscheidend ist

Zunächst das Grundproblem: Viele Artikel vermischen Deep Tech mit Tech im Allgemeinen. Konkret zählen zur Deep-Tech-Kategorie Unternehmen, deren Produkte auf wissenschaftlichen Durchbrüchen oder substanziellem Engineering-Fortschritt basieren – Quantencomputing, KI-Infrastruktur auf Chip-Ebene, Biotech, Climate-Hardware. Der Haken an klassischen SaaS-Modellen: Sie sind weitgehend kommoditisiert. Ein B2B-Tool ohne tiefen IP-Schutzwall lässt sich innerhalb weniger Monate kopieren. Deep-Tech-Startups dagegen bauen auf Patenten, proprietären Algorithmen oder physikalischen Effekten, die sich nicht einfach per GitHub-Fork replizieren lassen.

Das ist kein akademischer Unterschied. Für Investoren bedeutet es: höhere Einstiegshürden, aber potenziell deutlich breitere Burggraben-Architektur. Mehrere Reports – darunter Dealroom und die Founders Foundation – beschreiben, wie me-too-SaaS-Modelle in VC-Komitees zunehmend schwer Kapital bekommen. Nicht weil SaaS tot ist, sondern weil identische Pitch-Decks ohne echten IP-Moat einfach nicht mehr überzeugen, seit KI die Produktentwicklungskosten drastisch gesenkt hat.

Meiner Einschätzung nach ist das der entscheidende Kipppunkt: Wenn KI-Tools eine SaaS-Grundfunktion in Wochen statt Jahren bauen können, verschwindet der Moat schneller, als die erste Funding-Runde verdaut ist. Deep-Tech-Startups kaufen sich mit langem Entwicklungshorizont buchstäblich Zeit gegen Imitatoren.

Die Zahlen hinter dem Boom: Was wirklich belegt ist

Rechnen wir nach. Laut „State of European Deep Tech in 2026″ (Deeptech.build) erreichten europäische Deep-Tech-Investments 2025 rund 20,3 Milliarden US-Dollar. Das klingt abstrakt – wird aber greifbar, wenn man bedenkt, dass dieser Betrag 32 Prozent des gesamten europäischen VC-Volumens repräsentiert. 2015 lag dieser Anteil noch deutlich unter 15 Prozent.

Gleichzeitig zeigt der Global Deep Tech Report 2026 (basierend auf Dealroom-Daten) ein strukturelles Paradox: Europa stellt 45 Prozent aller Deep-Tech-Startups weltweit, erhält aber nur 17 Prozent des globalen Deep-Tech-Kapitals. Das ist kein Ruhm, das ist ein Finanzierungsdefizit. Zum Vergleich: Die USA dominieren den Kapitalfluss mit überproportionalem Anteil, getrieben durch deutlich größere Spätphasenfonds und eine dichtere Infrastruktur aus Corporate-VCs und Pensionskassen.

Für frühere Phasen in Deutschland liefert der High-Tech Gründerfonds (HTGF) konkrete Orientierung: Er finanziert Seed- und Pre-Seed-Runden in den Segmenten Digital Tech, Industrial, Climate & Deep Tech und Life Sciences. Ticketgrößen und Investitionsmodalitäten sind öffentlich dokumentiert – ein seltenes Gut in einem Markt, der sonst gerne hinter NDAs operiert.

Quanten-Startups: Der teuerste Option-Play im Portfolio

Quanten-Startups sind das teuerste Wette im Deep-Tech-Sortiment. Konkret bedeutet das: hohe Kapitalintensität schon in frühen Phasen, langer Entwicklungshorizont bis zur kommerziellen Anwendbarkeit, und eine Finanzierungslandschaft, die stark von öffentlichen Programmen abhängt. Der European Innovation Council (EIC Accelerator) sowie nationale Quantenprogramme stützen viele Deals, die ohne staatliche Co-Investition nicht zustande kämen.

In VC-Portfolios tauchen Quanten-Startups deshalb häufig als kleiner prozentualer Anteil auf – mit hohem Upside-Potenzial, aber explizit als langfristiger Optionsschein gerechnet. Zum Vergleich: KI-Startups auf Infrastrukturebene ziehen heute deutlich größere Volumina an, weil der Weg zum zahlenden Kunden kürzer und die Unit Economics leichter modellierbar sind. Wer als Investor einen Quanten-Deal eingeht, muss realistische Fondslaufzeiten von zwölf bis fünfzehn Jahren einplanen – klassische Zehn-Jahres-Fonds passen strukturell nicht.

