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:
28.10.2026

Scalable-Co-CEO über Österreich-Expansion: „Mit Bitpanda sehen wir wenig Überschneidung“

Seit Anfang Oktober betreibt Scalable Capital eine Bankniederlassung in Wien und bietet damit steuereinfaches Investieren in Österreich an. Im Interview spricht Co-CEO Erik Podzuweit über die Ziele im heimischen Markt, das Zukunftsdepot und darüber, warum bereits 20.000 KI-Agenten täglich auf Scalable-Konten aktiv sind.
/artikel/scalable-capital-podzuweit-interview
28.10.2026

Scalable-Co-CEO über Österreich-Expansion: „Mit Bitpanda sehen wir wenig Überschneidung“

Seit Anfang Oktober betreibt Scalable Capital eine Bankniederlassung in Wien und bietet damit steuereinfaches Investieren in Österreich an. Im Interview spricht Co-CEO Erik Podzuweit über die Ziele im heimischen Markt, das Zukunftsdepot und darüber, warum bereits 20.000 KI-Agenten täglich auf Scalable-Konten aktiv sind.
/artikel/scalable-capital-podzuweit-interview
Scalable-Capital-Co-CEO Erik Podzuweit beim Interview in Wien | Foto: brutkasten
Scalable-Capital-Co-CEO Erik Podzuweit beim Interview in Wien | Foto: brutkasten

Die Münchner Banking- und Investmentplattform Scalable Capital verwaltet mittlerweile über 60 Milliarden Euro an Kundenvermögen. Seit Anfang Oktober hat das Unternehmen eine offizielle Bankniederlassung in Wien, damit können österreichische Kund:innen erstmals steuereinfach investieren. Das bedeutet: Scalable führt die Kapitalertragsteuer (KESt) auf Gewinne, Dividenden und Zinsen automatisch an das Finanzamt ab, Anleger:innen müssen ihre Kapitalerträge also nicht mehr selbst in der Steuererklärung angeben. Co-Founder und Co-CEO Erik Podzuweit war zum Start in Wien. brutkasten traf ihn zum Gespräch über die Expansionspläne, den Mitbewerb und seine Vision vom „Finanzcoach in der Tasche“.


brutkasten: Scalable Capital war in Österreich schon länger aktiv, seit Anfang Oktober gibt es eine Bankniederlassung in Wien. Warum gerade jetzt?

Erik Podzuweit: Wir sind als App auf den Systemen einer anderen Bank gestartet und haben in den letzten Jahren unsere gesamte technische Infrastruktur selbst entwickelt und vertikalisiert: mit eigenem Kernbankensystem, eigenem Market Making über einen Handelsplatz, den wir gemeinsam mit der Börse Hannover betreiben, sowie eigener Konto- und Depotführung. Diese Plattform können wir jetzt nutzen, um viel schneller und flexibler in andere Länder wie Österreich zu gehen.

Man konnte schon vor Jahren als Österreicher Kunde werden, aber nicht steuereinfach. Dafür mussten wir zwei Dinge tun: eine offizielle Bankniederlassung gründen, wie wir es auch vor kurzem in Italien getan haben, und die Steuersoftware entweder einkaufen oder selbst bauen. Für Österreich haben wir sie selbst gebaut. Dank moderner KI-Anwendungen geht das heute extrem effizient im eigenen Haus. Das waren die letzten Schritte zu einem massentauglichen Produkt in Österreich. Jetzt bauen wir das lokale Team weiter aus und fahren das Marketing hoch. Ab Mitte Oktober werden wir in ganz Österreich mit Werbung deutlich präsenter sein. Und es kommen weitere Produkte: im November Festgeld und später ein Kreditangebot.

Wie wollt ihr in die breite Masse gehen? Anbieter wie Bitpanda setzen stark auf Sportsponsoring.

Wir setzen sehr stark auf Außenwerbung, parallel spielen wir die ganze Klaviatur des Online-Marketings. Sportsponsoring machen wir nur in kleinem Umfang, da gibt es viele Streuverluste. Und wir sind in einem zyklischen Markt: Bei volatilen Börsen muss man das Marketing zurückfahren können. Bei Krypto hat man das gesehen, da ist das Handelsvolumen eingebrochen, und es war schwer, aus mehrjährigen Verträgen wieder rauszukommen.

