🪧 OpenPitch

Die offene Echtzeit-Intelligence-Ebene für KI-Startups – auf die jeder Agent aufbauen kann.

Eine freie, quelloffene Alternative zu PitchBook & CB Insights, fokussiert auf die KI-Unternehmen, die für VCs wirklich zählen.

MCP-native · kostenlos · vollständig belegt · täglich aktualisiert

Status: v0.1.3 – funktionsfähig. Die Pipeline, die Abgleich-Engine, der MCP-Server und das Dashboard funktionieren durchgängig. Abdeckung und Quellenbreite wachsen über den täglichen Lauf weiter.

Live-Dashboard ansehen →

Warum es OpenPitch gibt

PitchBook und CB Insights kosten 20.000 $+/Jahr – und für schnell wachsende KI-Startups sind ihre Daten oft Monate veraltet, weil die menschliche Verifizierung langsam ist. Für ein Unternehmen, das jährlich um das Dreifache wächst, kann eine vor sechs Monaten verifizierte Zahl um ein Vielfaches danebenliegen.

Dabei sind die echten Zahlen bereits öffentlich: Gründer nennen ihre ARR in Podcasts Wochen bevor irgendeine Datenbank sie erfasst, Finanzierungen landen in SEC-Einreichungen, die Einstellungsdynamik verrät Wachstum. Sie sind nur verstreut, unstrukturiert und widersprüchlich – genau das Problem, das ein KI-Agent lösen soll.

OpenPitch setzt auf Latenz, nicht auf Abdeckung. Für die KI-Unternehmen, die zählen, ist eine frische, vollständig belegte, mit Konfidenz bewertete Zahl besser als eine verifizierte, aber veraltete. Wir behaupten keine Gewissheit – wir zeigen dir die Belege.

Related MCP server: octagon-mcp-server

Was du bekommst

Frag deinen Coding-Agenten, erhalte eine Antwort mit Belegen:

> what's Sierra's valuation, with sources?

  Sierra — AI agents for customer service (sierra.ai)
  Valuation  $15.4B  [consensus · confidence 0.96] · as of 2026-05
  ↳ 10 public sources · Reuters · CNBC · The Information · qz.com
  ↳ $950M round closed May 2026 — led by Tiger Global and GV

(Eine echte Antwort aus den eingecheckten Daten – vergleich sie mit dem Live-Dashboard.)

Jede Zahl trägt ihre Quelle, einen Konfidenzwert und eine nachverfolgte Historie darüber, wie sie sich verändert hat.

Funktionen

• 🎙️ Mint Podcasts aus – Gründer verraten Kennzahlen in Podcasts, bevor irgendeine Datenbank sie erfasst. Wir transkribieren und extrahieren sie.

• 🧾 Immer belegt – jede Zahl verlinkt auf ihren Ursprung (Podcast-Zeitstempel, Einreichung, Artikel). Keine Black-Box-Zahlen.

• 📊 Mit Konfidenz bewertet – aufgebaut aus Quellenzuverlässigkeit, Sprecherautorität, Korroboration und Aktualität (Konfidenz verfällt mit dem Alter der Daten).

• 🔀 Gleicht Widersprüche ab – wenn Quellen sich widersprechen, erhältst du eine Konsensspanne + ein Widerspruchs-Flag, keine stille Schätzung.

• 🧠 Lernt, welchen Quellen es vertrauen kann – Quellen, die sich über die Zeit als richtig erweisen, erhalten mehr Gewicht.

• 🕒 Versioniert – die Git-Historie ist das Audit-Log. Sieh genau, wie sich die gemeldete ARR eines Unternehmens entwickelt hat.

• 📡 Komponierbar – emittiert typisierte Events, auf die andere Agenten abonnieren (Newsletter, Pressemeldungen, Investoren-Outbound).

• 🤝 A2A-auffindbar – liefert eine A2A-Agent-Card, damit Agenten-Ökosysteme es finden und beschreiben können.

• 🧯 Grounding – gib deiner KI eine belegte, mit Konfidenz bewertete Faktenbasis, damit sie aufhört, KI-Unternehmenszahlen zu erfinden.

