28.08.2024
INTERVIEW

Entrepreneurship-Experte Vyakarnam: „Ein Startup ist ein aufregender Albtraum“

Interview. Shailendra Vyakarnam, ist Professor, Mentor und Investor. Im Interview gibt er uns Einblicke über Tiger und Kamele und warum Einhörner für ihn keine Prioriät haben.
/artikel/entrepreneurship-experte-vyakarnam-ein-startup-ist-ein-aufregender-albtraum
Ein Mann lacht in die Kamera
Shailendra Vyakarnam (c) IECT Summer School

Im Rahmen der I.E.C.T. Summer School hat brutkasten mit Shailendra Vyakarnam gesprochen. Vyakarnam ist Experte auf dem Gebiet der Entrepreneurship Education. Auf Einladung von Hermann Hauser, dem österreichischen Unternehmer und Risikokapital-Investor, kommt der Experte seit Jahren nach Tirol. Er will unternehmerisches Denken durch Information und Inspiration fördern und diese Leidenschaft wird im Gespräch deutlich. Er erklärt, warum Einhörner für ihn keine Priorität haben und was erfolgreiches Wachstum bedeutet.

Vyakarnam über den Wandel am Entrepreneurship

brutkasten: Bereits seit zehn Jahren sind Sie in Tirol an der I.E.C.T. Summer School zu Gast. Welche Entwicklungen konnten Sie in dieser Zeit mitverfolgen?

Vyakarnam: Was ich beobachte, ist ein Wandel zugunsten des Entrepreneurship. Die Teilnehmer:innen der Summer School scheinen besser informiert zu sein. Früher gab es den Spirit von „Ist das in Ordnung, darf man das überhaupt tun, ist es ethisch, das zu tun?“ Jetzt haben die Bewerber:innen, die kommen, eher bodenständige und praktische operative Fragen. Damit meine ich nicht, sie würden Ethik außer Acht lassen. Ich denke aber, dass vor zehn Jahren die Einstellung von Entrepreneurs eher war: „Lasst uns zuerst um Erlaubnis bitten und dann handeln.“ Das hat sich geändert.

Und worin sehen Sie den Grund für diesen Wandel den Sie beobachten?

„Everybody is breathing entrepreneurship!“ Unternehmertum liegt einfach in der Luft. Die Medien wie eures spielen dabei eine wichtige Rolle – Podcasts, Artikel und Zeitungen tragen ihren Teil dazu bei und immer mehr Firmen sind involviert. Die Gesellschaft erkennt, dass Unternehmertum eine echte Option ist. Vielleicht ist es auch die Realität der globalen Wirtschaftskrise.

Auch die Finanzierung im Universitätslektor, die nicht mehr so großzügig ist wie in der Vergangenheit, spielt eine Rolle. Doktorand:innen, die früher eine akademische Karriere angestrebt hätten, denken jetzt: „Es gibt vielleicht ein Leben außerhalb der Universität, wo ich eine junge Familie gründen, ein Leben aufbauen und etwas bewirken kann.“

eigene Darstellung / Daten: IECT Summer School

Sie verbringen viel Zeit mit Gründer:innen und jenen die es werden wollen. Welche Themen beschäftigen Ihre Student:innen am meisten?

Ich denke, wenn wir auf Deep Tech, Wissenschaft und Technologie schauen, sind die am häufigsten gestellten Fragen jene nach geistigem Eigentum. Sie wollen wissen – wem gehört die Idee und wie trennt man das von der Universität, aus der die Idee stammt? Das ist ein sehr häufiges Thema. Das zweite ist natürlich die Frage nach Kapitalbeschaffung. Wo bekommt man Finanzierung für die Idee? Das wollen Gründer:innen immer wissen.

Einhörner, Kamele und Tiger

Die Frage nach Wachstum und Skalierung von Startups ist eine, mit der Sie sich beschäftigen. Darüber haben Sie auch Ihr Buch mit dem Titel „Camels, Tigers and Unicorns“ geschrieben. Welche dieser Startup-Prägungen finden Sie am interessantesten und warum?

Mir sind Kamele und Tiger am liebsten. Nehmen wir das Kamel, es ist ein Langstreckentier. Ein Kamel konserviert seine Ressourcen und bleibt beständig bei seiner Tätigkeit. Der Tiger hingegen ist ressourcenhungrig, oft auf der Jagd und auf der Suche nach mehr. Dann gibt es das Einhorn. Das Einhorn ist einfach eine Erfindung der Menschheit und des Silicon Valleys. Die Einhörner-Startups existieren zwar. Politiker:innen lieben sie. Die Gesellschaft liebt sie. Damit zelebrieren sie aber nur das Geldverdienen und nicht den Impact, den diese Unternehmen haben.

