Ein Whitepaper für Investoren
Die
bioelektrochemische
Wirtschaft erschließen.
Die erste KI-gestützte Plattform für Dateninfrastruktur, eigens für mikrobielle elektrochemische Systeme entwickelt – das Betriebssystem für eine ganze aufstrebende Branche.
Plattformzahlen, Stand August 2026
Zusammenfassung
Die Investmentthese.
Mikrobielle elektrochemische Systeme nutzen lebende Mikroorganismen, um elektrochemische Reaktionen zu katalysieren – sie erzeugen Strom aus Abwasser, produzieren Wasserstoff und Chemikalien aus CO2 und betreiben Biosensoren. Die Endmärkte übersteigen 600 Milliarden US-Dollar und erleben zugleich regulatorische Umbrüche und die digitale Transformation.
Trotz mehr als 25.000 Fachpublikationen und zwei Jahrzehnten der Validierung haben MES keinen kommerziellen Maßstab erreicht. Der Engpass ist nicht die Wissenschaft. Es ist das Fehlen einer Dateninfrastruktur – dieselbe Lücke, die die Wirkstoffforschung vor Schrödinger, die synthetische Biologie vor Benchling und die Materialwissenschaft vor dem Materials Project gebremst hat.
Das Geschäftsmodell ist mehrstufiges SaaS: Freemium für Forschende, kostenpflichtige Tarife für Einzelpersonen + Arbeitsgruppen, Unternehmenslizenzen für Versorger und Chemieunternehmen, Verlagspartnerschaften sowie Daten- und API-Dienste. Der SAM liegt konservativ geschätzt bei 500 Mio. bis 1,5 Mrd. US-Dollar innerhalb des Jahrzehnts. Der Schutz vor Wettbewerb beruht auf vier Burggräben: einem proprietären strukturierten Datensatz, einer domänenspezifischen Parameter-Ontologie, sich selbst verstärkenden Daten-Netzwerkeffekten und einer tiefen Verankerung in der MES-Forschungsgemeinschaft.
Teil I
Die Marktchance.
Vier Kräfte, die zusammentreffen. Ein Markt von 600 Milliarden US-Dollar, blockiert durch eine Datenlücke. Die Rechnung hinter TAM, SAM und SOM für eine aufstrebende Infrastrukturplattform.
Kapitel 01
Warum jetzt – vier Kräfte treffen zusammen.
Das Timing ist die wichtigste Variable für den Ausgang von Venture-Investments. Das Timing von MESSAI.IO bestimmen vier Kräfte, die zum ersten Mal gleichzeitig zusammentreffen.
Kraft 01
Regulatorischer Rückenwind
Die EU-Kommunalabwasserrichtlinie von 2024 schreibt Energieneutralität vor. Die Grenzwerte der US-Umweltbehörde EPA werden unter dem IIJA (55 Mrd. US-Dollar) strenger. Chinas 14. Fünfjahresplan setzt zusätzlich ehrgeizige Ziele für die Wasserwirtschaft. Die CO₂-Bepreisung schafft direkten wirtschaftlichen Wert für energiepositive Abwasserbehandlung.
Kraft 02
Ausgereifte KI
Basismodelle + Transfer Learning ermöglichen Vorhersagemodelle auf Datensätzen im Tausender-, nicht im Millionenbereich. Die automatisierte Extraktion quantitativer Parameter aus wissenschaftlichen Texten ist endlich zuverlässig genug für den Produktiveinsatz. Vor fünf Jahren war MESSAI wirtschaftlich nicht machbar.
Kraft 03
Abnehmer digitaler Wassertechnik
Der Markt für digitale Wassertechnik lag 2023 bei 20 Mrd. US-Dollar und soll bis 2030 auf 40–50 Mrd. US-Dollar wachsen (CAGR 10–12 %). CTOs von Versorgungsunternehmen, beratende Ingenieurbüros und Einkaufsteams kennen KI-gestützte Infrastrukturwerkzeuge bereits und verfügen über Budgets. MESSAI muss nicht KI verkaufen – sondern MES.
Kraft 04
Wendepunkt beim Scale-up
Die Zahl der jährlichen MES-Publikationen stieg von <100/Jahr Anfang der 2000er-Jahre auf >2.000/Jahr Anfang der 2020er-Jahre. Nach 2015 verlagerte sich das Feld von der Grundlagenforschung auf angewandte Fragen: Scale-up, Integration, Pilotdemonstrationen. Der Engpass ist nicht mehr „Funktioniert es?“ – sondern „Wie optimieren und skalieren wir?“
Kapitel 02
Ein 600-Milliarden-Dollar-Markt, blockiert durch eine Datenlücke.
