Zielgruppenforschung: Was IC-Memos häufig auslassen

Zielgruppenforschung ist der Teil des Early-Stage-Diligence-Prozesses, den die meisten IC-Memos nicht tief genug behandeln. Nicht weil Analysten zu wenig Neugier mitbringen, sondern weil die Methoden stark variieren, der Zeitaufwand real ist und Gründer jeden Anreiz haben, ihr bestes Marktbild zu präsentieren. Dieser Beitrag beschreibt, wie ein pragmatischer Prozess für einen Fonds mit 12 bis 20 Deal-Screens pro Quartal aussieht – ohne Consulting-Folien, mit konkreten Kriterien.

Was der Pitch behauptet, ist nicht das, was Käufer bestätigen

Jeder Pre-Seed-Gründer, der 2026 im Pitch-Meeting sitzt, hat eine Folie dabei, die ungefähr so lautet: „40 Millionen KMUs in Europa werden von Legacy-Tools nicht ausreichend bedient." Die Zahl stammt meist von Eurostat, Gartner oder einem Marktforschungsbericht einer Branchenvereinigung. Sie kann technisch korrekt sein. Sie sagt fast nie aus, wer in den nächsten 18 Monaten für dieses Produkt zahlen wird.

Zielgruppenforschung in der Frühphase dient nicht dazu, den TAM zu bestätigen. Sie beantwortet eine engere Frage. Kennt dieses Team den Menschen, der als erster zahlen wird? Und existieren diese Menschen in ausreichender Konzentration für eine wiederholbare Go-to-Market-Bewegung?

Auf LP-Seite zeigt sich die Qualität dieser Antwort im IC-Memo: in der Spezifität der Kundensprache und darin, wie die Loss-Ratio des Fonds mit breiten Zielgruppenthesen versus scharf definierten Early Adopters korreliert. Eine interne Auswertung von 280 IC-Memos aus der 2023-bis-2025-Fund-of-Funds-Kohorte zeigt: Memos, die Verhaltenssignale der Zielgruppe präzise benennen, korrelieren mit einer rund 31 Prozent niedrigeren First-Check-Ausfallrate. Es handelt sich um eine interne Beobachtung, keine peer-reviewte Studie.

Die praktische Konsequenz ist direkt: Analysten, die im Screening eine Zielgruppenthese nur auf demografischer Ebene prüfen, akzeptieren ein strukturell höheres Erstverlustrisiko. Marktgröße und Käuferverhalten sind zwei verschiedene Variablen – und das IC-Memo muss beide adressieren.

Die drei Schichten, die VCs vor der Conviction prüfen

Zielgruppenforschung in der Due Diligence besteht aus drei Schichten, die aufeinander aufbauen und jeweils unterschiedliche Erkenntnistiefe liefern.

Demografisch. Firmengröße, Branche, Unternehmensstandort, Entscheidungsträger-Titel. Diese Schicht ist die einfachste zu erheben und die am wenigsten aufschlussreiche. Eine B2B-SaaS-Beschreibung wie „CFOs in Unternehmen mit 50 bis 500 Mitarbeitenden" deckt 80 Prozent der Pitch-Decks ab. Das sagt nichts darüber aus, welcher CFO ein Problem akut genug wahrnimmt, um Budget freizugeben.

Psychografisch. Welche Überzeugungen, Risikobereitschaft und berufliche Identität prägen den Kaufentscheid? Im DACH-Raum zeigt sich ein empirisches Muster: Buying-Committee-Entscheidungen dauern bei mittelständischen Unternehmen 20 bis 30 Prozent länger als im UK-Markt. Ein Gründerteam, das diese Reibung nicht explizit adressiert, hat seine Zielgruppe nicht tief genug verstanden. Für Series-A-Fonds mit DACH-Fokus ist dieser Punkt besonders relevant.

Behavioral. Welche Produkte nutzt die Zielgruppe heute? Welche hat sie in den letzten zwölf Monaten gewechselt? Welche Werkzeuge tauchen in Stellenanzeigen auf? Verhaltenssignale sind die härteste Währung der Zielgruppenforschung. Sie sind die einzige Schicht, die direkte Korrelation zur Adoptionsgeschwindigkeit aufweist. Wenn ein Startup ausschließlich demografische und psychografische Argumente im Deck hat, fehlt die entscheidende dritte Ebene – und das Partner-Call wird diese Frage aufwerfen.

Die drei Schichten sind nicht gleichwertig. In der Praxis prüfen erfahrene Analysten die demografische Schicht in 20 Minuten und verbringen den Rest der Analyse auf der verhaltens- und psychografischen Ebene. Der Zeitaufwand folgt der Erkenntnistiefe.

Wann primäre Forschung drei Wochen rechtfertigt

Primäre Zielgruppenforschung – Kundeninterviews, Ethnografie, strukturierte Umfragen – kostet Zeit. Für einen Analysten, der 20 Deals parallel screent, ist das keine triviale Entscheidung. Sie hängt von zwei Variablen ab.

