Finansieringen og hvem der stod bag

Pre-seed-runden på €5,7 millioner (cirka $6 millioner) blev co-ledet af Cherry Ventures og Redstone. Angel Invest, Linden Capital og yderligere business angels deltog også, hvilket gør dette til INXM's første offentliggjorte eksterne finansiering. Virksomheden planlægger at bruge kapitalen til at udvide teamet, accelerere produktudviklingen af Orchestrator-motoren og øge kundeanskaffelsen blandt europæiske industrivirksomheder.

Grundlæggerteamet: Fra raketter til pålidelige workflows

INXM blev stiftet i 2025 af fire personer, der tidligere har beskæftiget sig med ekstremt komplekse, sikkerhedskritiske systemer, der skal fungere forudsigeligt:

• Alexander (Alex) Oelling, CEO – tidligere Chief Digital Officer hos Isar Aerospace og Volocopter.
• Matthias Kainer – byggede affyringsorchestreringssystemer hos Isar Aerospace.
• Jesper Bylund – designede flyvekontrolinterfaces og arbejdede tidligere på automatiseringsplatformen n8n.
• Kamil Klüber – en veteran fra softwarekonsulentvirksomheden Thoughtworks.

Den luftfarts-DNA er ikke en biografisk fodnote – det forklarer hele virksomhedens tekniske filosofi. Affyringssoftware skal udføre deterministiske sekvenser under streng validering; den kan ikke improvisere. Holdet anvendte den samme tankegang på enterprise AI.

Hvorfor standard enterprise AI-assistenter fejler

De fleste LLM-baserede automatiseringsværktøjer aktiverer sprogmodellen ved hvert trin i et workflow. Det skaber tre hårde problemer for regulerede virksomheder:

• Ikke-determinisme. Den samme prompt kan producere forskellige handlinger eller output ved forskellige kørsler, hvilket gør compliance og revisionsspor næsten umulige.
• Hallucinationsrisiko. En model, der opfinder et godkendelsestrin eller springer et sikkerhedstjek over, skaber uacceptabel ansvarspådragelse i produktion eller finans.
• Datasuverænitet. At sende følsomme produktionsdata til tredjeparts LLM API'er er i konflikt med GDPR, EU's AI Act og interne sikkerhedspolitikker.

Resultatet er, at mange industrivirksomheder evaluerer AI-assistenter, men aldrig implementerer dem i produktion. Teknologien ser imponerende ud i demoer, men kan ikke leve op til den pålidelighedsstandard, som fabriksgulvssoftware har håndhævet i årtier.

Hvordan Compiled AI fungerer anderledes

INXM's Orchestrator-motor låner arkitekturen fra en traditionel softwarekompiler frem for en chatbot-løkke. Processen er opdelt i to distinkte faser:

1. Kompileringsfase. En bruger beskriver en forretningsproces på almindeligt sprog. En LLM genererer en komplet, struktureret, eksekverbar "Plan" – i bund og grund deterministisk kode – og den plan valideres, før den nogensinde får lov til at køre. Modellen bruges én gang under forfatningen, ikke på transaktionstidspunktet.

2. Eksekveringsfase. Den validerede Plan kører på INXM's Orchestrator-motor uden at kalde LLM'en igen. Motoren koordinerer på tværs af virksomhedens eksisterende systemer – ERP, PLM, MES, e-mail og godkendelsesværktøjer – og udfører de samme trin i samme rækkefølge hver gang.

Den tekniske forskel er slående: standard-assistenter aktiverer LLM'en ved hvert trin (ikke-deterministisk, token-dyrt, svært at revidere). INXM kompilerer én gang og kører derefter et fast program. Output bliver reproducerbare, testbare og fri for runtime-hallucinationer. Virksomheden kalder dette for fleksibiliteten af naturligt sprog kombineret med pålideligheden af traditionel kode.

For at gøre konceptet konkret, forestil dig et kvalitetsinspektionsworkflow på en fabrik: en ingeniør beskriver de nødvendige godkendelsestrin og datatjek på almindeligt sprog. Orchestrator kompilerer dette til en fast sekvens, en leder godkender det én gang, og workflowet kører derefter identisk hver gang en relevant hændelse udløses – uden nogensinde at sende data uden for bygningen eller risikere en modelimprovisation.

Infrastruktur, compliance og industrielle målgrupper

Da Orchestrator kører på virksomhedens egen infrastruktur – on-premises eller i en privat cloud – forlader produktionsdata aldrig bygningen. Den arkitektur holder systemet kompatibelt med GDPR og EU's AI Act per design. Det giver også INXM mulighed for at nå fabriksgulvssoftware, som cloud-baserede automatiseringsværktøjer fysisk ikke kan røre.

Virksomheden målretter sig eksplicit mod industrivirksomheder og Tysklands Mittelstand: virksomheder med ældre on-premises-systemer, regulatoriske forpligtelser og hårde krav til gentagelighed. Dette er ikke et horisontalt automatiseringsspil. Det er specialbygget til virksomheder, der allerede har afvist generiske AI-assistenter, fordi de ikke kan betros i produktion.

Med €5,7 millioner i frisk kapital, et grundlæggerteam der har leveret sikkerhedskritisk software, og en teknisk tilgang der omformulerer enterprise AI som et kompileringsproblem snarere end et samtalebaseret, satser INXM på, at industriens flaskehals for AI-adoption ikke er kapacitet – det er pålidelighed.

