Künstliche Intelligenz (KI) und Graphdatenbanken revolutionieren die Art, wie wir Daten verknüpfen, analysieren und verstehen. Technologische Entwicklungen schreiten dabei rasant voran, werden leistungsfähiger und intelligente Systeme immer entscheidender. Tobias Rebert ist Co-Founder des Startups Tentris, das in diesem Bereich viele Jahre geforscht und mittlerweile eine innovative marktfähige Lösung entwickelt hat.
m&w: Um Daten zu strukturieren und zu verknüpfen, sind innovative und immer intelligentere Technologien erforderlich. Wie geht Tentris das Thema Datenverarbeitung an?
Tobias Rebert: Unsere Lösung setzt auf Graphdatenbanken, speziell auf die von uns entwickelte TentrisDB – die schnellste und ressourceneffizienteste Graphdatenbank. Sie bietet die Möglichkeit, komplexe Beziehungen zwischen Daten intuitiv zu modellieren und abzufragen und ermöglicht dadurch eine dynamische und flexible Verknüpfung von Informationen. Mit unserer Tentris Suite, bestehend aus TentrisDB und Tentris AI, überwinden wir Datensilos und schaffen eine Verknüpfung aller relevanten Informationen. Das Ergebnis ist ein „intelligenter Mitarbeiter“, der als zentrale Wissensdrehscheibe fungiert. Er ermöglicht es den Nutzern, jederzeit auf alle entscheidungsrelevanten Daten und Einsichten zuzugreifen ohne, dass tiefgehende technische Expertise erforderlich ist.
m&w: Es gibt bereits andere Wissensgraph-Technologien am Markt. Was macht Tentris anders als andere?
Tobias Rebert: Das Geheimnis der Tentris Suite liegt in den Kernkomponenten TentrisDB und TentrisAI. TentrisDB definiert die Dateninfrastruktur und Anfrageverarbeitung neu, indem sie über traditionelle tabellenbasierte Ansätze hinausgeht und Tensoralgebra genutzt wird. Dies ermöglicht eine unvergleichliche Effizienz und Skalierbarkeit, senkt Rechenkosten und -zeiten und reduziert die CO2-Emissionen. Unsere Stärke liegt in analytischen Anfragen, bei denen wir dank einer niedrigeren Komplexitätsklasse nahezu linear skalieren.
TentrisDB löst zudem die Herausforderung von nativen Time-Travel-Anfragen – einem hoch nachgefragten Feature, das in den meisten Wettbewerbsprodukten derzeit fehlt und aufgrund ihrer Infrastruktur nur schwer nachgerüstet werden kann. Diese Funktion ermöglicht eine nahtlose historische Datenanalyse und liefert den Nutzern tiefere Einblicke sowie erweiterte Anfragemöglichkeiten.
Mit Tentris AI (unserem GraphRAG) haben wir das Problem des Text-Chunkings überwunden, reduzieren Halluzinationen und steigern sowohl die Antwortgenauigkeit als auch die Erklärbarkeit erheblich. Wie gelingt uns das? Sobald wir Zugang zu Datenquellen erhalten, bauen wir dynamisch einen RDF-Wissensgraphen auf und speichern ihn in unserer TentrisDB. Das Beste daran: Wir vermeiden die hohen Rechenkosten, die mit embedding-basierten Lösungen verbunden sind.
m&w: Für welche Zielgruppe ist die TentrisDB und Tentris Suite gedacht?
Tobias Rebert: TentrisDB richtet sich an Unternehmen, die bereits Wissensgraphen nutzen und eine schnellere, effizientere Lösung für ihr Backend suchen. Unsere Technologie braucht einen Bruchteil der Zeit, wodurch Unternehmen signifikant Kosten einsparen. Besonders interessant ist unser Ansatz für Unternehmen, die historische Daten im Vergleich zum aktuellen Status direkt in der Datenbank analysieren möchten. Mit der Tentris Suite fokussieren wir uns auf die deutschen Hidden Champions und liefern eine End-to-End-Lösung, die sich problemlos in jede Unternehmensumgebung integrieren lässt.
m&w: Aktuell hat man sich kaum in eine KI eingearbeitet, schon kommt die nächste. Wie schafft es Tentris mit dieser rasend schnellen Entwicklung Schritt zu halten? Haben Sie manchmal Sorge, dass jemand anders Sie überholt?
Tobias Rebert: Es stimmt, täglich tauchen neue Wettbewerber auf, und es scheint, als würde eine neue KI-Technologie nach der anderen entwickelt. Doch wir unterscheiden uns grundlegend von den meisten dieser Tools. Viele neue Anwendungen, insbesondere RAG-Tools, basieren auf ähnlichen grundlegenden Technologien, die mit den gleichen Herausforderungen kämpfen: Text-Chunking, Similarity Search bzw. Nearest Neighbour Search, kosteneffiziente Berechnung von Embeddings, Halluzinationen und mangelnde Erklärbarkeit. Diese Probleme treten bei uns jedoch nicht auf, da wir Daten direkt in einem semantischen Wissensgraphen indexieren und dann in unserer performanten Graphdatenbank speichern. Dieser Ansatz eliminiert die genannten Herausforderungen und verschafft uns einen klaren technologischen Vorteil mit weiteren Vorteilen – beispielsweise Schlussfolgerungen zwischen Daten und Datenqualitätssicherung.