Das steht so übrigens nicht im Buch, das ist nur meine Meinung. Ich finde es nämlich nicht besonders aufregend, wenn wir nur Menschen, die Milliardäre werden zelebrieren. Was ich viel spannender finde, ist, wenn wir Gutes tun und dabei erfolgreich sind. Wenn unsere Unternehmen einen Unterschied machen und dabei Geld verdienen. Das kann ein Kamel oder ein Tiger sein. Eines hat mehr Ausdauer, das andere mehr Lebendigkeit.

Hat der Fokus auf Einhörner nicht auch mit der Erwartung, die Gründer:innen oft an sich selbst haben, etwas Außergewöhnliches zu schaffen? Besonders erfolgreich zu sein?

Ich denke, wir atmen zu viel von dem Zeug von Elon Musk, Steve Jobs, Bill Gates und diesen exotischen Vorbildern ein. Ich glaube, dass jemand so viel geschafft hat, bewegt junge Leute. Und natürlich auch die Medien, denn das sind spannende Geschichten, über die man schreiben kann. Aber wenn man sich die Unternehmenslandschaft anschaut, ist die überwiegende Mehrheit entweder Kamel oder Tiger.

Zu Ihrer Erfahrung im Bereich Coaching und Mentoring von Gründer:innen. Gibt es einen Rat, den Sie besonders häufig an Startups weitergeben?

Wahrscheinlich die Frage nach dem Purpose. Ein Unternehmen muss einen Zweck haben. Ich kann persönlich keine weitere Geschäftsidee ertragen, in der es nur darum geht, Geld zu verdienen. Wenn sich Menschen zusammenfinden, müssen sie wissen, warum sie das tun. Was wird sie morgens aufwecken? Was wird Sie den ganzen Tag lang begeistern? Warum würden Leute darin investieren und warum würden Kunden begeistert sein? Die Antwort ist: Dort, wo etwas einen echten Zweck hat, um ein echtes Problem für echte Menschen zu lösen.

über die Wachstumsphasen

Jetzt ist der Purpose definiert und klar. Die Gründer:innen sind mitten im Tun und wollen wachsen. Sie suchen Rat und fragen nach den richtigen Skalierungsschritten. Was sagen Sie ihnen?

Ich habe viel mit sogenannten Wachstumsunternehmen gearbeitet. Dabei gibt es fünf wesentliche Komponenten, auf die ich als Mentor immer gepocht habe: Erstens: Die Strategie des Unternehmens klären. Dies ist ein Kernelement, das geht auch wiederum auf den Purpose zurück. Das große Warum.

Zweitens: Die Bedürfnisse der Kund:innen tiefgreifend verstehen und sich auf das Produkt und die Anforderungen der Kunden:innen konzentrieren. Gibt es genügend Bedarf? Hier spielen sowohl psychologische als auch wirtschaftliche Aspekte eine Rolle.

Drittens: Get the numbers right! Es ist wichtig zu verstehen, wie die Zahlen im Unternehmen funktionieren. Dazu gehören die detaillierten Zahlen, die Gewinn- und Verlustrechnung, die Bilanz, die Managementberichte, die Herkunft der Gewinne und das Geschäftsmodell, das all dies ermöglicht.

Viertens: Das Team aufbauen und die Teamqualität sicherstellen. Dies betrifft sowohl die Rollen im Team als auch die Interaktionen innerhalb des Teams.

Zu guter Letzt: All diese Elemente zusammenführen, um einen Plan zu erstellen, damit klar ist, was genau umgesetzt werden soll. Es geht also sowohl um die analytische Betrachtung als auch um die praktische Umsetzung.

Gibt es in diesen Wachstumsphasen Fehler, die Sie bei Startups häufig beobachten? Welche Aspekte werden Ihrer Erfahrung nach oft übersehen?

Das ultimative Scheitern ist es, kein Geld mehr zu haben. Also nicht aufzupassen, wie Startups ihr Geld ausgeben. Das ist ein sehr kritischer Aspekt. Operativ gesehen: Nicht zu verstehen, wo sie im Markt stehen und daher nicht zu wissen, wie sie das Angebot erstellen müssen, das tatsächlich den Bedürfnissen der Kund:innen entspricht. Wenn das zu lange dauert, werden sie früher oder später kein Geld mehr haben. Das ist definitiv ein häufiges Problem. Das Leben eines Startups ist eine Achterbahnfahrt. Ein Startup ist ein aufregender Albtraum. Es passiert immer irgendwas. Und in einem Startup können sie sich auf so viele verschiedene Arten in Schwierigkeiten befinden.

