24.08.2021

Vom Valley-Vorgänger zum Innovationsnachzügler: Was im DACH-Raum falsch läuft

Im Gastkommentar analysiert Mario Herger die Gründe für den Abstieg des DACH-Raums in Sachen Innovation und gibt damit einen Sneak Peek in sein neues Buch.
/artikel/dach-raum-innovationsnachzuegler-kommentar-herger
Mario Herger: Wie wurde der DACH-Raum zum Innovationsnachzügler?
brutkasten-Gastautor Mario Herger / Hintergrund: Abschnitt der Semmeringbahn | (c) Mario Herger / Adobe Stock - Alice
kommentar

In der k. u k.-Monarchie wurde im Jahr 1848 eine Eisenbahnstrecke in Angriff genommen, die es für damalige Zeiten in sich hatte. Sie musste vom niederösterreichischen Gloggnitz ins steirische Mürzzuschlag eine Luftlinie von 21 Kilometern überwinden, und zwar über eine nicht unwesentliche Höhendifferenz von mehr als 400 Metern. Dieser Pass galt lange Zeit als unüberwindlich. Unter Carl Ritter von Ghega wurde das Projekt begonnen und in nur sechs Jahren wurden 42 Kilometer an Trasse mit 14 Tunneln und 16 Viadukten errichtet, wobei die Steigung der Gleise für damalige Lokomotiven und die Lastanforderung nicht zu bewältigen waren. Trotzdem machten die Österreicher sich daran, die Semmeringbahn zu bauen, mit der Erwartung, dass die Lokomotivfabriken zur Einweihung der Strecke schon eine entsprechende Lokomotive anbieten können.

Man stelle sich das heute vor: Ein Regierungsbeauftragter stellt Anforderungen an Technologieschmieden, eine Technologie zu entwickeln, die heute noch nicht existiert, und beginnt sein Großprojekt im Vertrauen darauf, dass mit der Fertigstellung diese Technologie da sein wird. Wie ging das aus? Im Jahr 1854 standen bei Bauende vier Modelle von ebenso vielen Lokomotivfabriken aus Deutschland, Belgien und Österreich bereit, die die Steigungen und Lastanforderungen der landschaftlich spektakulären Eisenbahnstrecke bewältigen konnten.

Wien und generell der deutschsprachige Raum waren vor 150 Jahren das Silicon Valley der Welt. Wien war das Zentrum der Medizin, Architektur, Literatur und Wissenschaften. Der deutschsprachige Raum war innovativ und gründerfreundlich. Die Gründerwelle ab 1870 brachte uns auch heute noch tätige Firmen wie Bosch, Siemens, Allianz, Daimler oder Steiff.

DACH-Raum als Innovationsnachzügler: Was ist passiert?

Herrschte damals ein anderes Wirtschaftsklima? Fanden sich die Leute so sicher, dass sie bereitwilliger das Risiko eingingen, Unternehmen zu gründen? Nun ja, heute sind wir viel wohlhabender, das soziale Netz ist dichter, die Ausbildung der Bevölkerung höher, doch wenn man den Umfragen glauben will, dann ist der beliebteste Job von Uni-Absolventen einer in einem Ministerium oder einem großen Betrieb mit sicherem Einkommen. Selbst ein Unternehmen zu gründen, stempelt einen am Datingmarkt fast schon als hoffnungslos unvermittelbar und bei der Familie zu einem Versager ab. „Jetzt hast du so schön studiert und könntest einen tollen Job bei Bosch oder Siemens haben, und dann verschwendest du es für ein eigenes Unternehmen?“ Unternehmer werden im besten Fall als suspekt gesehen, und so manche Einpersonenunternehmer und Selbständige werden als „versteckte Arbeitslose“ betrachtet. Dabei werden sie hinten und vorne besteuert und mit Abgaben belegt, und zum Ausgleich dann bei den Hilfsfonds während der Corona-Krise „übersehen“.

Das bleibt nicht ohne Konsequenzen. In nur zwei Jahrzehnten ging in Deutschland laut Statista die Anzahl an Unternehmensgründern von knapp 1,5 Millionen um zwei Drittel auf eine halbe Million zurück. Auch gibt es im Jahr 2021 nach wie vor keine in Buchform erschienene Biografie von beispielsweise Hasso Plattner oder Dietmar Hopp, den vermutlich interessantesten und einflussreichsten SAP-Gründern, Investoren und Mäzenen. Dreiviertel der 30 im DAX gelisteten Unternehmen sind älter als 100 Jahre. Und die Coronakrise hat den digitalen Rückstand in der Verwaltung, im öffentlichen Dienst, aber auch in der Privatwirtschaft schmerzhaft offensichtlich gemacht. Infektionsmeldungen, die gefaxt werden. Schülerinnen, die im verschneiten Garten die Schule per Videokonferenz besuchen, weil nur dort die Internetverbindung halbwegs stabil ist. Mittlerweile werden Wirtschaftsprojekte, selbst solche die der Umwelt verträglichere Produkte auf den Markt bringen sollen, mit zigtausenden Eingaben eingedeckt.