Zusätzlich sorgt die Kombination mit unserer Graphdatenbank im Backend dafür, dass uns in Bezug auf Skalierbarkeit kaum jemand schlagen kann. Unsere Lösung ist nicht nur präziser und zuverlässiger, sondern auch auf lange Sicht äußerst leistungsfähig und skalierbar – ein klarer Wettbewerbsvorteil. Die größte Herausforderung besteht für uns eher im Time-to-Market – wir möchten diesen schnell erreichen, um frühzeitig eine solide Kundenbasis aufzubauen.
m&w: Prof. Ngonga aus Ihrem Co-Founder-Team forscht bereits seit Jahren zum Thema KI. Von der Stanford Universität wird er zu den zwei Prozent der Top-KI-Forscher weltweit gezählt. Inwiefern profitiert Tentris von seiner Expertise und wie ergänzt das Gründungsteam die Konstellation?
Tobias Rebert: Seine Expertise und jahrzehntelange Forschungserfahrung im Bereich KI bieten uns enorme Vorteile. Er bringt nicht nur tiefgreifendes technisches Wissen, sondern auch wertvolle Einblicke in die neuesten Entwicklungen der KI-Technologie mit. Zudem öffnet uns sein Netzwerk den Zugang zu führenden Unternehmen und Forschungseinrichtungen für Partnerschaften und Kooperationen. Das restliche Gründungsteam bringt wertvolle Praxiserfahrung in Technologieentwicklung, Business Development und der strategischen Führung von Start-ups mit. Durch die unterschiedlichen Fähigkeiten haben wir die optimale Basis, um Tentris erfolgreich zu skalieren und in der KI-Branche nachhaltig zu prägen.
m&w: Sie waren selbst jahrelang als Gründungscoach in der garage33, dem Gründungscenter der Universität Paderborn, aktiv. Was hat Sie dazu bewegt, selbst als Co-Founder in ein Startup einzusteigen?
Tobias Rebert: Als ich die Möglichkeit hatte, selbst als Co-Founder bei Tentris einzusteigen, war es für mich eine einmalige Chance als aktiver Teil eines Teams zu arbeiten, das wirklich etwas verändern kann. In meiner Zeit als Gründungscoach in der garage33 habe ich viele talentierte Gründerinnen und Gründer begleitet und viele spannende Ideen und Projekte gesehen. Doch bei Tentris war es etwas ganz Besonderes. Die Kombination aus innovativer Technologie wie unserer GraphRAG und der visionären Herangehensweise des Teams hat mich sofort begeistert. Es fühlt sich großartig an, gemeinsam mit so einem dynamischen und kreativen Team an einer Lösung zu arbeiten, die die Art und Weise, wie Unternehmen Wissen nutzen, revolutionieren kann.
m&w: Tentris wird bereits durch das EXIST-Forschungstransfer (eine Million Euro- Förderung) unterstützt. Jetzt haben Sie Ihre Innovation beim OWL Startup Pitch vor Kapitalgeberinnen und Kapitalgebern präsentiert. Welche Ziele verfolgen Sie aktuell? Was plant Sie mit dem Investitionskapital?
Tobias Rebert: Der erste Schritt besteht darin, gezielt bezahlte Proof-of-Concepts (PoCs) zu gewinnen, um die Tentris Suite in Unternehmen zu integrieren und erste Vorverkaufsverträge für unsere Datenbank abzuschließen. Unser Ziel ist es, den Mehrwert unserer Lösung schnell zu demonstrieren, aussagekräftige Fallstudien zu erstellen und wertvolle Erkenntnisse zu gewinnen. Idealerweise können wir nach erfolgreichen PoCs in langfristige, wiederkehrende Umsatzströme mit unseren Kunden übergehen. Mit dem Kapital werden wir in die Weiterentwicklung unserer Technologie investieren, um zusätzliche Features zu integrieren, die direkt auf die Bedürfnisse unserer Kunden abgestimmt sind. Dies erfordert, dass wir unser Entwicklerteam verstärken, um die technologische Grundlage weiter auszubauen.
Ab dem ersten Quartal 2026 planen wir außerdem den Aufbau eines Vertriebsteams. Zu Beginn werden wir mit einem Founder-Led Sales-Ansatz starten, um die Feinheiten des Verkaufsprozesses zu verstehen und herauszufinden, welche Talente wir für unser Vertriebsteam gewinnen müssen. Unser Ziel ist es nicht, sofort massiv zu skalieren, sondern eine solide Basis zu schaffen, auf der wir dann in der Series A erfolgreich aufbauen können, um in die nächste Wachstumsphase zu starten.