Der Haken ist also nicht das technologische Potenzial, sondern die LP-Erwartungssteuerung. Family Offices sind hier tendenziell flexibler als institutionelle Fonds mit starren Ausschüttungsmandaten. Das erklärt, warum Quantencomputing im deutschen Kontext – den etwa Dealroom und das acatech-Papier zu Innovationspotenzialen der Quantentechnologien beschreiben – stark von öffentlichen Geldern getragen wird, während private Kapitalquellen zögerlicher agieren.

KI-Startups: Wo die echte Kapitalverschiebung stattfindet

KI ist das Segment, das im Deep-Tech-Mix die größten absoluten Volumina bewegt. Der Global Deep Tech Report 2026 identifiziert KI, Klima-Tech, Biotech und Quantentechnologien als die vier Kernsegmente künftiger Unicorn-Pipelines – aber KI führt die Liste beim aktuellen Kapitalfluss deutlich an. VC-Firmen passen ihre Investmentmandate entsprechend an: „AI-first“, „AI-native Infrastructure“ und „AI-enabled Enterprise“ sind die Suchbegriffe, die Komiteesitzungen dominieren.

Was bedeutet das konkret für traditionelle SaaS-Anbieter? Wer als Bestandsunternehmen kein überzeugend integriertes KI-Narrativ vorweisen kann, verliert im Wettbewerb um Anschlussfinanzierungen. Das ist keine Prognose, das zeigt sich bereits in Due-Diligence-Fragebögen: Generalisten-VCs fragen heute systematisch nach proprietären Datensätzen, Modell-Fine-Tuning-Strategien und AI-spezifischen Switching Costs. Klassisches SaaS ohne diese Antworten wird zwar nicht ausgeschlossen, aber es landet deutlich häufiger in der B-Liste der Term Sheets.

Ich halte es für wichtig, an dieser Stelle klar zu unterscheiden: SaaS ist nicht tot. In absoluten Zahlen bleibt das Segment stark. Die Verschiebung ist eine relative – Deep Tech wächst schneller, zieht den Fokus erfahrener Partner in großen Fonds auf sich und verändert damit die Verhandlungsposition von Gründern, die kein technologisches Differenzierungsmerkmal jenseits einer sauberen UI vorweisen können.

Öffentliche Fonds als Hebel: ETCI, DTCF und die Fondsarchitektur dahinter

Ein zentraler Treiber, den viele Analysen unterschätzen: öffentliche Ko-Investitionsprogramme. Die EU-Initiative European Tech Champions Initiative (ETCI) plant, 3,75 Milliarden Euro in zehn bis fünfzehn Fonds mit jeweils über einer Milliarde Euro Fondsgröße zu investieren – mit explizitem Deep-Tech-Scale-up-Fokus. Auf nationaler Ebene ergänzt der DeepTech & Climate Fonds (DTCF) in Deutschland mit bis zu einer Milliarde Euro und Ticketgrößen zwischen 1 und 30 Millionen Euro.

Diese Konstruktion funktioniert als Hebel: Öffentliches Kapital senkt das Risiko für private LPs, die sonst bei langen Entwicklungszyklen und unsicheren Exit-Zeitpunkten wegbleiben würden. Zum Vergleich: Ein klassischer SaaS-Fonds braucht diese staatliche Absicherung selten, weil die Kapitalbindung kürzer und die Bewertungsmodelle standardisierter sind. Deep-Tech-Fonds hingegen müssen LPs erklären, warum eine Quanten-Infrastrukturfirma erst in Jahr acht einen validen Exit produziert.

Laut Euro Funding flossen allein 2023 über 10 Milliarden Euro VC-Kapital in europäische Early-Stage-Deep-Tech-Deals. Trotzdem bleibt das Kapitaldefizit im Spätphasenbereich das strukturelle Problem des europäischen Ökosystems. Öffentliche Fonds adressieren genau diese Lücke – mit dem Nebeneffekt, dass sie auch Standortwettbewerb zwischen München, Berlin, Paris und Amsterdam befeuern.

Unicorn-Prognosen: Was die Reports versprechen – und was sie verschweigen

Wer Unicorn-Prognosen aus Deep-Tech-Reports zitiert, sollte den Methodikvorbehalt kennen. Konkret: Solche Modellrechnungen basieren auf Annahmen zu Exit-Multiples, Zinsniveaus, Regulierungsentwicklungen und geopolitischen Faktoren – alles Parameter, die im Quantencomputing-Kontext besonders schwer vorherzusagen sind. Der Global Deep Tech Report 2026 prognostiziert, dass künftige Unicorns überproportional aus Deep-Tech-Segmenten stammen werden. Das ist plausibel als Szenario. Als belastbare Prognose taugt es nicht.

