De investeerders en het groeiplan

De pre-seed ronde van €5,7 miljoen (omgerekend ongeveer $6 miljoen) werd mede geleid door Cherry Ventures en Redstone. Angel Invest, Linden Capital en andere angel-investeerders namen ook deel. Het is de eerste externe financiering die INXM openbaar maakt. Met het kapitaal wil het bedrijf zijn team uitbreiden, de ontwikkeling van de Orchestrator-motor versnellen en klanten werven onder industriële bedrijven in Europa.

Van raketlanceringen naar betrouwbare workflows

INXM werd in 2025 opgericht door vier mensen die in hun vorige carrière uiterst complexe, veiligheidskritische systemen voorspelbaar lieten werken:

• Alexander (Alex) Oelling, CEO – voorheen Chief Digital Officer bij raketbouwer Isar Aerospace en lucht-taxiontwikkelaar Volocopter.
• Matthias Kainer – bouwde de lanceer-orkestratiesystemen bij Isar Aerospace.
• Jesper Bylund – ontwierp vluchtcontrole-interfaces en werkte eerder bij automatiseringsplatform n8n.
• Kamil Klüber – een veteraan van softwareconsultancy Thoughtworks.

Die lucht- en ruimtevaartachtergrond is geen leuke biografische anekdote; het verklaart de volledige technische filosofie van het bedrijf. Software voor raketlanceringen moet deterministische sequenties uitvoeren onder strikte validatie; improviseren is uitgesloten. Het team paste datzelfde denkmodel toe op AI voor de industrie.

Waarom standaard AI-agents falen in de industrie

De meeste op LLM's gebaseerde automatiseringstools roepen het taalmodel aan bij elke stap van een workflow. Dat creëert drie hardnekkige problemen voor gereguleerde bedrijven:

• Niet-determinisme. Dezelfde opdracht kan bij verschillende uitvoeringen andere acties of resultaten opleveren, wat audit-trails en compliance bijna onmogelijk maakt.
• Hallucinatierisico. Een model dat een goedkeuringsstap verzint of een veiligheidscheck overslaat, creëert een onaanvaardbare aansprakelijkheid in de productie of financiële sector.
• Datasoevereiniteit. Het verzenden van gevoelige productiedata naar externe LLM-API's is in strijd met de AVG (GDPR), de Europese AI Act en interne beveiligingsregels.

Het resultaat is dat veel industriële bedrijven AI-agents evalueren, maar ze zelden in productie nemen. De technologie oogt krachtig in demo's, maar kan de betrouwbaarheidslat van fabriekssoftware – die al decennia de norm is – niet halen.

Compiled AI: Eerst compileren, dan pas uitvoeren

De Orchestrator-motor van INXM leent de architectuur van een traditionele softwarecompiler in plaats van een chatbot-loop. Het proces is opgedeeld in twee strikt gescheiden fases:

1. Compilatiefase. Een gebruiker beschrijft een bedrijfsproces in gewone mensentaal. Een LLM genereert een compleet, gestructureerd, uitvoerbaar "Plan" – in wezen deterministische code – en dat plan wordt eerst grondig gevalideerd voordat het ooit mag draaien. Het model wordt dus één keer gebruikt, tijdens het ontwerpen, niet tijdens de transactie zelf.

2. Uitvoeringsfase. Het gevalideerde Plan draait op de Orchestrator-engine zonder het LLM ooit nog aan te roepen. De motor coördineert de uitvoering via de bestaande bedrijfssystemen – zoals ERP, PLM, MES, e-mail en goedkeuringstools – en voert elke keer exact dezelfde stappen in dezelfde volgorde uit.

Het technische verschil is levensgroot. Standaard agents roepen het LLM aan bij elke stap, wat leidt tot niet-deterministisch, duur en moeilijk te controleren gedrag. INXM compileert één keer en draait daarna een vast programma. Resultaten worden reproduceerbaar, testbaar en vrij van hallucinaties tijdens de uitvoering. Het bedrijf noemt dit de flexibiliteit van natuurlijke taal, gecombineerd met de betrouwbaarheid van traditionele code.