MES-Technologien umfassen vier Familien – MFCs (Strom aus Abwasser), MECs (Wasserstoff + geringe Spannung), mikrobielle Elektrosynthese (Chemikalien mit mehreren C-Atomen aus CO2) und MDCs (Abwasserbehandlung + Entsalzung). Die Endmärkte übersteigen 600 Mrd. US-Dollar pro Jahr. Doch obwohl die Wissenschaft belegt ist, haben MES die Schwelle zur Kommerzialisierung nicht überschritten – aus vier ineinandergreifenden Gründen.
Symptom 01 · Datenfragmentierung
Über 25.000 Publikationen aus zwei Jahrzehnten – doch die Daten darin stecken in unstrukturierten PDFs, verstreut über Hunderte von Fachzeitschriften und berichtet in uneinheitlichen Formaten und Einheiten. Außerhalb von MESSAI gibt es keine zentrale, strukturierte Datenbank mit MES-Ergebnissen.
Symptom 02 · Reproduzierbarkeitskrise
Berichtete Leistungsdichten vermeintlich ähnlicher MFC-Konfigurationen unterscheiden sich zwischen Studien um Größenordnungen – verursacht durch nicht berichtete Versuchsbedingungen.
Symptom 03 · Keine Vorhersagewerkzeuge
Schrödinger leistet das für Wirkstoffe. Das Materials Project leistet es für anorganische Materialien. Für MES gibt es keine vergleichbare Vorhersage-Infrastruktur.
Symptom 04 · Tal des Todes
Die industrielle Einführung erfordert verlässliche Leistungsdaten, validierte technisch-ökonomische Analysen (TEA) und risikoquantifizierte Spezifikationen im relevanten Maßstab. Das MES-Feld liefert nichts davon systematisch.
Kapitel 03
Marktgröße – TAM, SAM, SOM.
Teil II
Die Lösung.
Vier Säulen – Erkunden, Entwerfen, Analysieren, Lernen –, die ein Jahrzehnt verstreuter MES-Forschung in abfragbare, prädiktive und rechnerisch handhabbare Infrastruktur verwandeln.
Kapitel 04
MESSAI.IO – die Plattform im Detail.
Eine integrierte Suite für den gesamten F&E-Workflow bei MES – von der Literaturrecherche über Systementwurf und Leistungsvorhersage bis zur technisch-ökonomischen Bewertung –, organisiert um vier funktionale Säulen.
Erkunden
23.596 Publikationen → Wissen
Eine eigene NLP-Pipeline extrahiert Leistungsdichten, Stromdichten, Coulomb-Effizienzen, Elektrodenmaterialien, mikrobielle Gemeinschaften, Substrate und Betriebsbedingungen – 201.954 strukturierte Messwerte in einer Ontologie aus 835 Parametern, samt semantischer Suche und Korrelationsanalyse.
Entwerfen
Konzept → System in Minuten
Das 3D-Labor (Three.js, in der Beta-Phase) für den interaktiven Reaktorentwurf mit visuellem Echtzeit-Feedback. Die Parameterstudie variiert Entwurfsgrößen systematisch und verfolgt die vorhergesagten Effekte – und ersetzt so kostspieliges Trial-and-Error.
Analysieren
Daten → Entscheidungen
Modul KI-Vorhersagen (in Entwicklung) mit Konfidenzintervallen + Sensitivitätsanalyse, ergänzt durch physikinformierte Nebenbedingungen. Wirtschaftlichkeitsrechner für Capex/Opex, Erlöse aus rückgewonnenen Produkten und ROI in Abhängigkeit vom Systementwurf.
Lernen
Die nächste Generation ausbilden
Umfassendes Handbuch, erklärende Inhalte zu MES-Mechanismen, Anwendungsleitfäden, Nachhaltigkeitsbewertungen. Die interaktive Einbindung des 3D-Labors hebt das Angebot von statischen Lehrbüchern und Vorlesungen ab.
Kapitel 05
Die vier Burggräben.
MESSAI.IO besetzt eine Marktposition, für die es derzeit keinen direkten Wettbewerber gibt. Der Schutz vor Wettbewerb beruht auf vier ineinandergreifenden Vorteilen – jeder erhöht für sich genommen die Kosten eines Nachbaus; zusammen verstärken sie sich gegenseitig.