Trotzdem liefert die historische Entwicklung echte Signale. Deep-Tech-Unternehmen, die es bis zur Series B schaffen, weisen tendenziell höhere Bewertungsmultiples auf als vergleichbare SaaS-Unternehmen im gleichen Reifegrad – eben weil die Eintrittsbarrieren für Wettbewerber höher sind. Das spiegelt sich in den IRR-Erwartungen spezialisierter Deep-Tech-VCs wider, die bei reifen Portfolios deutlich über Standard-VC-Benchmarks liegen können. Allerdings – und das ist der Haken – ist die Streuung ebenfalls größer. Quanten-Startups, die an einem Hardwareproblem scheitern, hinterlassen keine verwertbaren Assets. SaaS-Companies mit schrumpfender ARR-Kurve lassen sich zumindest noch verkaufen.

Der europäische Standortwettbewerb: Wer profitiert konkret?

München, Berlin und Paris kämpfen aktuell um die Rolle als europäisches Deep-Tech-Zentrum. Die Infrastruktur unterscheidet sich erheblich. München profitiert von der Nähe zu TU München, Max-Planck-Instituten und einer dichten Industrie-Corporate-VC-Landschaft. Berlin hat Tiefe im KI-Startup-Ökosystem und günstigeres Talent-Recruiting. Paris investiert massiv in staatliche KI-Infrastruktur, nicht zuletzt durch nationale Programme im Nachgang der europäischen KI-Strategie.

Der Kapitalzufluss folgt dieser Logik nicht immer linear. Das 45-zu-17-Prozent-Paradox des Global Deep Tech Reports – Europa stellt 45 Prozent der Startups, erhält aber nur 17 Prozent des weltweiten Deep-Tech-Kapitals – lässt sich auch als Marktchance lesen. Wer als Family Office oder LP früh in europäische Deep-Tech-Fonds einsteigt, kauft sich Zugang zu einem Ökosystem, das im globalen Vergleich strukturell unterbewertet ist. Die Rendite-Hypothese dahinter: Wenn Europa die regulatorische Infrastruktur aufholt und die Spätphasenlücke schließt, steigen die Bewertungen überproportional.

Ob das eine realistische Wette ist oder wishful thinking bleibt offen. Konkret agieren können Family Offices, die sich für dieses Segment interessieren, über Fund-of-Funds-Strukturen, die ETCI-Kapital hebeln – oder direkt über spezialisierte Vehikel wie den HTGF für frühere Phasen. Unter dem Strich bleibt: Wer auf europäische Deep-Tech-Rendite setzt, muss Geduld als Anlageklasse akzeptieren.

Regulierung als Risiko und Katalysator zugleich

Ein Aspekt, der in der Euphorie um steigende Funding-Volumina oft unterbelichtet bleibt, ist die Regulierungsdimension. Für Quanten-Startups und KI-Infrastrukturunternehmen ist das regulatorische Umfeld kein Hintergrundrauschen, sondern ein aktiver Einflussfaktor auf Markteintritt, Exportkontrolle und Datenzugang. Der EU AI Act schafft für KI-Startups mit Hochrisikoanwendungen – etwa in der medizinischen Diagnostik oder kritischen Infrastruktur – Compliance-Anforderungen, die Kapital und Zeit binden, bevor das erste Produkt kommerziell skaliert.

Gleichzeitig wirkt Regulierung als selektiver Filter, der ernsthaft kapitalisierte Deep-Tech-Startups gegenüber opportunistischen Imitatoren bevorzugt. Wer den Ressourcenaufwand für CE-Kennzeichnung, GDPR-Konformität und künftige Quantenkryptografie-Standards stemmen kann, baut damit einen weiteren regulatorischen Moat auf. Das ist ein Argument, das erfahrene Deep-Tech-VCs in LP-Pitches zunehmend explizit einsetzen: Compliance-Kosten als Eintrittsbarriere, nicht als bloße Belastung. Für Deep-Tech-Fintechs, die auf Fast-Track-Regulierung hoffen, ist dieser Mechanismus besonders relevant, weil regulatorische Sonderwege kurzfristig attraktiv erscheinen, aber langfristige Planungssicherheit einschränken können.

Für Gründer im Quanten-Segment kommt hinzu, dass Exportkontrollregeln – insbesondere bei Dual-Use-Technologien – den Vertrieb in bestimmte Märkte erheblich einschränken oder verzögern können. Wer im Pitch einen globalen Skalierungspfad skizziert, muss heute erklären können, welche regulatorischen Genehmigungsstufen auf diesem Weg liegen und wie lange sie realistisch dauern.

