Eine gute Investment Thesis ist im Early Stage weniger ein akademisches Dokument als ein praktisches Arbeitswerkzeug. Sie hilft Teams dabei, aus tausenden Startups die wenigen herauszufiltern, die wirklich zum eigenen Ansatz passen, und zwar schnell, konsistent und nachvollziehbar. Wenn sie gut gemacht ist, schärft sie Euren Dealflow, reduziert Bias im Screening und macht Entscheidungen im Investment Committee deutlich effizienter.
In diesem Artikel erhalten Sie:
- Eine Investment Thesis Vorlage (als Struktur mit Leitfragen)
- Ein konkretes Beispiel für eine Early-Stage-Thesis
- Hinweise, wie Sie Thesis, Dealflow und Research in den Alltag übersetzt (inklusive Daten-Signalen und Markt-Mapping)
Was ist eine Investment Thesis (und was nicht)?
Eine Investment Thesis beschreibt, warum und wo Sie glauben, über die nächsten Jahre überdurchschnittliche Renditen erzielen zu können, und woran Sie das im Markt erkennen.
Sie ist nicht einfach nur:
- „Wir investieren in B2B-SaaS“ (zu breit)
- Eine Liste von Buzzwords (zu unscharf)
- Eine rückwärts begründete Erklärung nach dem Deal (zu spät)
Praktisch ist eine Thesis ein Set aus Annahmen (Hypothesen), Signalen (woran man sie erkennt) und Constraints (was bewusst ausgeschlossen wird).
Wenn Sie eine kurze Referenz brauchen, ist die Einordnung von Venture Capital als „high risk, high reward“ und die Rolle von Dealflow und Portfolio-Logik gut in der Übersicht von Investopedia zu Venture Capital beschrieben.
Warum Early Stage besonders von einer Thesis profitiert
Im Pre-Seed und Seed sind Informationen unvollständig. Zahlen sind oft noch nicht stabil, Märkte sind in Bewegung, Produkt und Positionierung verändern sich schnell. Genau deshalb ist eine Investment Thesis im Early Stage so wertvoll:
- Schnelleres Screening: Sie müssen nicht jedes Pitch Deck neu „erfinden“, sondern prüfen anhand definierter Kriterien. So kommen Sie schneller zu Ihrer Due Diligence, um das Startup final zu evaluieren.
- Besserer Dealflow: Sie können Suchroutinen, Watchlists (z. B. als Basis Y Combinator Companies tracken) und Outbound gezielt aufsetzen.
- Konsistentere Entscheidungen: Team-Alignment steigt, weil alle dieselben Signale bewerten (siehe auch unsere Übersicht mit Signalen, um Early-Stage Startups zu finden)
- Stärkere Narratives: Eine klare Thesis hilft später auch bei LP-Kommunikation und Portfolio-Support.
Investment Thesis Vorlage (Early Stage)
Die folgende Vorlage ist bewusst so aufgebaut, dass sie sowohl als 1- bis 2-seitiges Dokument funktioniert als auch als Grundlage für Suchfilter, Market Maps und wiederholbare Workflows.
