11.09.2018

DACH Startup- und VC-Report: Tricentis als erstes österreichisches Unicorn

Der "State of the Startup & Venture Capital Landscape in DACH"-Report, der 2018 als Kooperation von Speedinvest x und Frontline Ventures umgesetzt wurde, nimmt die Startup- und VC-Landschaft in Deutschland, Österreich und der Schweiz genau unter die Lupe. In der Liste der Unicorns findet sich mit Tricentis erstmals auch ein österreichisches Unternehmen.
/artikel/dach-startup-und-vc-report-tricentis-unicorn
Tricentis erstes österreichisches Unicorn laut DACH Startup- und VC-Report
(c) Tricentis: Tricentis-Gründer Wolfgang Platz

Zugegeben: Im “State of the Startup & Venture Capital Landscape in DACH”-Report 2018 von Speedinvest x und Frontline Ventures ist der Aufstieg des 2007 gegründeten Wiener Software-Unternehmens Tricentis, das vergangenes Jahr eine 165 Mio. US-Dollar Finanzierungsrunde abgeschlossen hat, nur eine Fußnote. In der heimischen Startup-Szene könnte der Sprung über die eine Milliarde US-Dollar-Bewertungsgrenze trotzdem für zusätzliche Motivation sorgen. In seiner Analyse behandelt der DACH Startup- und VC-Report freilich ein deutlich breiteres Feld. Er soll einen (detaillierten) Überblick über “die VC Szene, neue Fonds, sowie aktuelle Investmenttrends” geben.

+++ Speedinvest: Zwei ungebremste Fonds +++

Einen Anspruch auf Vollständigkeit stellen die VerfasserInnen nicht. Der Report basiere auf eigener Sekundärforschung und versuche, die Ergebnisse bestehender Reports und Research Papers zum deutschsprachigen Tech-Ecosystem zusammenzufassen, heißt es in einer Aussendung.

Richtige und falsche Prognosen

So bietet der Report etwa auch einen Abgleich mit Prognosen aus dem Vorjahr. Es war unter anderem erwartet worden, dass Deutschland im Lichte des Brexit das Vereinigte Königreich bei der Gesamtsumme von VC-Investments überhole. Das trat nicht ein. Dennoch konnte das Ökosystem im Nachbarland spürbar vom Brexit profitieren. Auch ein erwarteter Shift im gesamten DACH-Raum von B2C zu B2B in Sachen Wachstum fand statt. Zalando wurde, wie prognostiziert, das erste “Dekacorn” im DACH-Raum. Erwartete größere Deals durch Rocket Internet passierten dagegen nicht.

Erkenntnisse aus dem DACH Startup- und VC-Report

Den gesamten Report kann man unter diesem Link einsehen. Hier sind einige der Haupt-Erkenntnisse:

  • In den letzten 12-18 Monaten wurden im DACH Raum mehr als 10 neue Fonds gelauncht, darunter Fly Ventures (41 Mio. Euro), Signals VC (100 Mio. Euro), Capital300 (20 Mio. Euro), Speedinvest Focus Funds (Industry, Fintech, Network Effects – zusammen 100 Mio. Euro) und Apex Ventures (10 Mio. Euro).
  • Startups in der DACH-Region ziehen internationale Top-VCs aus den USA und Europa an, darunter Accel, Index Ventures, NEA, Tencent, Atomico, Battery Ventures und viele mehr.
  • Im Vergleichszeitraum wurden insgesamt weniger VC-Deals in der DACH-Region verzeichnet, jedoch stieg das investierte Kapital pro Deal weiter an.
  • Im europaweiten Ranking der zehn Städte mit dem höchsten Deal Volumen (VC Deals), befinden sich 3 DACH Städte: Zug, Berlin und Zürich (Zeitraum: 1. Halbjahr 2018)
  • Die DACH-Region ist Heimat für eine wachsende Zahl an “Unicorns” und “Unicorn-Investoren”. Während der letzten Monate gab es mehrere “Mega-Finanzierungsrunden”, erfolgreiche Exits & IPOs, darunter Auto1 Group, Biontech, Roivant Sciences und Check24.