Een concreet voorbeeld: een kwaliteitscontrole-workflow in een fabriek. Een ingenieur beschrijft de vereiste goedkeuringsstappen en datacontroles in gewone taal. De Orchestrator compileert dit tot een vaste sequentie, een manager keurt het eenmalig goed en de workflow draait vervolgens identiek elke keer dat een relevante gebeurtenis plaatsvindt – zonder ooit data het pand te laten verlaten of het risico te lopen dat een model ter plekke iets verzint.

Soevereine infrastructuur en een duidelijke doelgroep

Omdat de Orchestrator op de eigen infrastructuur van de onderneming draait – op locatie (on-premises) of in een private cloud – verlaat productiedata het pand nooit. Deze architectuur zorgt ervoor dat het systeem van nature voldoet aan de AVG en de Europese AI Act. Het stelt INXM ook in staat om fabriekssoftware te bereiken die cloud-only automatiseringstools fysiek niet kunnen aanraken.

Het bedrijf mikt expliciet op industriële fabrikanten en de Duitse Mittelstand: bedrijven met verouderde on-premises systemen, zware wettelijke verplichtingen en een keiharde eis voor herhaalbaarheid. Dit is geen generiek automatiseringstoestel; het is gebouwd voor ondernemingen die generieke AI-agents al hebben afgewezen omdat ze niet te vertrouwen zijn in een productieomgeving.

Met €5,7 miljoen aan vers kapitaal, een oprichtingsteam dat zijn sporen heeft verdiend met veiligheidskritische software, en een technische benadering die AI voor de industrie herdefinieert als een compilervraagstuk, gokt INXM dat de bottleneck voor AI-adoptie in de industrie niet draait om kunnen, maar om vertrouwen.

De investeerders en het groeiplan

De pre-seed ronde van €5,7 miljoen (omgerekend ongeveer $6 miljoen) werd mede geleid door Cherry Ventures en Redstone. Angel Invest, Linden Capital en andere angel-investeerders namen ook deel. Het is de eerste externe financiering die INXM openbaar maakt. Met het kapitaal wil het bedrijf zijn team uitbreiden, de ontwikkeling van de Orchestrator-motor versnellen en klanten werven onder industriële bedrijven in Europa.

Van raketlanceringen naar betrouwbare workflows

INXM werd in 2025 opgericht door vier mensen die in hun vorige carrière uiterst complexe, veiligheidskritische systemen voorspelbaar lieten werken:

• Alexander (Alex) Oelling, CEO – voorheen Chief Digital Officer bij raketbouwer Isar Aerospace en lucht-taxiontwikkelaar Volocopter.
• Matthias Kainer – bouwde de lanceer-orkestratiesystemen bij Isar Aerospace.
• Jesper Bylund – ontwierp vluchtcontrole-interfaces en werkte eerder bij automatiseringsplatform n8n.
• Kamil Klüber – een veteraan van softwareconsultancy Thoughtworks.

Die lucht- en ruimtevaartachtergrond is geen leuke biografische anekdote; het verklaart de volledige technische filosofie van het bedrijf. Software voor raketlanceringen moet deterministische sequenties uitvoeren onder strikte validatie; improviseren is uitgesloten. Het team paste datzelfde denkmodel toe op AI voor de industrie.

