01.08.2022

CDTM als Münchner Lehrstunde: Das Geheimnis der Spin-Off-Strategie

Das CDTM ist ein Joint Venture der Münchner TU und der Ludwig-Maximilians-Universität München. Bisher sind daraus über 240 Startups entstanden. Davon sieben Unicorns. Professor Klaus Diepold und der Gründer des PropTechs Alasco, Sebastian Schuon erklären das Münchner Erfolgsgeheimnis und liefern damit - auch für österreichische - Universitäten ein Fallbeispiel, wie "Spin off"-Absichten gedacht und gebaut gehören. Ein Faktor dabei: Keine Startups gründen wollen.
/artikel/cdtm-muenchner-lehrstunde-und-das-geheimnis-der-spin-off-strategie
CTDM, Klaus Diepold, Spin Off Uni, TU München, LUM,
(c) Astrid Eckert - Klaus Diepold, Professor an der Technischen Universität München, spricht über den Transfer von Bildung zu Business.

Eigentlich ist es ganz simpel, was das CDTM macht: “Wir entwickeln Innovatoren und nicht nur Startups”, erklärt Klaus Diepold, Professor an der Technischen Universität München (TUM). “Es steht nicht in unserer Agenda, Gründer zu erzeugen, sondern Talenten, die Möglichkeit zu geben, genau das umzusetzen, von dem sie glauben, dass es ist wichtig ist.”

Das CDTM (Center for Digital Technology and Management) ist ein 1998 gegründetes, gemeinsames Forschungs- und Lehrinstitut der Technischen Universität München sowie der Ludwig-Maximilians-Universität. Und sitzt “freischwebend” zwischen beiden Universitäten.

25 Plätze pro Semester fürs CDTM

Studierende aller Fakultäten können sich für das Studienprogramm bewerben, das parallel als Zusatzpaket zum Hauptstudium mitläuft. Pro Semester werden aus 300 Bewerbungen 25 Plätze vergeben.

Inhaltlich finden Teilnehmer:innen mehrere Kurse vor, konkret ein paar Kernmodule, ergänzt durch Wahlprogramme.

Im “Trend-Seminar” wird mit Industriepartnern ein Thema untersucht. Beim “Management Product Developement” sitzen kleinere interdisziplinäre Teams von maximal sechs Personen zusammen und bauen – ebenfalls mit Partnern aus der Industrie – eine Produktidee aus. Meist aus dem Interessensgebiet der Gäste. Hierbei geht es nicht bloß um Theorie, sondern es werden Prototypen entwickelt und jene gleich getestet.

Im “Entrepreneurship Lab” indes lernen Teams mit strategischen Beratern für Unternehmen das Beratungsgeschäft kennen. Und stellen sich unter anderem die Frage, wohin soll die Firmenstrategie gehen. Optional ist noch ein Auslandsaufenthalt für ein halbes Jahr an einer der Partner-Universitäten möglich. Das ganze Programm dauert drei bis vier Semester, parallel zum normalen Unterricht.

Sieben Unicorns von der TU München und der Ludwig-Maximilians-Universität

Der Erfolg beider Münchner Universitäten spricht allein in Zahlen Bände. Sieben Unicorns und über fünf Milliarden Euro, die in – übers Programm – entstandene Startups geflossen sind, zeichnen ebenso beeindruckende Fakten, wie auch die Namen jener Unicorns, die Almumnis gegründet haben: Trade Republic, die Razor Group, Personio, Tier, monzo, forto und foodora.

Man bemerkt schnell, dass zwischen Diepolds Zeilen eine zwanghafte auf Startup-Gründung ausgelegte “Joint Venture Spin Off-Strategie” in seinen Augen der falsche Weg wäre, um ähnlichen Erfolg zu suchen. Besonders seine Aussage, “wir entwickeln Innovatoren, nicht Startups” gilt hier als der Leitfaden, der sich seit vielen Jahren durch die Geschichte des CDTM zieht, betrachtet man das Münchner Modell von außen.