Zeppeline inspirierte Millionen weltweit. Das Haber-Bosch-Verfahren stellte die Nahrungsversorgung von Milliarden von Menschen sicher. Die Semmeringbahn ist mit den Jahren nur noch schöner und bewundernswerter geworden. Die Leistungen von Porsche, Swarovski oder Puch werden noch heute hochgehalten, Forscherinnen wie Lise Meitner oder Friedensaktivistinnen mit radikal neuen Ideen wie Bertha von Suttner gern erwähnt, aber zeitgenössische UnternehmerInnen in vielen Fällen kritisch beäugt.

Innovationsfeindliche Innovationsmanager

Und nicht nur das, auch die Produkte und Dienstleistungen, egal von wem sie stammen, werden abgelehnt. Und dabei rede ich nicht von Herrn und Frau Österreicher, sondern von Personen, die auf ihrer Visitkarte den Titel „Innovationsmanager“, „Produktentwicklungsleiter“ oder „Digital Evangelist“ stehen haben. Personen, deren Aufgabe es ist, ihre Organisationen in die Zukunft zu führen und sich damit eigentlich für neue Technologie und Geschäftsmodelle interessieren sollten. Dem allerdings ist nicht so. Am Vorabend der CES in las Vegas traf ich drei Dutzend IT-Berater zu Vorträgen und zum Gedankenaustausch bei einem Dinner. Auf meine Frage, wer einen Sprachassistenten besitzt, bleiben alle Hände unten, dafür ertönt sofort aus dem Hintergrund der Vorwurf: „Alexa hört ja immer zu!“

Genau so funktionieren Sprachassistenten. Sie müssen zuhören. Das Zuhören der Technologie ist so wichtig, wie Licht uns sichtbar macht. Aber hier verbirgt sich die Angst, dass das Zuhören zum Ausspionieren verwendet wird. Diese Angst – ob berechtigt oder nicht – verhindert, dass sich diese IT-Berater damit und mit vielen anderen Technologien auseinandersetzen, was eine Voraussetzung dafür ist, dass sie die Funktionsweisen und die heutigen Möglichkeiten begreifen, aber auch erkennen, wo diese Technologien aktuell noch unzulänglich sind. Und diese IT-Berater, die sich selbst ihren Kunden gegenüber als Technologievorreiter präsentieren und ihnen einen Schritt voraus sein sollten, um sie in die Zukunft zu führen, verwehren sich dem. Renaissancemenschen sind sie nicht.

Was ist bloß los mit Deutschland, mit Österreich, mit der Schweiz im 21. Jahrhundert? Warum sind Länder der Dichter, Denker und Ingenieure so technologieskeptisch geworden? Warum finden wir heute vor allem Gründe, warum etwas nicht umsetzbar ist, anstatt dieselbe mentale Energie darauf zu verwenden, die Herausforderungen anzupacken?

Und ja, wir haben mit BioNTech und der Energiewende auch heute einiges vorzuweisen, und wir sind nach wie vor ein wichtiger Produktionsstandort. Auf unseren Maschinen werden die Produkte für die Welt gefertigt, und unsere Sozialsysteme sind ein Vorbild für die Menschheit. Doch in den neuen (digitalen) Technologien sind wir Nachzügler. Die Zahl an Unternehmensgründungen ist kollabiert. Die Dauer von Bauprojekten hat sich in nur einem Jahrzehnt verdoppelt. Selbst einzelne Erfolge können nicht darüber hinwegtäuschen, dass wir in KI, digitalen Plattformen, Big Data, Raumfahrt, oder autonomem und elektrischem Fahren nicht die Spitzenposition halten. Auch schaffen wir es nicht zur Genüge, unsere Forschungsergebnisse in Unternehmen zu transferieren. Inspirieren und anpacken geschieht woanders.

Es ändert sich zwar einiges, doch nur sehr langsam. Und eine Pandemie trug bedeutend dazu bei, dass wir die Digitalisierung nun wirklich ernsthaft anpacken. Doch noch haben wir viel zu tun, wie der Vergleich von verfügbarem Risikokapital für Startup-Gründungen gerade in Österreich zeigt.

