11.09.2024
GASTBEITRAG

Change Management: Die 5 größten Fallen für Scale-Ups – und wie sie vermieden werden können

Ferry Fischer, Wirtschafts-Coach und Sport-Mentaltrainer, erklärt im Gastbeitrag, welche Fallen für Scale-Ups lauern und wie man sie löst.
/artikel/change-management-die-5-groessten-fallen-fuer-scale-ups-und-wie-sie-vermieden-werden-koennen
Fallen für Scaleups
(c) Canva/Ferry Fischer - Wirtschafts-Coach und Sport-Mentaltrainer.

Scale-Ups sind in einem permanenten Change. Mehr Mitarbeiter:innen, immer wieder Sturkturanpassungen, laufend neue Produkte, bzw. Produktanpassungen und vieles mehr. Wenn aus dem Startup ein Scale-Up wird, sind die Founder meist (zu Recht) glücklich, denn die Idee hat gegriffen, die Investoren sind überzeugt und spendabel. Und doch ist es eine Krise, die es jetzt zu bewältigen gilt. Denn, wenn hier in zu viele Fallen getappt wird, scheitert das Unternehmen oder findet sich in unangenehmen Diskussionen mit den Investoren wieder.

In den letzten Jahren habe ich einige Scale-Ups begleitet und mit dem Thema „Change von und in Unternehmen“ beschäftige ich mich als Coach und Unternehmensberater seit 30 Jahren. Aus all den Erfahrungen habe ich die 5 Fallen des Changes für Scale-Ups definiert und gebe Tipps, wie sie vermieden bzw. bewältigt werden können.

Falle Nr. 1: Ein unpräzises unemotionales Zielbild

Motivation entsteht aus dem persönlichen Entdecken meines Lustgewinns oder meiner Schmerzvermeidung beim Erreichen des Zielbildes. Kenne oder verstehe ich das unternehmerische Zielbild des nächsten Jahres nicht, dann kann ich auch keine Motivation daraus entwickeln.

Der zählbare Erfolg des Unternehmens wird über die Mitarbeiter:innen an der Basis vorangetrieben, nicht vom C-Level. Wenn also diejenigen, die mit den Kunden Kontakt haben oder die, die Apps für die Kunden programmieren, nicht emotional vom Zielbild begeistert sind, arbeiten sie mehr für Geld (denn dort finden sie dann ihren minimalen Lustgewinn) und nicht, um das junge Unternehmen zu leuchtenden Höhen zu führen.

Lösung: Entwickle ein Zielbild für die Situation in einem, max. in zwei Jahren, das die Menschen im Unternehmen berührt und wo möglichst alle ihren Lustgewinn/ihre Begeisterung dafür finden können! Die Formulierung muss dabei nicht präzise und vollständig sein.

Das ist der Fehler, den die meisten machen. Sie formulieren ganze Absätze mit möglichst jeder Kleinigkeit, die zu erreichen ist und quetschen dadurch jede Fantasie und Emotion aus dem Bild. Es geht hier um ein klares Bild, das von allen im Unternehmen als Bild verstanden werden soll. Denn: Unser Gehirn denkt in Bildern und nicht in Worten.

Praxistipp: Entwerft euer Zukunftsszenario und lasst es von einigen ausgewählten Mitarbeit:innen challengen (ob es für sie klar ist und ob es für sie erstrebenswert erscheint). Wenn das Bild fertig ist, wird es von allen Führungskräften persönlich deren Teams präsentiert und mit ihnen besprochen. Die Führungskräfte sollten auch helfen, dass jede/r im Team den persönlichen Nutzen beim Erreichen des Bildes findet. (Frei nach Viktor Frankl: „In allem ist stets ein Sinn vorhanden, er muss jedoch von jedem Menschen selbst entdeckt werden“)

Falle Nr. 2: Zu wenig Präzision im Tracking der täglichen Fortschritte (nach dem Motto: „passt schon“)

Gerade im permanenten Krisenmanagement eines Scale-Ups hat das laufende Tagesgeschäft Vorrang. Ups – und wieder in die Falle getappt, diesmal massiv. Der Teufelskreis beginnt: Ich weiß nicht, was ich zum Erreichen des gemeinsamen Ziels beitragen kann. Ich bin aber begeistert und würde gerne was beitragen. Also mache ich mir Gedanken. Nein geht jetzt nicht, es gibt eine Anfrage. Ich sollte aber was beitragen, aber was? Ui eine neue Anfrage einer Kollegin. Usw.

