14.05.2015

Business Angel Wagner verrät im Gespräch neun Tipps für den M&A-Prozess

/artikel/business-angel-wagner-verraet-im-gespraech-neun-tipps-fuer-den-ma-prozess
Markus Wagner am Business Angel Day in Wien.

Markus Wagner blickt auf eine spannende Karriere zurück. Der geborene Wiener gründete vor der Jahrtausendwende mit anderen Studenten die wap.at Internetservices GmbH. Er entwickelte mit seinem Team Applikationen für mobile Endgeräte – damals, als Handys noch keine Allrounder waren. Wer sich noch an „Starmania“, die Musikshow im ORF, erinnern kann, kennt eines seiner Produkte: Seine Firma ermöglichte damals das Handy-Voting. Er leitetete das Unternehmen, das später unter dem Namen Xidris tätig war, bis 2004. Schnell erreichte es internationale Bekanntheit und wurde zu einem der führenden Service-Provider in der mobilen Kommunikationsbranche. Nachdem die Firma mit zwei weiteren Firmen fusioniert wurde, verkaufte man das Unternehmen im Jahr 2006 um über 50 Millionen Euro an den US-Konzern VeriSign Inc. Ein Jahr später gründete Wagner den Inkubator i5invest. Die  “Startup Factory” unterstützt Unternehmen der High-Tech und Digitalindustrie. Seit dem Start kann das Unternehmen auf zahlreiche erfolgreiche Startup-Gründungen und Exits zurückblicken. Im Jahr 2010 wurde er als „Business Angel of the Year“ in Wien ausgezeichnet. Heute baut er im Silicon Valley eine Zweigstelle des Startup-Inkubators auf.

In einem Interview mit der Presse verrät er Tipps für den M&A-Prozess, die derBrutkasten nicht vorenthalten möchte.

Welche Unternehmen haben Sie wann gegründet?

2001 gründete ich meine erste Firma, 3united AG, die 2006 an den börsennotierten US-Internetkonzern VeriSign um 60 Millionen Eur im Silicon Valley verkauft wurde.

2007 folgten i5invest m&a advisory und startup accelerator. Dannach folgten eine ganze Reihe von Unternehmens-Mitgründungen durch die i5invest: 123people – Personensuche 2007, Tripwolf – mobile Reiseführer 2007, Adspired Technologies, und seit 2014 i5growth Inc. in Palo Alto.

Wie sind Sie auf die Idee gekommen, gerade diese Unternehmen zu gründen?

Neben meinem Studium (Telekommunikations Technik) habe ich drei Jahre bei max.mobil (nun T-Mobile) gearbeitet. Dort habe ich Datendienste am Handy mitentwickelt. Dort kam mir auch der Gedanke, dass in Zukunft nicht mehr Mobilfunkbetreiber diese Services anbieten werden, sondern Internetfirmen, Medienfirmen etc. Die Technische Plattform dafür hat 3united AG aufgebaut – vom Starmania-Voting bis zum Handy-Ticketing.

Welche Unternehmen davon führen Sie heute noch?

„i5growth Inc.“ im Silicon Valley. Bei „i5invest m&a advisory“ bin ich Vorsitzender des Beirats.

Woran haben Sie erkannt, dass jetzt der richtige Zeitpunkt ist, sich von einem bestimmten Unternehmen zu trennen?

a) Wenn es zum gleichen Zeitpunkt mehrere interessante Käufer gibt, die großes Synergiepotential mit dem Unternehmen haben und es für das weitere Wachstum spannend ist. Ist es für den Käufer sehr spannend, ist es meist auch für den Verkäufer sehr spannend.

b) Somit der Preis passt und

c) wenn Lust und Ideen für etwas Neues da sind.

Wie haben Sie den Verkauf angebahnt? Wie haben Sie Ihre Gesprächspartner ausgesucht?

Ein Merger & Akquisition, also ein Unternehmensverkaufsprozess benötigt viel Erfahrung und Unterstützung. Seit nunmehr acht Jahren unterstützen wir mit i5invest m&a advisory Tech-Unternehmen aus CEE bei der Verkaufs-Anbahnung. Damals gab es in CEE keine passende Expertise. Also haben wir den größten Teil des Prozesses selbst organisiert, teils mit US-amerikanischer Unterstützung. Seit acht Jahren bieten wir in der i5invest m&a advisory diesen Service nun auch anderen europäischen Tech-Unternehmen an. Das hat bereits viel Dynamik in die österreichische Tech-Szene gebracht und aus vielen Entrepreneurs Serial-Entrepreneurs gemacht.