Rund ein Drittel aller Absolvent:innen des “Zusatzstudiums” landen zwar im Startup-Bereich, ein zweites Drittel jedoch in der Industrie und ein weiteres promoviert und geht in die Wissenschaft. Was auch im Sinne des “Rückflusses” ein wichtiger Erfolgsaspekt ist, wie sich zeigt.

Die beiden Universitäten sind nämlich nicht an den Startups bzw. finanziellen Erfolgen ihrer Teilnehmer:innen beteiligt, sondern sie ziehen jene in ihr Alumni-Netzwerk hinein. Was Synergien erzeugt.

Ein Circle-System im CDTM

“Frühere Absolvent:innen kommen als ‘Business Angels’ fürs Seed-Funding zurück und investieren in die nächste Generation. Sie unterrichten und begleiten oder sind eine der Lerneinheiten, die als Kurse angeboten werden”, erklärt Diepold. “Feiern werden ab und zu gesponsert, aber sowohl materiellen Rückfluss, als auch Anteilsaneignung an Unternehmen gibt es bis dato nicht. Das hat unter anderem auch damit zu tun, dass wir (Anm.: CDTM) kein eigenes Rechtsgebilde sind.”

Einer dieser “Rückflüsse” ist Sebastian Schuon. Der Gründer des PropTechs Alasco – das in Österreich Soravia, Cuubuus Real und Alpin Immo als Kunden bedient – hat Benjamin Günther während des Studiums am CDTM kennengelernt und mit ihm 2008 sein erstes Startup Stylight gegründet. 2016 verkauften sie es für 80 Millionen Euro an Pro7Sat1.

CDTM, Alasco, München, TUM, LUM,
(c) Alasco – Die Alasco-Founder Benjamin Günther, Anselm Bauer-Wohlleb und Sebastian Schuon.

Nach einer kurzen Auszeit haben sich die zwei Founder vor allem als Business Angels und Investoren engagiert. So waren sie z.B. beim Unicorn Personio mit an Bord. Heute leiten sie (mit Anselm Bauer-Wohlleb) ihr Property-Startup, in das auch Personio-CEO Hannes Renner investiert ist.

“Social fit” wichtig für CDTM-Platz

Laut Schuon braucht es drei Dinge, um einen der 25 Plätze im CDTM zu ergattern. Gute Noten wären ein Faktor, jedoch müsse man nicht zwangsweise “top of the class” sein, da das Center sicherstellen will, dass Teilnehmer:innen mit ihrer Arbeitsbelastung gut durchkommen.

Zudem sei ein gewisser “social fit” wichtig. Es würden nicht bloß die guten Noten zählen, sondern die Persönlichkeit. Und schlussendlich lege man Wert auf “Diversity” – im Sinne von “open minded people”.

Beim CDTM würden dadurch vor allem Konstellationen entstehen, die sonst kaum Berührungspunkte haben. Etwa wenn BWLer auf Tekkies treffen, wie Schuon sagt: “Es ist wichtig, einmal zusammenzuarbeiten sowie Vorbilder und ein Netzwerk zu haben. Da merkt man, dass mal als Team funktioniert.”

BMW als Industriepartner

Der Alasco-Gründer selbst hatte zu seiner Zeit als Studierender die Aufgabe für BMW eine Marketingkampagne für “ein BMW in 15 Jahren” zu erstellen. Solch konkreten Aufgabenstellungen würden dazu führen, dass sich Leute mehr “reinhauen” als bei theoretischen Semester-Arbeiten, die oft im Papierkorb landen, meint er.

Schuon selbst hält regelmäßig zwei bis drei Kurse im Center, darunter Organisationsaufbau und ein VC-Kurs. Auch er bestätigt Diepolds Einstellung hinsichtlich Strukturaufbau des Münchner Joint Ventures.

“Wichtig ist, dass das CDTM nicht notwendigerweise dafür gegründet wurde, um Startups zu produzieren”, sagt er. “Wir haben einen Visionsprozess erschaffen und ’empowern’ die ‘leaders of tomorrow’, die auch vielleicht eine NGO gründen oder in die Politik gehen. Es geht um Kompetenzen und Interdisziplinarität. Du wirst gezwungen, andere Personen zu erleben und mit ihnen zu arbeiten.”