LandBIP 2019
[Mrd Euro]
Gesamt-investitionen
[Mrd Euro]
Anteil Gesamt-investitionen an BIP
[%}
Risikokapital
[Mrd Euro]
Anteil Risikokapital an Gesamtinvestitionen
[%]
USA18.2103.77020,7115,983,1
Deutschland3.449734,6821,35,71,1
Österreich397,6101,725,60,2180,2
Schweiz678.68153,1922.62,151,4
Tabelle 1: Bruttoinlandsprodukt, Gesamtinvestitionen und Risikokapital für ausgewählte Länder für 2019

Wie aus den Zahlen zu erkennen ist, gibt es für unsere Länder Luft nach oben, wenn man sie mit den USA vergleicht. Auch zwischen den Ländern gibt es große Unterschiede. So kommt die Schweiz mit einem Zehntel der Bevölkerung Deutschlands auf mehr als ein Drittel der Risikokapitalinvestitionen, die Deutschland vornimmt. Österreich hingegen geht den umgekehrten Weg. Mit einem Zehntel der Bevölkerung Deutschlands beträgt die Risikokapitalsumme nur ein Sechsundzwanzigstel.


FUTURE ANGST

In meinem seit August erhältlichen Buch FUTURE ANGST: Wie wir von Innovationsvorreitern zu Innovationsnachzüglern wurden und wie wir die German Angst überwinden gehe ich auf die Gründe ein, wie vor 150 Jahren unser Kulturkreis der wirtschaftliche und technologische Vorreiter war, wie uns dieser Erfolg dazu brachte, bewährte Muster zu verwenden, die sich aber in der heutigen Zeit als unzureichend erweisen, und wie wir wieder die Lust an der Zukunft gewinnen können. Dazu bringe ich Beispiele von Innovationen der Vergangenheit, und wie sie die Menschen damals angenommen haben, und ziehe Vergleiche mit China und dem islamischen Raum, die bis vor wenigen hundert Jahren auf Europa einen technologischen Vorsprung hatten und diesen verloren, und wie uns dasselbe drohen kann, wenn wir nicht wieder die Lust und. Neugier an der Zukunft pflegen.

Deine ungelesenen Artikel:
27.01.2025

Open Source und KI: „Es geht nicht darum, zu den Guten zu gehören“

Nachlese. Die Nutzung von Open-Source-Modellen eröffnet Unternehmen auch im KI-Bereich weitreichende Möglichkeiten. Es gibt dabei aber auch einiges zu bedenken. Darüber und mehr diskutierten in Folge 5 von "No Hype KI" Stephan Kraft von Red Hat, Florian Böttcher von CANCOM Austria, Natalie Ségur-Cabanac von Women in AI und Patrick Ratheiser von Leftshift.One.
/artikel/no-hype-ki-folge-5
27.01.2025

Open Source und KI: „Es geht nicht darum, zu den Guten zu gehören“

Nachlese. Die Nutzung von Open-Source-Modellen eröffnet Unternehmen auch im KI-Bereich weitreichende Möglichkeiten. Es gibt dabei aber auch einiges zu bedenken. Darüber und mehr diskutierten in Folge 5 von "No Hype KI" Stephan Kraft von Red Hat, Florian Böttcher von CANCOM Austria, Natalie Ségur-Cabanac von Women in AI und Patrick Ratheiser von Leftshift.One.
/artikel/no-hype-ki-folge-5

„No Hype KI“ wird unterstützt von CANCOM AustriaIBMITSVMicrosoftNagarroRed Hat und Universität Graz.

Kollaborativ, transparent, frei zugänglich und nicht profit-orientiert – mit Open-Source-Software wird eine Reihe von Eigenschaften assoziiert. Und oftmals stehen bei der Nutzung ethische Überlegungen im Zentrum. Dabei gibt es auch ganz praktische Gründe, die für eine Verwendung durch Unternehmen sprechen – auch bei der Implementierung von KI-Anwendungen, ist Stephan Kraft, Community Advocate & Business Development OpenShift & Application Services bei Red Hat, überzeugt. In Folge fünf der Serie „No Hype KI“ diskutierte er dieses und weitere Themen mit Florian Böttcher, Solution Architect bei CANCOM Austria, Natalie Ségur-Cabanac, Policy Lead bei Women in AI und Patrick Ratheiser, Gründer & CEO von Leftshift.One.

„Thema ein Stück weit aus dieser emotionalen, moralisierenden Ecke herausholen“

„Ich will das Thema ein Stück weit aus dieser emotionalen, moralisierenden Ecke herausholen“, sagt Stephan Kraft. Für Red Hat als weltweit führenden Anbieter für Open-Source-Lösungen für Unternehmen gehen die Argumente für eine Nutzung nämlich weit darüber hinaus. „Es geht nicht darum, Open Source als Selbstzweck zu sehen, um zu den Guten zu gehören“, so der Experte. Tatsächlich sei die Verwendung von Open Source gerade bei der Etablierung von KI im Unternehmen für Startups und KMU eine wichtige Weichenstellung.