Kernstruktur als Tabelle (zum Kopieren)
| Baustein | Was du festlegst | Leitfragen | Output (Beispiel-Formulierung) |
|---|---|---|---|
| 1. Zielmarkt | Marktdefinition und Boundary | Welches Segment genau, was zählt nicht dazu? | „Wir fokussieren [Segment] in [Region], ausgenommen [X].“ |
| 2. Problem und Dringlichkeit | Schmerz, Frequenz, Budget | Welcher Schmerz ist kritisch, wer bezahlt, warum jetzt? | „Akutes Problem: [Y], ausgelöst durch [Treiber].“ |
| 3. ICP (Ideal Customer Profile) | Käufer, Nutzer, Entscheider | Wer hat Budget, wer leidet, wer entscheidet? | „Buyer: [Rolle], Nutzer: [Rolle], Größe: [Kriterium].“ |
| 4. Lösungshypothese | Produktkategorie, „Job to be done“ | Welche Lösungsklasse setzt sich durch und warum? | „Wir glauben, dass [Kategorie] gewinnt, weil [Grund].“ |
| 5. Differenzierung | Warum dieses Startup gewinnen kann | Welche 2 bis 3 Differenzierungsachsen sind realistisch? | „Wettbewerbsvorteil über [Daten], [Distribution] oder [Workflow].“ |
| 6. Timing-Treiber | Regulatorik, Tech, Verhalten | Was ändert sich 2026 bis 2030, das neue Gewinner schafft? | „Timing: [Regulierung], [Plattformwechsel], [Kostenkurve].“ |
| 7. Go-to-Market | Vertriebsmodell, Motion, Zyklen | PLG, Sales-led oder Partner? Wie kommt Vertrauen rein? | „GTM: [Motion] in [Kanal], Sales-Cycle [kurz/lang].“ |
| 8. Geschäftsmodell | Pricing-Logik, ARPA, Brutto-Margen | Wer zahlt, wofür, ist Pricing an Wert gekoppelt? | „Pricing: [pro Seat/pro Usage], Expansion über [Hebel].“ |
| 9. Evidence-Schwellen | Was reicht als „Proof“ im Stage? | Welche Metriken sind nötig, welche sind optional? | „Seed-Readiness, wenn [Signal 1–3] erfüllt.“ |
| 10. Founder- und Team-Signale | Muster, die zu eurem Ansatz passen | Welche Erfahrung, welches Netzwerk, welche Glaubwürdigkeit? | „Wir bevorzugen Teams mit [Domänen- oder GTM-Edge].“ |
| 11. Deal-Parameter | Stage, Geografie, Ticket, Ownership-Logik | Wo seid ihr wirklich kompetitiv? | „Wir investieren primär in [Stage] in [Region].“ |
| 12. Contra-Thesis und Risiken | Gründe, warum ihr nicht investiert | Was sind harte No-Gos? Welche Risiken akzeptiert ihr? | „No-Go: [X]. Hauptrisiko: [Y], Mitigation: [Z].“ |
Ergänzung: „Signals“ statt Wunschdenken
Eine Thesis wird erst operationalisierbar, wenn Sie für jeden Baustein mindestens ein paar beobachtbare Signale definieren. Zum Beispiel:
- Problem-Dringlichkeit: wiederkehrende Budget-Position, regulatorischer Zwang, klare Prozesskosten
- Timing: neue Standards, Gesetzesänderungen, Plattform-Shifts, sinkende Inferenzkosten für KI
- Founder-Signale: glaubhafte „earned secrets“ (Erfahrung, Zugang, Daten, Distribution)
Das Ziel ist nicht, Ungewissheit zu eliminieren, sondern schneller zu erkennen, welche Ungewissheit Sie bewusst akzeptieren.
Beispiel: Investment Thesis für Early Stage (fiktiv, aber praxisnah)
Unten ist ein Beispiel, das Sie als Vorlage verwenden können. Es ist bewusst konkret, damit man daraus Filter und Workflows ableiten kann.
Kurzfassung (1 Absatz)
Wir investieren im Pre-Seed und Seed in B2B-Software, die verpflichtende Compliance- und Reporting-Prozesse in europäischen Industrien digitalisiert, mit Fokus auf Lösungen, die direkt an operative Workflows andocken (Einkauf, Lieferantenmanagement, Qualitätsmanagement, ESG-Daten). Wir glauben, dass Regulierung und Auditierbarkeit bis 2030 einen starken Pull erzeugen und dass Gewinner entweder über verlässliche Datenpipelines oder über Distribution in bestehende Systeme (ERP, Procurement, QMS) verteidigt werden.
1) Zielmarkt und Boundary
Fokus: EU und UK, regulierte Industrien (z.B. Produktion, Automotive-Zulieferer, Chemie, Food).
Bewusste Ausschlüsse: Consumer, reine „Dashboard-only“-Tools ohne Workflow-Integration, Services-first ohne klaren Software-Kern.
2) Problem und Dringlichkeit
Hypothese: Unternehmen brauchen revisionssichere Nachweise über Lieferkette, Qualität und Nachhaltigkeitsdaten. Manuelle Prozesse sind teuer, riskant und skalieren nicht.
