02.12.2016

Das große Startup-Glossar: P bis T

Wohl bei kaum einem Thema werden Anglizismen in so einer Dichte und mit so einer Selbstverständlichkeit genutzt, wie wenn es um Startups geht. Doch verstehen das auch alle, die neu in der Community (bitte nicht Gemeinschaft) sind? Der Brutkasten packt sich selbst am Kragen (vielleicht auch am Stiefelriemen) und bringt ein halb ernstes Glossar für die ersten Steps im Ecosystem.
/artikel/startup-glossar-p-bis-t
(c) fotolia.com - TungCheung

Teil vier des Brutkasten-Startup-Glossars: Diesmal zeigen wir, warum man beim Pitch qreativ sein muss, um die Milestones auf der Roadmap zu erreichen und so zu skalieren, dass man die meiste Traction hat, oder so.


A – E | F – J | K – O | P – T | U – Z


P

Pitch

Redest du noch, oder pitchst du schon? Pitchen bedeutet, kurz und prägnant sein Geschäft bzw. seine Business-Idee vorzustellen. Startup-Founder pitchen immer und überall. Nicht nur Investoren, nein alle sollen vom genialen Konzept überzeugt werden. Man braucht ja schließlich auch Kunden. Statt zu werben, pitcht der Gründer von heute. Er pitcht seine Idee auch gegenüber Freunden und Familie. Dann stellt sich natürlich häufig die Frage: „Wie pitch ich das vor meiner Oma?“ Die Frage ist wichtig, denn sie kann helfen, den richtigen Pitch für weniger fachkundige Investoren und Kunden zu finden. Denn nur wer verständlich pitcht, pitcht auch erfolgreich. Dann bleibt noch eine linguistische Frage: Ist ein durch einen Pitch lukriertes Investment ein „son of a pitch“?

Player

In anderen Bereichen gibt es Akteure. Im Startup-Universe playen Player das Big Game, bis sie von Game-Changern disruptet werden. Player sind alle, von Institutionen über Corporates bis zu den Startups selber. Um innerhalb der Gruppe zu differenzieren, unterscheidet man daher Big Player und einfach nur Player. Denn natürlich will niemand als Small Player bezeichnet werden, auch wenn das häufig angebracht wäre. Nun denn, mögen die Games weitergehen!

PR

Es sind zwei Buchstaben, die über Leben und Tod einer Firma entscheiden können. Sie stehen für „Public Relations“, was sich mit Öffentlichkeitsarbeit übersetzen lässt. Neben Werbung beinhaltet das unter anderem auch den Umgang mit Medien, zum Beispiel mit dem Brutkasten. Daher an dieser Stelle ein paar Tipps von unserer Seite:

  • Erstens: Eine Presseaussendung sollte Informationen enthalten. Informationen. Also weniger „Wir sind super duper“ und mehr „Wir machen dies und jenes und zwar so und so.“ Informationen halt.
  • Zweitens: Unter Berücksichtigung von erstens ist weiters zu beachten, dass diese Informationen so aufbereitet sein sollten, dass sie für den Adressaten, also uns, verständlich sind. Ob ihr es glaubt oder nicht, wir haben alle nicht an der TU studiert. Wir wollten nämlich Journalisten werden, oder so.
  • Drittens: Wenn ihr erstens und zweitens befolgt habt und wir dann noch immer nicht darüber schreiben, kann es zwei Gründe haben: Entweder, wir haben gerade einige Geschichten am Laufen, die aktuell sind und vorher raus müssen und holen das einige Zeit später nach. Oder wir finden es einfach nicht so spannend. Sorry! PS: Einmal nachhaken kann sich auszahlen. Zweimal nicht.
  • Viertens: Wenn ihr wollt, das wir dann auch wirklich über euch schreiben, seid für Rückfragen erreichbar.
  • Fünftens: Man muss nicht immer alle Rückfragen beantworten (können). Aber Schweigsamkeit ist in der PR nicht die höchste Tugend. Für unsere Artikel benötigen wir nämlich Informationen. Und so schließt sich der ewige Kreislauf der PR.

