MESSAI · Investoren-Briefing · Mai 2026
Erst simulieren,
dann bauen.
Industrielle Betreiber geben Milliarden für die Entsorgung von Abfällen aus, in denen rückgewinnbare Energie, Metalle und Nährstoffe im Wert von Milliarden stecken. MessAI ist die Designebene, mit der sie dieses Potenzial angehen können – physikalisch fundiert, mit kalibrierter Unsicherheit, bis zur Quelle nachvollziehbar.
Die Zahlen · verifizierte Momentaufnahme
Out-of-Sample-Abdeckung der 95-%-Intervalle
97,98 %
940 zurückgehaltene Beobachtungen
Erwarteter Kalibrierungsfehler
1,96 %
insgesamt · auf zurückgehaltenen Daten nachgewiesen
Strukturierte Forschungspublikationen
23.480
9.511 mit v2-Extraktion
Gemessene Parameterwerte
195.846
extrahiert, normalisiert, nachvollziehbar
Retrospektiver Logan-Rückvergleich (Backtest)
93 %
innerhalb von ±25 % bei 14 Referenzreaktoren
Direkte Wettbewerber
0
es gibt keine vertikale Designplattform für MES
Jede Zahl oben ist gegen ein gespeichertes Artefakt in diesem Repository verifiziert – vollständige Herkunft und Live-Zahlen unter /proof.
Was MessAI ist
Designsoftware für Reaktoren, die aus Abfall Wert schöpfen.
Mikrobielle elektrochemische Systeme (MES) nutzen Strom und Mikroorganismen, um Energie, Metalle, Nährstoffe und Brennstoffe aus Abfallströmen zurückzugewinnen, für deren Entsorgung Betreiber heute bezahlen. Die Hardware funktioniert. Die Rechnung, welches Design für einen bestimmten Abfallstrom funktioniert, dagegen nicht – bis jetzt.
Wir haben die weltweite MES-Literatur zu einem kausalen Wissensgraphen strukturiert – 9.511 Publikationen, 195.846 extrahierte Messwerte – mit hierarchisch-bayesschen Priors (A-priori-Verteilungen) und per Conformal Prediction kalibrierter Unsicherheit. Kunden laden ein Abfallprofil und ein Zielergebnis hoch; MessAI bringt Designs in eine Rangfolge, beziffert die Konfidenz und empfiehlt das günstigste Experiment, um das Risiko beim Scale-up zu senken.
Cadence leistet das für Chips und setzt damit 3 Mrd. USD pro Jahr um. AspenTech leistet es für Chemieanlagen und setzt 1 Mrd. USD pro Jahr um. Keiner von beiden bedient MES.
Heute live · die echte Plattform erkunden
Kein Demo-Deck. Klicken Sie sich durch die echten Oberflächen.
01 · Evidenz
Das Nachweis-Dashboard
Out-of-Sample-Abdeckung der 95-%-Konfidenzintervalle je Stratum, Kalibrierungs-ECE, Multiskalen-Burggraben, retrospektiver Logan-Rückvergleich (Backtest) und ehrlich benannte Lücken – jede Zahl stammt aus einem gespeicherten Artefakt, das Sie überprüfen können.
Live-Nachweise ansehen →
02 · Vorhersage
Parameterstudie
Echte ML-Inferenz (kein Mock-up) auf 8 publizierten Reaktordatensätzen. Wählen Sie ein Design, variieren Sie einen Parameter und sehen Sie die vorhergesagte Leistung mit Glaubwürdigkeitsintervallen und nachvollziehbarer Herkunft.
Vorhersage ausführen →
03 · Personas
Auf Personas zugeschnittenes Onboarding
6 Zielgruppenpfade: Industriebetrieb, Forschende, Fördermittelstrategie, Lernende, Studierende, Verfahrenstechnik. Jeder Pfad bietet einen maßgeschneiderten Einstieg in denselben zugrunde liegenden Wissensgraphen.
Pfad wählen →
04 · Forschung
Hunter · Multiskalen-Validierung
Das Dashboard zur Butler-Volmer-Identifizierbarkeit je Zelle – das Werkzeug, mit dem wir physikalische Vorhersagen an realen, publizierten Reaktoren validieren. Bruce Logan kann unsere Mathematik prüfen; ChatGPT kann es nicht.
Hunter öffnen →
Der Burggraben
Drei Ebenen mit Zinseszinseffekt.
01
Das Modell
Vorhersagen auf Grundlage realer Elektrochemie – Butler-Volmer-Kinetik, Monod-Wachstum, Nernst, per Conformal Prediction kalibrierte Unsicherheit. Jede Ausgabe enthält einen Konfidenzbereich, dessen Gültigkeit auf nie gesehenen Daten mathematisch bewiesen ist. Kunden können unsere Mathematik prüfen; GPT können sie nicht prüfen.
02
Die Daten
Die öffentliche Literatur ist der Ausgangspunkt. Die unangreifbare Ebene ist das, was Wettbewerber strukturell nicht crawlen können: Benchmark-Reaktoren, von Hand geprüft mit dem meistzitierten Labor des Fachgebiets, unveröffentlichte Negativergebnisse aus Partnerexperimenten und Betriebsdaten, die nur entstehen, wenn man die Plattform ist, die den Reaktor betreibt.
03
Der Kreislauf
Jedes Partnerexperiment schärft das Modell für alle künftigen Kunden. Jede Installation erzeugt Betriebsdaten, die die Priors für das nächste Design präzisieren. Linear bei Reaktoren, superlinear bei Software – das ist der Unterschied zwischen dem Schwungrad eines Hardwareunternehmens und unserem.
