07.07.2023

Diese drei Fragen sollten Investor:innen KI-Startups stellen

Gastbeitrag. Worauf Investor:innen achten soll, wenn sie sich Startups im Bereich Künstliche Intelligenz (KI) ansehen, erläutert Simon Brendel von dem auf Tech-Due-Dilligence spezialisierten Beratungsunternehmen Philipps & Byrne.
/artikel/fragen-investoren-ki-startups
Simon Brendel, Philipps & Byrne
Simon Brendel, Philipps & Byrne | Hintergrund: Adobe Stock

Künstliche Intelligenz (und insbesondere Generative AI) gilt aktuell als einer der wenigen Bereiche, die dem allgemeinen Downturn in der Startup-Szene standhalten. Investments in AI sind vergleichsweise stabil und es entstehen immer mehr KI-Startups. VCs, die ihren Dealflow prüfen, stellen sich dabei natürlich oft die Frage, ob die Qualität des Machine-Learning-Setups tatsächlich hält, was das Pitchdeck oder die Equity Story verspricht. In diesem Artikel empfehle ich drei Fragen, die jeder VC auf dem Schirm haben sollte, wenn er sich ein KI-Startup anschaut.

Erste Frage: Handelt es sich wirklich um ML oder um ein traditionelles regelbasiertes System?

Zu Anfang sollte man einmal klären, ob das Startup wirklich mit Machine Learning arbeitet oder eher mit einem selbstentwickelten, regelbasierten System. Ist das System selbstlernend und verbessert es sich, wenn es mit mehr Daten trainiert wird? Dann handelt es sich um ML. Darüber hinaus umfasst selbstlernende ML auch selbstüberwachte oder unüberwachte Methoden. Die Frage, ob und wie man eine solche Selbstverbesserung am besten ermöglicht, wird als „Online-Lernen“ bezeichnet.

Wenn es sich um ein System handelt, das nach bestimmten Regeln arbeitet, die von Entwicklern im Voraus festgelegt werden, und das nicht mit Daten oder selbstlernend trainiert wird, ist das in der Regel keine echte KI – zumindest nicht im aktuellen Verständnis.

Zweite Frage: Make or Buy?

Die zweite Frage lautet: Wurde das ML-Modell selbst entwickelt oder wird ein Open-Source- oder proprietäres Modell von Drittanbietern genutzt? Wenn es sich um Open-Source-Modelle handelt, passen die Unternehmen diese Modelle sehr oft für den eigenen Business-Case an. In diesem Fall wird nicht wirklich etwas von Grund auf neu entwickelt, aber es wird auch nicht einfach etwas übernommen, das bereits existiert. Ein Beispiel wäre die jüngste Entwicklung von ChatGPT, bei der die GPT-Modelle von Open.AI verwendet werden können. Sie sind Open Source, und man kann sie unter bestimmten Lizenzmodellen für das eigene Business nutzen.

Die Unterscheidung besteht also darin, ob es sich um externe ML-Fähigkeiten handelt, die für das eigene Business-Modell genutzt und gegebenfalls angepasst werden, oder ob es sich um selbst entwickelte ML handelt. Bei Letzterem handelt es sich dann in der Regel um Deep-Tech-Startups, die eigene Foundation Models oder Large Language Models (LLM) entwickeln und in denen ein viel tieferes technologisches Wissen im Unternehmen vorhanden ist.

Dritte Frage: Mit welchen Daten wurde das ML-Modell trainiert und wem gehören sie?

ML-Modelle entwickeln sich zunehmend zu einer Ware. Der Zugang zu einem ML-Modell stellt also kein Differenzierungsmerkmal mehr für Startups dar. Die wirklich interessante Frage wird sein, von wem und auf welche Weise diese Modelle trainiert wurden. Und mit welcher Art und Menge von Daten.