Waarom standaard AI-agents falen in de industrie

De meeste op LLM's gebaseerde automatiseringstools roepen het taalmodel aan bij elke stap van een workflow. Dat creëert drie hardnekkige problemen voor gereguleerde bedrijven:

• Niet-determinisme. Dezelfde opdracht kan bij verschillende uitvoeringen andere acties of resultaten opleveren, wat audit-trails en compliance bijna onmogelijk maakt.
• Hallucinatierisico. Een model dat een goedkeuringsstap verzint of een veiligheidscheck overslaat, creëert een onaanvaardbare aansprakelijkheid in de productie of financiële sector.
• Datasoevereiniteit. Het verzenden van gevoelige productiedata naar externe LLM-API's is in strijd met de AVG (GDPR), de Europese AI Act en interne beveiligingsregels.

Het resultaat is dat veel industriële bedrijven AI-agents evalueren, maar ze zelden in productie nemen. De technologie oogt krachtig in demo's, maar kan de betrouwbaarheidslat van fabriekssoftware – die al decennia de norm is – niet halen.

Compiled AI: Eerst compileren, dan pas uitvoeren

De Orchestrator-motor van INXM leent de architectuur van een traditionele softwarecompiler in plaats van een chatbot-loop. Het proces is opgedeeld in twee strikt gescheiden fases:

1. Compilatiefase. Een gebruiker beschrijft een bedrijfsproces in gewone mensentaal. Een LLM genereert een compleet, gestructureerd, uitvoerbaar "Plan" – in wezen deterministische code – en dat plan wordt eerst grondig gevalideerd voordat het ooit mag draaien. Het model wordt dus één keer gebruikt, tijdens het ontwerpen, niet tijdens de transactie zelf.

2. Uitvoeringsfase. Het gevalideerde Plan draait op de Orchestrator-engine zonder het LLM ooit nog aan te roepen. De motor coördineert de uitvoering via de bestaande bedrijfssystemen – zoals ERP, PLM, MES, e-mail en goedkeuringstools – en voert elke keer exact dezelfde stappen in dezelfde volgorde uit.

Het technische verschil is levensgroot. Standaard agents roepen het LLM aan bij elke stap, wat leidt tot niet-deterministisch, duur en moeilijk te controleren gedrag. INXM compileert één keer en draait daarna een vast programma. Resultaten worden reproduceerbaar, testbaar en vrij van hallucinaties tijdens de uitvoering. Het bedrijf noemt dit de flexibiliteit van natuurlijke taal, gecombineerd met de betrouwbaarheid van traditionele code.

Een concreet voorbeeld: een kwaliteitscontrole-workflow in een fabriek. Een ingenieur beschrijft de vereiste goedkeuringsstappen en datacontroles in gewone taal. De Orchestrator compileert dit tot een vaste sequentie, een manager keurt het eenmalig goed en de workflow draait vervolgens identiek elke keer dat een relevante gebeurtenis plaatsvindt – zonder ooit data het pand te laten verlaten of het risico te lopen dat een model ter plekke iets verzint.

Soevereine infrastructuur en een duidelijke doelgroep

Omdat de Orchestrator op de eigen infrastructuur van de onderneming draait – op locatie (on-premises) of in een private cloud – verlaat productiedata het pand nooit. Deze architectuur zorgt ervoor dat het systeem van nature voldoet aan de AVG en de Europese AI Act. Het stelt INXM ook in staat om fabriekssoftware te bereiken die cloud-only automatiseringstools fysiek niet kunnen aanraken.

Het bedrijf mikt expliciet op industriële fabrikanten en de Duitse Mittelstand: bedrijven met verouderde on-premises systemen, zware wettelijke verplichtingen en een keiharde eis voor herhaalbaarheid. Dit is geen generiek automatiseringstoestel; het is gebouwd voor ondernemingen die generieke AI-agents al hebben afgewezen omdat ze niet te vertrouwen zijn in een productieomgeving.

Met €5,7 miljoen aan vers kapitaal, een oprichtingsteam dat zijn sporen heeft verdiend met veiligheidskritische software, en een technische benadering die AI voor de industrie herdefinieert als een compilervraagstuk, gokt INXM dat de bottleneck voor AI-adoptie in de industrie niet draait om kunnen, maar om vertrouwen.