Am Abend geht jede/r unbefriedigt aus dem Unternehmen, weil soviel zu tun war und mir im Stress nichts Konkretes eingefallen ist, was ich zum Ziel beitragen kann oder, weil ich nicht weiß, ob das, was ich beigetragen habe auch das ist, was hilft. Die meisten Scale-Ups haben ein OKR (Objectives and Key Results) System eingeführt, das dafür ideal wäre, aber aus meiner Sicht nicht sauber angewandt wird. Meist ist es mehr ein KPI (Key Performance Indicator – Zielerreichungs)-System als ein strategisches Umsetzungs-Tool.

Lösung: Jeder im Unternehmen hat eine tägliche(!) ToDo-Liste, wo der eigene Beitrag zum gemeinsamen Ziel definiert ist und wo sichergestellt ist, dass das der bestmögliche Beitrag innerhalb des Teams ist.

Wenn Stress da ist – und der ist ja immer da – und wenn im Change sich ständig was verändert, dann ist es wichtig, dass ich eine simplifizierte Klarheit meines Beitrags habe. Den arbeite ich zügig ab und voila, jetzt habe ich nicht nur ein gutes Gefühl, meinen Beitrag für heute schon geleistet zu haben, sondern auch noch viel Zeit für Kunden, Kolleg:innen und Unerwartetes.

Klingt simpel, ist es auch. Es braucht nur die Bereitschaft von allen im Team, dieses (saubere OKR) System aufzusetzen und die Einhaltung, bzw. notwendigen Anpassungen auch laufend vorzunehmen.

Praxistipp: Frage deine Mitarbeiter:innen, ob sie genau wissen, was sie zur Zielerreichung heute beitragen können. Wenn Unsicherheit besteht, legt die Tätigkeiten gemeinsam so präzise fest, dass ihr sie wie in einer Checkliste abhaken könnt. Merke: Ich kann heute nur erledigen, was ich mir heute vorgenommen habe, daher braucht eine Strategie Aktionen, die auch heute erledigt werden können, sonst wird die Strategie nie umgesetzt werden.

Falle Nr. 3: Es gibt aktuell gerade Wichtigeres oder Dringenderes zu tun

Das Unternehmen ist nun klar ausgerichtet mit einem emotionalen Bild, die täglichen Tätigkeiten sind festgelegt und jedem/r klar. Alle sind motiviert. Aber gerade jetzt ist was ganz Wichtiges reingekommen und die Geschäftsführung muss sich fokussiert darum kümmern. Rummms – die nächste Falle hat zugeschlagen.

80% der Changes gehen schief oder verlaufen im Sand, weil die Priorität bis zum Erreichen des Ziels nicht gnadenlos bei allen auf 1 gestanden ist. Meist beginnt das im C-Level („Der Change läuft ja eh recht gut, da können wir uns anderem widmen“).

Lösung: Der Change muss die oberste Priorität haben. Bevor andere Aufgaben erledigt werden, müssen die täglichen To-Dos im Change-Prozess bearbeitet sein. Das gilt auf allen Ebenen, vom CEO bis zu den einzelnen Teammitgliedern. Wenn der Wandel auf der Prioritätenliste nicht an erster Stelle steht, wird er im Alltag untergehen.

Meine Erfahrung dabei: wenn nur ein Teil im Unternehmen die Priorität nicht auf 1 hat, ist der Change nach recht kurzer Zeit im ganzen Unternehmen zu Ende. (ist wie ein Schimmel, der sich rasant ausbreitet. Je prominenter und höher in der Hierarchie der Schimmel startet, umso rascher die Ausbreitung).

Praxistipp: Einfordern der Prio 1 von sich selbst und allen anderen. Nach dem Motto: „heimgegangen oder Bildschirm im Homeoffice abgedreht wird erst, wenn die tägliche ToDo-Liste abgearbeitet wurde“. Disziplin ist aus meiner Erfahrung essentieller Baustein des Erfolges (siehe auch Jim Collins „From Good to Great“). Ich stelle Disziplin sicher, indem ich konsequent auf die Prio 1 aufmerksam mache und darauf bestehe. Das löst dann die Motivation „Schmerzvermeidung“ aus: Ich habe zwar heute keine Lust auf meine To-Dos, aber bevor ich mir die Diskussion mit meinem Vorgesetzten oder Kolleg:innen antue, mache ich es dann doch.

Falle Nr. 4: Mangelndes Ressourcen-Bewusstsein

„Den Willen hätt ich schon, allein mir fehlt der Glaube.“ Mephistopheles in Goethes Faust bringt’s auf den Punkt, wo es nach der Vermeidung der ersten drei Fallen dann doch noch scheitern kann.