Gegenargument: Warum der Deep-Tech-Hype auch eine Gefahr ist

Es wäre unvollständig, den Kapitalzufluss in Deep Tech ausschließlich als positives Signal zu lesen. Jeder Boom produziert auch Fehlinvestitionen – und Deep Tech ist davor nicht gefeit. Das Grundproblem: Je mehr Kapital in ein Segment fließt, desto mehr Gründer passen ihr Narrativ an, ohne die zugrunde liegende technologische Substanz tatsächlich zu ändern. Im Quantencomputing-Bereich zeigt sich das in Form von Startups, die in Pitch-Decks mit „Quantum-enhanced“ werben, ohne dass ein unabhängig überprüfbarer Quantenvorteil gegenüber klassischen Algorithmen nachweisbar wäre.

Erfahrene Investoren sprechen in diesem Zusammenhang von „Deep Tech Washing“ – analog zum bekannteren Greenwashing im Nachhaltigkeitsbereich. Die Folgen sind zweifach: Seriöse Quanten-Startups müssen in Due-Diligence-Prozessen erheblich mehr Überzeugungsarbeit leisten, weil das Misstrauen gegenüber dem Label gestiegen ist. Und Fondsinvestoren, die nicht über ausreichend technisches Know-how im eigenen Team verfügen, riskieren, Kapital in Projekte zu allokieren, die einen wissenschaftlichen Durchbruch versprechen, der strukturell noch viele Jahre entfernt ist.

Das bedeutet nicht, dass der Trend zur Untersuchung wertlos wäre. Es bedeutet, dass die Qualität der technischen Due Diligence zum entscheidenden Differenzierungsmerkmal für Deep-Tech-Fonds wird. Wer keine Physiker, Ingenieure oder Bioinformatiker im eigenen Investmentteam oder Advisory Board hat, sollte im Quanten-Segment besondere Vorsicht walten lassen – unabhängig davon, wie überzeugend das Pitch-Deck aufbereitet ist.

Was das für SaaS-Gründer und klassische Portfolios bedeutet

Konkret auf den Punkt gebracht: Wer heute ein reines SaaS-Unternehmen ohne proprietäres technologisches Differenzierungsmerkmal pitcht, wird nicht automatisch abgewiesen – aber er konkurriert um Aufmerksamkeit in VC-Komitees, deren erfahrenste Partner zunehmend in Deep-Tech-Dealflow investieren. Das verändert Bewertungsmaßstäbe, Due-Diligence-Prioritäten und die Verhandlungsmacht beim Term Sheet.

Für bestehende SaaS-Portfoliounternehmen ergibt sich daraus eine klare Handlungsoption: Wer einen glaubwürdigen Deep-Tech-Layer einbauen kann – sei es durch proprietäre Modellentwicklung, durch Hardware-Software-Integration oder durch Einstieg in den Quantencomputing-Kontext etwa im Bereich algorithmisches Trading – verschiebt seine Positionierung im VC-Universum. Das ist kein kosmetischer Rebranding-Move. Es erfordert echte technologische Substanz, nachweisbar in Patenten, Publikationen oder Forschungskooperationen.

Für Gründer, die diesen Weg ernsthaft in Betracht ziehen, lassen sich drei konkrete Handlungsschritte ableiten. Erstens: Kooperationen mit Universitäten oder Forschungsinstituten frühzeitig formalisieren und IP-Rechte vertraglich sichern – nicht erst, wenn ein VC danach fragt. Zweitens: Technologische Differenzierungsmerkmale in unabhängig überprüfbarer Form dokumentieren, zum Beispiel durch Peer-reviewed-Publikationen oder Patentanmeldungen, bevor der Fundraising-Prozess beginnt. Drittens: Fondslaufzeiten und Liquiditätserwartungen realistisch abgleichen – wer Deep-Tech-Ambitionen mit kurzfristigen Exit-Erwartungen kombiniert, schafft eine strukturelle Spannung, die im LP-Gespräch früher oder später eskaliert.

Die entscheidende Frage, die sich Gründer wie Investoren stellen müssen: Ist das technologische Differenzierungsmerkmal im Portfolio verteidigungsfähig genug, um in einem Markt zu bestehen, in dem KI-Tools die Entwicklungskosten von Basisfunktionen gegen null drücken – oder kauft man sich mit einem Deep-Tech-Label nur Zeit, ohne echten wissenschaftlichen Vorsprung dahinter?