Diligence decision-support experiment
Ein Entscheidungsunterstützungs-Prototyp für Venture Due Diligence
A full-stack diligence-workflow prototype with deal, research, scoring, portfolio, and reporting surfaces. Its source demonstrates workflow architecture and provider abstraction; it does not establish investment performance.
Brücke Business ↔ Technologie · Diligence decision-support experiment
Explores a reviewable full-stack diligence workflow with visible assumptions and replaceable model providers.
Dies ist eine Portfolio- und Quellinterpretation, keine Aussage über Kunden, Betrieb, Zertifizierung oder Ergebnisse.
Deal, market, founder, technical, portfolio, and reporting evidence is assembled across disconnected data sources and individual judgement.
Separate workflow, APIs, persistence, retrieval, scoring, and model providers, including a deterministic mock path for repeatable testing.
Deal, research, diligence, scoring, portfolio, and report surfaces across FastAPI, Next.js, data, retrieval, and provider-adapter boundaries.
Missing sources, conflicting signals, score assumptions, and reviewer decisions return to thesis, diligence scope, and portfolio monitoring.
Quellcode-Evidenz
A full-stack diligence-workflow prototype with deal, research, scoring, portfolio, and reporting surfaces. Its source demonstrates workflow architecture and provider abstraction; it does not establish investment performance.
Der detaillierte technische Stand wird auf Englisch gepflegt.
Repository-Evidenz ist kein Nachweis für Kunden, Betrieb, Zertifizierung oder Ergebnisse.
Architektur
Drei Quellcodegrenzen: Workflow-UI, modulare APIs und eine austauschbare Modellanbieter-Schicht mit Unterstützung für deterministische Tests.
Nur Quellübersicht: Eine Schicht kann implementierten Code, eine Adaptergrenze oder dokumentiertes Design darstellen. Sie belegt keinen konfigurierten Produktionsdienst.
Der Next.js-Quellcode bildet Oberflächen für Pipeline-Boards, Gründerprüfung, Scoring, Wettbewerbskartierung und Portfolio-Monitoring ab. Dass Quellcode vorhanden ist, belegt weder eine Live-Datenabdeckung noch eine Nutzung durch Investoren.
Der FastAPI-Quellcode bildet Module für Deal-Sourcing, Due Diligence, Gründer-Bewertung, technische Evaluierung, Wettbewerbsintelligenz, Term-Sheet-Entwürfe und Post-Investment-Monitoring ab. Phasenspezifische Logik — was in der Seed-Phase zählt, ist nicht dasselbe wie in der Series C.
Die Anbieter-Adapter stellen Anthropic-, Mistral-, Ollama-, Hugging-Face- und deterministische Mock-Pfade dar. Modellverhalten, Lokalität und Datenverarbeitung hängen vom gewählten Anbieter und der Deployment-Konfiguration ab.
Das Problem
Warum VC-Due-Diligence nicht funktioniert
Deal-Evidenz wird häufig manuell aus Gründer-, Markt-, Technik-, Geschäfts- und Regulierungsquellen zusammengeführt, wodurch Provenienz und konsistente Prüfung schwer zu erhalten sind.
Die Qualitaet variiert je nach Analyst. Ohne standardisiertes Framework werden kritische Signale bei manchen Deals uebersehen.
Wochen fuer ein einziges Investment-Memo. Begehrte Deals werden abgeschlossen, bevor die Pruefung fertig ist.
Erkenntnisse aus vergangenen Deals werden nicht wiederverwendet. Jede Bewertung beginnt bei Null ohne institutionelles Gedaechtnis — und EU-spezifische Daten (EIC-Foerderungen, BPI France, INPI-Einreichungen, AMF-Offenlegungen) werden vollstaendig ignoriert.
Funktionen
Quellcode-Oberflächen für einen modellgestützten Due-Diligence-Workflow
Nur Quellumfang: Ein Eintrag kann Code, einen dokumentierten Adapter oder einen konfigurierten Workflow beschreiben. Er besagt nicht, dass ein Produktionsdienst aktiv ist.
01
Der Quellcode stellt ein Bewertungsraster für Gründer dar, das Hintergrund, Erfolgsbilanz, Netzwerk, technische Tiefe, Führung, Belastbarkeit, Marktverständnis und Integrität abdeckt — gewichtet mit 25% des Kairos Score. Die Verantwortung für die Schlussfolgerung bleibt beim Investor.
02
Workflow-Oberflächen für TAM/SAM/SOM-Annahmen, Timing-Analyse und Marktchancen-Scoring. Die Verfügbarkeit von Quellen hängt von den konfigurierten Datenadaptern ab.
03
Der Quellcode stellt eine von KI entworfene Analyse der Wettbewerbslandschaft mit Positionierung, Differenzierungsbewertung und Moat-Evaluation dar. Die Verantwortung für die Schlussfolgerung bleibt beim Investor.