Wenn das Unternehmen eigene Daten verwendet, gibt es zwei Dimensionen zu bedenken. Erstens: Die Menge der Datenpunkte im Datensatz. Es geht also darum, zu verstehen, wie statistisch signifikant bestimmte Effekte in diesem Datensatz sind. Ein größerer Datensatz ist immer interessanter, da statistische Fehler besser ausgeschlossen werden können und ein höheres Maß an Vertrauen entsteht. Dabei darf der Aspekt der Datenvielfalt nicht unterschätzt werden. Wie gut decken die verfügbaren Daten den Raum ab, in dem das Model lebt. Einige Unternehmen sind in der Lage, riesige Datensätze aus ihren eigenen Betrieben zu produzieren. Oft besteht aber das Problem, dass Datensätze zu klein sind, um wesentliche Verbesserungen in den Ergebnissen der AI zutage zu fördern.

Die zweite Dimension betrifft die Frage nach den Besitzverhältnissen der Daten. Wie ist das Unternehmen an diesen Datensatz gekommen? Ist er öffentlich zugänglich? Wurden sie von bestimmten Lieferanten bezogen? Oder werden sie vielleicht sogar von dem Unternehmen selbst gesammelt? Proprietäre Daten werden in den kommenden Jahren einen echten Wettbewerbsvorteil darstellen. Je privater der Datensatz ist, desto stärker sind die Fähigkeiten des Unternehmens, einen bestimmten Business Case zu bedienen und damit ein erfolgreiches Geschäftsmodell aufzubauen.

Fazit

Unterm Strich sollten VCs also folgende Fragen auf dem Schirm haben: Zuerst muss man herausfinden, ob das Unternehmen wirklich ML-Modelle vorweisen kann oder ob es sich um regelbasierte Systeme handelt. Zweitens müsste man klären, ob das Modell gekauft oder selbst entwickelt wurde. Und drittens muss hinterfragt werden, mit welchen Daten das Modell trainiert wurde. Und hier gilt: Je größer, vielfältiger und privater der Datensatz ist, desto besser für den Aufbau eines differenzierten Modells und den potenziellen Erfolg eines KI-Startups.


Über den Autor

Simon Brendel ist Director New Business beim Beratungsunternehmen Philipps & Byrne mit Sitz in Berlin, das auf Tech Due Diligence spezialisiert ist. Zur Zielgruppe des Unternehmens zählen Investo:innen, Growth-Stage-Startups und Unternehmer:innen. Brendel thematische Schwerpunkte sind unter anderem Themen Strategie, Technologie und Innovationen.

Deine ungelesenen Artikel:
29.10.2026

We Are Unicorns: Was österreichische KMU von Japan lernen können

Wie das Wiener Team von We Are Unicorns mit dem Future Radar und Partnern in Japan eine gemeinsame Sprache für Unternehmen auf zwei Kontinenten schafft – und warum ein japanischer Konzern, der seit 120 Jahren über Arbeit nachdenkt, genau darin eine Chance sieht.
/artikel/we-are-unicorns-was-oesterreichische-kmu-von-japan-lernen-koennen
29.10.2026

We Are Unicorns: Was österreichische KMU von Japan lernen können

Wie das Wiener Team von We Are Unicorns mit dem Future Radar und Partnern in Japan eine gemeinsame Sprache für Unternehmen auf zwei Kontinenten schafft – und warum ein japanischer Konzern, der seit 120 Jahren über Arbeit nachdenkt, genau darin eine Chance sieht.
/artikel/we-are-unicorns-was-oesterreichische-kmu-von-japan-lernen-koennen
Marie-Therese Barth und Florian Moosbeckhofer haben We Are Unicorns gegründet | (c) treat.agency

Dieser Text ist zuerst im brutkasten-Printmagazin von August 2026 „Aufbrechen„ erschienen


An einem Mittwochabend in Yokohama treffen einander Gründerinnen und Gründer, Corporate-Innovator:innen, Studierende und Investor:innen im Tech Hub Yokohama; kein Panel, keine Preisverleihung, sondern ein offener Community-Abend unter dem Namen Yokohama Connect. Wenige Wochen später sitzt in einem Wiener Coworking-Space ein Bäckereichef neben einer Innovationsmanagerin und dem Vertreter eines Tourismusbetriebs – auch sie sprechen über die Zukunft ihrer Organisationen. Am Ende beider Abende steht dieselbe Frage: Wie zukunftsfähig sind wir wirklich?