Offenheit, um Diskriminierung entgegenzuwirken

Auch Natalie Ségur-Cabanac sieht Open Source als „Key Technology“ im KI-Bereich. Für „Women in AI“ spiele die Offenheit eine zentrale Rolle: „Diese Offenheit braucht es, um Diskriminierung entgegenzuwirken.“ Open Source verbessere den Zugang für Frauen zur Technologie, die Abbildung von Frauen in den Daten und es vergrößere die Möglichkeiten in der Forschung. Man müsse aber auch aufpassen, ob Software wirklich so offen sei, wie behauptet, sagt sie bezogen auf die aktuellen Diskussionen rund um OpenAI, das sich – ursprünglich als offenes Projekt gestartet – zum profitorientierten Unternehmen entwickelte. Es brauche auch eine klare Definition, was „open“ sei.

Masse an Möglichkeiten

Leftshift.One-Gründer Patrick Ratheiser betont auch die schiere Masse an Möglichkeiten, die Open Source bietet. „2021 hatten wir weltweit Zugriff auf circa 5.000 Open-Source-Modelle. Jetzt sind es bereits mehr als eine Million.“ Die Nutzbarkeit sei also klar gegeben, zudem biete die Technologie eine gewisse Unabhängigkeit und werde über ihre Vielfalt zum Innovationstreiber.

Ist Open Source immer die beste Lösung?

Doch bedeutet das, dass Open Source immer die optimale Lösung ist? Ratheiser sieht das differenziert: „Es ist ganz wichtig zu erkennen, was der Kunde braucht und was in dem Fall gerade notwendig ist. Egal, ob es nun On-Premise, in der Cloud, Open Source oder Closed Source ist.“ Florian Böttcher von CANCOM Austria pflichtet hier bei: „Wir setzen genau so auf hybrid.“

Datenstruktur im Hintergrund ist entscheidend

Ein Thema, bei dem bei Open Source Vorsicht geboten ist, spricht Natalie Ségur-Cabanac an. Besonders wichtig sei es bei KI-Anwendungen, eine gute Datenstruktur im Hintergrund zu haben. „Die Verantwortung, dass ein Modell mit sauberen Daten trainiert worden ist, liegt bei den Anbietern. Bei Open Source verschwimmt das ein bisschen. Wer ist wofür zuständig? Das ist eine Herausforderung für die Compliance zu schauen, wo man selbst verantwortlich ist und wo man sich auf einen Anbieter verlassen kann.“

Compliance: Großes Thema – mehr Sichereheit mit professioneller Unterstützung

Stephan Kraft hakt hier ein. Genau aus solchen Gründen gebe es Unternehmen wie Red Hat, die mit ihrem Enterprise-Support für Open-Source-Lösungen die Qualitätssicherung auch im rechtlichen Bereich übernehmen. „Das ist ein ganz wichtiger Teil unseres Versprechens gegenüber Kunden“, so Kraft. Unbedacht im Unternehmen mit Open Source zu arbeiten, könne dagegen in „Compliance-Fallen“ führen, pflichtet er Ségur-Cabanac bei.

Das sieht auch Patrick Ratheiser als Thema bei Leftshift.One: „Unsere Lösung ist Closed Source, wir setzen aber im Hintergrund Open Source ein. Wichtig ist, dass wir dem Kunden Compliance garantieren können.“ Stephan Kraft empfiehlt Unternehmen bei der Open-Source-Nutzung: „Man kann nicht immer gleich die neueste ‚bleeding edge‘-Lösung nehmen sondern sollte etwas konservativer herangehen.“

Infrastruktur: Gut planen, was man wirklich braucht

Unabhängig davon, ob man nun Open Source oder Closed Source nutzt, braucht es für die Nutzung von KI die richtige Infrastruktur. „Es kommt natürlich auf den Use Case an, den ein Unternehmen umsetzen will. Da sind die Anforderungen an die Infrastruktur sehr unterschiedlich“, grenzt Florian Böttcher ein. CANCOM Austria unterstützt seine Kunden in genau der Frage. Anwendungen wie das Training von KI-Modellen würde aus gutem Grund kaum in Österreich umgesetzt. „KI ist sehr stromhungrig und entwickelt viel Hitze. Das ist schwierig für ein eigenes Data-Center im Unternehmen, gerade wenn man die Strompreise in Österreich ansieht“, so Böttcher.

