Wie schafft ein Kölner Startup 95 Prozent Antwortgenauigkeit, während der Branchendurchschnitt bei 50 Prozent liegt? Oliver Trabert, CPTO und Mitgründer von Octonomy AI, erklärt im Interview mit Leonard Schmedding, warum klassische RAG-Systeme an komplexen Dokumenten scheitern – und wie sein Unternehmen das Problem mit einem völlig neuen Ansatz löst. Nach einer 20-Millionen-Dollar-Seedrunde, 70 Mitarbeitern und Standorten in Köln, Denver und New York gehört Octonomy AI zu den am schnellsten wachsenden KI-Startups in Deutschland.
Wer steckt hinter Octonomy AI?
Octonomy AI wurde im Sommer 2024 in Köln gegründet. Die Gründer Sushel Bijganath (CEO) und Oliver Trabert (CPTO) bringen jahrelange Erfahrung aus dem Aufbau mehrerer Tech-Firmen mit. Zusammen mit den Mitgründern Thorsten Grote, Markus Hanslik und Thomas Bollig haben sie ein Team aufgebaut, das tiefes KI-Know-how vereint.
Das 70-köpfige Team stammt unter anderem von Meta, Amazon, Aleph Alpha und europäischen Unicorns wie Personio, Staffbase und SoSafe. Besonders die Mitarbeiter von Stability AI und Aleph Alpha bringen laut Trabert entscheidendes Wissen mit: Sie verstehen, wie man visuelle Informationen optimal verarbeitet.
Die Zahlen sprechen für sich. Nur fünf Monate nach Markteintritt schloss Octonomy AI eine Seedrunde über 20 Millionen US-Dollar ab. Macquarie Capital Venture Capital führte die Runde an. Capnamic, die NRW.Bank und der TechVision Fonds beteiligten sich ebenfalls. Zusammen mit einer früheren Pre-Seed-Runde über 5 Millionen Euro beläuft sich die Gesamtfinanzierung auf rund 25 Millionen US-Dollar. Damit zählt Octonomy zu den am höchsten finanzierten Seed-Startups der letzten zwei Jahre in Deutschland.
Das Problem: Warum klassische RAG-Systeme scheitern
Oliver Trabert beschreibt das Kernproblem im Interview direkt. Es gibt viele KI-Plattformen. Die meisten fokussieren sich zu 100 Prozent auf Text. Doch so funktioniert die Welt im Unternehmen nicht.
Reale Firmendokumente enthalten komplexe Tabellen, Grafiken, Prozessdiagramme, elektrische Pläne und hydraulische Zeichnungen. Klassische RAG-Systeme – also Retrieval Augmented Generation – gehen so vor: Sie nehmen ein PDF, extrahieren den Text, teilen ihn in Chunks und legen diese in einer Vektordatenbank ab.
Bei diesem Prozess geht alles verloren, was nicht Text ist. Eine Tabelle mit Spaltenzuordnungen? Weg. Ein technisches Diagramm mit Fließrichtungen? Nicht erfasst. Ein Schaltplan mit Symbolen? Fehlt komplett. Trabert sagt dazu: „Bei diesem Prozess verliert man unglaublich viel Information."
Das Ergebnis: Standard-KI-Systeme erreichen in komplexen Szenarien laut Octonomy-Kunden nur rund 50 Prozent Genauigkeit. Für den Geschäftsalltag ist das unbrauchbar. Ein Support-Agent, der jede zweite Antwort falsch gibt, schadet mehr als er hilft.
Das Problem betrifft besonders Branchen mit hoher technischer Komplexität. Im Maschinenbau enthalten Service-Handbücher hunderte Seiten mit Explosionszeichnungen, Toleranztabellen und Wartungsintervallen. In der Energiewirtschaft beschreiben hydraulische Pläne kritische Kreisläufe. In der Medizintechnik definieren Schaltpläne sicherheitsrelevante Systeme. All diese Informationen stecken in visuellen Formaten – und Standard-RAG ignoriert sie schlicht.
Trabert bringt es auf den Punkt: „Wenn wir von Wissen sprechen, sprechen wir nicht nur von Text. Aber die meisten Plattformen fokussieren sich 100 Prozent auf Text." Genau diese Lücke hat Octonomy AI erkannt und geschlossen.
Octonomys Ansatz: Der visuelle Cortex als Vorbild
Die Lösung von Octonomy AI unterscheidet sich grundlegend von allem, was der Markt bisher kennt. Trabert erklärt den Ansatz mit einer Analogie zum menschlichen Gehirn.
