Scispot

Kurzfazit

Scispot positioniert sich als „Operating System für das Labor der Zukunft”, ein modernes ELN, LIMS, Inventar und Datenintegrationslayer in einem, mit einem KI-Assistenten (Scibot) als Differenzierungsmerkmal. Für Biotech-Startups und Scale-ups ist das eine ernstzunehmende Alternative zu den etablierten Schwergewichten Benchling und LabVantage, flexibler im Setup, moderner im KI-Layer, deutlich günstiger im Einstieg. Aber: US-Hosting, kein deutscher Support, intransparente Preise. Für deutsche Forschungslabore in regulierten Branchen (Pharma-QC unter EU-GMP, Diagnostik) ist die Hürde höher, als die Plattform auf den ersten Blick suggeriert.

Für wen ist Scispot?

Biotech-Startups (Seed/Series A): Wer mit 5–25 Wissenschaftlern startet und nicht 6 Monate lang Benchling konfigurieren will, bekommt mit Scispot eine schnellere Time-to-Productive-Use. Die Implementierungsphase ist überschaubar, Standard-Templates für Bioprocessing, Genomik und Proteomik sind vorhanden.

Scale-up-Labs mit Datenintegrationsbedarf: Sobald HPLC, Mass Spec, Sequencer und Cell Sorter Daten produzieren, die manuell konsolidiert werden, wird Scispots GLUE-Layer interessant. Standardkonnektoren und auto-harmonisierte Datenpipelines sparen das, was sonst ein Daten-Engineer fest übernehmen müsste.

Diagnostik- und CRO-Labs: Hoher Probendurchsatz, viele wechselnde Studien, regulatorische Anforderungen (CFR Part 11, Audit-Trails), Scispot deckt das ab, mit der Flexibilität, neue Workflows ohne Entwicklerteam zu konfigurieren.

KI-affine Labs: Wer Scibot ernsthaft nutzen will (natürlichsprachliche Datenabfragen, automatische Dashboards, Workflow-Empfehlungen), bekommt einen echten Produktivitätsvorteil. Voraussetzung: saubere Datenarchitektur, klare Probenmetadaten.

Labs ohne Data-Engineering-Team: Das No-Code-Modell ist explizit für Wissenschaftler ohne Programmierhintergrund gebaut. Workflows, Templates und Dashboards lassen sich per Drag & Drop konfigurieren, was sonst ein dedizierter Bioinformatiker macht.

Weniger geeignet für: Pharma-QC-Labore unter strenger EU-GMP-Validierungspflicht (etablierte Standard-LIMS sind hier weiterhin sicherer), Labs mit harten EU-Datenresidenz-Anforderungen, akademische Forschungseinrichtungen mit Open-Source-Präferenz, und Labs, die ein deutsches User-Interface erwarten.

Preise im Detail

Plan	Was du bekommst	Preisstruktur
Essential (DIY), alt-LIMS/LabOS	Proben-, Studien- und Inventarverwaltung mit Barcodes, Audit-Trails, E-Signaturen, CFR-Part-11-Alignment	jährlich, individuell
Professional (Managed), alt-LIMS/LabOS	Essential + erweiterte Workflows, Custom Dashboards, dediziertes Success Management, Prioritäts-Support	jährlich, individuell
Essential (DIY), GLUE	DIY-Integrationen, API-Zugang, 7.000+ App-Konnektoren über Zapier	jährlich, individuell
Professional (Managed), GLUE	GLUE Essential + Scispot-Engineers konfigurieren alle Instrument-Konnektoren, Auto-Harmonisierung, QC-Regeln	jährlich, individuell

Einordnung: Es gibt keine kostenlose Stufe, aber bis 10 Nutzer-Sitze sind in den Plans enthalten, ein bewusst startupfreundliches Modell. Pro Plan kommen einmalige Implementierungskosten hinzu. In der Regel landen Startups im niedrigen fünfstelligen Bereich pro Jahr, Scale-ups und Mid-Size-Labs im mittleren fünfstelligen Bereich. Pauschal lohnt sich Scispot wirtschaftlich ab dem Punkt, wo manuelle Daten-Konsolidierung mehr als 0,5 FTE-Aufwand bindet. Wer nur ein simples ELN braucht, ist mit kleineren Tools wie SciNote oder Labfolder besser bedient.

