Prewave sammelt 18 Mio Euro in Series A+

Die Plattform Prewave, die sich auf Supply-Chain-Risikomanagement und Compliance spezialisiert hat, hat in einer Series A+ Finanzierung 18 Millionen Euro von Creandum erhalten.

Die Supply-Chain-Risikomanagement und Compliance Plattform Prewave hat in einer Series A+ Finanzierung 18 Millionen Euro von Creandum bekommen. Das Startup will sich von einer Plattform, die Risiken identifiziert, zu einer Aktionsplattform weiterentwickeln. Kunden wie BMW, PwC und Lufthansa nutzen bereits die umfassende Lösung für das Management von Lieferkettenrisiken.

Jetzt ist es an der Zeit, das erste echte End-to-End-Betriebssystem für Supply Chain Risk zu werden.

Harald Nitschinger, Co-Founder Prewave

Prewave bietet unter der Leitung von Dr. Lisa Smith und Harald Nitschinger einen dynamischen Lieferanten-Risiko-Score an, der auf der Analyse von Big Data der Lieferkette basiert. Dies ermöglicht es Unternehmen, ihre gesamte Lieferkette zu überwachen und notwendige Korrektur- und Präventivmaßnahmen zu ergreifen, um Risiken zu minimieren und die Leistung von Lieferanten zu verbessern. Die Plattform hilft Unternehmen dabei, internationale Vorschriften wie das deutsche Lieferkettengesetz und die kommende europäische Richtlinie zur Sorgfaltspflicht in der Lieferkette zu erfüllen.

Prewave hat eine einzigartige Lösung entwickelt, die es Unternehmen ermöglicht, in Echtzeit auf ihre Lieferkette einzuwirken. Die dynamische Bewertung von Lieferantenrisiken schafft die dringend benötigte Transparenz.

Sabina Wizander, Partnerin Creandum

Prewave hat neben dem 18-Millionen-Euro-Investment von Creandum auch eine Bestätigung seiner bisherigen Investoren erhalten. Ventech, KOMPAS, seed+speed, Segnalita, Speedinvest, Working Capital Fund und xista science ventures haben ihr Vertrauen in das Unternehmen erneuert.

Prewave wurde im Jahr 2017 von Dr. Lisa Smith und Harald Nitschinger gegründet und hat sich auf das Management von Risiken in der Lieferkette spezialisiert. Die Idee entstand aus der Forschung zur Nutzung von maschinellem Lernen zur Identifizierung von Lieferantenrisiken durch die Analyse von Social-Media-Daten und wurde schließlich erfolgreich in der Praxis angewendet. Heute arbeitet das Unternehmen daran, die Nachhaltigkeit, Widerstandsfähigkeit und Transparenz der Lieferkette durch die Identifizierung und das Management von Risiken zu verbessern.