Beobachtbare Signale:
- Audit-Anforderungen steigen, externe Prüfungen nehmen zu
- Daten liegen verteilt, Qualität ist inkonsistent
- Verantwortliche Teams haben Budget, weil Risiko (Bußgelder, Lieferstopps, Reputationsschäden) höher bewertet wird als Tooling-Kosten
3) ICP
- Buyer: Head of Compliance, Head of Quality, Procurement Lead oder CFO-nah (je nach Kategorie)
- Unternehmen: Mittelstand bis Enterprise, mit komplexer Lieferantenstruktur
- Kauftrigger: Audit, Kundenanforderung, neues Reporting, Lieferanten-Change
4) Lösungshypothese
Gewinner sind „Workflow-first“-Produkte, die Datenerhebung, Validierung und Nachweisführung in einen operativen Prozess bringen, statt nur zu visualisieren.
5) Differenzierung (realistische Moats)
- Datenvorteil: proprietäre Datenmodelle, Integrations-Layer, bessere Datenqualität über Zeit
- Distribution: Partnerschaften oder Einbettung in Systeme, die ohnehin genutzt werden
- Switching Costs: Prozessbindung, Audit-Trail, Freigaben, Rollenrechte
6) Timing-Treiber
- Regulatorische Dynamik in Europa, steigende Anforderungen an Dokumentation und Rückverfolgbarkeit
- Druck durch Großkunden in Lieferketten
- Reife von Integrations-Ökosystemen (APIs, iPaaS), wodurch Implementierung schneller wird
Für einen allgemeinen Überblick, warum Regulierung und Marktstruktur in Europa häufig zu spezifischen Softwarekategorien führen, lohnt sich die laufende Einordnung über OECD Analysen zur Produktivität und Digitalisierung (als Makro-Rahmen, nicht als konkrete Marktzahl).
7) Go-to-Market
- Primär Sales-led mit klarer „Audit-Story“ und messbarem Risiko-ROI
- Land and expand über Standorte, Werke, Lieferanten
- Partnerkanäle: Beratungen, Auditoren, Implementierungspartner (falls glaubwürdig und skalierbar)
8) Geschäftsmodell
- Subscription mit Wertmetrik (z.B. Anzahl Werke, Lieferanten, Audits, Datenobjekte)
- Zusätzlicher Umsatz über Integrationen oder Premium-Module möglich, aber nicht zwingend
9) Evidence-Schwellen (Early Stage)
Für Pre-Seed kann reichen:
- klare ICP-Interviews mit wiederkehrendem Budget-Pattern
- ein oder zwei bezahlende Piloten, die ein Audit- oder Compliance-Outcome adressieren
Für Seed typischerweise stärker:
- wiederholbares Sales-Narrativ, erste Expansion oder deutliches Nutzungsmuster
- erkennbare Integrationsstrategie und Implementierbarkeit
10) Founder- und Team-Signale
- Domänenkompetenz (z.B. vorher in Qualitätsmanagement, Procurement, Audit, RegTech)
- Zugang zu den ersten 10 bis 20 Kunden über Netzwerk oder glaubhafte Distribution
- Fähigkeit, komplexe Stakeholder-Umfelder zu managen
11) Deal-Parameter
- Pre-Seed und Seed in Europa, mit Fokus auf Teams, die früh Integrationen und Datenqualität ernst nehmen
12) Contra-Thesis und Risiken
- Risiko: Sehr lange Sales-Cycles ohne klaren „Wedge“
- Risiko: Datenzugang ist schwierig, Implementierung zu schwergewichtig
- No-Go: „Nice-to-have“-Produkte ohne regulatorischen oder operativen Zwang
So übersetzt du die Thesis in Suchfilter und Signale
Die größte Hebelwirkung entsteht, wenn Sie aus der Thesis ein wiederholbares Research-System machst. Das heißt: Suchfilter (wer kommt rein), Signale (wann wird es spannend) und ein Workflow (was passiert dann).
Beispiel: Filter und Signale als Tabelle
| Kategorie | Filter/Signal | Warum es zählt | Wie du es typischerweise prüfst |
|---|---|---|---|
| Markt | EU-regulierte Industrie, Lieferkette, Audit | Starker Pull statt „optionalem“ Tooling | Website, Job-Posts, Kundenlogos, Content, Partner |
| Produkt | Workflow-first, Integrationen | Adoption und Switching Costs | Integrationsseiten, Doku, Case Studies |
| ICP | Compliance, Quality, Procurement | Budget und Kauftrigger | Messaging, Referenzen, Team-Hintergrund |
| Timing | neue Anforderungen, steigende Audits | Dringlichkeit und Budget | Branchennews, Ausschreibungen, öffentliche Hinweise |
| Team | Domänen-Edge oder Distribution | Glaubwürdigkeit und Speed | LinkedIn, frühere Rollen, Advisors |
Sehen Sie hier ein Beispiel wie Sie 10 Signale nutzen, Startup Companies bewerten.