Stärken im Detail

Echte All-in-One-Plattform. Scispot bündelt ELN, LIMS, Inventar und Datenintegrations-Pipelines in einer einzigen Oberfläche. Das ist anders als bei klassischen LIMS-Anbietern, die für jedes Modul (Inventar, Datenanalyse, Dashboards) eigene Lizenzen oder Drittprodukte verlangen. Für ein Labor ohne dediziertes IT-Team ist die Reduktion auf einen einzigen Vendor ein erheblicher Vorteil, sowohl in der Administration als auch im Support.

Scibot als KI-Assistent mit echtem Use Case. Anders als viele „KI-Bolt-on”-Features liefert Scibot konkrete Funktionen: Natürlichsprachliche Suche („Wo ist die letzte Charge von Reagenz X?”), Workflow-Empfehlungen („Welcher Assay liefert für dieses Target die besten Ergebnisse?”) und automatische Dashboard-Generierung aus Probendaten. Das spart real Zeit, wenn man die Plattform regelmässig nutzt.

GLUE als Integrationslayer. GLUE ist das Datenintegrationsmodul, mit dem sich Laborinstrumente, ERP-Systeme und Drittanbieter (Slack, Teams, Notion, Excel-Sync) anbinden lassen. 7.000+ Zapier-Konnektoren machen Standard-Workflows trivial; die Professional-Variante übernimmt komplexere Instrument-Konnektoren als Service. Für Labs mit heterogenem Instrumentenpark ist das der wichtigste Differenzierer.

Flexibilität durch No-Code-Konfiguration. Wissenschaftler können selbst Probentypen, Felder, Workflows und Templates anlegen, ohne YAML, ohne Skript, ohne Vendor-Ticket. Das ist der grosse Unterschied zu klassischen LIMS (LabVantage, STARLIMS), die für jede Anpassung einen Implementierer und einen Change-Request brauchen.

Regulatorische Basis vorhanden. CFR Part 11, Audit-Trails, E-Signaturen und Rollenmodelle sind Standard, Scispot ist also nicht von vornherein aus regulierten Umgebungen ausgeschlossen. Für US-FDA-konforme Studien und Pharma-Discovery-Labs ist das Setup machbar.

Aktive Produktentwicklung. Scispot veröffentlicht regelmässig neue Module und Konnektoren, Scibot wird laufend ausgebaut. Im Vergleich zu trägen LIMS-Giganten mit Jahresreleases ist die Iterationsgeschwindigkeit ein Plus, gleichzeitig sollte man als regulierter Kunde Updates kontrolliert validieren.

Schwächen ehrlich betrachtet

US-Datenhosting ohne dedizierte EU-Region. Scispot läuft auf AWS, aber es ist nicht öffentlich dokumentiert, dass eine separate EU-Region (z. B. Frankfurt) für Standard-Kunden angeboten wird. Für deutsche Forschungseinrichtungen mit DSGVO-Anforderungen, kommerzielle Pharma-Labs unter GxP-Validierung oder Diagnostik-Anbieter mit Patientendaten ist das ein realer Beschaffungs-Showstopper, der vor Vertragsabschluss explizit geklärt werden muss.

Kein deutschsprachiger Support. UI, Dokumentation, Onboarding und Support sind komplett auf Englisch. Für englischsprachig versierte Wissenschaftler kein Problem; für gemischte Teams mit Lab-Technikern, die in Schichtarbeit das System bedienen, kann das zur Hürde werden.

Preisintransparenz erschwert Beschaffung. Ohne öffentliche Preise lässt sich kein Marktvergleich machen, ohne dass mindestens drei Vertriebsgespräche geführt werden. Für öffentliche Auftraggeber mit Ausschreibungspflicht ist das praktisch ein Showstopper.

Jüngere Plattform, weniger Praxisbasis in regulierten Pharma-Umgebungen. Benchling und LabVantage haben jahrzehntelange Erfahrung in CMC-, Production- und QC-Labs grosser Pharma-Konzerne. Scispot hat hier weniger Referenzkundendaten, was nicht heisst, dass es nicht geht, aber die Risiko-Abwägung fällt strenger aus.

GxP-Validierung ist Aufwand. „CFR-Part-11-aligned” ist nicht dasselbe wie „CFR-Part-11-validated”. Wer Scispot in einer GxP-Umgebung einsetzen will, muss eine eigene Validierungsdokumentation erstellen, Scispot liefert Vorlagen, aber die Verantwortung bleibt beim Kunden. Vor Beschaffung mit dem QA-Team klären.

