21.08.2024
SPONSORED

feld.ai: “Als Gründer brauchst du jemanden, der an dich glaubt”

Warum ein Schulterklopfer manchmal genauso viel hilft wie Kapitalspritzen und wie die Austria Wirtschaftsservice (aws) dem Vorarlberger DeepTech-Startup feld.ai zum Start verhalf.
/artikel/feld-ai-als-gruender-brauchst-du-jemanden-der-an-dich-glaubt
Martin Nigsch, Gründer und CEO von feld.ai (c) feld.ai

“Ich hatte einen Corporate Job, der inhaltlich spannend, entsprechend bezahlt und gar nicht so leicht zu verlassen war. Ich brauchte eine große Herausforderung, um aus dem goldenen Käfig zu entkommen”, so Martin Nigsch, der im Juni 2022 das Vorarlberger DeepTech-Startup feld.ai gegründet hat.

Die Entscheidung zur Unternehmensgründung war keine leichte. Selbst, wenn es dem Vorarlberger in den Fingern juckte: “Man wird als Spinner gesehen, wenn man einfach einen Job, den sich andere als Karriereziel nur erträumen können, an den Nagel hängt”; so Nigsch, der zuvor hauptberuflich bei einem großen Firmenversicherer tätig war.

Der Familienvater von drei Kindern tat es trotzdem und gründete sein Startup feld.ai. Seine Fühler streckte er bereits im Herbst 2021 in Richtung der heimischen Startup- und Förderlandschaft aus.

Als er vom Preseed-DeepTech-Programm der Austria Wirtschaftsservice (aws) erfuhr, wagte er den ersten Schritt aus dem erwähnten goldenen Käfig. Sehr bald nach der aws-Förderung erzielte feld.ai erste Aufträge, die das Unternehmen bisher tragen. Der Geschäftskern: ein “Betriebssystem”, um schwierige Herausforderungen mit Dokumenten in Firmen zu lösen.

Geld war nur “ein Faktor”

Zum Start von feld.ai kam es aus mehreren Gründen. Einer davon war die finanzielle Unterstützung durch die aws. “Die Fördermittel der aws waren ein tolles Sprungbrett”, so Nigsch über die Anfänge. Dennoch war das Geld nicht das Ausschlaggebende, das den Start ermöglichte. An erster Stelle stand die Idee und das Bewusstsein für die Größe des Problems in einem rasant wachsenden Markt.

“Die aws gab mir den Stempel: ‘Der spinnt nicht komplett'”

“Das Erste, das man als Gründer braucht, ist die Bestätigung, dass die Idee gut ist und man der Richtige ist, dies umzusetzen. Das habe ich von der aws zu Beginn bekommen: Das Entscheidungsgremium spricht dieses Vertrauen aus, die aws hilft dir am Anfang, setzt gemeinsam Meilensteine, kontrolliert sie, zieht sich dann zum richtigen Zeitpunkt zurück und mischt sich ansonsten operativ nicht ein. So gesehen habe ich alles bekommen, was ich in dieser Phase gebraucht habe”, so Nigsch.

Schulterklopfer für Datenmanagement

Wobei genau die aws im richtigen Ausmaß geholfen hat, war der Aufbau eines AI-basierten Dokumentenmanagement für Unternehmen.

Erkannt hat Nigsch den Bedarf an einem derartigen Service bereits bei seinem vorherigen Arbeitgeber: “Feld.ai ist aus einem Firmenkontext entstanden. Ich war zuvor bei einem Firmenversicherer tätig, bei dem Daten die notwendige Basis sind, profitables Geschäft abzuschliessen.”

“Das Problem, mit dem wir angefangen haben, war, strukturierte Information aus Dokumenten zu extrahieren. Die reine Extraktion und Ablage reicht aber nicht. Man muss Informationen immer in einen Kontext setzen und analysieren. Vor allem dann, wenn Firmen Dokumente als Basis zur Prozessoptimierung und Entscheidungsfindung herziehen müssen”, so Nigsch.