⇒ Der ganze Report als Slideshow

Video-Interview mit Mathias Ockenfels von Speedinvest x

Mathias Ockenfels, der Lead Partner vom Speedinvest X, im Live Gespräch über das neue Early Stage Fokus-Fonds im Bereich der Marktplätze, über die Netzwerkeffekte, die relevanten KPIs, seine Investmentstrategie uvm.

Mathias Ockenfels, der Lead Partner vom Speedinvest X, im Live Gespräch über das neue Early Stage Fokus-Fonds im Bereich der Marktplätze, über die Netzwerkeffekte, die relevanten KPIs, seine Investmentstrategie uvm.

Gepostet von DerBrutkasten am Dienstag, 15. Mai 2018

Redaktionstipps
Deine ungelesenen Artikel:
vor 19 Minuten

Lösung gegen KI-Halluzinationen? So funktioniert Sepp Hochreiters SDLG-Methode

Halluzinationen sind ein großes Problem der KI-Szene. Und das weltweit. Während Google und Microsoft sich bei einer Lösung schwertun, kommt aus Österreich ein Modell, dass solche "KI-Unsicherheiten" besser erkennen soll. Es heißt: SDLG. Wie genau, erklärt KI-Experte Sepp Hochreiter in einem Gespräch mit uns.
/artikel/loesung-gegen-ki-halluzinationen-so-funktioniert-sepp-hochreiters-sdlg-methode
vor 19 Minuten

Lösung gegen KI-Halluzinationen? So funktioniert Sepp Hochreiters SDLG-Methode

Halluzinationen sind ein großes Problem der KI-Szene. Und das weltweit. Während Google und Microsoft sich bei einer Lösung schwertun, kommt aus Österreich ein Modell, dass solche "KI-Unsicherheiten" besser erkennen soll. Es heißt: SDLG. Wie genau, erklärt KI-Experte Sepp Hochreiter in einem Gespräch mit uns.
/artikel/loesung-gegen-ki-halluzinationen-so-funktioniert-sepp-hochreiters-sdlg-methode
SDLG, KI, Hochreiter, Halluzination
(c) brutkasten - Sepp Hochreiter zu SDLG.

“Großartige Arbeit meines Teams: Erkennen, ob LLMs (Anm.: Large Language Models) halluzinieren. Sie halluzinieren, wenn sie unsicher sind. Wir erkennen diese Unsicherheit und markieren Halluzinationen” – so beschreibt KI-Koryphäe Sepp Hocheiter auf LinkedIn die Errungenschaft, die er uns seine Forscher:innen am Institut für Machine Learning der Johannes Kepler Universität Linz vollbracht haben. Dabei spricht er von dem SDLG-Modell. Der Begriff steht für “Semantically Diverse Language Generation”.

Denn es ist ein großes Thema, das die KI-Community beherrscht. Bei Nutzung von Künstlicher Intelligenz (KI) kann es passieren, dass man eine Frage stellt und falsche Antworten bekommt. Im Fachjargon sagt man dazu, die KI halluziniert.

SDLG verbessert Erkennung von Halluzinationen

Wie brutkasten berichtete, tun sich Giganten wie Google und Microsoft schwer, dieser Problematik habhaft zu werden. Eine neuer Lösungsansatz kam heuer vom Wiener Startup datAInsights, die statt impliziten explizite Fakten bzw. explizites Wissen verwenden, das dokumentiert ist. “Wir reichern bestehende Knowledge-Systeme mit Quellen an, sodass sie für unsere Architektur verarbeitet werden können”, erklärte datAInsights-Co-Founder René Heinzl im März 2023.

Nun kommt ein weiterer Lösungsansatz aus dem Umfeld von Sepp Hochreiter: SDLG. Diese neue Methode verbessert die Erkennung von Halluzinationen in LLMs (Large Language Modellen), indem es die Unsicherheitsabschätzung vorantreibt oder anders gesagt, aufzeigt, wenn ein Large Language Modell “unsicher” ist.

Man muss wissen, dass LLMs als Basis für Künstliche Intelligenz dienen und wie eine Zeichenkette aufgebaut sind. Hier wirken Wahrscheinlichkeiten, die das nächste Zeichen (konkret das nächste Wort oder um noch genauer zu sein, die nächsten Buchstaben) produzieren und Antworten auf Fragen liefern. Da kann es zu Fehlern oder falschen Informationen kommen.