Ein Werkzeug gegen die Ziellosigkeit

Österreich und Japan sind auf den ersten Blick weit voneinander entfernt. Bei näherer Betrachtung eint sie aber ein Muster: hohe Ingenieurskompetenz, eine dichte Landschaft aus kleinen und mittleren Unternehmen, starke Familienbetriebe, daneben große Konzerne und Städte, die vor ähnlichen Fragen stehen. Wer heute ein Unternehmen führt, hat selten Zeit für Buzzwords – gefragt sind Werkzeuge, die aus abstrakten Trends nächste Schritte machen; und eine Sprache, die über Ländergrenzen hinweg funktioniert.

Genau hier setzt das Wiener Unternehmen We Are Unicorns (WAU) an. Die Gründer:innen Marie-Therese Barth und Florian Moosbeckhofer arbeiten seit rund sieben Jahren mit Betrieben an Zukunftsthemen, zuvor gemeinsam in der Wirtschaftskammer Österreich. Ihre Beobachtung: Viele KMU stehen mehrfach unter Druck – steigende Kosten, Energiewende, Fachkräftemangel und Digitalisierung verändern die Rahmenbedingungen, während im Alltag oft Zeit, Orientierung und leistbare Unterstützung fehlen. WAU versteht sich deshalb als „Innovationsabteilung as a Service“, die komplexe Zukunftsthemen in verständliche Handlungsfelder übersetzt und Betriebe bis zur Umsetzung begleitet.

Yokohama ist die zweitgrößte Stadt Japans | (c) Antomattei

Ihr zentrales Werkzeug ist das Future Radar. Es ordnet Zukunftsfähigkeit entlang von fünf Feldern: Menschen, Organisation und Kultur; digitale Prozesse, Automatisierung und KI; Kunden, Vertrieb und Services; Geschäftsmodelle und Plattformen; Energie, Kosten und Nachhaltigkeit. Daraus werden 55 konkrete Chancen statt tausend Schlagworte, entstanden in Co-Creation-Workshops mit KMU aus ganz Österreich sowie Partnern aus Universitäten und Forschung. Ein eigens entwickelter KI-Assistent ordnet die Themen ein und leitet nächste Schritte ab, die Betriebe eigenständig umsetzen können. Er ersetzt keine unternehmerische Entscheidung, sondern versteht sich als Sparringpartner, der ins Tun bringt.

Kommt das Future Radar in Yokohama auf den Tisch, betrachten alle Beteiligten dieselben fünf Felder, dieselben Fragen, dieselbe Auswertung. Ein japanisches KMU, ein Startup aus dem Tech Hub Yokohama und ein österreichischer Mittelständler sehen auf einen Blick, wo sie stark sind und welche Schritte sich ableiten lassen. Der Mehrwert entsteht im Vergleich.

Von Wien nach Yokohama

Warum aber der Blick nach Japan? Weil sich dort ein Ökosystem entwickelt hat, das als Referenz dienen kann. Rund um CIC Tokyo, Japans größten Startup-Campus, hat sich unter dem Dach von Venture Café Japan eine offene Innovationscommunity etabliert: wöchentliche Thursday Gatherings, Formate wie Yokohama Connect, Tsukuba Connéct oder Nagoya Connect, dazu Partner wie der Tech Hub Yokohama, der als Soft-Landing-Punkt für internationale Startups und KMU konzipiert ist. Dazu kommt die städtische Ebene: Der Midterm Plan der Stadt Yokohama verankert Nachhaltigkeit als Ziel bis 2029. Physische Orte, Community-Programme und Stadtstrategie greifen ineinander.

Wer dort sitzt und warum diese Unternehmen nach Europa schauen, zeigt Qubitcore: Das Unternehmen mit Sitz in Yokohama entwickelt Hardware für Quantencomputing, hervorgegangen aus der Forschung am Okinawa Institute of Science and Technology (OIST). Es verbindet mehrere Quantenprozessoren auf Basis von Ionenfallen über Licht miteinander und arbeitet so an fehlertoleranten Rechnern, die über die Grenzen eines einzelnen Prozessors hinaus skalieren.