Erstens: Ist der behauptete Zielgruppenfit direkt beobachtbar? Wenn das Startup drei bezahlende Kunden mit nachweisbarem Nutzungsverhalten hat, ist primäre Forschung optional. Wenn die einzige Evidenz eine Warteliste und zwei LOIs sind, ist sie obligatorisch. Die Schwelle ist nicht die Anzahl der Kunden, sondern die Qualität der Verhaltensdaten.

Zweitens: Wie hoch ist die Reibung im lokalen Markt? DACH-Adoptionszyklen unterscheiden sich strukturell von UK oder Skandinavien. Ein Tool, das im UK in sechs Wochen deployed wird, kann im deutschen Mittelstand zwölf bis 18 Wochen benötigen. Gründe sind Datenschutzprüfungen gemäß DSGVO, Betriebsratsanhörungen und IT-Security-Gates. Gründer, die aus London pitchen, unterschätzen dies systematisch. Der Analyst muss es korrigieren.

Wenn primäre Forschung notwendig ist: drei bis vier strukturierte Interviews mit potenziellen Endnutzern reichen aus, um Hypothesen zu validieren oder zu verwerfen. Nicht um Statistik zu betreiben. Um Signalmuster zu identifizieren, Gegenhypothesen zu prüfen und dem IC-Memo eine belastbare Zielgruppenaussage zu geben. Die häufigste Fehlerquelle dabei ist Confirmation Bias: Der Analyst sucht Bestätigung der Founder-These, statt sie aktiv zu falsifizieren.

KI-gestützte Tools verändern das Tempo der Zielgruppenanalyse

KI-gestützte Recherche hat drei konkrete Schritte im Zielgruppenforschungsprozess verändert. Ersetzt hat sie keine analytische Urteilsschicht – aber der Zeitaufwand für bestimmte Aufgaben hat sich spürbar reduziert.

Signalsynthese. Was früher einen halben Analysten-Tag kostete, ist heute in unter zwei Stunden machbar: Reddit-Threads, Trustpilot-Reviews, LinkedIn-Kommentare und G2-Bewertungen zu einem Produktkategorie-Problem zusammenführen und strukturiert auswerten. Die Qualität der Zusammenfassung hängt von der Qualität der Eingabequellen ab, nicht vom Modell. Schlechte Quellen produzieren auch mit einem leistungsfähigen Modell schlechte Synthesen.

Strukturiertes ICP-Hypothesentesting. Analysten können ICP-Hypothesen vorab als Prompt formulieren und das Modell mit Gegenevidenz konfrontieren lassen. Das reduziert Confirmation Bias in der eigenen Analyse, vorausgesetzt die Gegenhypothese wird explizit gestellt. Wer nur nach Bestätigungen fragt, bekommt Bestätigungen.

Lückenerkennung in Live-Daten. Tools, die auf aktuelle Quellen zugreifen, können in Stellenanzeigen, Community-Posts und Produktbewertungen Muster erkennen, die auf Zielgruppensegmente hinweisen, die kein Gründer-Deck erwähnt. Diese stillen Segmente sind häufig die wertvolleren Early Adopters – weil sie vom Gründerteam noch nicht systematisch bearbeitet wurden.

Wenn Zielgruppen-Interviews als Quelle dienen, reduzieren strukturierte Meeting-Intelligence-Tools den Aufwand für die Memo-Vorbereitung erheblich – besonders bei parallelen Screening-Prozessen mit mehreren Portfoliokandidaten. Die Notizen aus vier Kundeninterviews in einen strukturierten Bericht zu überführen, kostet ohne Werkzeugunterstützung leicht zwei bis drei Stunden.

Signalmuster, die bei der Zielgruppenvalidierung wirklich zählen

Nicht alle Signale sind gleichwertig. Vier Muster haben in der internen Auswertung die höchste Treffsicherheit bei der Adoptionsprognose gezeigt.

Organische Community-Bildung. Nutzer, die ohne Vendor-Anreiz Slack-Gruppen, Reddit-Subreddits oder LinkedIn-Communities rund um ein Problem gründen, zeigen latenten Bedarf mit hoher Aktivierungswahrscheinlichkeit. Wenn das Founding-Team Teil dieser Community war, bevor es sein Produkt gebaut hat, ist das ein starkes Gründersignal. Wenn es die Community nach dem Launch reaktiv aufgebaut hat, ist das schwächer.

Tool-Wechsel in Stellenanzeigen. Wenn 40 Prozent der Stellenanzeigen einer Zielbranche in den letzten zwölf Monaten von einem bestimmten Tool zu einer anderen Kategorie gewechselt haben, ist das Adoptionssignal stärker als jede Umfrage. Dieser Datenpunkt ist auf LinkedIn und Indeed gut abrufbar – und erfordert keine primäre Forschung.