• ⚡ 60-Sekunden-Installation – kein Schlüssel, keine Anmeldung; in unter einer Minute in deinem Agenten einsatzbereit.

• 💸 Wirklich kostenlos – läuft vollständig auf kostenlosen Stufen. Keine Kosten für den Betrieb, keine Kosten für die Nutzung.

Schnellstart – in Claude Code / Codex verwenden

Kein API-Schlüssel. Keine Anmeldung. Keine Kosten. Die Daten sind bereits aufgebaut und eingecheckt; der MCP-Server liest sie nur, und dein Agent übernimmt das Denken.

Am schnellsten – ohne Installation (liest die eingecheckten Daten aus dem öffentlichen Repo, ohne Klon):

uvx openpitch-mcp

Oder das Paket installieren:

pip install openpitch          # the MCP server (mcp is a core dependency)
openpitch-mcp                  # start the read-only server

Oder aus einem Klon ausführen (für die Pipeline / zum Neuaufbau der Daten):

git clone https://github.com/Avierovich/openpitch && cd openpitch
python -m venv .venv && source .venv/bin/activate
pip install -e ".[pipeline]"   # core + pipeline LLM deps
openpitch seed                 # build the data/ database from the committed seed (offline, no key)

Dann weise deinen Agenten auf den lokalen Server:

// MCP config (Claude Code / Codex) — zero-install via uvx:
{
  "mcpServers": {
    "openpitch": { "command": "uvx", "args": ["openpitch-mcp"] }
  }
}
// (or "command": "openpitch-mcp" if you pip-installed the package)

Frag deinen Agenten: „Wie hoch ist die ARR von Cognition, mit Quellen und Konfidenz?" – er ruft get_metric/get_provenance auf und antwortet aus den eingecheckten Daten (und wird die Abweichung zur öffentlichen Quelle kennzeichnen).

Oder einfach die Daten durchstöbern

• 🌐 Live-Dashboard – avierovich.github.io/openpitch (belegte Unternehmenskarten, täglich aktualisiert) – oder lokal bauen: openpitch build-dashboard

• 📁 Rohdaten – data/companies/ – einfaches JSON, diffbar, gehört dir

• 🤝 A2A-Agent-Card – generiert unter dashboard/dist/.well-known/agent.json

Datenstatus: live, täglich per CI aktualisiert. Zahlen sind probabilistische Intelligenz aus öffentlichen Quellen – jede Zahl trägt ihre Quelle, ihren Konfidenzwert und ihr Datum, und offene Qualitätspunkte werden öffentlich nachverfolgt. Siehe die Methodik und den Korrektur-Workflow.

Dokumentation

• Vertrauensmodell – Methodik · Datenrichtlinie · Korrekturen

• Schnittstellen – MCP-Spezifikation · Events-Spezifikation

• Architektur – vollständiges Designdokument · weitere Produktdokumente in docs/

So funktioniert es

  Sources              Daily pipeline (free GitHub Actions)         Interfaces
  ──────────           ───────────────────────────────────         ──────────
  Podcasts ─┐          1. select top-50 (VC-attention score)        ┌─ MCP server (local, BYO agent)
  News ─────┤    ───▶  2. collect · 3. transcribe · 4. extract ───▶ ├─ static dashboard
  SEC EDGAR ┤          5. reconcile · 6. score sources              ├─ event feed (JSONL)
  Web ──────┘          7. publish → git commit (the database)       └─ "what moved today" digest

Das Git-Repo ist die Datenbank. Es gibt keinen Server, den man betreiben müsste. Siehe die FRD für das vollständige Design.

Darauf aufbauen (Komponierbarkeit)

OpenPitch emittiert typisierte, mit Konfidenz bewertete Events, wenn sich etwas Materielles ändert – damit andere Agenten reagieren können:

Events werden über MCP und eine rohe events/feed.jsonl ausgeliefert. Schemas sind versioniert. Siehe die Events-Spezifikation.

Wie wir uns vergleichen

OpenPitch ist komplementär zu den etablierten Anbietern, kein Ersatz. Wir gewinnen einen schmalen Keil; wir verlieren bei Breite und Verifizierung – und wir sind bei beidem ehrlich.