Lock-in über die GLUE-Pipelines. Sobald viele Instrumente und Datenquellen via GLUE konsolidiert sind, wird der Wechsel zu einem anderen LIMS aufwendig. Das ist normal in der Branche, aber bei Scispot besonders deutlich, weil GLUE der eigentliche Wertschöpfer ist.

Alternativen im Vergleich

Wenn du…	…nimm stattdessen
Eine sehr etablierte Pharma-LIMS-Lösung brauchst
EU-Hosting für ein einfaches ELN willst	oder
Open-Source mit voller Kontrolle suchst	oder eLabFTW
Eine wirklich grosse Pharma-/QC-Validierung brauchst	LabVantage, STARLIMS (klassische Branchen-LIMS)

Erwähnenswert ohne eigene Tool-Seite: SciNote (open-source-nah, ELN-Fokus), Genemod (Inventar-Fokus für Startups), Sapio Sciences (US, KI-LIMS für Pharma) und Dotmatics (M&A-Konsolidierung mehrerer Lab-Software-Marken). Scispot positioniert sich klar als „modernes Alternativ zu Benchling”, flexibler im Setup, günstiger im Einstieg, aber mit weniger Pharma-Tiefenkanten. Für die richtige Zielgruppe (Biotech-Startups und Scale-ups) ist das genau die richtige Positionierung.

So steigst du ein

Schritt 1: Demo und Discovery-Workshop. Auf scispot.com eine Demo anfordern. Geh in das Gespräch mit einer klaren Liste: Wie viele Wissenschaftler? Welche Instrumente? Welche Workflows? Welche regulatorischen Anforderungen? Scispot konfiguriert dir typischerweise einen 14- oder 30-Tage-Trial-Workspace mit deinen Daten, dieser Trial ist der eigentliche Praxistest.

Schritt 2: Pilotteam mit echtem Use Case. Nicht „alles auf einmal” migrieren. Wähle ein Team (5–10 Wissenschaftler) mit klar abgrenzbaren Workflows, z. B. die Reagenzienverwaltung eines Bioprocessing-Teams. Importiere bestehende Excel-/CSV-Bestände, konfiguriere die Probentypen und lass das Team 4–6 Wochen real arbeiten. So bekommst du belastbare Erfahrung, bevor andere Teams folgen.

Schritt 3: GLUE-Konnektoren und Scibot aktivieren. Erst wenn die Basisnutzung stabil läuft, kommt der eigentliche Hebel: Instrument-Konnektoren über GLUE einrichten (Professional-Plan empfohlen, weil Scispot-Engineers das übernehmen) und Scibot mit Test-Queries trainieren. Erst diese Schicht macht Scispot zur Datenplattform, vorher ist es „nur” ein modernes LIMS.

Ein konkretes Beispiel

Ein Biotech-Startup in München mit 14 Wissenschaftlern verwaltet über 400 aktive Reagenzien, drei PCR-Cycler, einen NGS-Sequencer und etwa 1.200 Proben pro Monat. Vor Scispot: Excel-Tabellen für Inventar, ein selbstgeschriebenes Notion-Wiki für Protokolle, manuelle Datenkonsolidierung am Wochenende. Nach Scispot-Einführung läuft die Bestandsverfolgung automatisch, jede PCR-Reaktion wird dem entsprechenden Reagenz-Lot zugeordnet. Nach sechs Wochen zeigt die automatisch erstellte Analytics-Übersicht: Ein PCR-Cycler auf Bench 3 verbraucht 23 % mehr Mastermix pro Reaktion als Bench 1 und 2. Die Ursache: eine abgenutzte Pipette, die systematisch zu viel dosiert. Einmal korrigiert, spart das Team etwa 1.400 EUR pro Quartal an einem einzigen Reagenzposten. Hinzu kommt: Die Wochenenden des Lab Managers sind frei. Vor Vertragsabschluss wurde mit dem Datenschutzbeauftragten geklärt, dass keine patientenbezogenen Daten verarbeitet werden, Scispot wurde nur für interne F&E-Daten freigegeben.

