SIMVC METHODIK
Ein Entscheidungssystem—kein Rollenspiel-Prompt.
SimVC stellt eine engere Frage als „Ist das ein gutes Startup?“. Es untersucht, was ein stage-gerechter Investorenraum aus diesem Deck ableiten kann, wie sich einzelne Positionen verändern und welche Einwände Gründer:innen vor dem Meeting vorbereiten sollten.
Der Fundraise-Frame steuert den Raum.
Dasselbe Deck darf auf Pre-Seed und Series A nicht gleich gelesen werden. Vor dem Lauf setzt die Gründerin oder der Gründer Stage, Rundengröße, Geografie, Geschäftsmodell, Traction-Kontext und Lead-Status. Dieser Frame verändert, welche Evidenz erwartet und wie ein Absagekriterium bewertet wird.
- Stage und Rundengröße werden vor jeder LLM-Analyse deterministisch mit dem Datensatz offengelegter Private-Offering-Meldungen verglichen.
- Geschäftsmodell und Geografie wählen die relevante Vergleichszelle; dünne Samples werden sichtbar erweitert statt still übertrieben.
- Der aktuelle öffentliche Datensatz stammt aus offengelegten US-Privatplatzierungsmeldungen operativer Unternehmen und ist deshalb eine US-Referenz. Europäische Quellen bleiben getrennt, bis gleichwertige Daten lizenziert oder integriert sind.
Das Deck wird zu strukturierter Evidenz.
PDFs, PowerPoint- und OpenDocument-Präsentationen sowie eingefügte Narrative werden auf Slide-Ebene zerlegt. Google-Slides-Decks können zuerst in ein unterstütztes Präsentationsformat exportiert werden. Text, Reihenfolge, fehlende kanonische Abschnitte und—wo nötig—Charts und visuelle Slides bilden eine strukturierte Deck-Repräsentation. So bleibt der Unterschied zwischen einer fehlenden Behauptung und einer schwach belegten Behauptung erhalten.
- Slide-Reihenfolge und Lücken-Erkennung sind deterministische Produktoberflächen, keine erfundenen Absagegründe.
- Vision-Verarbeitung liest Charts, Achsen, Screenshots und bildlastige Slides, wenn Textextraktion nicht genügt.
- Nicht vertrauenswürdiger Deck-Text wird als Datenblock abgegrenzt, bevor er Simulationsprompts erreicht.
Sechzehn Entscheidungslinsen werden zu einer strukturierten Kohorte.
Archetypen beschreiben Entscheidungspsychologien, keine benannten Personen. Innerhalb dieser Familien entstehen Profile mit unterschiedlichen Mandaten, Fondstypen, Fokusthemen, Evidenzschwellen und Biases. Gleichwertige Einwände werden nach der Bewertung konsolidiert, damit wiederholte Unterstützung einen Befund stärkt statt mehrere Entdeckungen zu erfinden.
- Reaktionen auf Profilebene bleiben erhalten; gleichwertige Einwände zählen als Unterstützung für einen Cluster.
- Archetypengewichte passen sich dem Fundraise-Frame an und sichern zugleich materiell verschiedene Entscheidungsstile ab.
- In Multi-Modell-Läufen werden Evaluator-Zuweisungen innerhalb von Archetyp und Kohorten-Fit ausbalanciert und standardmäßig beibehalten. Kann eine zugewiesene Familie einen Batch nicht auswerten, werden diese Profile auf Familien neu ausgewertet, die geantwortet haben, statt zu entfallen.
- Echte Investor:innen und Fonds sind in Prompts verboten und werden bei der Ausgabe nochmals technisch entfernt.
Positionen entwickeln sich in einer bedingten Entscheidungsfolge.
Jedes Profil hält zuerst einen Cold Read fest. Bewegliche Profile können danach auf Partnersignale reagieren, bevor finale Positionen synthetisiert werden. Eine klare Absage wird nicht für künstliche Vielfalt verschoben; spätere Runden entfallen, wenn nach dem Cold Read keine glaubwürdig bewegliche Gruppe bleibt.