Finansieringen og hvem der stod bag

Pre-seed-runden på €5,7 millioner (cirka $6 millioner) blev co-ledet af Cherry Ventures og Redstone. Angel Invest, Linden Capital og yderligere business angels deltog også, hvilket gør dette til INXM's første offentliggjorte eksterne finansiering. Virksomheden planlægger at bruge kapitalen til at udvide teamet, accelerere produktudviklingen af Orchestrator-motoren og øge kundeanskaffelsen blandt europæiske industrivirksomheder.

Grundlæggerteamet: Fra raketter til pålidelige workflows

INXM blev stiftet i 2025 af fire personer, der tidligere har beskæftiget sig med ekstremt komplekse, sikkerhedskritiske systemer, der skal fungere forudsigeligt:

• Alexander (Alex) Oelling, CEO – tidligere Chief Digital Officer hos Isar Aerospace og Volocopter.
• Matthias Kainer – byggede affyringsorchestreringssystemer hos Isar Aerospace.
• Jesper Bylund – designede flyvekontrolinterfaces og arbejdede tidligere på automatiseringsplatformen n8n.
• Kamil Klüber – en veteran fra softwarekonsulentvirksomheden Thoughtworks.

Den luftfarts-DNA er ikke en biografisk fodnote – det forklarer hele virksomhedens tekniske filosofi. Affyringssoftware skal udføre deterministiske sekvenser under streng validering; den kan ikke improvisere. Holdet anvendte den samme tankegang på enterprise AI.

Hvorfor standard enterprise AI-assistenter fejler

De fleste LLM-baserede automatiseringsværktøjer aktiverer sprogmodellen ved hvert trin i et workflow. Det skaber tre hårde problemer for regulerede virksomheder:

• Ikke-determinisme. Den samme prompt kan producere forskellige handlinger eller output ved forskellige kørsler, hvilket gør compliance og revisionsspor næsten umulige.
• Hallucinationsrisiko. En model, der opfinder et godkendelsestrin eller springer et sikkerhedstjek over, skaber uacceptabel ansvarspådragelse i produktion eller finans.
• Datasuverænitet. At sende følsomme produktionsdata til tredjeparts LLM API'er er i konflikt med GDPR, EU's AI Act og interne sikkerhedspolitikker.

Resultatet er, at mange industrivirksomheder evaluerer AI-assistenter, men aldrig implementerer dem i produktion. Teknologien ser imponerende ud i demoer, men kan ikke leve op til den pålidelighedsstandard, som fabriksgulvssoftware har håndhævet i årtier.

Hvordan Compiled AI fungerer anderledes

INXM's Orchestrator-motor låner arkitekturen fra en traditionel softwarekompiler frem for en chatbot-løkke. Processen er opdelt i to distinkte faser:

1. Kompileringsfase. En bruger beskriver en forretningsproces på almindeligt sprog. En LLM genererer en komplet, struktureret, eksekverbar "Plan" – i bund og grund deterministisk kode – og den plan valideres, før den nogensinde får lov til at køre. Modellen bruges én gang under forfatningen, ikke på transaktionstidspunktet.

2. Eksekveringsfase. Den validerede Plan kører på INXM's Orchestrator-motor uden at kalde LLM'en igen. Motoren koordinerer på tværs af virksomhedens eksisterende systemer – ERP, PLM, MES, e-mail og godkendelsesværktøjer – og udfører de samme trin i samme rækkefølge hver gang.

Den tekniske forskel er slående: standard-assistenter aktiverer LLM'en ved hvert trin (ikke-deterministisk, token-dyrt, svært at revidere). INXM kompilerer én gang og kører derefter et fast program. Output bliver reproducerbare, testbare og fri for runtime-hallucinationer. Virksomheden kalder dette for fleksibiliteten af naturligt sprog kombineret med pålideligheden af traditionel kode.

For at gøre konceptet konkret, forestil dig et kvalitetsinspektionsworkflow på en fabrik: en ingeniør beskriver de nødvendige godkendelsestrin og datatjek på almindeligt sprog. Orchestrator kompilerer dette til en fast sekvens, en leder godkender det én gang, og workflowet kører derefter identisk hver gang en relevant hændelse udløses – uden nogensinde at sende data uden for bygningen eller risikere en modelimprovisation.

Infrastruktur, compliance og industrielle målgrupper

Da Orchestrator kører på virksomhedens egen infrastruktur – on-premises eller i en privat cloud – forlader produktionsdata aldrig bygningen. Den arkitektur holder systemet kompatibelt med GDPR og EU's AI Act per design. Det giver også INXM mulighed for at nå fabriksgulvssoftware, som cloud-baserede automatiseringsværktøjer fysisk ikke kan røre.

Virksomheden målretter sig eksplicit mod industrivirksomheder og Tysklands Mittelstand: virksomheder med ældre on-premises-systemer, regulatoriske forpligtelser og hårde krav til gentagelighed. Dette er ikke et horisontalt automatiseringsspil. Det er specialbygget til virksomheder, der allerede har afvist generiske AI-assistenter, fordi de ikke kan betros i produktion.

Med €5,7 millioner i frisk kapital, et grundlæggerteam der har leveret sikkerhedskritisk software, og en teknisk tilgang der omformulerer enterprise AI som et kompileringsproblem snarere end et samtalebaseret, satser INXM på, at industriens flaskehals for AI-adoption ikke er kapacitet – det er pålidelighed.