Einstein oder Newton?

“Hochreiter präzisiert gegenüber brutkasten: “Halluzinationen können entstehen, wenn ein Trainingsdaten-Set fehlende oder zu wenige Daten zu einem Thema hat”, sagt er. “‘Albert Einstein hat die Relativitätstheorie entwickelt’ kann in verschiedenen Varianten (Anm.: Einstein hat die Relativitätstheorie erfunden, die Relativitätstheorie wurde von Einstein erfunden oder entwickelt, Der Vater der Relativitätstheorie ist Alber Einstein, etc.) im Trainingsdaten-Set als Information dienen. Gibt es diese nicht oder nur ungenügend, und die KI weiß, dass das Relativität etwas mit Physik zu tun hat, kann es sein, dass die Antwort plötzlich Newton ist.”

SDLG erkennt ob “LLMs halluzinieren”

Lukas Aichberger, “ELLIS PhD”-Student am Institut für Machine Learning der JKU beschreibt per LinkedIn-Post die SDLG-Methode – die er, Kajetan Schweighofer, Mykyta Ielanskyi und Sepp Hochreiter entwickelt haben – wie folgt: “Wir schaffen eine theoretische Grundlage für Unsicherheitsmaße in LLMs und führen theoretisch begründete ‘Estimatoren’ (Schätzer) für semantische Unsicherheit ein. Und stellen eine Methode zur Verfügung, um semantisch vielfältige und dennoch wahrscheinliche Ausgabesequenzen zu erzeugen, indem wir die Texterzeugung eines LLMs so steuern, dass wichtige Informationen für den semantischen Unsicherheitsschätzer erfasst werden.”

SDGL, KI, Halluzinationen, Hochreiter
(c) zVg – (v.l.) Sepp Hochreiter, Lukas Aichberger, Mykyta Ielanskyi und Kajetan Schweighofer.

In anderen Worten hebt die SDGL-Methode jene Aussagen hervor, wo sich die KI nicht sicher ist und markiert sie, damit man die durch “semantische Unsicherheit” (des Large Language Models) hervorgerufenen Halluzinationen erkennt, wie Hochreiter präzisiert.

Im 23-seitigen Paper, das die Forscher herausgebracht haben, heißt es konkret: “SDLG steuert das LLM, um semantisch unterschiedliche, aber wahrscheinliche Alternativen für einen ursprünglich generierten Text zu erzeugen. Dieser Ansatz liefert ein präzises Maß für die aleatorische (Anm.: vom Zufall abhängige) semantische Unsicherheit und erkennt, ob der ursprüngliche Text wahrscheinlich halluziniert ist. Experimente mit Aufgaben zur Beantwortung von Fragen zeigen, dass SDLG bestehende Methoden durchgängig übertrifft und dabei rechnerisch am effizientesten ist, wodurch ein neuer Standard für die Unsicherheitsabschätzung in LLMs gesetzt wird.”

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

DACH Startup- und VC-Report: Tricentis als erstes österreichisches Unicorn

AI Kontextualisierung

Welche gesellschaftspolitischen Auswirkungen hat der Inhalt dieses Artikels?

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

DACH Startup- und VC-Report: Tricentis als erstes österreichisches Unicorn

AI Kontextualisierung

Welche wirtschaftlichen Auswirkungen hat der Inhalt dieses Artikels?

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

DACH Startup- und VC-Report: Tricentis als erstes österreichisches Unicorn

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 …

DACH Startup- und VC-Report: Tricentis als erstes österreichisches Unicorn

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 …

DACH Startup- und VC-Report: Tricentis als erstes österreichisches Unicorn

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 …

DACH Startup- und VC-Report: Tricentis als erstes österreichisches Unicorn

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 …

DACH Startup- und VC-Report: Tricentis als erstes österreichisches Unicorn

AI Kontextualisierung

Wer sind die relevantesten Personen in diesem Artikel?

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

DACH Startup- und VC-Report: Tricentis als erstes österreichisches Unicorn

AI Kontextualisierung

Wer sind die relevantesten Organisationen in diesem Artikel?

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

DACH Startup- und VC-Report: Tricentis als erstes österreichisches Unicorn