Jetzt kommen wir zum Bereich „mentale Stärke“. Wir können nur das nutzen, was uns bewusst ist. Unsere selektive Wahrnehmung ist hier oft das Problem. Wir glauben, die (neue) Situation nicht meistern zu können, weil wir ja hier kaum eine oder gar keine Kompetenz haben. Und deshalb geben wir auf. Die gute Nachricht hier ist: Es ist (nur) eine Falle und kein echter Show-Stopper.

Lösung: Wir müssen uns unsere zur Verfügung stehenden Ressourcen bewusst machen. Sie miteinander teilen, aufschreiben, clustern und dann auswählen und anwenden. Je mehr wir für eine bestimmte Aufgabe finden, umso besser. Dazu haben wir: innere Ressourcen (das eigene Wissen, die Erfahrungen, die Talente, Glaubenssätze, Fähigkeiten etc.), interne Ressourcen (die inneren Ressourcen der Kolleg:innen im Team oder Unternehmen) und externe Ressourcen (Berater, Bench-Marks von anderen Unternehmen, Cloud Wissen, AI, etc.).

Praxistipp: Jede/r im Team schreibt für ein zu lösendes Thema die inneren Ressourcen auf. Dann tauschen alle deren Findings aus und überlegen noch welche externen Ressourcen hilfreich wären. Wieder möglichst viele finden! Danach wählen alle gemeinsam die besten Ressourcen aus und beschließen wie sie angewandt werden sollen. Hat in all meinen Projekten IMMER funktioniert, um den Change sehr gut weiter voranzutreiben!

Falle Nr. 5: Das Mindset als Killer

Was immer je von Menschenhand entstanden ist, war zu aller erst ein Mindset. Wenn also das Mindset von jemanden im Change z.B. lautet: „das wird eh nix“ oder „das schaffen wir nie“, dann stoppt dort der Change und schimmelt sich voran.

Lösung: Ein auf den Change ausgerichtetes Mindset soll formuliert werden. Ein kurzer Satz, den jede/r im Change täglich oftmals anwendet, um sich selbst und andere immer wieder auf das Ziel und den Glauben daran auszurichten. Es werden so unterstützende Glaubenssätze wie „Wir schaffen das gemeinsam“, „Jeder Schritt zählt“ oder „Wir lernen aus jedem Fehler“ geformt und gefestigt, die die neue Wirklichkeit erschaffen.

Praxistipp: Beginnend beim C-Level wird ein Master-Mindset festgelegt, das dann als Unternehmens-„Mantra“ für den Change angewandt wird. Parallel dazu ist es Aufgabe aller Führungskräfte, mit deren Mitarbeiter:innen in persönlichen Gesprächen zu helfen, deren Zugang zum Master-Mindset zu finden, bzw. eigene individuelle Mindsets zu finden, die helfen, im Change dranzubleiben.

Fazit: Die 5 Fallen sind in jedem Change aufgestellt und schnappen öfter zu, als man sich eingestehen möchte. Sie können mit den Tipps in diesem Artikel vermieden werden, bzw. kann man mit ihnen aus der Falle herauskommen. Diese Tipps anzuwenden, benötigt Zeit. Die dafür aufgewandte Zeit kommt x-fach wieder rein.

Jetzt gibt es noch zwei zusätzliche Fallen für jeden Change: 1: Ich habe keine Zeit („Ausrede, um die Bequemlichkeitszone nicht verlassen zu müssen“) oder 2: Da fang ich erst an, wenn ich es genau geplant habe (auch eine Ausrede – kein Change kann ausreichend genau geplant werden. Einfach loslegen und darauf vertrauen, dass jeder Prozess ein progressives Learning auslöst – siehe Mindset!)


Mit dem folgenden Download findest du eine Checkliste zu den 5 Fallen. Diese Change-Fallen-Vermeidungs-Checkliste sollte in allen 5 Punkten mit einem eindeutigen JA von JEDEM/R Mitarbeiter:in (inkl. Führungkräften) beantwortet werden, sonst startet dort der Change-Stopper. Dieses Vorgehen ist kein hoher Anspruch, sondern eine Notwendigkeit.

Hier ist dein ToDo für heute: Starte bei deinem Team und gehe mit jedem Teammitglied die Checkliste durch. Ist nur ein Checkpunkt kein JA, dann weißt du ja jetzt, was zu tun ist…

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