Flinn AI sammelt 21 Millionen Dollar in einer Series A ein. Gründer Markus Müller, früher 15. Mitarbeiter bei N26, baut KI-Agenten für die MedTech-Branche. Im KI-Bubble Interview erklärt er, warum sein Team nicht auf Fine-Tuning setzt. Stattdessen kombiniert Flinn AI mehrere Sprach-Modelle pro Anwendungsfall.
Von N26 zu Flinn AI: Markus Müllers Gründerweg
Markus Müller startete 2015 als 15. Mitarbeiter bei N26. Er kam zwei Wochen vor dem offiziellen Launch der Neobank dazu. Zuvor hatte er sein erstes Unternehmen in Wien verkauft. Danach absolvierte er ein Praktikum im Venture-Capital-Bereich in Berlin.
2022 gründete er gemeinsam mit Co-Founder Bastian Flinn AI. Neun Monate lang forschten die beiden im Bereich Healthcare. Dann stießen sie auf das Problem: MedTech-Hersteller ertrinken in Compliance-Prozessen. Diese Erkenntnis wurde zum Fundament ihres Startups.
Flinn AI bedient die größten MedTech-Hersteller der Welt. Die Kunden fertigen Herz-Schrittmacher, Kondome, Rollstühle und OP-Geräte. Die Plattform automatisiert regulatorische Prozesse, Qualitäts-Management und klinische Recherche. Langfristig plant das Startup, den gesamten Produkt-Lebenszyklus effizienter zu gestalten.
1,7 Mio. Euro Pre-Seed ohne eine Zeile Code
Flinn AI schloss seine Pre-Seed-Runde ab, bevor eine einzige Zeile Code existierte. Das Team besaß lediglich Klick-Prototypen aus Figma. Dazu kamen zehn Letters of Intent von relevanten Unternehmen. Keine GmbH, keine Mitarbeiter, nur Gmail-Adressen.
Müllers Credo: 'Building is the most expensive way to test.' Er rät Gründern, zuerst den Markt zu validieren. Entweder überzeugt das Gründer-Team oder das Projekt liefert nachweisbare Traktion. Im Idealfall beides. Mit den heutigen KI-Coding-Tools würde er zwar auch Code schreiben. Doch der Kern bleibt: erst Markt-Fit beweisen, dann bauen.
Heute hat Flinn AI die 21 Mio. Dollar Series A abgeschlossen. HV Capital aus Berlin führte die Runde an. Bertelsmann Investments aus New York kam als strategischer Partner hinzu. Speed Invest, Cherry und Square One investierten erneut mit. Flinn AI fokussiert sich jetzt auf die zehn Prozent der größten MedTech-Hersteller weltweit.
Multi-Modell statt Fine-Tuning: So arbeitet Flinn AI
Anfangs experimentierte Flinn AI viel mit Fine-Tuning. Doch die Foundation Models entwickelten sich schneller als jedes trainierte Modell. Bevor ein feingetuntes Modell fertig war, erschien bereits ein besseres Basismodell.
Heute setzt das Team auf eine Multi-Modell-Strategie. Für jeden Anwendungsfall wählt es das passende Modell. Manchmal zählt Tempo, manchmal Kosten, manchmal Präzision. Bei kritischen Aufgaben arbeiten drei Modelle parallel. Widersprechen sich die Ergebnisse, prüft ein Mensch oder ein viertes 'Judge-Modell'.
Kunden deuten diese Kombination aus Prompt Engineering und orchestrierten Modellen oft als Fine-Tuning. Technisch ist es das nicht. Flinn AI baut eigene Evaluations-Datensätze mit Experten auf. Ein konkretes Beispiel: Ein Classifier erkennt Tierstudien unter Forschungs-Papers. Das Team testete ihn gegen mehrere hundert verifizierte Studien. Wer Fine-Tuning vertiefen will, findet dort alle Hintergründe.
Kommt ein neues Sprach-Modell auf den Markt, testet Flinn AI es sofort. OpenAI dominierte lange fast alle Benchmarks. In den letzten Monaten hat Anthropic mit Claude deutlich aufgeholt. Für bestimmte Aufgaben performt Claude sogar stärker.