Der visuelle Cortex beim Menschen funktioniert so: Du schaust auf eine Seite. Zuerst erkennst du verschiedene Bereiche – hier ist Fließtext, dort eine Tabelle, daneben ein Graph. In der nächsten Ebene verbindet sich das Gesehene mit der Bedeutung. Das Gehirn versteht nicht nur, was es sieht, sondern auch was es bedeutet.
Genau dieses Prinzip überträgt Octonomy auf die KI. Die Plattform verarbeitet Dokumente visuell statt textbasiert. Sie erkennt automatisch die unterschiedlichen Bereiche einer Seite und ordnet jedem Bereich eine semantische Bedeutung zu. Dadurch gehen keine Informationen verloren – egal ob Text, Bild, Tabelle oder Zeichnung.
Dazu kommt ein zweites System: das fotografische Gedächtnis. Trabert vergleicht es mit einer Person, die viele Bücher gelesen hat. Du stellst ihr eine Frage – und sie antwortet: „Das steht in Buch X, Seite 200, unten rechts." Octonomy speichert enorm viel Meta- und Kontextdaten. Das System weiß exakt, wo es welche Information gesehen hat.
Die Kombination aus visuellem Cortex und fotografischem Gedächtnis erreicht eine Antwortgenauigkeit von 95 Prozent – oft über der menschlichen Benchmark. Damit verdoppelt Octonomy AI die Trefferquote gegenüber marktüblichen Systemen.
Ein konkretes Beispiel: Ein Ingenieur fragt nach dem Preis eines bestimmten Planetengetriebes. Ein textbasiertes RAG-System durchsucht den extrahierten Text und findet vielleicht das Wort „Planetengetriebe" – aber nicht den zugehörigen Preis, weil dieser in einer Tabellenspalte steht, die beim Parsing verloren ging. Octonomy AI sieht die Seite so, wie ein Mensch sie sieht: als Gesamtbild mit Tabelle, Produktbezeichnung und Preis in klarer räumlicher Zuordnung. Das System findet den korrekten Preis mit hoher Treffsicherheit.
Eigene Forschung statt fertiger Lösungen
Trabert betont im Interview einen Punkt, der Octonomy von vielen anderen KI-Startups abhebt. Das Unternehmen setzt auf eigenes Machine-Learning-Research. Nichts kommt von der Stange.
„Wir nehmen nichts off the shelf", sagt Trabert. Das 70-köpfige Team umfasst ein eigenes ML-Forschungsteam. Die Mitarbeiter, die von Stability AI kamen, bringen das Know-how mit, wie man visuelle Informationen optimal verarbeitet und in KI-Modelle überführt. Dieses Wissen bildet die Grundlage für die proprietäre Technologie hinter der Plattform.
Anfangs habe das Team so angefangen, wie es alle machen: Text extrahieren, Chunks bilden, Vektordatenbank füllen. Doch sie stellten schnell fest, dass das nicht funktioniert – zumindest nicht für die Ansprüche, die Industriekunden an komplexes Wissensmanagement stellen. Der Wechsel zum visuellen Ansatz war der entscheidende Schritt.
Praxistipps: Worauf Unternehmen bei KI-Projekten achten sollten
Oliver Trabert gibt im Interview auch konkrete Empfehlungen für Unternehmen, die KI im Support oder Wissensmanagement einsetzen wollen. Seine Ratschläge basieren auf zahlreichen Kundenprojekten bei Octonomy AI.
Sein erster und wichtigster Tipp: Starte nicht mit dem einfachsten Use Case. Das klingt kontraintuitiv. Doch die Logik dahinter ist einleuchtend. Wenn du eine einfache Frage-Antwort-Aufgabe testest, liefert fast jede Lösung gute Ergebnisse. Sobald es anspruchsvoller wird, fallen die meisten Systeme durch.
Traberts Empfehlung: Beginne bewusst mit einem herausfordernden Anwendungsfall. Eine Lösung, die komplexe Daten verarbeitet, kommt auch mit einfachen Aufgaben klar. Umgekehrt funktioniert das selten. Wer nur den einfachen Fall testet, erlebt später böse Überraschungen.
Sein zweiter Ratschlag: Wähle eine Plattform, die sich konfigurieren lässt. Bei Octonomy AI braucht niemand zu programmieren. Ein Business Analyst richtet die Anwendungsfälle selbst ein. Das senkt die Abhängigkeit von Entwicklern und beschleunigt die Integration. In unter 20 Tagen ist das System einsatzbereit.