Hier setzt die Lösung von feld.ai an: Das Startup hilft Unternehmen aus verschiedenen Branchen, den “Goldschatz”, der in ihren Dokumenten steckt, zu heben.

Genauer: “Wir unterstützen Firmen dabei, mit Hilfe von KI effizienter zu werden und bessere Entscheidungen zu treffen. Wir fokussieren uns auf dokumentenbasierte Firmenprozesse.” Darunter: E-Mails, Kundenanfragen, Rechnungen in Form von PDFs, Audio-Dateien, Powerpoint, Excel, Word, Text und Bild.

“Der Posteingang ist für viele Kunden ein ungelöstes Problem”

Feld.ai deckt einige Anwendungsbereiche ab. Ein leicht zu erklärener davon: Das Management von E-Mail-Posteingängen: “Den Posteingang zu automatisieren und zu klassifizieren ist erstaunlicherweise für viele Kunden ein ungelöstes Problem”, verrät Nigsch aus Erfahrung.

Das Interessante daran: Feld.ai legt Daten nicht nur strukturiert ab, es verbindet sie zu bestehenden Informationen, analysiert sie und zieht Schlüsse: “Im Grunde sind die Dinge, die wir tun, im kleinen manuell und ohne KI lösbar. Aber wenn man eine unüberschaubare Menge an Mails und Kundenanfragen klassifiziert, verschlagwortet, automatisiert und mit Bestandsdaten verbunden hat, fallen Analysen, Prozessoptimierungen und somit die Effizienz im Unternehmen viel besser aus.”

Maileingang und Kostenrechnung

Praktische Anwendungen liegen nicht nur im Maileingang, sondern auch zum Beispiel im automatisierten Buchen von Kostenrechnungen: Einzelne Rechnungen oder auch Zolldokumente werden mittels KI ausgelesen, mit Bestandsdaten verbunden und entsprechend weiterverarbeitet.

Einfach zu erklären ist die genaue Tätigkeit von feld.ai allerdings nicht. Schließlich widmet man sich kundenspezifischen Herausforderungen, darunter Handschriften, inkonsistenten Nomenklaturen und verschiedenen Sprachen. Der skalierbare Kern ist, dass die zu lösenden technischen Probleme sich branchenunabhängig sehr oft wiederholen: Die Herausforderungen drehen sich immer um die Struktur, Analyse und Verschlagwortung von Dokumenten und wie die gewonnenen Informationen dann in weiterführende Prozesse integriert werden können.

Datensicherung ohne amerikanische Mütter

Nun könnte man meinen: Datenmanager und -analysten gibt es bereits reichlich am Markt – gerade am nordamerikanischen Markt. Das mag sein, wirft aber in puncto Datenschutz und -transfer häufig Fragezeichen auf. Denn was mit Daten passiert, die in der Cloud eines US-Anbieters hängen, sei nicht immer klar.

Hierbei setzt feld.ai auf eine regionale Lösung – fernab der Riesen OpenAI und Microsoft: “Die Datensicherheit ist ein großes Thema. Hierfür bieten wir eine eigene Lösung, in der Daten in unserem Rechenzentrum in Vorarlberg oder lokal beim Kunden gesichert werden. Es geht gar nichts zu einer amerikanischen Mutter.”

Kein OpenAI und Microsoft, aber eine Feldkircher Box

In puncto KI-Nutzung stützt man sich also auf lokale, “kleinere, effizientere Sprachmodelle”, trainiert und entwickelt sie. OpenAI, Google, Amazon Web Services und Microsoft bleiben außen vor. Zur Datensicherung betreibt feld.ai ein eigenes Rechenzentrum im Vorarlberger Ort Feldkirch. Datensicherheit “in unserer Box” sei also gegeben.

Eine Blackbox sei diese aber keine, denn feld.ai setzt auf Transparenz: “Seit Tag eins bauen wir darauf, sichtbare Effizienzresultate zu produzieren.”