Burggraben 01
Proprietärer strukturierter Datensatz
23.596 angereicherte Publikationen, über 201.000 strukturierte Messwerte und 835 typisierte Parameter stehen für Jahre kumulativer NLP-Verarbeitung und Kuratierung durch Domänenfachleute. Ein Nachbau würde schätzungsweise 2–3 Jahre und mehrere Millionen US-Dollar kosten – Zeit, in der MESSAI seinen Vorsprung ausbaut.
Burggraben 02
Domänenspezifische Ontologie
835 Parameter in einer hierarchischen Taxonomie mit 2.819 kausalen Kopplungen, die kompositionelle und korrelative Beziehungen abbilden. Keine Liste von Variablen – ein Wissensgraph, dessen Aufbau tiefes Domänenwissen erfordert.
Burggraben 03
Daten-Netzwerkeffekt
Validierte Vorhersagen fließen ins Training zurück. Abfragen liefern Signale für die Priorisierung. Beiträge aus der Community reichern die Datenbank an. Bessere Daten → bessere Modelle → mehr Nutzende → mehr Daten.
Burggraben 04
Verankerung in der Community
Aktives Engagement in der MES-Forschungsgemeinschaft – Konferenzen, Fachzeitschriften und Laborpartnerschaften. Positionierung über mehrere Anspruchsgruppen hinweg: Forschende, Verlage, Studierende und Industrie.
Vergleich mit Plattformen angrenzender Domänen.
| Plattform | Domäne | MES-Abdeckung | Referenz |
|---|---|---|---|
| Benchling | Biotech-F&E-Cloud | Keine | 6,1 Mrd. $ · a16z F |
| Schrödinger | Computerchemie | Keine | 2–8 Mrd. $ Börsenwert |
| Materials Project | Anorganische Materialien | Keine | DOE; 150.000+ Materialien |
| Dotmatics | Life-Science-Informatik | Keine | > 1 Mrd. $ Thermo 2023 |
| MESSAI.IO | MES · Bioelektro. | Eigens entwickelt | Marktlücke |
Teil III
Das Geschäft.
Mehrstufiges SaaS, Unternehmenslizenzen, Verlagspartnerschaften und Datendienste. Jeder Dollar der Finanzierungsrunde ist einem Meilenstein zugeordnet, der das Risiko für die Series A senkt.
Kapitel 06
Erlösarchitektur.
Mehrstufiges SaaS mit zusätzlichen Erlösquellen aus Unternehmenslizenzen, Verlagspartnerschaften und Datendiensten. Darauf ausgelegt, sofort Wert aus der bestehenden Nutzerbasis in der Forschung zu schöpfen und zugleich höherwertige Umsätze mit Unternehmenskunden aufzubauen, während MES-Technologien auf den kommerziellen Einsatz zusteuern.
| Stufe | Kundensegment | Preis | Umsatz Jahr 4 |
|---|---|---|---|
| Stufe 1 · SaaS | Forschende, Arbeitsgruppen | 19–499 $/Monat | 0,6–4,8 Mio. $ |
| Stufe 2 · Unternehmen | Versorger, Chemie, Beratung | 25.000–100.000+ $/Jahr | 0,5–5,0 Mio. $ |
| Stufe 3 · Verlage | Elsevier, Springer, ACS, RSC | 50.000–250.000 $/Jahr | 0,1–1,0 Mio. $ |
| Stufe 4 · Daten/API | Entwicklungsteams Dritter | Nutzungsbasiert | 0,2–1,0 Mio. $ |
Kapitel 07
Traktion & Meilensteine.
MESSAI.IO ist weder ein Konzept noch ein Prototyp: Die Plattform ist live und in Betrieb (Plattformzahlen, Stand August 2026). Die Meilensteine unten beschreiben den weiteren Plan.
Modul KI-Vorhersagen mit Konfidenzbewertung für MFC- und MEC-Kennzahlen starten. 5 Unternehmen als Pilotkunden gewinnen. 1.000 registrierte Nutzende erreichen. Mindestens eine begutachtete Publikation veröffentlichen, die eine durch MESSAI ermöglichte Entdeckung belegt.
Mindestens 3 Pilotprojekte mit Unternehmen in bezahlte Jahresverträge überführen. 50.000 monatliche Plattformabfragen erreichen. Öffentliche API starten (Beta). Gespräche mit Verlagen aufnehmen.