Der ehrliche Pitch: der kostenlose, frische, KI-native erste Blick – jede Zahl belegt – bevor du den teuren verifizierten Bericht ziehst. Für eine Investitionsentscheidung brauchst du die etablierten Anbieter weiterhin. Vollständige Zuordnung, Feature-Matrix & Preise: docs/COMPETITIVE-ANALYSIS.md · Tabellenkalkulation.

Abdeckung

Globale KI-Startups – über 140 erfasst in 12 Sektoren (einschließlich chinesischer KI-Labore und europäischer Namen, die westliche Tracker übersehen), mit einer Top 50, die dynamisch nach VC-Aufmerksamkeit gerankt wird (Bewertung + Finanzierungsaktivität – nicht ARR, um Zirkularität zu vermeiden). Die Liste bewegt sich, wenn sich die Aufmerksamkeit verschiebt; Unternehmen, die in die Top 50 ein- oder austreten, sind selbst ein nachverfolgtes Signal, und die automatische Erkennung erweitert das Universum täglich.

MENA-KI-/Tech-Segment – ein dedizierter regionaler Satz (eine offene, KI-native Alternative zu MAGNiTT/Wamda). Ehrliche Einschränkung: Die Offenlegung im MENA-Raum ist spärlicher als in den USA, daher startet dieses Segment mit niedrigerer Konfidenz/Abdeckung, klar gekennzeichnet.

Start-Universum: config/watchlist.yaml.

Ehrlicher Haftungsausschluss

OpenPitch ist transparent probabilistisch. Viele Zahlen sind Schätzungen, die aus öffentlichen, selbstberichteten, manchmal widersprüchlichen Quellen abgeleitet wurden. Wir legen Konfidenz und Herkunft genau deshalb offen, damit du selbst urteilen kannst. Dies ist keine Anlageberatung, und die Zahlen sind nicht garantiert korrekt. Verifiziere immer, bevor du handelst.

Roadmap

• Start-Universum (globales KI + MENA-Segment) + automatische Erkennung (Nachrichten, Finanzierungs-Digests, 21-Sektor-Backfill, China-Feed)

• Kern-Datenmodell + Abgleich-Engine (Konfidenz, Konsens, Widerspruch) – getestet

• Quellen-Adapter: Podcast, Nachrichten, EDGAR, Unternehmenswebsite – getestet

• Extraktionsstufe: LLM-Claim-Extraktion in Batches + Modellrotation – getestet; Daten-QA noch erforderlich

• MCP-Server – lokale, schreibgeschützte Datentools

• Tägliche GitHub-Actions-Pipeline – verdrahtet für LLM-, Groq-Transkriptions- und SEC-User-Agent-Secrets

• Statisches Dashboard + Unternehmensseiten – aus eingecheckten Daten generiert

• Event-Feed – JSONL-Feed und Digest, generiert aus Veröffentlichungen

• A2A-Agent-Erkennungskarte – mit dem Dashboard generiert

• MENA-Adapter (regionale Nachrichten, Free-Zone-Register)

• Erweiterung um reichhaltige Quellen (GitHub, Einstellungen, App-Rankings) – Post-PMF-Skalierung

• v2: implizites ARR-Modell, Intraday-Finanzierungs-Fast-Lane

Mitwirken

Beiträge sind willkommen – besonders neue Quellen-Adapter (je eine Datei) und Watchlist-Pflege. Siehe die FRD für die Architektur.

Wer das gebaut hat

OpenPitch wurde gebaut und wird betrieben von Mohamed Abdulhadi, einem Produktmanager – der mit KI-Agenten (Claude Code) arbeitet, die einen Großteil des Codes geschrieben haben und nun die tägliche Pipeline und ihre öffentlichen Datenkorrekturen betreiben. Das ist keine Fußnote; es ist das Produkt, das sich selbst demonstriert: eine agenten-native Datenbank, agenten-nativ gebaut und gepflegt, mit jedem Commit und jeder Korrektur im Offenen. Fragen, Feedback oder Zusammenarbeit – auf LinkedIn vernetzen oder ein Issue eröffnen.

Lizenz

MIT