Indes bietet feld.ai ein dreigliedriges Produktportfolio: Erstens als “As a service”-Produkt im Sinne einer gänzlich von feld.ai verwalteten Firmenlösung. Zweitens als “Managed Service”, wobei auf Kunden-Infrastruktur installiert und von feld.ai verwaltet wird. Und zuletzt: “Von Kunden verwaltet”. Dabei wird die feld.ai-Lösung auf eine existierende IT-Infrastruktur – lokal oder in einer Cloud – installiert und schließlich auch von KI- oder Infrastruktur-Teams der Kunden betrieben.

Bereits börsennotierte Partner

Mittlerweile sei man offizieller Technologiepartner der Schweizer Kendox AG – einem Experten in puncto Software- und Datenmanagement. Hierbei bewegt man sich im B2B2B-Bereich. Das Partnerunternehmen betreut 1.500 Unternehmenskunden mit über 600 Millionen Dokumenten. “Das heißt für uns: Der ideale erste Partner”, berichtet Nigsch über die Partnerschaft.

Auf eine Kernbranche fokussiert sich das Feldkircher Unternehmen allerdings nicht: Kunden zählt das Startup auch bereits aus der Wirtschaftsprüfung, Versicherungsbranche und Juristik. Aktuell finden vielversprechende Gespräche vor allem mit Deutschen und Schweizer Kunden statt: Österreich ist (noch) unterrepräsentiert.

Pro Dokument verlangt feld.ai eine “kleine Gebühr”. Wachstum und Skalierung seien vorgesehen und notwendig, denn “das Ganze funktioniert nicht, wenn es so klein bleibt.”. Aktuell zähle man drei Vollzeit-Stellen sowie vier Teilzeitkräfte bzw. Praktikant:innen im Unternehmen.

Opportunistisch und organisch

Dass sich Nigsch als dreifacher Familienvater aus dem goldenen Käfig traute und sein Glück mit seinem Startup-Traum versuchte, ist somit insbesondere auch der aws zu verdanken. Auch die Unterstützung aus Familien- und Freundeskreis trägt täglich dazu bei, dass Nigsch seinen Traum vom eigenen Startup lebt.

In Zukunft will man sich bei feld.ai weiterhin “opportunistisch bewegen” und organisch wachsen, um weiter zu wachsen. “Wir versuchen, auf dem goldenen Pfad zu bleiben, der es uns erlaubt, uns weiterzuentwickeln und gleichzeitig Wert für unsere Kunden zu stiften.”


*Disclaimer: Das Startup-Porträt entstand im Rahmen einer Medienkooperation mit der Austria Wirtschaftservice (aws).

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

feld.ai: “Als Gründer brauchst du jemanden, der an dich glaubt”

AI Kontextualisierung

Welche gesellschaftspolitischen Auswirkungen hat der Inhalt dieses Artikels?

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

feld.ai: “Als Gründer brauchst du jemanden, der an dich glaubt”

AI Kontextualisierung

Welche wirtschaftlichen Auswirkungen hat der Inhalt dieses Artikels?

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

feld.ai: “Als Gründer brauchst du jemanden, der an dich glaubt”

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 …

feld.ai: “Als Gründer brauchst du jemanden, der an dich glaubt”

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 …

feld.ai: “Als Gründer brauchst du jemanden, der an dich glaubt”

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 …

feld.ai: “Als Gründer brauchst du jemanden, der an dich glaubt”

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 …

feld.ai: “Als Gründer brauchst du jemanden, der an dich glaubt”

AI Kontextualisierung

Wer sind die relevantesten Personen in diesem Artikel?

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

feld.ai: “Als Gründer brauchst du jemanden, der an dich glaubt”

AI Kontextualisierung

Wer sind die relevantesten Organisationen in diesem Artikel?

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

feld.ai: “Als Gründer brauchst du jemanden, der an dich glaubt”