Erste Verlagspartnerschaft unterzeichnen. Profitabilität in der SaaS-Stufe für Forschende erreichen. Mehrzieloptimierung in KI-Vorhersagen einführen. Expansion in angrenzende Domänen beginnen.
1 Mio. US-Dollar ARR erreichen. Eine plattformgestützte Entdeckung nachweisen – experimentell validiert und veröffentlicht. Series-A-Finanzierungsrunde mit nachgewiesenem PMF beginnen.
Kapitel 08
Mittelverwendung.
Wir nehmen Seed- bzw. Pre-Series-A-Kapital auf, um 18–24 Monate zu finanzieren – vom aktuellen Betriebsstand bis zu nachgewiesenem PMF, zahlenden Unternehmenskunden und einer Umsatzentwicklung, die eine Series A trägt.
Teil IV
Das technische
Fundament.
Der Burggraben ist nicht das Modell. Der Burggraben sind die Daten, die Ontologie und die Validierungsinfrastruktur, die aus einer universellen Sprach-Engine eine verlässliche wissenschaftliche Plattform machen.
Kapitel 09
Warum KI die Machbarkeitsrechnung verändert.
Das Datenproblem des MES-Felds ist nicht nur eines der Menge, sondern eines der Heterogenität und Struktur. Dieselbe physikalische Größe – die Leistungsdichte – kann in mW/m², W/m³ oder mW/g berichtet werden, bezogen auf unterschiedliche Oberflächen. Jüngste Fortschritte bei NLP, NER, Relationsextraktion und Einheitennormierung haben es möglich gemacht, diese Extraktion im großen Maßstab und zu wirtschaftlich tragfähigen Kosten zu automatisieren.
Das Modell vs. die Algorithmen
Das Basismodell liefert Sprachverständnis als Dienstleistung. Die Algorithmen von MESSAI legen fest, was verstanden werden soll, wie geschlussfolgert wird, welche Ausgabe entsteht, wie validiert wird und was damit geschieht. Wird das Basismodell morgen ausgetauscht, bleiben die Algorithmen dieselben. Der Burggraben ist das Daten-Schwungrad, nicht das Modell.
Kapitel 10
Die 18 Forschungslücken – eine strategische Roadmap.
Eine KI-gestützte Analyse des Korpus aus 23.596 Publikationen hat 18 konkrete Forschungslücken identifiziert – Bereiche, in denen das veröffentlichte Wissen gemessen an der Bedeutung des Themas unzureichend ist. Die Lücken bündeln sich in vier thematischen Kategorien.
Teil V
Wirkung & Vision.
Ein Geschäftsmodell mit Venture-Renditen auf Basis einer Plattform, die im Erfolgsfall Technologien messbar beschleunigen wird, die einige der drängendsten Umweltprobleme der Welt angehen.
Kapitel 11
ESG-Wirkung & SDG-Ausrichtung.
Finanzierbar nach klassischen Maßstäben für Venture-Renditen und unter Impact-Investment-Mandaten. Die Ergebnisse, die MES-Technologien ermöglichen, stehen in direktem Einklang mit mehreren Zielen der Vereinten Nationen für nachhaltige Entwicklung.
Sauberes Wasser & Sanitäreinrichtungen
Dezentrale, energiearme Abwasserbehandlung für die 1,7 Mrd. Menschen ohne grundlegende Sanitärversorgung.
Bezahlbare & saubere Energie
MFC-Strom aus Abfall; MEC-Wasserstoff mit geringerem Energieeinsatz.
Industrie & Innovation
Forschungsinfrastruktur, die Zeit + Kosten für F&E senkt und datengetriebenen Entwurf ermöglicht.
Klimaschutz
Energieneutrale bzw. -positive Abwasserbehandlung; CO2 → Chemikalien per Elektrosynthese.
Leben unter Wasser
Geringere Einleitungen von Nähr- und Schadstoffen wirken direkt gegen Eutrophierung und Todeszonen.
Kapitel 12
Die Vision 2035.
Bis 2035 ist MESSAI.IO darauf ausgerichtet, die maßgebliche Infrastrukturplattform für bioelektrochemische Innovation zu sein – vergleichbar mit dem, was das Materials Project für die Materialwissenschaft, die PDB für die Strukturbiologie und Benchling für die synthetische Biologie ist.
Teil VI
Risiko, Rendite,
nächste Schritte.
Transparente Risikoanalyse mit konkreten Gegenmaßnahmen · Exit-Wege, gestützt durch aktuelle Vergleichstransaktionen · und die ausdrückliche Einladung, von Anfang an einzusteigen.