Ein Punkt, den sein Professor, Klaus Diepold, ebenfalls herausstreicht. Er nennt es “die richtigen Leute haben” und bezeichnet das als die Grundzutat des CDTM. Personen mit digitalen Visionen müssen zueinander finden.

Die Erfolgsfaktoren der Spin Off-Strategie

“Es ist ein Prozess, der Jahre dauert und im Sinne von ‘trial and error’ seine eigene Entwicklung durchläuft”, sagt er und mahnt dazu, ein paar Dinge zu beachten, um Erfolgsfaktoren zu generieren.

“Man muss dem Drang widerstehen, alles in eine bürokratische Zwangsjacke einzusperren”, so Diepold weiter. “Das Konzept muss möglichst ‘dünn’ gehalten werden, frei schwebend sein und mit einem minimalen Aufwand von Verwaltung.”

Für eine einzelne Universität sei es wohl schwerer diesen Freiraum zu geben, meint der Professor, im Joint Venture funktioniere dies an manchen Stellen einfach anders.

Halte man sich daran, so würden “der gestalterische Freiraum, eine Minimierung der bürokratischen Akademisierung und allgemein der Bürokratie sowie die richtigen Individuen, zum Erfolg führen”, sagt er.

Nicht Technologie transferieren, sondern Innovatoren

Abschließend weist Diepold darauf hin, dass die meisten in Deutschland und Österreich bei der Frage, ‘wie man die Brücke zwischen der akademischen und Wirtschafts-Welt schlägt’, an Technologietransfer denken. Dies sei falsch.

“Was wir jedoch transferieren können, sind Innovatoren. Menschen einfach in die Wildnis schicken. Und mehr auf unternehmerische Ausbildung setzen, bevor sie den Master gemacht haben und promovieren. Möglichst frühzeitig agieren. Das ist unser Konzept seit 20 Jahren, dessen Erfolg man an Zahlen ablesen kann”, sagt er. “Es ist besser, in Ausbildung zu investieren, als in Forschungsprojekte, wo vielleicht etwas in zwei Jahrzehnten herauskommt. So etwas ist nicht planbar.”

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
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

AI Summaries

CDTM als Münchner Lehrstunde: Das Geheimnis der Spin-Off-Strategie

AI Kontextualisierung

Welche gesellschaftspolitischen Auswirkungen hat der Inhalt dieses Artikels?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

CDTM als Münchner Lehrstunde: Das Geheimnis der Spin-Off-Strategie

AI Kontextualisierung

Welche wirtschaftlichen Auswirkungen hat der Inhalt dieses Artikels?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

CDTM als Münchner Lehrstunde: Das Geheimnis der Spin-Off-Strategie

AI Kontextualisierung

Welche Relevanz hat der Inhalt dieses Artikels für mich als Innovationsmanager:in?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

CDTM als Münchner Lehrstunde: Das Geheimnis der Spin-Off-Strategie

AI Kontextualisierung

Welche Relevanz hat der Inhalt dieses Artikels für mich als Investor:in?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

CDTM als Münchner Lehrstunde: Das Geheimnis der Spin-Off-Strategie

AI Kontextualisierung

Welche Relevanz hat der Inhalt dieses Artikels für mich als Politiker:in?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

CDTM als Münchner Lehrstunde: Das Geheimnis der Spin-Off-Strategie

AI Kontextualisierung

Was könnte das Bigger Picture von den Inhalten dieses Artikels sein?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

CDTM als Münchner Lehrstunde: Das Geheimnis der Spin-Off-Strategie

AI Kontextualisierung

Wer sind die relevantesten Personen in diesem Artikel?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

CDTM als Münchner Lehrstunde: Das Geheimnis der Spin-Off-Strategie

AI Kontextualisierung

Wer sind die relevantesten Organisationen in diesem Artikel?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

CDTM als Münchner Lehrstunde: Das Geheimnis der Spin-Off-Strategie