„Rechenleistungs-Hunger“ von KI könnte sich in Zukunft verringern

Wichtig sei es letztlich, sich als Unternehmen sehr klar darüber zu sein, was man umsetzen wolle. „Danach, welche Software-Lösung man für seinen Use Case einsetzen muss, richtet sich auch die Infrastruktur“, so Böttcher. Er erwarte aber auch, dass die KI-Modelle im nächsten Entwicklungsschritt effizienter werden und der „Rechenleistungs-Hunger“ sich verringere.

Patrick Ratheiser ergänzt: „Es ist grundsätzlich eine Kostenfrage.“ Unternehmen müssten sich sehr gut überlegen, ob sie ein eigenes LLM (Large Language Model) betreiben und dieses sogar selbst trainieren wollen, oder lieber doch eine Usage-basierte Lösung wählen. Er sehe bei österreichischen Unternehmen – auch bei größeren – eine klare Tendenz zur zweiten Variante. „Es lässt sich deutlich schneller einrichten, ist kalkulierbarer und auch viel schneller skalierbar“, erklärt Ratheiser.

Etwa im Forschungsbereich sei es jedoch wichtig und notwendig, auch eigene LLMs und die damit verbundene Infrastruktur zu betreiben. Doch auch die Möglichkeit von hybriden Lösungen biete sich an. „Man kann mittlerweile auch Teile in der Cloud lassen und Teile On-Premise. Man kann etwa nur ein datenschutzsicheres LLM selbst betreiben“, erklärt der Experte, der auch bei der Wahl der genutzten Modelle einen hybriden Ansatz empfiehlt: „Man braucht nicht für alle Use Cases das neueste Modell. Manchmal braucht man überhaupt kein LLM.“

Datenschutz: Einige Herausforderungen bei LLMs

Stichwort: Datenschutz. Hier schafft die europäische Datenschutzgrundverordnung (DSGVO) im KI-Bereich besondere Herausforderungen, weiß Natalie Ségur-Cabanac, die vorab betont: „Ich persönlich halte die DSGVO für ein gutes Regulierungswerk, weil sie sehr viel Spielraum gibt. Ich sage immer: Datenschutz ist sehr komplex, aber nicht kompliziert.“ Konkret seien etwa der Grundsatz der Zweckbezogenheit, also dass man Daten nur für konkrete Zwecke einsetzen darf, und dass man sie minimierend einsetzen muss, relevant für den KI-Bereich. „Da haben wir schon einen Konflikt, weil man ja [bei LLMs] erst einmal schaut, was man aus möglichst vielen Daten machen kann“, so die Expertin.

Ist KI rechtlich innerhalb der EU sogar per se in einem Graubereich?

Auch Transparenzbestimmungen – sowohl in der DSGVO als auch im AI-Act der EU – seien zu beachten. „Wenn ich KI verwende, muss ich auch wissen, was drinnen ist“, fasst Ségur-Cabanac zusammen. Ist KI also rechtlich innerhalb der EU sogar per se in einem Graubereich? „Nein, das glaube ich nicht. Aber man muss seine Hausaufgaben schon gut machen“, sagt die Expertin. Wichtig sei daher auch die im Rahmen des EU-AI-Acts eingeforderte KI-Kompetenz in Unternehmen – im technischen und rechtlichen Bereich.

KI-Kompetenz als zentrales Thema

Patrick Ratheiser stimmt zu: „Neben der Technologie selber sind bei unseren Kunden die Mitarbeiter ein Riesen-Thema. Man muss sie nicht nur wegen dem AI-Act fit bekommen, sondern es geht darum, sie wirklich auf die Anwendungen einzuschulen.“ Wichtig seien dabei auch die Kolleg:innen, die sich bereits mit dem Thema auskennen – die „Pioniere“ im Unternehmen. „AI Literacy ist sicherlich das Thema 2025 und in nächster Zeit. So, wie wir gelernt haben, mit dem Smartphone umzugehen, werden wir es auch mit generativer KI lernen“, so Ratheiser.

„Einfach einmal ausprobieren“

Stephan Kraft ergänzt: Neben einer soliden Datenbasis und der notwendigen Kompetenz brauche es bei KI – gerade auch im Bereich Open Source – noch etwas: „Einfach einmal ausprobieren. Es braucht auch Trial and Error. Das ist vielleicht oft das Schwierigste für CFOs und Geschäftsführer.“ Dieses Ausprobieren sollte aber innerhalb eines festgelegten Rahmens passieren, damit die KI-Implementierung gelingt, meint Natalie Ségur-Cabanac: „Unternehmen brauchen eine KI-Strategie und müssen wissen, was sie mit der Technologie erreichen wollen.“ Auch sich mit den zuvor angesprochenen rechtlichen Anforderungen – Stichwort Compliance – zu beschäftigen, komme zeitlich erst nach der Festlegung der Strategie.