Drittens rät Trabert zu einer realistischen Erwartung. Nicht alles lässt sich mit KI lösen. „Es ist nicht jemand, der sagt, KI löst alle Probleme der Welt", betont er. Es hänge immer vom konkreten Anwendungsfall ab. Wer mit Experten spricht, die Erfahrung aus vielen Projekten mitbringen, trifft bessere Entscheidungen.
Diese Haltung passt zu dem, was auch andere KI-Berater im deutschsprachigen Raum empfehlen. Wer KI im Unternehmen sinnvoll einsetzen will, braucht eine klare Strategie – keine blinde Begeisterung. Eine fundierte Basis dafür bietet etwa die Ausbildung zum AI Automations Manager, die genau diese strategische Kompetenz vermittelt.
Go-to-Market: Von Köln in die USA
Mit der 20-Millionen-Dollar-Finanzierung verfolgt Octonomy AI eine klare Wachstumsstrategie. Das Unternehmen baut seine Marktposition gleichzeitig in der DACH-Region und den USA aus.
Trabert erklärt die Logik dahinter. Die USA seien einer der größten KI-Märkte der Welt. Diesen auszulassen wäre fahrlässig. In Deutschland und Europa denke man immer zuerst an Regulierung. Die Amerikaner denken in Möglichkeiten. Deshalb fährt Octonomy zweigleisig: Go-to-Market in der DACH-Region ausbauen und gleichzeitig den US-Markt erschließen.
Die Büros in Denver und New York bedienen nordamerikanische Kunden. Der Kölner Hauptsitz steuert die Technologie und den europäischen Vertrieb. Laut Trabert hat Octonomy das Jahr 2025 erfolgreich abgeschlossen und bereits eine stattliche Kundenbasis aufgebaut.
Trotzdem sieht er eine Herausforderung in der Sichtbarkeit. Als Startup sei es einfach, in der LinkedIn-Blase Aufmerksamkeit zu erzeugen. Aber in der Breite – etwa im Maschinenbau, wo Octonomys Lösung besonders gut funktioniert – sei das deutlich schwieriger. Messen, Vorträge und persönliche Beratung spielen deshalb eine zentrale Rolle.
Trabert sieht Octonomy AI dabei als „Trusted Advisor" für seine Kunden. Das Unternehmen hilft nicht nur bei der Implementierung. Es berät auch ehrlich darüber, wo KI sinnvoll einsetzbar ist – und wo nicht. Diese Haltung unterscheidet Octonomy von vielen Anbietern, die KI als Lösung für alles verkaufen.
Gleichzeitig warnt er vor überzogenen Versprechen auf LinkedIn. „Aktuell geht auf LinkedIn alles. Alles ist super einfach. Alles geht durch Vibe-Coding", sagt Trabert. Doch zwischen einer Demo und einer produktionsreifen Lösung liege ein weiter Weg. Unternehmen sollten sich an Experten wenden, die echte Erfahrung aus vielen Projekten mitbringen.
Warum KI-Wissensmanagement jetzt entscheidend ist
Das Interview mit Oliver Trabert zeigt einen Trend, der weit über Octonomy AI hinausreicht. KI-Wissensmanagement wird zum zentralen Wettbewerbsfaktor für Unternehmen.
Die meisten Firmen sitzen auf Bergen von Dokumenten: technische Handbücher, Produktspezifikationen, Compliance-Richtlinien, Schulungsunterlagen. Dieses Wissen steckt in PDFs, Word-Dateien und Präsentationen. Es ist oft bei wenigen Fachkräften konzentriert. Wenn diese Mitarbeiter das Unternehmen verlassen oder in Rente gehen, verschwindet kritisches Know-how.
KI-Agenten lösen dieses Problem – aber nur, wenn sie die Daten auch wirklich verstehen. Ein System, das nur Text verarbeitet, versteht ein hydraulisches Schema nicht. Es kann eine Tabelle mit verschachtelten Spalten nicht korrekt interpretieren. Und es scheitert an einem elektrischen Plan, der als Bild in einer PDF eingebettet ist.
Genau hier setzt Octonomys visueller Ansatz an. Die Plattform versteht unstrukturierte Daten in ihrer vollen Komplexität. Support-Teams erhalten präzise Antworten. Field-Service-Techniker bekommen die richtige Information, bevor sie zum Kunden fahren. Das Ergebnis: weniger Rückfragen, schnellere Bearbeitungszeiten und zufriedenere Kunden.