In so einem Prozess muss man mit sehr vielen potentiellen Käufern sprechen – nicht immer sind die interessantesten Käufer auf den ersten Blick als solche identifizierbar. Wichtig ist, dass der Prozess professionell gemanaged wird und in einem strategischen Bieterverfahren der Bestbieter identifiziert wird. Haben Gesellschafter und/oder Management dann eine Präferenz für einen anderen Käufer, ist dieser Prozess davor auf alle Fälle sehr wichtig, um den „Marktpreis“ zu ermitteln. Parallel dazu wird mit Finanzmodellen eine Firmenbewertung gerechnet und das Synergie-Potential mit den einzelnen potentiellen Käufern abgeschätzt. Diese und weitere Verkaufsvorbereitungen sowie die Einrichtung eines Datenraumes für eine Due Diligence etc. muss parallel zum operativen Business einer Company durchgeführt werden. Auch da braucht es in der Regel viel externe Unterstüztung, sodass das Management viel Augenmerk auf das Wachstum der Firma legen kann. Nichts schädlicher als wenn die eigenen Prognosen nicht eingehalten werden können – geübte Firmeneinkäufer benützen Ablenkung und gezielte Beschäftigung auch als Strategie um später den Kaufpreis zu drücken, wenn die Zahlen verfehlt werden.

Welche Schritte waren beim Verkauf zu gehen?

1. Schritt: Frühzeitig planen – 18-24 Monate einrechnen

2. Schritt: Verkaufskonzept erstellen

3. Schritt: Käuferkreis definieren, möglichst international, möglichst vielfältig

4. Schritt: Verkaufsprozess strukturieren, Unterlagen erstellen, Kontaktaufnahme mit Geschäftsanbahnung und strategische Gesprächen, Referenzfirmenbewertungen erstellen

5. Schritt: Angebote einholen, Verhandeln, Selektieren

6. Schritt: Due Diligence mit einem oder mehreren Interessenten

7. Schritt: Vertragsausgestaltung/Verhandlung

8. Schritt: Signing & Closing

9. Schritt: Post-Merger-Integration – die Übernahme zum allgemeinen Erfolg führen.

Was waren die größten Schwierigkeiten beim Verkauf?

Neben dem Verkaufsprozess das operative Business nicht aus den Augen zu verlieren. Laufend strategische Optionen zu aufzubauen, pflegen, auszubauen – so ein Prozess ist sehr dynamisch und birgt laufend Überraschungen. Es ist eine sehr intensive Zeit mit Höhen und Tiefen.

Was haben Sie beim Verkaufen gelernt?

Europäische Technologieunternehmen stehen qualitativ und technologisch den US-amerikanischen Unternehmen um nichts nach. Was Tech-Unternehmen hier fehlt, ist die M&A-Expertise und das selbstbewusste Auftreten in Marketing & Sales. Auch die Selbstverständlichkeit, dass anorganisches Wachstum – also Wachstum durch Zukäufe – eine selbstverständliche Option darstellen sollte. Aber eben auch das Loslösen von Assets.

Was würden Sie heute definitiv nicht mehr machen?

Wir haben viel zu langsam internationalisiert, obwohl wir uns ein aggressiveres Wachstum hätten leisten können. Vielleicht haben wir es uns damals so jung auch nicht in einem schnelleren Tempo zugetraut. Mittlerweile sind die meisten technologiemärkte so und so globalisiert, man muss in seinem Bereich rasch zum Segment-Weltmarktführer werden, sich das auch zutrauen – sonst geht man früher oder später unter.

Wann haben Sie zum ersten Mal die Idee gehabt, ein Unternehmen zu gründen?

Da kommt jetzt der Teil, wo man erzählt dass man als Sechsjähriger Fruchtsaft auf der Straße verkauft hat, oder? Nein, im Ernst: Seit ich mich erinnern kann, habe ich davon geträumt mit den eigenen Händen etwas aufzubauen. Ich war in der HTL für Nachrichtentechnik – da lernt man sehr früh Projekte zu realisieren.