Generische KI halluziniert Physik. Unsere misst sie.
Wer spät einsteigt, erbt nichts davon.
Klimawirkung mit Zinseszinseffekt
Linear bei Reaktoren. Superlinear bei Software.
Je mittelgroßer Brauerei
~14 tCO₂e
vermieden / Jahr
0,6 kWh/m³ aerober Energiebedarf ersetzt + 0,097 kWh/m³ per MFC zurückgewonnen (publizierte MFC-Literatur)
1.000 Installationen
~50 ktCO₂e
vermieden / Jahr
Die Wirkung pro Installation steigt, je präziser das Modell wird – bessere Materialauswahl, geringere Ausfallrate
10.000 Installationen
~0,5 MtCO₂e
vermieden / Jahr
Plus vermiedene Emissionen aus gescheiterten Laborversuchen – Experimente, bei denen die Identifizierbarkeitskarte zeigt, dass sie die Frage nicht beantworten können
Ein einmal verkaufter Reaktor liefert Jahr für Jahr dieselbe Menge vermiedenen CO₂ – für immer. Ein von MessAI entworfener Reaktor vermeidet jedes Jahr mehr CO₂ als im Jahr davor – weil jeder andere Reaktor, den wir entworfen haben, unseren klüger macht. Das ist der Unterschied zwischen der Klimarechnung eines Hardwareunternehmens und unserer.
Geschäftsmodell
Drei Umsatzquellen in der Reihenfolge, in der sie hinzukommen.
Jahr 1
Machbarkeitsstudien als Einzelauftrag
25.000–100.000 USD
Industrielle F&E-Teams, die einen bestimmten Abfallstrom sondieren. Vergleichbare Beratungen (Black & Veatch, Stantec) berechnen ab 250.000 USD für monatelange Arbeit.
Ab Jahr 2
Arbeitsplatzlizenzen
50.000–250.000 USD / Arbeitsplatz / Jahr
Ingenieurbüros und Reaktorentwickler, die MessAI als tägliches Designwerkzeug nutzen. Preisband von Cadence und AspenTech.
Ab Jahr 3
Enterprise-Plattform
250.000 USD – 1 Mio. USD+
Betreiber mehrerer Standorte, die MessAI als maßgebliches MES-Designsystem standardisieren. Pendant zu Schrödinger in der Pharmabranche.
Bruttomarge
80–85 %
Benchmark für vertikales SaaS
CAC
30.000–50.000 USD
konferenzbasiert, vom Gründungsteam getragen
LTV / CAC
>20×
bei 90 % Brutto- / 110 % Netto-Retention
Wachstumspfad
30 Mio. USD ARR
Jahr 5, mittleres Szenario (Tempo wie Benchling)
Das Team
Die drei Rollen, die diese Kategorie braucht.
Gründung. Betrieb. Wissenschaft.
Founder & CEO
Sam Frons
Seit einem Jahrzehnt in Technologie und Unternehmensgründung tätig. Erste MES-Forschung im Graduiertenstudium, danach fünf Jahre Produktverantwortung in Start-ups für Robotik, KI-F&E im AgTech-Bereich, Biodiversitätsmonitoring und zirkuläres Bauen. Übersetzt Wissenschaft in auslieferbare Software.
Head of Research Operations
Zakiya Sharpe
Leitet den Forschungs- und Datenbetrieb – Qualitätskontrolle der Extraktion, Koordination der Partnerexperimente und die Validierungs-Workflows, die jeden Messwert nachvollziehbar halten. Macht aus einem sich ständig verändernden Korpus verlässliche Referenzdaten.
Chief Scientific Officer
Dr. Lane Gilchrist
Aus der Bioverfahrenstechnik, aktives Fakultätsmitglied; hat Sams Graduiertenstudium betreut. Durch Peer-Review ausgewiesene Fachautorität, die die Parameterontologie verankert und Extraktionen validiert – die wissenschaftliche Ansprechperson, mit der Kunden und Partner tatsächlich sprechen wollen.
Kapitalbedarf
100.000 USD bis zum ersten Umsatz.
Sechs Monate Nutzungsdaten vor der Seed-Runde.
In 5 Wochen
ISMET – die führende internationale Konferenz des Fachgebiets. Wir starten die Beta für ihre 400-köpfige Forschungscommunity, stellen erste Ergebnisse unserer Experimentempfehlungen vor und gewinnen 10 Labore als Validierungspartner.
Q3 2026
Den kundenseitigen Workflow für Machbarkeitsstudien ausfeilen. Die ersten 10 Datenvereinbarungen mit Partnern unterzeichnen. Active-Learning-Schleife durchgängig geschlossen.
Q4 2026
Erste bezahlte Industriepiloten im Markt (Ziel: 2–3 zu je 25.000–50.000 USD). Echter Umsatz. Echte Einsatzdaten fließen zurück.
Q1 2027
Seed-Finanzierungsrunde auf Basis von sechs Monaten validierter Plattformnutzung, bezahlter Pilotumsätze und eines vertraglich gesicherten Daten-Schwungrads, auf das sich eine Folgefinanzierung stützen kann.
Von Grund auf kapitaleffizient. Jetzt weniger Verwässerung, eine stärkere Verhandlungsposition in der Seed-Runde, wenn die Daten für sich sprechen. Wir können jederzeit mehr Kapital aufnehmen, falls ein Pilot den Markteinstieg schneller bestätigt – wir sollten aber nicht mehr aufnehmen, als wir in diesem Quartal sinnvoll einsetzen können.
Erst simulieren,
dann bauen.
Chips bekamen Cadence.
Anlagen bekamen AspenTech.
MES bekommt MessAI.