DSGVO & Datenschutz

• Datenhosting: AWS, primär US-Region. Eine dedizierte EU-Region (z. B. Frankfurt) ist nicht öffentlich dokumentiert, vor Vertragsabschluss explizit mit Scispot klären.
• Datennutzung: Eingaben werden für die Plattform genutzt; eine separate Opt-out-Regelung für KI-Trainingsdaten sollte im Vertrag verhandelt werden.
• Auftragsverarbeitung (AVV): Auf Anfrage verfügbar. Für DSGVO-konforme Nutzung in der EU notwendig.
• Regulatorische Konformität: CFR Part 11, Audit-Trails, E-Signaturen, Rollenrechte sind verfügbar. Für GxP-Validierung im EU-Pharmabereich muss eine kundenseitige Validierung erfolgen.
• Datenexport: Plattformdaten sind exportierbar (CSV, API). Bei Vertragsende sollte Exportmodalität explizit definiert werden.
• Empfehlung für deutsche Labs: Für reine F&E-Daten ohne Personenbezug ist Scispot praktikabel, AVV unterschreiben, US-Hosting dokumentieren, Datenschutz-Folgenabschätzung erstellen. Für Diagnostik- und Patientendaten ist der Aufwand erheblich, vor Beschaffung Datenschutzbeauftragten einbinden.

Gut kombiniert mit

• Benchling oder Geneious, wer komplexe Molekularbiologie-Workflows (Klonierungen, Plasmid-Design) detailliert dokumentieren will, kann Benchling/Geneious parallel zu Scispot betreiben und die Endergebnisse via GLUE-Konnektor synchronisieren. Klassisches Best-of-Breed-Setup.
• Slack oder Microsoft Teams, Scispot integriert sich nativ und kann automatische Benachrichtigungen (z. B. „Reagenz X unter Schwellenwert”) in Teams-Channels schreiben. Für Lab-Manager der entscheidende Workflow-Hebel.
• Power BI oder Tableau, wer eigene Reports und KPIs braucht, kann Scispot-Daten über die API in BI-Tools laden. Sinnvoll für Geschäftsführung und Investoren-Reports.

Unser Testurteil

Scispot verdient 3 von 5 Sternen. Die Plattform ist technisch modern, der KI-Layer (Scibot) ist mehr als Marketing, und für Biotech-Startups und Scale-ups ist Scispot eine erfrischende Alternative zu den schwergewichtigen klassischen LIMS-Anbietern. Den vierten und fünften Stern verliert die Plattform durch das fehlende EU-Hosting, die intransparente Preisgestaltung, den fehlenden deutschen Support und die noch dünne Referenzbasis in stark regulierten Pharma-Umgebungen. Für das richtige Lab (Biotech-Startup in einer englischsprachigen Arbeitskultur, ohne Patientendaten, mit einem datenoffenen Mindset) ist Scispot eine echte Empfehlung. Für deutsche Pharma-QC oder Diagnostik-Labs ist die Hürde hoch, hier bleiben EU-zentrische Alternativen wie oder klassische validierte LIMS-Systeme der sicherere Weg.

Was wir bemerkt haben

• 2024–2025, Scispot hat den KI-Assistenten Scibot deutlich ausgebaut: natürlichsprachliche Suche, Workflow-Empfehlungen, automatische Dashboards. Damit positioniert sich Scispot klar im Bereich „KI-getriebenes Lab OS”, ein Schritt, der etablierten LIMS-Anbietern erstmal fehlt.
• 2025, Das Produktmodell wurde auf vier klare Plans (Essential/Professional für LIMS und für GLUE) umgestellt. Vorher war die Modulwahl unübersichtlicher; das neue Modell macht Beschaffung etwas einfacher, auch wenn konkrete Preise weiterhin nur auf Anfrage kommen.
• Mai 2026, Eine dedizierte EU-Region für Standard-Kunden ist weiterhin nicht öffentlich dokumentiert. Wer als deutsches Lab beschafft, muss diese Frage im Vertrieb explizit stellen, und sich die Antwort schriftlich geben lassen.
• Seit 2023, Die Anzahl Standard-Konnektoren in GLUE ist deutlich gewachsen, inklusive direkter Instrument-Konnektoren für gängige PCR-, Sequencing- und Mass-Spec-Geräte. Das macht den Datenintegrations-Use-Case messbar reifer als bei vergleichbaren jungen Plattformen.