„Das Quanteninternet entfaltet seinen vollen Wert erst durch grenzüberschreitende Vernetzung. Gerade Europa verfügt über große Tiefe in der Quantenoptik und in der Ionenfallenforschung. Wir hoffen, dass der Tech Hub Yokohama zur Brücke zwischen Yokohama und europäischen Forschungseinrichtungen, Unternehmen und Investoren wird“, so Ryuta Watanuki, Gründer und CEO von Qubitcore.

Der Tech Hub Yokohama. | (c) TechHub Yokohama

Damit solche Verbindungen tatsächlich entstehen, braucht es Brückenbauer. Auf japanischer Seite übernimmt Marcel Rasinger mit genten LLC diese Rolle: Als Mitinitiator von Yokohama Connéct verbindet er lokale Unternehmen, Startups und städtische Organisationen mit internationalen Partnern. Auf österreichischer Seite strukturiert WAU die Zukunftsthemen heimischer Betriebe so, dass sie in den Dialog mit japanischen Partnern passen.

Die Stimme aus Tokio

Warum diese Übersetzungsarbeit nötig ist, weiß Kentaro Imai aus eigener Erfahrung – er verantwortet beim japanischen Konzern Kokuyo die Global Marketing Division im Global Workplace Business und ist dort Ansprechpartner für Europa und Nordamerika. Kokuyo beschäftigt sich seit mehr als 120 Jahren damit, wie Menschen arbeiten und lernen, und nutzt die eigenen Büros seit den 1960er-Jahren als Versuchsflächen. „Ideen lassen sich nicht einfach von einem Land in ein anderes kopieren“, sagt Imai, „sie müssen übersetzt werden, nicht nur sprachlich, sondern kulturell und organisatorisch.“ Erwartungen an Hierarchie, Entscheidungsfindung und Risiko unterschieden sich. Imai: „Brückenbauer helfen beiden Seiten zu verstehen, welche menschlichen Bedürfnisse universell sind und welche Annahmen lokal geprägt.“

Dass Zusammenarbeit über Kontinente hinweg dabei mehr braucht als Videocalls, ist für Imai keine Frage: „Digitale Technologie erlaubt Kommunikation über enorme Distanzen – aber Kommunikation allein erzeugt nicht automatisch Vertrauen, Zugehörigkeit oder Zusammenarbeit.“ Innovation beginne oft mit Beobachtung, informellen Gesprächen und unerwarteten Begegnungen. Kokuyo hat deshalb Teile seiner Konzernzentrale The Campus in Tokio-Shinagawa für die Nachbarschaft geöffnet, samt Park, Shop und Coffee Stand. „Der innovativste Raum ist nicht zwangsläufig der technisch fortschrittlichste. Es ist jener, in dem Menschen, die einander sonst nie treffen würden, beginnen, gemeinsam etwas zu denken und zu bauen“, so Imai. Was The Campus für Tokio ist, soll der Tech Hub Yokohama für europäische Partner werden.

Für Imai ist das der Punkt, an dem Werkzeug und Erfahrung zusammenfinden könnten: „We Are Unicorns und das Future Radar machen abstrakte Veränderungen für KMU verständlich und helfen dabei, von weiten Schlagworten zu konkreten Chancen zu kommen.“ Kokuyo wiederum bringe Erfahrung darin ein, wie Menschen arbeiten, lernen und physische Umgebungen nutzen. „Gemeinsam könnte das Future Radar eine Chance identifizieren, und wir könnten helfen, sie in konkrete Arbeitsweisen, Umgebungen und Pilotprojekte zu übersetzen“, sagt Imai.