- Runde 0: Jedes Profil hält vor allen Partnersignalen einen Cold Read gegen Deck und Fundraise-Frame fest.
- Runde 1: bewegliche Profile sehen Signale und Einwände aus dem Raum.
- Runde 2: finale Positionen, Fragen und ehrliche-versus-höfliche Absagesprache.
- Der Report trägt Metadaten zu gelaufenen Runden und kollabierten Kohorten, damit ein verkürzter Lauf nicht wie drei vollständige Runden wirkt.
Die Synthese bewahrt Wiederholung und Dissens.
Das Ergebnis ist kein Transkript-Dump. SimVC gruppiert nahezu gleiche Einwände, priorisiert sie nach Häufigkeit und Schwere, erhält bedeutende Unterschiede innerhalb eines Themas und verknüpft Fragen sowie jede tatsächlich aufgezeichnete Slide-Reibung mit den Profilen, die sie ausgelöst haben.
- Priorisierte Absagegründe verbinden den offenen Einwand mit der höflichen E-Mail-Version.
- Das Diligence-Dossier entfernt Duplikate, ohne verschiedene Fragen zum selben Thema zu verschlucken.
- Wiederkehrende Einwände und Fragen zeigen die Anzahl ihrer stützenden Profile. Die Modellfamilien-Breite stammt aus den Familien, die den Cold Read geliefert haben, und wird nie allein aus der konfigurierten Auswahl abgeleitet.
- Das Targeting-Profil zeigt, welche Investorenpsychologien sich am stärksten bewegt haben—nie echte Namen.
- Der kürzeste Weg zu einem Ja stammt aus belegter Kohortenevidenz, nicht aus generischem Coaching-Text.
Kalibrierung misst den Nutzen der Einwände—nicht dein Fundraising-Schicksal.
Nach echten Meetings markieren Gründer:innen, ob simulierte Einwände oder Fragen tatsächlich auftauchten, und loggen, was das System verpasst hat. Optionale Experten-Blind-Screens ergänzen eine weitere Vergleichsebene. Diese Signale schärfen spätere Läufe in vergleichbaren Fundraise-Zellen.
- Bestätigte, widerlegte und verpasste Einwände bleiben getrennte Rohsignale.
- Precision und Recall werden nach Archetyp und Fundraise-Zelle berechnet, sobald genug Beobachtungen vorliegen.
- Die Marktbenchmarks hinter jeder Schwellenaussage sind konkret und datiert—der Anteil der Down-Rounds in diesem Zyklus, die Net Revenue Retention gegenüber dem Median privater SaaS-Unternehmen, ARR-Wachstumsmediane nach Stage, Rule of 40 und Burn Multiple—und jede wird zurückgezogen, sobald sie veraltet, statt dauerhaft zitiert zu werden; so wird eine Aussage immer nur gegen aktuelle Marktdaten geprüft.
- Kein Kalibrierungssignal wird in eine Finanzierungswahrscheinlichkeit verwandelt.
Die Grenze ist Teil des Produkts.
SimVC testet den Teil, den Deck und Framing beeinflussen können. Warm Intros, Gründerreputation, Partner-Chemie, Fund-Timing oder Fakten außerhalb der Unterlagen bleiben unsichtbar. Jeder Report nennt, wie viele Modellfamilien seinen Cold Read geliefert haben. Antworten weniger Familien als in der konfigurierten Methode vorgesehen, werden betroffene Profile auf antwortenden Familien neu ausgewertet und der Report weist eine geringere Cold-Read-Breite aus. Liefert keine Modellfamilie den Cold Read, schlägt der Lauf fehl und die Gutschrift wird zurückgegeben. Ein starker Lauf ist Vorbereitungsevidenz, keine Investmententscheidung oder Prognose.
VOR DEM ECHTEN RAUM
Sieh, was in deinem Raum bestehen bleibt.
Eine Methodik zählt erst, wenn daraus ein sinnvoller nächster Schritt entsteht. Starte den ersten Raum und mache seine wiederkehrenden Einwände zu deinem Vorbereitungsplan.