Q

Qualifikation

Ja, Qualifikationen braucht man nicht nur, wenn man sich um einen Job bewirbt. Man braucht sie auch, oder besser noch: viel mehr, wenn man sein eigenes Business startet. Verfügt man über einzelne Qualifikationen, wie etwa wirtschaftliche, technische oder verkäuferische, persönlich nicht, ist das keine Schande. Die adäquate Reaktion ist dann jedoch von erheblicher Wichtigkeit: Man muss sich Personen mit entsprechenden Qualifikationen ins Team holen. Auch dann ist noch Vorsicht geboten: Wenn man als Chef nur von einem Bereich Ahnung hat, sollte man sich auch überlegen, jemand anderen als Chef ins Team zu holen. Denn um Chef zu sein braucht es bestimmte Qualifikationen, etwa jene, den Überblick zu haben.

Q-wasauchimmer

Q ist qool und qreativ. Daher ist der 17. Buchstabe im Alphabet besonders beliebt als Anfangsbuchstabe von Startups und ihren mega angesagten Produkten. Damit stellen sie eine Qonnection zu ihren Qunden her bzw. qödern sie mit all der Qoolness. Qenial!


R

Recruiting

Startups brauchen fähige Leute (⇒ siehe Qualifikation). Manchmal laufen sie einem einfach zu. („Die ist sooo toll! Können wir sie behalten, bitte?“ usw. – jeder kennt die Geschichte.) Doch häufig bedarf es Recruiting. Diese hohe Kunst der Personalbeschaffung hat zwei Seiten: Die vordere Seite gilt für alle Firmen in gleichem Maße. Die recruiteten Leute müssen wirklich qualifiziert sein und nicht nur den Anschein erwecken. Vorsicht, manche erwecken den Anschein nicht, sind aber entsprechend qualifiziert. Ein Tipp: Freunde von Freunden sind häufig nicht die beste Wahl. Die hintere Seite gilt für Startups stärker als für andere. Die wirklich qualifizierten Leute haben im Normalfall die Möglichkeit, wählerisch zu sein. Man muss ihnen als Arbeitgeber also etwas bieten. Und sie müssen überhaupt einmal auf einen kommen. Legt euch dafür schon mal einen ganz besonderen Pitch zurecht, ihr wackeren Founder.

Rentabilität

Das sollte man so schnell wie möglich nach der Gründung erreichen. Es bedeutet, dass etwas mehr Geld einbringt, als es kostet. Für die Rentabilität sind einige andere Milestones vollkommen irrelevant. Ein Beispiel: Das Startup hat schon tausend Kunden? Es kann eine Million haben und sie bringen nichts, wenn das ganze nicht rentabel ist. Wichtig ist es daher, mit einem realistischen Buisinessplan zu arbeiten. Wenn man selbst nicht weiß, wie man so etwas erstellt, sollte man sich Hilfe holen. Wenn die Hilfe sagt, es lässt sich mit diesem Produkt realistisch kein Geschäft machen, sollte man sich gut überlegen, ob sie nicht vielleicht Recht hat.

Roadmap

Was ist das für 1 Journey? Ein Startup, das wurde inzwischen mehrfach und ausführlich dargelegt, sollte einen Plan verfolgen. Oder besser: mehrere Pläne von kurz- bis langfristig. Und weil wir hier von der Startup-Community speaken, ist der Middle- bis Longterm-Plan natürlich eine „Roadmap“ und nicht ein „Plan“ oder so etwas abwegiges. Die Metapher bringt’s, denn auf unserer Road to Success haben wir jede Menge Milestones, die auf der Roadmap eingezeichnet sind. Wer sie alle nacheinander erreicht, oder sogar schneller als geplant dort ist, kann potentially das Game changen.


S

Seed-Finanzierung

Um ein Business zu starten, braucht es vieles, aber vor allem Geld. Ist man nun in der Situation, dass man außer einer Idee (einem Samen) noch nichts vorzuweisen hat, aber ordentlich Geld braucht, um überhaupt einmal mit der Realisierung (Baum) beginnen zu können, findet man bei Banken meist kein offenes Ohr. Wer keinen reichen Onkel hat, muss sich einen suchen. Business Angels und VCs übernehmen den Job und glauben an einen, wenn es sonst niemand tut, vorausgesetzt, sie haben Anlass an einen zu glauben. Und so gießen sie den Samen in der Hoffnung, dass daraus ein prachtvoller Baum wird, der ihnen jedes Jahr säckeweise Früchte beschert. Im Notfall geben sie sich vielleicht auch mit einem Strauch zufrieden, von dem sie jährlich zwei Beeren abbekommen.