Tiefe trifft Tempo

Was können beide Seiten voneinander lernen? Imai warnt vor Klischees, sieht aber komplementäre Stärken: Japanische Organisationen zeigten im besten Fall langfristige Verbindlichkeit, hohe Aufmerksamkeit für Qualität, kontinuierliche, schrittweise Verbesserung und Geduld beim Aufbau von Vertrauen; österreichische und europäische Ökosysteme brächten direkte Auseinandersetzung, schnelles Experimentieren, starke Zusammenarbeit zwischen KMU, Startups und Universitäten und eine größere Bereitschaft, Entscheidungen trotz verbleibender Unsicherheit zu treffen. Imai: „Der produktivste Austausch ist nicht Japan gegen Österreich; es ist die Kombination aus japanischer Tiefe und österreichischer Agilität.“

Für WAU heißt das: Österreich kann von der langfristigen Ökosystem-Architektur Japans lernen, vom Zusammenspiel aus Infrastruktur, Community-Programmen und städtischer Strategie. Japan wiederum profitiert von der pragmatischen KMU-Kultur in Europa, von Betrieben, die mit wenigen Ressourcen neue Technologien testen und in überschaubaren Schritten starten.

Zurück nach Yokohama, an jenen Mittwochabend im Tech Hub: Was dort als offener Community-Abend beginnt, endet im besten Fall mit einem Projekt, das ein Wiener Betrieb und ein japanisches Startup gemeinsam angehen. Das Future Radar liefert die gemeinsame Ausgangslage, die Brückenbauer den Zugang. Oder, wie Imai es formuliert: „Die Zukunft ist nichts, worauf wir warten. Sie ist etwas, das wir greifbar machen, gemeinsam testen und durch Neugier laufend verbessern.“

Über We Are Unicorns

We Are Unicorns (WAU) macht Zukunftsarbeit für österreichische KMU konkret, leistbar und umsetzbar. Das Wiener Unternehmen von Marie-Therese Barth und Florian Moosbeckhofer realisiert als „Innovationsabteilung as a Service“ auch Projekte für Regionen, Institutionen und Corporates. Zentraler Baustein ist das Future Radar mit 55 konkreten Chancen entlang von fünf Zukunftsfeldern, ergänzt um einen eigens entwickelten KI-Assistenten. Der Anspruch: Zukunft ohne Blabla.

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

Diese drei Fragen sollten Investor:innen KI-Startups stellen

AI Kontextualisierung

Welche gesellschaftspolitischen Auswirkungen hat der Inhalt dieses Artikels?

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

Diese drei Fragen sollten Investor:innen KI-Startups stellen

AI Kontextualisierung

Welche wirtschaftlichen Auswirkungen hat der Inhalt dieses Artikels?

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

Diese drei Fragen sollten Investor:innen KI-Startups stellen

AI Kontextualisierung

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

Als Innovationsmanager:in ist es wichtig, über aktuelle Trends und Entwicklungen im Startup-Bereich informiert zu sein, um innovative Lösungen und Technologien zu identifizieren und zu nutzen. Der Artikel beschäftigt sich mit dem Thema Künstliche Intelligenz und gibt Investoren wichtige Fragen an die Hand, um die Qualität von KI-Startups zu bewerten. Diese Fragen können auch für Innovationsmanager:innen relevant sein, um potenzielle Kooperationspartner oder Lösungen im KI-Bereich genauer zu prüfen. Es geht dabei um die Unterscheidung zwischen Machine Learning und regelbasierten Systemen, den Ursprung und die Anpassung des ML-Modells sowie die Daten, mit denen das Modell trainiert wurde. Durch das Verständnis dieser Fragen können Innovationsmanager:innen sicherstellen, dass KI-Technologien in ihrer Organisation tatsächlich das halten, was sie versprechen, und eine solide Grundlage für Innovationen schaffen.

Diese drei Fragen sollten Investor:innen KI-Startups stellen

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 …

Diese drei Fragen sollten Investor:innen KI-Startups stellen

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 …

Diese drei Fragen sollten Investor:innen KI-Startups stellen

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 …

Diese drei Fragen sollten Investor:innen KI-Startups stellen

AI Kontextualisierung

Wer sind die relevantesten Personen in diesem Artikel?

  • Autor: Simon Brendel

Diese drei Fragen sollten Investor:innen KI-Startups stellen

AI Kontextualisierung

Wer sind die relevantesten Organisationen in diesem Artikel?

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

Diese drei Fragen sollten Investor:innen KI-Startups stellen