Die gesamte Folge ansehen:

Die Nachlesen der bisherigen Folgen:

Folge 1: “No Hype KI – wo stehen wir nach zwei Jahren ChatGPT?

Folge 2: “Was kann KI in Gesundheit, Bildung und im öffentlichen Sektor leisten?

Folge 3: “Der größte Feind ist Zettel und Bleistift”: Erfolgsfaktoren und Herausforderungen in der KI-Praxis”

Folge 4: KI-Geschäftsmodelle: “Wir nutzen nur einen Bruchteil dessen, was möglich ist”


Die Serie wird von brutkasten in redaktioneller Unabhängigkeit mit finanzieller Unterstützung unserer Partner:innen produziert.

No Hype KI
27.01.2025

Open Source und KI: „Es geht nicht darum, zu den Guten zu gehören“

Nachlese. Die Nutzung von Open-Source-Modellen eröffnet Unternehmen auch im KI-Bereich weitreichende Möglichkeiten. Es gibt dabei aber auch einiges zu bedenken. Darüber und mehr diskutierten in Folge 5 von "No Hype KI" Stephan Kraft von Red Hat, Florian Böttcher von CANCOM Austria, Natalie Ségur-Cabanac von Women in AI und Patrick Ratheiser von Leftshift.One.
27.01.2025

Open Source und KI: „Es geht nicht darum, zu den Guten zu gehören“

Nachlese. Die Nutzung von Open-Source-Modellen eröffnet Unternehmen auch im KI-Bereich weitreichende Möglichkeiten. Es gibt dabei aber auch einiges zu bedenken. Darüber und mehr diskutierten in Folge 5 von "No Hype KI" Stephan Kraft von Red Hat, Florian Böttcher von CANCOM Austria, Natalie Ségur-Cabanac von Women in AI und Patrick Ratheiser von Leftshift.One.

„No Hype KI“ wird unterstützt von CANCOM AustriaIBMITSVMicrosoftNagarroRed Hat und Universität Graz.

Kollaborativ, transparent, frei zugänglich und nicht profit-orientiert – mit Open-Source-Software wird eine Reihe von Eigenschaften assoziiert. Und oftmals stehen bei der Nutzung ethische Überlegungen im Zentrum. Dabei gibt es auch ganz praktische Gründe, die für eine Verwendung durch Unternehmen sprechen – auch bei der Implementierung von KI-Anwendungen, ist Stephan Kraft, Community Advocate & Business Development OpenShift & Application Services bei Red Hat, überzeugt. In Folge fünf der Serie „No Hype KI“ diskutierte er dieses und weitere Themen mit Florian Böttcher, Solution Architect bei CANCOM Austria, Natalie Ségur-Cabanac, Policy Lead bei Women in AI und Patrick Ratheiser, Gründer & CEO von Leftshift.One.

„Thema ein Stück weit aus dieser emotionalen, moralisierenden Ecke herausholen“

„Ich will das Thema ein Stück weit aus dieser emotionalen, moralisierenden Ecke herausholen“, sagt Stephan Kraft. Für Red Hat als weltweit führenden Anbieter für Open-Source-Lösungen für Unternehmen gehen die Argumente für eine Nutzung nämlich weit darüber hinaus. „Es geht nicht darum, Open Source als Selbstzweck zu sehen, um zu den Guten zu gehören“, so der Experte. Tatsächlich sei die Verwendung von Open Source gerade bei der Etablierung von KI im Unternehmen für Startups und KMU eine wichtige Weichenstellung.

Offenheit, um Diskriminierung entgegenzuwirken

Auch Natalie Ségur-Cabanac sieht Open Source als „Key Technology“ im KI-Bereich. Für „Women in AI“ spiele die Offenheit eine zentrale Rolle: „Diese Offenheit braucht es, um Diskriminierung entgegenzuwirken.“ Open Source verbessere den Zugang für Frauen zur Technologie, die Abbildung von Frauen in den Daten und es vergrößere die Möglichkeiten in der Forschung. Man müsse aber auch aufpassen, ob Software wirklich so offen sei, wie behauptet, sagt sie bezogen auf die aktuellen Diskussionen rund um OpenAI, das sich – ursprünglich als offenes Projekt gestartet – zum profitorientierten Unternehmen entwickelte. Es brauche auch eine klare Definition, was „open“ sei.

Masse an Möglichkeiten

Leftshift.One-Gründer Patrick Ratheiser betont auch die schiere Masse an Möglichkeiten, die Open Source bietet. „2021 hatten wir weltweit Zugriff auf circa 5.000 Open-Source-Modelle. Jetzt sind es bereits mehr als eine Million.“ Die Nutzbarkeit sei also klar gegeben, zudem biete die Technologie eine gewisse Unabhängigkeit und werde über ihre Vielfalt zum Innovationstreiber.