Und wie lange hat es dann bis zur Umsetzung gedauert?

Gleich nach dem FH-Studium in Salzburg mit 22 (ich hatte nebenbei drei Jahre bei max.mobil (nun T-Mobile) gearbeitet und mir das Studium co-finanziert. Ich habe gekündigt (was mir schwer gefallen ist – ich hatte eine großartigen Vorgesetzten und Mentor) und gegründet. Die Berufserfahrung bei max.mobil war sehr wichtig, auch die HTL-Praktika – ganz ohne Arbeitserfahrung zu gründen ist sehr schwer.

Welche Rolle hat Ihre Familie, welche Rolle Ihre Ausbildung gespielt, dass Sie zu einem Serial Entrepreneur wurden?

Die HTL- und Fachhochschul-Ausbildung in Nachrichtentechnik und Telekommunikationstechnik war essentiell. Mit fachlichem Handwerkszeug und Know-How zu gründen ist viel einfacher, auch günstiger – weil man viel Produktentwicklung faktisch selber durchführen kann und nicht zukaufen muss und sehr schnell direkt Anpassungen am Produkt vornehmen kann. Das macht einen flink und flexibel gerade in der Startzeit. Wir hatten keinen Finanzier oder Investor, haben uns die Gründungskosten aus unseren vorherigen Einkommen und Praktika finanziert.

Viele Gründer haben mittlerweile eine Tech-Ausbildung, wir beobachten dass diese einen deutlichen Startvorteil in der Selbstständigkeit darstellt.

Mein Vater war mir sicherlich ein wertvoller Gesprächspartner: Er hat ebenfalls eine HTL-Ausbildung, hat aber sein ganzes Leben seit dem Bundesheer immer im gleichen Unternehmen gearbeitet, bis zur Pension. Hätte er es sich leisten können und nicht schon so jung so viel Verantwortung tragen müssen, hätte er sicher auch Gefallen an der Selbständigkeit gefunden – und einen großartigen Job dabei gemacht, ich habe und lerne immer noch sehr viel von ihm.

Wieviel Zeit nimmt Ihr Entrepreneurship in Anspruch?

Wenn es sehr schlecht läuft: 24 Stunden, sieben Tage die Woche. Wenn es sehr gut läuft: 24 Stunden, sieben Tage die Woche. Wenn es mittelmäßig läuft, das will man ja auch nicht: 24 Stunden, sieben Tage die Woche.

Was tun Sie gerne, wenn Sie nicht gerade ein Unternehmen führen?

Reisen, Dazulernen, mit Familie und Freunden aus ganz anderen Bereichen austauschen.

Wenn Sie kein Gründer wären, welchen Beruf würden Sie gerne ausüben?

Als Kind wollte ich auch noch Architekt und Atomphysiker werden. Aber Gründen ist ja kein Selbstzweck, vor einer Gründung sollte ja immer eine Leidenschaft für eine Idee stehen.

Was ist Ihnen zu diesem Thema noch wichtig, was hätten wir Sie noch fragen sollen?

In Europa braucht es mehr Serial Entrepreneurs und M&A-Kultur. M&A bedeut ja nicht nur, Firmen zu verkaufen, sondern auch Firmen zu kaufen – um so schneller zu wachsen, Innovationen von außen ins Unternehmen zu integrieren und so schneller zu einer starken Weltmarktführer Position aufzurücken. Firmen zu verkaufen ist ebenso wichtig für ein funktionierendes Eco-System. Erst Firmenverkäufe spielen Risiko-Investments in Technologie zurück, Gründer und Gesellschafter erhalten Geld, das häufig wieder in neue Gründungen reinvestiert wird. Meistens auch in der Region. Die Verkäufe bringen Steuereinnahmen, die meisten Investments und Neugründungen im Technologie Bereich schaffen unmittelbar Arbeitsplätze und bauen Experten auf, bilden Mitarbeiter aus etc. Eine ganze Reihe unserer frühen Mitarbeiter und Trainees sind mittlerweile selber Unternehmer, haben selbst Trainees und sogar diese Trainees gründen mittlerweile wieder usw.
Kern von all dem ist M&A-Know-How, Expertise und die Kultur Expertenwissen aufzubauen, weiterzugeben und wieder von neuem zu beginnen.

Quelle: DiePresse

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