Skalierbarkeit

In einigen gängigen Definitionen ist es eine essenzielle Voraussetzung dafür, dass ein Jungunternehmen als Startup gilt: Es muss skalierbar sein. Wachstum, Wachstum, Wachstum! Das ist die Devise unseres Wirtschaftssystems und damit auch jene der Startup-Welt. Daher, so heißt es, muss man von Beginn an groß denken und einen Plan vorlegen, wie man die Welt(markt)herrschaft an sich reißen kann. Genau diesem Umstand könnte es auch geschuldet sein, dass in unserer Startup-Welt gelegentlich etwas Selbstüberschätzung anzutreffen ist. Gelegentlich, etwas.

smart

Dass Startups dafür sorgen, dass alles smart bzw. „smart“ wird, wurde an anderer Stelle in diesem Glossar (⇒ Internet of Things) bereits beschrieben. Daher bringen wir hier nur ein weiteres Beispiel: Ja, es gibt ihn, den smarten Penisring, der über Geschwindigkeit und Einfallswinkel die Gesamtperformance beim Sex analysiert. Darauf hat die Welt gewartet!

Social Media

Dei sozialen Medien sind die Möglichkeit, wenn man es geschickt anstellt, gratis die ganze Welt mit seinem Produkt zu erreichen. Naja, fast gratis, man muss hin und wieder einen Post sponsern, um Reichweite zu bekommen. Naja, vielleicht doch lieber jeden Post sponsern. So zehn Euro pro Post… Na vielleicht doch lieber 100, damit die Performance passt… Oida, warum hat der Post noch immer so eine miese Reichweite?

Speaker

Auf Startup-Events ist das Lineup ein Essential. Hat das Organization Team coole Speaker gefunden, die in ihren Speeches und der anschließenden Panel Discussion für den nötigen Drive und Spirit sorgen? Nur dann wird das Event zum Big Success. Andernfalls droht es zu failen.


T

Team

„There is no I in team“, heißt es. Diese verallgemeinernde Aussage ist für Startups unzulässig. Hier gilt: Die coolsten Teams sind die, die aus lauter Is bestehen (man nennt sie dann trotzdem nicht Iiii). Es geht darum, die herausragendsten Persönlichkeiten für sein Founder-Team zusammenzufinden. Und die sollten dann wirklich gut miteinander zurechtkommen und sich in ihren Kompetenzen ergänzen. Ist das alles erfüllt sollten, wenn man ihren Worten Glauben schenken kann, Business Angels ganz geil auf das Startup sein.

Tech

FinTech, InsurTech, GreenTech… Startups bringen Tech-Lösungen für ganz viele Bereiche. Die ganze Startup-Szene ist überhaupt sehr Tech-lastig. Daher werden auch Dinge smart, von denen wir definitiv nicht wollen, dass sie ein Eigenleben entwickeln. Und Menschen, von denen wir nicht wollen, dass sie überhaupt irgendetwas über uns wissen, wissen was wir gefrühstückt haben und noch viel schlimmere Dinge. Aber um fair zu bleiben: Ohne Tech ist halt in der Geschichte auch noch nie etwas weitergegangen.

Traction

Davon wollen alle App-Startups (also fast alle Startups) mehr. Das Wort ist schwer zu definieren – es fasst die Anzahl an (aktiven) Nutzern, die Häufigkeit ihrer Interaktionen und die Profitabilität des ganzen und noch ungefähr 20 weitere Parameter zusammen. Das dürfte auch der Grund für die ungeheure Beliebtheit des Worts in der Startup-Community sein. Auf Nachfrage, was das eigentlich ist, gibt es dann die beliebte Antwort: „Na Traction halt, weißt eh.“


A – E | F – J | K – O | P – T | U – Z

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