04
Adapter- und Workflow-Oberflächen für digitale Präsenz, Repository-Aktivität, Recruiting-Signale, Kundenstimmung, Einreichungen und kommerzielle Datensätze. Eine genannte Quelle ist kein Beleg für einen Live-Zugriff.
05
Der Quellcode stellt Workflows für Finanzierungszeitpunkt, Änderungssignale, Schlüsselpersonenrisiko und Bewertungsannahmen dar. Sie benötigen lizenzierte Daten, Kalibrierung und Investorenprüfung; Vorhersagegenauigkeit oder Investmenterfolg werden nicht behauptet.
06
Der Quellcode stellt Entwürfe von Investment-Memos, Due-Diligence-Berichten, Wettbewerbsübersichten und Risikoregistern zur Prüfung durch Investoren zusammen. Es wird kein Ergebnis zu Durchlaufzeit oder Entscheidungsqualität behauptet.
8 Scoring-Dimensionen
Der Prototyp macht Scoring-Dimensionen und Bewertungsraster explizit, damit ein Investor Annahmen prüfen kann, statt eine Modellausgabe als Urteil zu behandeln.
Nur Repository-Oberfläche: Verfügbarkeit, Vollständigkeit, Leistung und Betriebstauglichkeit erfordern eine gesonderte Validierung.
DIM 1Domänen-Tiefe × Ausführungsgeschwindigkeit × Team-Fit-Signale (Dynamik der Mitgründer, vorherige Liefernachweise, Einstellungshistorie). Im Quellcode abgebildete Eingaben: LinkedIn-Anreicherung, Public-Commit-Rhythmus und Interview-Transkripte. Eine genannte Quelle ist kein Beleg für einen Live-Zugriff.
DIM 2Bottom-up-TAM mit Quellen, Top-down-Plausibilitätsprüfung, 5-Jahres-Wachstumsthese, regulatorische Rücken-/Gegenwinde. Die vorgeschlagene Rubrik würde Aussagen wie 'die gesamte EU ist unser Markt' ohne strukturierte Why-now-Begründung abwerten.
DIM 3Erfasst Nutzerforschungsartefakte, Retentionsnachweise, soweit verfügbar, und die Lücke zwischen einer Demonstration und einem betriebsfähigen Produkt. Die Verantwortung für die Schlussfolgerung bleibt beim Investor.
DIM 4Qualität der Umsatzkurve (nicht nur absolute Zahl), Net-Dollar-Retention, Verkürzung des Verkaufszyklus im Zeitverlauf, organischer vs. bezahlter Mix. Stufengerecht kalibriert — was im Seed-Stadium zählt, ist nicht dasselbe wie in der Series A.
DIM 5Burn-Multiple vs. Stadium, Amortisationsdauer des CAC, Runway-Klarheit, Preis-Qualitäts-Verhältnis der vorherigen Runde. Die vorgeschlagene Rubrik würde 'zu viel Kapital für den erreichten Meilenstein' markieren.
DIM 6Technische Bewertung nach Domäne, vom LLM-Backend entworfen, mit unterschiedlichen Bewertungsrastern für Seed und Series C. Sie ist eine Eingabe zur Prüfung durch den Investor, kein Urteil über die vom Gründer behauptete Neuartigkeit.
DIM 7Tiefe des Daten-Grabens, Analyse der Wechselkosten, regulatorischer Graben, wo zutreffend (z. B. klinisch, Verteidigung), Form der Netzwerkeffekt-Kurve. Die Antwort auf die Frage: 'Warum wird das nicht von Big Tech zermalmt?'
DIM 8Klarheit der Vertriebsstrategie, ICP-Disziplin, Kanalqualität, Plan für den Übergang vom Gründer-geführten Vertrieb. Die vorgeschlagene Rubrik würde Antworten wie 'wir stellen einen VP Sales ein, der das regelt' abwerten.
Technologie-Stack
Genannte Technologien kennzeichnen Repository-Abhängigkeiten oder Adapteroberflächen; sie belegen keine aktive Integration oder Bereitstellung.
Quellcode
Der Quellcode des Kairos VC Prototyps ist auf Anfrage für Evaluierungs- und Partnerschaftszwecke verfügbar.
Für den Zugang zum Quellcode unterzeichnen Sie bitte die Geheimhaltungsvereinbarung. Dies ist eine übliche rechtliche Formalität.
Suchen Sie KI-gestützte Due Diligence oder Startup-Skalierungsexpertise? Entdecken Sie meine Beratungsleistungen.
Partnerschaft
Für Teams, die einen überprüfbaren, modellgestützten Due-Diligence-Workflow erkunden.
Von der Demo zum verlässlichen Betrieb. Melden Sie sich für neue Beiträge zu Physical AI an.
Jederzeit abbestellbar. Kein Spam, niemals.