Die Relevanz wächst zusätzlich durch den Trend zu Corporate LLMs – also zentralen KI-Plattformen im Unternehmen, die verschiedene Modelle DSGVO-konform integrieren. Octonomy passt genau in dieses Bild: eine spezialisierte Lösung für komplexes Wissen, eingebettet in die bestehende Unternehmensinfrastruktur.
Archive.org zeigt die Zukunft: Markdown statt PDF
Ein Thema aus dem gleichen Kontext unterstreicht Traberts Argumentation. Die Plattform Archive.org stellt wissenschaftliche Paper jetzt als Markdown-Dateien für KI-Agenten bereit. Der Grund: PDF ist für KI-Systeme ineffizient. Es verbraucht viel Token, ist schwer zu parsen und verliert oft Strukturinformationen.
Markdown dagegen ist leicht, strukturiert und von Agenten sofort verwertbar. Archive.org hat erkannt, dass die meisten Nutzer Paper nicht mehr selbst lesen. Sie laden sie einem KI-Agenten hoch. Warum also nicht gleich das agentenfreundliche Format liefern?
Für Unternehmen ist das ein klares Signal: Dokumente müssen auf KI optimiert werden. Nicht umgekehrt. Wer seine Daten in strukturierten Formaten bereitstellt, gibt seinen Agenten die bestmögliche Grundlage. Trabert beschreibt das als die zentrale Aufgabe für jedes Unternehmen und jede KI-Agentur.
Octonomy AI: Hosting in Deutschland, DSGVO-konform
Ein Punkt, der für europäische Unternehmen besonders relevant ist: Octonomy AI hostet in Deutschland. Die Plattform ist vollständig DSGVO-konform und entspricht dem EU AI Act. Für Mittelständler und Enterprise-Kunden, die mit sensiblen technischen Daten arbeiten, ist das ein entscheidendes Kriterium.
Die Plattform arbeitet Omnichannel – per Chat, E-Mail und Telefon. KI-Agenten, die sogenannten „octo-Worker", übernehmen Anfragen in bis zu 30 Sprachen. Die Implementierung dauert weniger als 20 Tage. Kein monatelanges Integrationsprojekt. Kein Programmieraufwand. Ein Business Analyst konfiguriert die Anwendungsfälle direkt.
Investoren bestätigen die Qualität des Ansatzes. Elmar Broscheit von Macquarie Capital nennt Octonomy „eine echte KI-Revolution, insbesondere im Bereich des technischen Supports." Jörg Binnenbrücker von Capnamic ergänzt: „Sie übersetzen Expertenwissen in skalierbare, operative Intelligenz."
Fazit: Was Unternehmen von Octonomy AI lernen können
Das Interview mit Oliver Trabert liefert drei zentrale Erkenntnisse. Erstens: Textbasierte RAG-Systeme reichen nicht aus. Wer komplexes Firmenwissen verarbeiten will, braucht einen visuellen Ansatz. Tabellen, Grafiken und technische Pläne enthalten oft die wichtigsten Informationen – und genau die gehen bei Standard-Lösungen verloren.
Zweitens: Die Qualität der Datenverarbeitung entscheidet. 50 Prozent Genauigkeit ist für den Geschäftsalltag unbrauchbar. 95 Prozent verändern den Arbeitsablauf fundamental. Der Unterschied liegt nicht im Modell, sondern in der Art, wie Daten aufbereitet und indexiert werden.
Drittens: KI-Wissensmanagement ist jetzt Pflicht. Der Fachkräftemangel verschärft sich. Kritisches Know-how steckt in den Köpfen weniger Spezialisten. Wer dieses Wissen nicht digitalisiert und für KI-Agenten aufbereitet, riskiert den Verlust ganzer Wissensbereiche.
Octonomy AI zeigt, wie das gelingen kann – mit eigener Forschung, visuellem Verständnis und einer Plattform, die in unter 20 Tagen produktiv ist. Das Kölner Startup beweist, dass deutsche KI-Startups im internationalen Vergleich nicht nur mithalten. Sie setzen mit innovativen Ansätzen neue Standards.
Mehr über das Unternehmen erfährst du auf octonomy.ai. Den vollständigen Kontext zu diesem Interview findest du in den wöchentlichen KI-News auf dem YouTube-Kanal Everlast AI – dort ordnen wir jede Woche die wichtigsten KI-Entwicklungen für dich ein.
.png)
.webp)
.webp)
.png)
%20(1).png)