Open-Source-Modelle wie Llama spielen eine Nebenrolle. Die kommerziellen Modelle von OpenAI, Anthropic und Google performen in den meisten Aufgaben besser. Open Source kommt ins Spiel, wenn ein Kunde es ausdrücklich wünscht. Generell setzt das Team auf eine Kombination aller drei großen Anbieter.
Müller bezeichnet Flinn AI als Applied AI Company. Das Team baut keine eigenen Foundation Models. Stattdessen setzt es auf smartes Anwenden, gute Integrationen und intuitive Interfaces. Vor drei Jahren war noch unklar, ob dieser Weg funktioniert. Heute bestätigen die Ergebnisse den Ansatz.
KI-Agenten durchsuchen Millionen medizinischer Papers
Flinn AIs KI-Agenten extrahieren Daten aus Forschungs-Papers mit 30 bis 50 Seiten. Pro Kunde können das über 100 spezifische Datenpunkte sein. 50 Clinical-Affairs-Manager sollen identische Ergebnisse erhalten. Wie KI-Agenten technisch arbeiten, erklärt dieser Grundlagen-Artikel.
Im Bereich Regulatory Monitoring wird es noch komplexer. Das System vergleicht zwei Gesetze mit je 150 Seiten. Es erkennt zu 99,9 Prozent exakt, was sich geändert hat. Tabellen, Bilder und verschachtelte Strukturen machen die Aufgabe besonders schwer. Lädt jemand solche Dokumente bei ChatGPT hoch, entstehen Halluzinationen.
Flinn AI nutzt auch einen Writing Agent als Word-Plugin. Er funktioniert ähnlich wie Cursor, aber für medizinische Dokumente. Schritt für Schritt erhöht das Team die Autonomie der Agenten. Bevor es entscheidet, prüft es immer das Risiko. Wer falsch an Behörden meldet, riskiert drastische Folgen.
MedTech zwischen EU AI Act und US-Expansion
Laut einer aktuellen Bitkom-Studie haben 70 Prozent der deutschen Unternehmen KI-Projekte wegen Datenschutz-Bedenken gestoppt. Ein Jahr zuvor lag der Wert bei 61 Prozent. Müller erlebt diese Spannung täglich.
Sein Vergleich überrascht. Er hielt die Finanzbranche für stark reguliert. Die Medizintechnik toppt das deutlich. Gleichzeitig versteht er den Grund: Schlechte Produkt-Qualität hat Patienten das Leben gekostet. Innovation und Schutz in Balance zu bringen, bleibt die zentrale Aufgabe.
Er beobachtet ein Muster in Konzernen. Jemand interpretiert ein Gesetz isoliert. Das Ergebnis wandert über drei Abteilungen per Stille Post. Am Ende überentwickeln Teams ihre Produkte. Sein Gegenrezept: cross-disziplinäre Teams, die Gesetze gemeinsam interpretieren.
Der europäische MedTech-Markt ist stark fragmentiert. Rund 30.000 Hersteller verteilen sich über den Kontinent. In den USA produzieren nur etwa 10.000 Firmen bei 1,5-fachem Volumen. US-Firmen entscheiden schneller, oft top-down. In Deutschland läuft es demokratischer: Ist ein User unzufrieden, kauft das Team die Software nicht.
Flinn AI hat ein Büro in New York eröffnet. Steven Reichen, quasi Co-Founding-Member, baut dort den US-Vertrieb auf. Bertelsmann Investments unterstützt den Markteintritt mit Netzwerk und Healthcare-Kompetenz.
Fazit: Markus Müller und Flinn AI setzen auf Applied AI
Markus Müller zeigt mit Flinn AI, wie Applied AI in einer hoch regulierten Branche funktioniert. Nicht eigene Foundation Models entscheiden. Stattdessen zählt die smarte Kombination bestehender Modelle. Das 21-Mio.-Dollar-Investment von HV Capital und Bertelsmann bestätigt diesen Ansatz.
Die Vision: In drei Jahren sollen 20 Prozent aller Medical Devices weltweit über die Plattform laufen. Einige Hersteller ziehen sich bereits aus Nischenmärkten zurück. Sie stellen Herz-Schrittmacher für Kleinkinder ein oder beliefern bestimmte Regionen nicht mehr. Flinn AI will das ändern. KI-Agenten übernehmen schrittweise regulatorische Aufgaben. Die menschliche Kontrolle bei kritischen Fragen bleibt bestehen.