Kapitel 13
Risikoanalyse & Gegenmaßnahmen.
Wir gehen offen mit den Risiken um. Jedes ist real, und für jedes beschreiben wir eine konkrete Gegenmaßnahme.
Technologierisiko
Können die KI-Vorhersagen tatsächlich funktionieren?
Großer Datensatz gemessen an den Maßstäben domänenspezifischer wissenschaftlicher KI; physikinformierte Nebenbedingungen begrenzen den Vorhersageraum; das Produkt liefert Vorhersagen mit Konfidenzintervall + Sensitivität statt Punktschätzungen. Das Werkzeug ist wertvoll, solange es den Suchraum eingrenzt.
Marktrisiko
Werden MES tatsächlich kommerzialisiert?
Das Wertversprechen hängt nicht vollständig von einer Einführung von MES im Massenmarkt ab. Forschungswerkzeuge sind für die akademische Gemeinschaft unabhängig davon wertvoll. Die Plattformarchitektur ist auf die Expansion in angrenzende Domänen ausgelegt (anaerobe Vergärung, Bioverfahrenstechnik im weiteren Sinne).
Akzeptanzrisiko
Werden Forschende es nutzen?
Freemium (keine Hürde zum Ausprobieren); Engagement in der akademischen Gemeinschaft (Social Proof + Peer-Empfehlungen); Verlagspartnerschaften verankern MESSAI im Publikations-Workflow; das Produkt ist darauf ausgelegt, schon ab der ersten Abfrage Nutzen zu stiften.
Wettbewerbsrisiko
Könnte jemand das schneller bauen?
Fokus auf Fähigkeiten, die generische Werkzeuge nicht nachbilden können: strukturierte quantitative Daten (keine Textantworten), interaktive 3D-Modellierung, Mehrzieloptimierung, Wirtschaftlichkeitsrechner. Ein Sprachmodell kann Publikationen zusammenfassen; einen Reaktor simulieren kann es nicht.
Kapitel 14
Exit- und Renditeanalyse.
| Exit-Weg | Strategische Logik | Referenz |
|---|---|---|
| Käufer aus der Wassertechnik | Strategische Käufer zahlen mit fortschreitender Kommerzialisierung von MES Aufschläge für Technologie + digitale Kompetenz. | Xylem · Evoqua ca. 7,5 Mrd. $ (2023) Veolia · Suez ca. 13 Mrd. € (2022) |
| Wissenschaftliche Daten / Software | Elsevier (RELX), Clarivate und Thermo Fisher kaufen aktiv wissenschaftliche Daten- und Software-Assets zu. | Thermo · Dotmatics > 1 Mrd. $ (2023) |
| Industrielle KI / Cloud | Microsoft, Google, Amazon und Siemens bauen vertikale KI für Industrie- und Nachhaltigkeitsanwendungen. | Multiples über Stand-alone-Niveau |
| Börsengang | Wächst MESSAI zu einer universellen KI-Plattform für Bioprozesse + Umwelt, wird ein eigenständiger Börsengang machbar. | Börsengang Schrödinger 2020 |
Kapitel 15
Aufruf zum Handeln.
MESSAI.IO ist in Betrieb, wächst und steht an der Schnittstelle dreier Megatrends: der globalen Wasserkrise, des Übergangs zur Bioökonomie und der KI-getriebenen Digitalisierung wissenschaftlicher Forschung und Entwicklung.
Nächste Schritte
Lassen Sie uns sprechen.
Bereit für die Due Diligence
Plattform-Demo. Zugang zum Datenraum auf Anfrage.
Haftungsausschluss
Dieses Whitepaper wurde von MESSAI.IO als Investorenkommunikation erstellt. Alle angeführten Schätzungen von Marktgrößen, Unternehmensbewertungen und Finanzprognosen beruhen auf öffentlich zugänglichen Quellen. Zukunftsgerichtete Aussagen unterliegen Risiken und Unsicherheiten. Potenzielle Investoren sollten eine eigene, unabhängige Due-Diligence-Prüfung vornehmen. Die Plattformstatistiken (23.596 erfasste Forschungspublikationen, 201.954 extrahierte Messwerte, 835 Parameter in der Ontologie, 2.819 DAG-Kopplungen, 18 Forschungslücken) entsprechen den Messungen in der Plattformdatenbank von MESSAI.IO mit Stand August 2026.
Whitepaper · v1.0 · April 2026