Wie Researchly bei Thesis-getriebenem Dealflow helfen kann (ohne Magie)
Wenn Sie Thesis, Filter und Signale definiert hast, ist die Herausforderung meist nicht „noch mehr Quellen“, sondern Konsistenz und Geschwindigkeit. Genau hier passen Plattformen, die alternative Daten aggregieren und Workflows automatisieren.
Researchly ist als AI-Plattform auf Start-up-Suche und Analyse im Private Market ausgelegt. Ohne zu behaupten, dass ein Tool die Investmententscheidung ersetzt, kann es in der Praxis vor allem bei den wiederholbaren Teilen helfen:
- KI-gestützte Start-up-Suche und Startup Discovery: um schneller Kandidaten zu finden, die zu Markt und ICP passen
- Firmenspezifische Suchfilter: um deine Thesis in Filterlogik zu übersetzen
- Benutzerdefinierte Signals: um Trigger zu definieren, die ein Startup von „beobachten“ zu „prüfen“ bewegen
- Suche nach Wettbewerbern: um ein Startup im Kontext zu sehen (und White Space zu erkennen)
- Market Maps mit KI: um Kategorien zu strukturieren, bevor du tief in einzelne Deals gehst
- Tägliche Datenaktualisierung: um Veränderungen nicht zu verpassen
- Integration in Systeme wie CRMs: um Research nicht als Parallelwelt zu betreiben
Wenn du Thesis-getrieben arbeitest, ist ein gutes Zielbild: Dein Dealflow fühlt sich weniger wie „Inbox-Triage“ an, sondern wie ein Prozess mit klaren Kriterien.
Mehr dazu findest du direkt auf Researchly.
Häufige Fehler bei Investment Theses (Early Stage)
Zu breit: „Wir investieren in KI“
KI ist 2026 eher ein Capability-Layer als eine Kategorie. Eine Thesis wird besser, wenn du den Ort der Wertschöpfung definierst (z.B. Workflow, Daten, Distribution, Regulatorik) statt nur die Technologie.
Zu statisch: Thesis als PDF in der Schublade
Eine Thesis ist ein lebendes Dokument. Märkte ändern sich, die besten Signale auch. Plane feste Zyklen ein, in denen du Annahmen überprüfst.
Keine Contra-Thesis
Teams schreiben oft nur, wofür sie „ja“ sagen. Gute Theses definieren explizit, wann sie nein sagen, damit Screening schnell bleibt.
Kein Bezug zu „Unfair Advantage“
Wenn du nicht klar benennen kannst, warum ihr genau in dieser Nische besser seid (Netzwerk, Expertise, Zugang), wird die Thesis zur Wunschliste.
Mini-Checkliste: Thesis in 60 Minuten entwerfen
- Definiere eine Markt- und ICP-Boundary in einem Satz
- Schreibe 3 Timing-Treiber auf, die in den nächsten 24 bis 60 Monaten wirken
- Lege 5 beobachtbare Signale fest, die du in Daten oder Verhalten erkennen kannst
- Formuliere 3 No-Gos (harte Ausschlusskriterien)
- Leite daraus Suchfilter ab, die ein Teammitglied ohne Kontext anwenden kann
Nächster Schritt: Thesis in Discovery und Analyse überführen
Wenn du aus deiner Investment Thesis echte Pipeline machen willst, brauchst du wiederholbare Discovery, klare Signale und saubere Analyse, ohne dass dein Team jede Woche bei null anfängt. Researchly unterstützt genau diese Arbeit, indem es Startups über alternative Datenquellen auffindbar macht und Workflows rund um Discovery und Analyse beschleunigt.
Schauen Sie sich Researchly an und prüfen, ob es zu Ihren Research-Setup passt: Researchly entdecken.