Ist Open Source immer die beste Lösung?

Doch bedeutet das, dass Open Source immer die optimale Lösung ist? Ratheiser sieht das differenziert: „Es ist ganz wichtig zu erkennen, was der Kunde braucht und was in dem Fall gerade notwendig ist. Egal, ob es nun On-Premise, in der Cloud, Open Source oder Closed Source ist.“ Florian Böttcher von CANCOM Austria pflichtet hier bei: „Wir setzen genau so auf hybrid.“

Datenstruktur im Hintergrund ist entscheidend

Ein Thema, bei dem bei Open Source Vorsicht geboten ist, spricht Natalie Ségur-Cabanac an. Besonders wichtig sei es bei KI-Anwendungen, eine gute Datenstruktur im Hintergrund zu haben. „Die Verantwortung, dass ein Modell mit sauberen Daten trainiert worden ist, liegt bei den Anbietern. Bei Open Source verschwimmt das ein bisschen. Wer ist wofür zuständig? Das ist eine Herausforderung für die Compliance zu schauen, wo man selbst verantwortlich ist und wo man sich auf einen Anbieter verlassen kann.“

Compliance: Großes Thema – mehr Sichereheit mit professioneller Unterstützung

Stephan Kraft hakt hier ein. Genau aus solchen Gründen gebe es Unternehmen wie Red Hat, die mit ihrem Enterprise-Support für Open-Source-Lösungen die Qualitätssicherung auch im rechtlichen Bereich übernehmen. „Das ist ein ganz wichtiger Teil unseres Versprechens gegenüber Kunden“, so Kraft. Unbedacht im Unternehmen mit Open Source zu arbeiten, könne dagegen in „Compliance-Fallen“ führen, pflichtet er Ségur-Cabanac bei.

Das sieht auch Patrick Ratheiser als Thema bei Leftshift.One: „Unsere Lösung ist Closed Source, wir setzen aber im Hintergrund Open Source ein. Wichtig ist, dass wir dem Kunden Compliance garantieren können.“ Stephan Kraft empfiehlt Unternehmen bei der Open-Source-Nutzung: „Man kann nicht immer gleich die neueste ‚bleeding edge‘-Lösung nehmen sondern sollte etwas konservativer herangehen.“

Infrastruktur: Gut planen, was man wirklich braucht

Unabhängig davon, ob man nun Open Source oder Closed Source nutzt, braucht es für die Nutzung von KI die richtige Infrastruktur. „Es kommt natürlich auf den Use Case an, den ein Unternehmen umsetzen will. Da sind die Anforderungen an die Infrastruktur sehr unterschiedlich“, grenzt Florian Böttcher ein. CANCOM Austria unterstützt seine Kunden in genau der Frage. Anwendungen wie das Training von KI-Modellen würde aus gutem Grund kaum in Österreich umgesetzt. „KI ist sehr stromhungrig und entwickelt viel Hitze. Das ist schwierig für ein eigenes Data-Center im Unternehmen, gerade wenn man die Strompreise in Österreich ansieht“, so Böttcher.

„Rechenleistungs-Hunger“ von KI könnte sich in Zukunft verringern

Wichtig sei es letztlich, sich als Unternehmen sehr klar darüber zu sein, was man umsetzen wolle. „Danach, welche Software-Lösung man für seinen Use Case einsetzen muss, richtet sich auch die Infrastruktur“, so Böttcher. Er erwarte aber auch, dass die KI-Modelle im nächsten Entwicklungsschritt effizienter werden und der „Rechenleistungs-Hunger“ sich verringere.

Patrick Ratheiser ergänzt: „Es ist grundsätzlich eine Kostenfrage.“ Unternehmen müssten sich sehr gut überlegen, ob sie ein eigenes LLM (Large Language Model) betreiben und dieses sogar selbst trainieren wollen, oder lieber doch eine Usage-basierte Lösung wählen. Er sehe bei österreichischen Unternehmen – auch bei größeren – eine klare Tendenz zur zweiten Variante. „Es lässt sich deutlich schneller einrichten, ist kalkulierbarer und auch viel schneller skalierbar“, erklärt Ratheiser.