In welcher Phase der Achterbahnfahrt kommen Startups dann auf Sie zu und fragen um Rat?

Oft kommen Entrepreneurs mit einer Idee zu mir. Dann beginnt man Themen wie die Kundschaft und die Probleme zu erörtern. Das hilft schon meist. Wenn sie zurückkommen, ist das oft, wenn sie die nächste Wachstumsphase finanzieren müssen und fragen, ob ich sie an bestimmte Kontakte weiterleiten kann oder ob ich ihnen anderweitig helfen kann.

Mit Freunden haben wir ein Modell namens „Quiet Accelerator“ entwickelt. In diesem Modell sprechen wir mit Founder:innen, die sehr frühe Ideen haben und unterstützen sie dabei, über ihren Weg nachzudenken, und in einigen Fällen haben wir auch erste Gelder investiert. Wir bleiben gelegentlich in Kontakt, um zu sehen, wie es ihnen geht.

Wie wissen Gründer:innen, wann es Zeit ist, in die Wachstumsphase überzugehen? Wann ist der richtige Zeitpunkt, um größer zu werden? Welche Vorarbeit muss dafür geleistet werden?

Die meisten Unternehmen erreichen nach etwa sieben Jahren Stabilität mit wiederkehrenden Einnahmen von mindestens zwei oder drei Kunden. Ehrlich gesagt spielt es keine Rolle, aus welchem Sektor sie kommen, es scheint etwas Magisches an diesen sieben Jahren zu geben. Bitte testen Sie diese Hypothese bei so vielen Personen wie möglich.

Wachstum ist möglich, wenn ein wiederholbares, skalierbares Geschäft vorliegt, mit wiederkehrenden Einnahmen. Bis dahin ist ein Startup von Risikokapitalgebern abhängig. Das ist ein anderes Wachstumsmodell: Risikokapital strebt an, durch den Verkauf des Unternehmens Gewinne zu erzielen, nicht unbedingt durch die Skalierung des Geschäfts.

Wachstumsphasen gehen auch mit Investitionen einher. Manchmal müssen sich Startups daher entscheiden, ob sie lieber profitabel bleiben oder wachsen wollen. Was für einen Tipp haben Sie hier?

Ich denke Finanzierung durch Bankschulden sind eine der gefährlichsten Maßnahmen. Spekulativ würde ich diese Strategie für das Wachstum nicht verfolgen. Ich würde Schulden ausschließlich zur Finanzierung meines Betriebskapitals verwenden, was Teil des Wachstums ist. Ich würde sie nicht nutzen, um eine neue Fabrik zu bauen oder Ausrüstung anzuschaffen. Stattdessen würde ich nach Investor:innen, Zuschüssen und möglicherweise langfristigen Krediten suchen, aber nicht nach regulären Schulden, die ich laufend bedienen muss.

Wie definieren Sie einen gelungenen Skalierungsprozess? Wann hat ein Startup Ihrer Meinung nach einen erfolgreichen Wachstumsschritt vollzogen?

Wenn es immer mehr zufriedene Kund:innen gibt, die bereit sind zu zahlen und deren Leben dadurch verbessert wird. Unternehmen, die über viele Jahre des Industrialisierungsprozesses gewachsen sind, sind Beispiele für erfolgreiches Wachstum. Natürlich haben wir auf diesem Weg auch den Planeten belastet. Daher müssen wir darüber nachdenken, wie wir künftig vorgehen. Wenn Sie mich also fragen, was in zehn Jahren ein gutes Wachstumsunternehmen ausmacht, dann ist es eines, das Teil einer Kreislaufwirtschaft ist, in der alle im Team verstehen, warum sie dabei sind und welchen Beitrag sie leisten. Alle verdienen Geld, aber wir zerstören damit nicht den Planeten.


Zur Person

Dr. Shailendra Vyakarnam war Gründungsdirektor des Centre for Entrepreneurial Learning an der University of Cambridge und ist derzeit Gastprofessor am Bettany Centre for Entrepreneurship an der Cranfield University. Er ist Mentor, Coach und Investor und lehrt im Rahmen der I.E.C.T. Summer School.

Zur IECT Summer School

Hermann Hauser und sein „Cambridge-Netzwerk“ teilen in Innsbruck ihr Knowhow und angewandtes Wissen mit den Gründer:innen, damit sie in den Bereichen Produktmanagement, Customer Value Proposition, Marketing, Business Model, IP Strategy und Finance möglichst erfolgreich sind.

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