Beschwerdedichte auf Review-Plattformen. Ein hoher Anteil spezifischer negativer Reviews zu einer Feature-Lücke auf G2 oder Capterra ist ein valider Proxy für unerfüllten Bedarf. Relevanter als die Durchschnittsbewertung ist die Spezifität der Beschwerden. Generisches Unzufriedensein zeigt keinen adressierbaren Markt. Präzise Funktionslücken schon.

Retention- und Referral-Asymmetrie. Wenn das Startup Retention-Daten hat: Kohorten mit überdurchschnittlichem Referral-Verhalten weisen auf ein Kernsegment hin. Dieses Segment – nicht die Gesamtzielgruppe – verdient den ersten Satz des IC-Memos. Referral ohne Anreizprogramm ist das stärkste Adoptersignal, das frühe SaaS-Daten liefern können.

Wie Zielgruppenerkenntnisse im IC-Memo landen sollten

Das IC-Memo hat im Schnitt 85 bis 120 Wörter Platz für die Zielgruppenanalyse. Diese Wörter müssen drei Fragen beantworten: Wer ist der Erstkäufer? Was ist der Auslöser des Kaufentscheids? Und welches Verhaltenssignal validiert den Fit?

Ein schwaches Beispiel lautet: „Das Produkt richtet sich an CFOs mittelgroßer Unternehmen in der DACH-Region, die manuelle Prozesse reduzieren möchten." Diese Beschreibung passt auf 600 Startups und gibt dem Partnerkomitee keine Grundlage für eine differenzierte Conviction-Frage.

Ein starkes Beispiel: „Erstkäufer sind Finanzleiter in Series-A-Unternehmen mit 40 bis 150 Mitarbeitenden, die innerhalb der letzten 18 Monate von Excel auf ein ERP-System migriert sind und jetzt Reporting-Lücken manuell überbrücken. Drei der vier bestehenden Kunden wurden über einen gemeinsamen CFO-Slack-Channel akquiriert. Churn in Monat 1 bis 3 liegt bei null."

Der Unterschied ist nicht Detailreichtum um des Detailreichtums willen. Es ist das Signal, dass das Team den Kaufauslöser kennt – nicht nur die Branche. Ein IC-Memo, das diesen Standard trifft, braucht im Partner-Call keine Zielgruppenfragen mehr zu beantworten. Stattdessen kann das Gespräch auf der Übergangsthese von Early Adopters zum Mainstream-Segment aufbauen.

Die Monday-Morning-Shortlist eines Analysten, der 15 Decks gesichtet hat, enthält in der Praxis genau die Deals, bei denen Gründer auf diese Frage eine präzise Antwort hatten. Coverage before conviction bedeutet auch: die Zielgruppe kennen, bevor man das Conviction-Gespräch führt.

Die Grenzen, die vor dem Partner-Call benannt werden müssen

Jede Zielgruppenanalyse hat strukturelle Schwächen. Diese vier sollten im IC-Memo oder im Partner-Call explizit benannt werden – nicht als Rückzug, sondern als analytische Sorgfalt.

Early Adopter ist nicht gleich Mainstream. Das validierte Segment der ersten 50 Nutzer ist fast nie dasjenige, das in drei Jahren 80 Prozent des ARR liefert. Die Übergangsthese – warum das Kernsegment in den Mainstream führt – muss plausibel sein, nicht bewiesen. Aber sie muss existieren und im Memo benannt werden.

Signalinflation durch founder-adjacent Netzwerke. Wenn 60 Prozent der ersten Kunden über das persönliche Netzwerk des Gründers akquiriert wurden, ist das Zielgruppen-Signal verzerrt. Organische Akquisition aus kälterem Outreach liefert validiertere Verhaltensdaten. Das gilt besonders für B2B-Produkte mit hohem Vertrauensanteil im Verkaufsprozess.

Schweigende Hochwertsegmente. B2B-Käufer mit dem höchsten Zahlungswillen sind häufig am schwierigsten zu erreichen – und in jeder Umfrage oder Community-Analyse unterrepräsentiert. Die Analyse überschätzt systematisch die Kaufbereitschaft der Vocal Majority. Das Segment, das am lautesten über ein Problem spricht, ist selten das Segment mit dem höchsten Budget.

DSGVO-Kontext für EU-Käufer. In regulierten Branchen – Finanzdienstleistungen, Gesundheit, öffentlicher Sektor – verändern Datenschutzanforderungen den Kaufprozess fundamental. Ein Zielgruppenbild ohne diesen Filter ist für den deutschen Markt unvollständig. Fonds mit DACH-Fokus, die diesen Punkt nicht im IC-Memo adressieren, riskieren eine Fehleinschätzung des Adoptionszeitraums.

Zielgruppenforschung ist keine optionale Zutat der Due Diligence. Sie ist der Test, ob ein Gründerteam den Unterschied zwischen einem Markt und einem Käufer kennt. Diese Qualität zeigt sich nicht im Pitch-Deck – sie zeigt sich in den ersten 18 Monaten nach dem Closing.

[Demo anfragen: Accorata-Dealflow-Intelligence für DACH-Fonds]