Etwa im Forschungsbereich sei es jedoch wichtig und notwendig, auch eigene LLMs und die damit verbundene Infrastruktur zu betreiben. Doch auch die Möglichkeit von hybriden Lösungen biete sich an. „Man kann mittlerweile auch Teile in der Cloud lassen und Teile On-Premise. Man kann etwa nur ein datenschutzsicheres LLM selbst betreiben“, erklärt der Experte, der auch bei der Wahl der genutzten Modelle einen hybriden Ansatz empfiehlt: „Man braucht nicht für alle Use Cases das neueste Modell. Manchmal braucht man überhaupt kein LLM.“

Datenschutz: Einige Herausforderungen bei LLMs

Stichwort: Datenschutz. Hier schafft die europäische Datenschutzgrundverordnung (DSGVO) im KI-Bereich besondere Herausforderungen, weiß Natalie Ségur-Cabanac, die vorab betont: „Ich persönlich halte die DSGVO für ein gutes Regulierungswerk, weil sie sehr viel Spielraum gibt. Ich sage immer: Datenschutz ist sehr komplex, aber nicht kompliziert.“ Konkret seien etwa der Grundsatz der Zweckbezogenheit, also dass man Daten nur für konkrete Zwecke einsetzen darf, und dass man sie minimierend einsetzen muss, relevant für den KI-Bereich. „Da haben wir schon einen Konflikt, weil man ja [bei LLMs] erst einmal schaut, was man aus möglichst vielen Daten machen kann“, so die Expertin.

Ist KI rechtlich innerhalb der EU sogar per se in einem Graubereich?

Auch Transparenzbestimmungen – sowohl in der DSGVO als auch im AI-Act der EU – seien zu beachten. „Wenn ich KI verwende, muss ich auch wissen, was drinnen ist“, fasst Ségur-Cabanac zusammen. Ist KI also rechtlich innerhalb der EU sogar per se in einem Graubereich? „Nein, das glaube ich nicht. Aber man muss seine Hausaufgaben schon gut machen“, sagt die Expertin. Wichtig sei daher auch die im Rahmen des EU-AI-Acts eingeforderte KI-Kompetenz in Unternehmen – im technischen und rechtlichen Bereich.

KI-Kompetenz als zentrales Thema

Patrick Ratheiser stimmt zu: „Neben der Technologie selber sind bei unseren Kunden die Mitarbeiter ein Riesen-Thema. Man muss sie nicht nur wegen dem AI-Act fit bekommen, sondern es geht darum, sie wirklich auf die Anwendungen einzuschulen.“ Wichtig seien dabei auch die Kolleg:innen, die sich bereits mit dem Thema auskennen – die „Pioniere“ im Unternehmen. „AI Literacy ist sicherlich das Thema 2025 und in nächster Zeit. So, wie wir gelernt haben, mit dem Smartphone umzugehen, werden wir es auch mit generativer KI lernen“, so Ratheiser.

„Einfach einmal ausprobieren“

Stephan Kraft ergänzt: Neben einer soliden Datenbasis und der notwendigen Kompetenz brauche es bei KI – gerade auch im Bereich Open Source – noch etwas: „Einfach einmal ausprobieren. Es braucht auch Trial and Error. Das ist vielleicht oft das Schwierigste für CFOs und Geschäftsführer.“ Dieses Ausprobieren sollte aber innerhalb eines festgelegten Rahmens passieren, damit die KI-Implementierung gelingt, meint Natalie Ségur-Cabanac: „Unternehmen brauchen eine KI-Strategie und müssen wissen, was sie mit der Technologie erreichen wollen.“ Auch sich mit den zuvor angesprochenen rechtlichen Anforderungen – Stichwort Compliance – zu beschäftigen, komme zeitlich erst nach der Festlegung der Strategie.


Die gesamte Folge ansehen:

Die Nachlesen der bisherigen Folgen:

Folge 1: “No Hype KI – wo stehen wir nach zwei Jahren ChatGPT?

Folge 2: “Was kann KI in Gesundheit, Bildung und im öffentlichen Sektor leisten?

Folge 3: “Der größte Feind ist Zettel und Bleistift”: Erfolgsfaktoren und Herausforderungen in der KI-Praxis”

Folge 4: KI-Geschäftsmodelle: “Wir nutzen nur einen Bruchteil dessen, was möglich ist”


Die Serie wird von brutkasten in redaktioneller Unabhängigkeit mit finanzieller Unterstützung unserer Partner:innen produziert.

No Hype KI
Toll dass du so interessiert bist!
Hinterlasse uns bitte ein Feedback über den Button am linken Bildschirmrand.
Und klicke hier um die ganze Welt von der brutkasten zu entdecken.

brutkasten Newsletter

Aktuelle Nachrichten zu Startups, den neuesten Innovationen und politischen Entscheidungen zur Digitalisierung direkt in dein Postfach. Wähle aus unserer breiten Palette an Newslettern den passenden für dich.

Montag, Mittwoch und Freitag