Europa erzielt bei Unicorns neuen Rekordwert – Marktstimmung jedoch zweigeteilt
Am Donnerstag wurden die neuesten Zahlen des European Venture Sentiment Index (EVSI) von Venionaire Capital veröffentlicht. Trotz Unicorn-Booms in Europa gibt es in Q3 2021 erstmals einen Rückgang am Investitionsvolumen.
Der aktuelle Quartalsbericht des European Venture Sentiment Index (EVSI) von Venionaire Capital gibt einen EU-weiten Einblick in die Stimmung des Venture Capital Marktes. Dabei wird auf der einen Seite beobachtet, wie anhaltende Covid-Effekte die Digitalisierung und den Aufstieg von Unicorns begünstigt haben, und auf der anderen Seite, wie das Verhalten von Frühphasen Investoren – etwa Business Angels – beeinflussen.
Laut dem aktuell Bericht brechen auf Jahresbasis VC-Investments in Europa alle Rekorde. Von einer Gesamtinvestmentsumme von 11,5 Milliarden Euro wurden allein in diesem Jahr 48 neue Unicorns in Europa geschaffen. In der quartalsmäßigen Betrachtung zeichnet sich allerdings im Q3 2021, erstmals auch ein Rückgang des Investitionsvolumens ab, so die Studienautoren.
Marktstimmung ist zweigeteilt
Aus den Daten geht zudem hervor, dass die optimistische Marktstimmung ist hinsichtlich der Investmentphasen zweigeteilt ist. So fällt der ESVI nämlich insgesamt hinter dem Höchststand des Vorquartals, von 6,9 auf 6,6 im 3. Quartal 2021. Venionaire Capital befragt hierfür in regelmäßigen Abständen rund 4.000 Marktteilnehmer in ganz Europa.
Die Ergebnisse der Studie zeigen weiterhin anhaltend große Transaktionen und eine steigende Anzahl von Unicorns, aktuell 104, in Europa. Damit beheimatet Europa heute mehr Unicorns, die unter zehn Jahren alt sind, als jemals zuvor. Dies muss laut den Studienautoren allerdings im Verhältnis zu einem globalen Trend gesehen werden, in welchem Europa weiterhin hinterherläuft.
European Venture Sentiment Index
Für das dritte Quartal erleben wir laut den Studienautoren zum ersten Mal seit einem Jahr einen Rückgang der Venture Stimmung. Der European Venture Sentiment Index (EVSI) liegt für dieses Quartal bei 6,65 Punkten, womit sich dieser noch immer deutlich im positiven Bereich – also über fünf Punkten – befindet. Jedoch ist auch ein leichter Rückgang von -3,12 Prozent im Vergleich zum Vorquartal feststellbar.
Damit wurde die Kluft laut EVSI zwischen dem Vorlaufindikator (erwartete Marktstimmung „Outlook“ – in der Grafik in Grün) und der tatsächlichen Marktstimmung verringert. Die Unsicherheit über die aktuelle Wirtschaftslage beeinträchtigt immer noch das Vertrauen der Investoren, auch wenn im dritten Quartal dieses Jahres allein Investitionen in europäische Startups in Höhe von 28 Milliarden Dollar in 1.590 Transaktionen getätigt wurden. Vergleicht man dies wiederum mit dem Vorquartal, entspricht die aktuelle Investitionssumme einem Rückgang von 13 Prozent.
USA und Asien führen das Feld an
Die Vereinigten Staaten und Asien führen das Feld weiterhin vor Europa an, sowohl in Volumen als auch quartalsweisem Wachstum. Europa hat im Jahr 2021 damit eine Rekordleistung mit beeindruckenden Ergebnissen, insbesondere im Jahresvergleich, verzeichnet und bleibt damit die drittgrößte Venture-Region in Q3.
Der quartalsmäßige Rückgang führt jedoch dazu, dass europäische Venture-Finanzierungen nur noch 17 Prozent aller globalen Deals ausmachen, der niedrigste Anteil seit Q2 2016. Im globalen Trend verliert Europas Markt damit an Boden, trotz der Rekordzahlen.
Erstrunden Investments steigen massiv an
Überraschend ist laut dem EVSI die Erkenntnis, dass im Hype ein Segment als tatsächlicher „Verlierer“ heraussticht. Junge Startups – die gerade erst gegründet haben – kommen aktuell schwerer zu den benötigten Investitionen.
Transaktionen in der Frühphase werden laut Studienergebnissen in fast allen Teilen Europas immer schwieriger. Der Grund laut dem Bericht: Business Angels sehen die mittlerweile sehr hohen Erstinvestitionsrunden in den Anfängen eines Startups kritisch. Zudem sind die Bewertungen gestiegen und einzelne Investoren können kaum noch unterstützen, ohne sehr tief in die Tasche zu greifen.
Dazu heißt es in einer Aussendung von Venionaire Capital: “Zwei bis fünf Millionen Euro sind in ersten Runden keine Seltenheit mehr. Kleinere Runden finden insgesamt seltener statt.”
So reagieren die Frühphasen Investoren
Die aktuellen Entwicklungen führen dazu, dass sich sich Business Angels immer häufiger zu Syndikaten- oder Club Deals zusammenschließen. Laut dem aktuellen Bericht verhandeln sie nun auch regelmäßig sehr viel strengere vertragliche Absicherungen, da das Risiko einer Überzahlung abgefedert werden muss.
“Positive Stimmen empfinden diesen Effekt als Professionalisierung des Startup-Investments-Sektors, negative wiederum sehen höhere Eintrittshürden und Verzögerungen für die sonst schnellen und unbürokratischen Investments”, erklärt Berthold Baurek-Karlic, Managing Partner von Venionaire Capital und Präsident des European Super Angels Clubs.
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.
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.
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.
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.
