Owner-led SMB
10 bis 200 Mitarbeiter, hohe operative Dichte, viele Signale außerhalb sauberer SaaS-Tabellen.
These
Company Brain ist Kategorie. Raumdeuter ist die Version für physische, inhabergeführte Betriebe.
Glean startet bei Enterprise Search. Hebbia startet bei Research. GBrain startet bei Founder Memory. Raumdeuter startet dort, wo normale SaaS-Datenmodelle brechen: Werkstattfoto, WhatsApp-Zusage, Kundenupdate-Lücke, Rechnungsfenster, Bauchgefühl des Inhabers.
Operational Radar
Radar Cards mit Signal, Beleg, Vorschlag und Approval-Gate. Das ist der MVP-Surface, nicht ein Multi-Feature-Mischpaket.
Betriebsphysik
Das Labor ist schwer, fragmentiert und reguliert. Genau diese Härte wird zur Produkt-Substanz.
Sechs Differenzierungsanker
Nicht besserer Glean. Andere Kategorie.
Owner-led SMB
Was geht heute kaputt, wenn der Chef es nicht im Kopf behält?
Physische Evidenz
Ein Foto kann Beweis, Risiko, Arbeitsanweisung, Kundenkommunikation, Rechnungsgrundlage und Story-Material sein.
Proaktiver Radar
Raumdeuter wartet nicht auf Suche. Es bringt operative Knoten hoch, bevor Schaden entsteht.
Datenhoheit
Rohdaten bleiben im Storage des Kunden. Raumdeuter speichert Pointer und schmale Beleg-Ausschnitte.
Failure-to-Rule
Operative Fehlläufe werden zu Regeln, Eval-Cases und Karten. Der Harvest läuft, externe Zählbehauptung erst nach Tabellenstand.
Operator-Founder
Marc ist Betreiber und Builder. Raumdeuter entsteht aus täglicher Betriebsreibung, nicht aus Marktfolien.
Landkarte
Wie Raumdeuter gegen Company-Brain-Wettbewerber steht.
| Dimension | Glean / Hebbia / GBrain | Raumdeuter |
|---|---|---|
| Ursprung | Enterprise Search, Finance Research, Founder Brain | Echter Inhaberbetrieb |
| Zielnutzer | Knowledge Worker, Analyst, Founder-Builder | Überlasteter Betriebsinhaber |
| Datenrealität | Docs, Apps, Meetings, Slack, CRM | WhatsApp, Fotos, Videos, Rechnungen, Werkstattnotizen, Zusagen |
| Hauptmodus | Suche, Analyse, Agent Memory | Proaktiver Radar |
| Output | Antwort, Analyse, Agent-Aktion | Fünf Card-Typen mit Beleg und Approval |
| Moat | Distribution, Datenintegration, Scale | Operator-Founder, schwieriger Markt, echte Failure-Loops |
Surface Discipline
Die Homepage verkauft Vertrauen. Die These lebt in der Tiefe.
Raumdeuter zeigt öffentlich Beweis, Demo und Einladung. Paketlogik, Dienstleistungs-Framing, interne Baupläne und operative Systemmechanik gehören nicht auf die Oberfläche. Der Kundensurface bleibt schmal: Betriebsradar mit fünf Card-Typen und Inhaber-Freigabe.
Operator SurfaceDein Betrieb, deine Daten, deine Freigabe. Keine VC-Folie als Startseite.
Thesis DepthArchitektur, Vertikalen, Moat und Investor-Fragen bleiben auffindbar, aber nicht vorn.
Proof GateErst Demo-Beweis, dann Pilotgespräch. Keine Bauplan-Offenlegung.
Investor Q&A
Kurze Antworten auf die ersten harten Fragen.
Was baut ihr?
Raumdeuter ist ein AI Operating System für inhabergeführte Mittelständler, bei denen der Inhaber der Engpass ist. Es zieht verstreute Daten in einen Beleg-Graph, lässt versionierte Skills laufen und liefert Radar Cards mit Beleg und Freigabe.
Wie unterscheidet ihr euch von GBrain, Glean und Hebbia?
Wir hosten nicht den gesamten Datenbestand. Raumdeuter ist als Index auf dem Dateisystem des Kunden gedacht, plus Operator Memory und Eval-Library aus echten Betriebsfehlern.
Warum jetzt?
LLMs sind für eingezäunte Skill-Aufgaben zuverlässig genug, owner-led SMBs stehen unter Arbeits- und Regulierungsdruck, und AI-native Founder-Building macht Pre-Seed-Leverage ohne klassisches CTO-Setup realistisch.
Warum Classic-Car-Restauration als Labor?
Weil der Markt schwer ist: lange Laufzeiten, fragmentierte Kommunikation, physische Evidenz, emotionale Kunden, Teileketten, Zahlungen und Regulierung. Wenn Raumdeuter dort funktioniert, ist die Übertragung auf andere Servicebetriebe plausibel.
Wie wird aus Concierge ein Produkt?
Erst drei Pilotbetriebe mit wöchentlichem Radar stabilisieren, dann Multi-Tenant-Substrate, Skill-Manifest und Eval-Log produktisieren. Der Concierge-MVP ist Lernmaschine, nicht Endzustand.