Welche Zielgruppe sprecht ihr in Österreich an?

Vor ein paar Jahren waren wir viel nischiger. Unsere klassische Kundschaft waren die sogenannten Smart Busy Professionals: Menschen, die noch nicht zwangsläufig reich sind, aber gut ausgebildet, mit gutem Einkommen, oft städtisch, die in der Wirtschaft oder als Programmierer arbeiten. Bei einer klassischen Bank fallen diese Kundinnen und Kunden oft durchs Raster: Sie passen noch nicht ins Private Banking, sind aber auch keine Retailkunden, denen man irgendeinen Fonds verkauft. Mit der Zeit werden sie immer attraktiver. Heute gehen wir eine viel breitere Masse an. Neben dem Investieren haben wir mit Tagesgeld und Festgeld auch den Bereich Sparen. 2,6 Prozent Zinsen versteht jeder. Damit gewinnt man auch Kunden, die wenig Risiko wollen oder in Rente sind, und zwar von klassischen Banken. Die Smart Busy Professionals kommen eher von anderen Online-Banken zu uns.

Wer ist euer direkter Mitbewerber?

Mit Bitpanda sehen wir wenig Überschneidung. Wir haben ein Kryptoangebot, Bitpanda hat ein Aktienangebot, aber das sind zwei getrennte Welten. Dann schon eher alle Banken. Wenn man aber auf Preis, Zins, Gebühren und das Nutzererlebnis schaut, sind die klassischen Banken keine direkte Konkurrenz für uns. Der direkteste Mitbewerber ist Trade Republic. Aber es gibt Unterschiede im Preismodell und bei den Zinsen. Unser Zins ist etwas besser. Wir liegen bei 2,6 Prozent versus 2,5 Prozent.

Warum braucht es ein lokales Team in Wien, wenn Geldanlage ein globales Geschäft ist?

Wenn ein österreichischer Kunde eine Tesla-Aktie kauft, ist das dieselbe Aktie wie für einen italienischen Kunden. Aber im Kundengeschäft braucht man lokale Präsenz. Auch BlackRock hat ein Büro in Wien und eins in Mailand, man kann Europa nicht allein aus New York steuern, und wir nicht allein aus München. Die regionalen Unterschiede liegen vor allem auf der Steuerseite. Jetzt fangen auch einzelne Staaten der EU an, gezielte steuerliche Anreize und Zuschüsse zum Investieren zu geben. In Deutschland kommt das Altersvorsorgedepot, in Österreich wird das Zukunftsdepot diskutiert. Da muss man die Entscheidungen nah verfolgen und ein lokales Produkt bauen. Sobald das Zukunftsdepot kommt, werden wir es maßgeschneidert in Österreich anbieten.

Welche Ziele habt ihr euch für Österreich gesetzt?

Der österreichische Markt ist zwar kleiner als der deutsche, aber die durchschnittlichen Depotgrößen sind hier sogar etwas höher. Ziel ist es, in den nächsten Jahren ein Kundenvolumen von zehn bis zwanzig Milliarden Euro in Österreich aufzubauen. Aktuell liegen wir bei über 60 Milliarden auf der gesamten Plattform. In vier bis sechs Jahren soll die Hälfte des Kundenstamms von außerhalb Deutschlands kommen. Dabei sind wir klar auf Europa fokussiert, eine Expansion darüber hinaus planen wir nicht.

Ihr habt Agentic Investing eingeführt. Was ist die Idee, und wer nutzt das?

Wir haben zwei Schnittstellen geöffnet – technisch nennt sich die eine CLI (Command Line Interface) und die andere MCP (Model Context Protocol). Über die erste kann ein Kunde seine eigene KI-Anwendung anschließen. Über die MCP-Schnittstelle können auch Leute ohne Programmierkenntnisse in wenigen Minuten beispielsweise ChatGPT oder Claude mit ihrem Scalable-Konto verknüpfen. Man stellt die Freiheitsgrade ein: Im Read-Only-Modus sieht und analysiert der Agent das Portfolio, erstellt Charts oder aggregiert Newsfeeds. Wer möchte, kann ihn aber auch bis zum Ausführen von Trades und Trading-Strategien freischalten. Geblockt ist aus Sicherheitsgründen jede Zahlung, es kann nie Geld abfließen. Das Feature ist vor ein paar Wochen gestartet, die ersten 20.000 Agenten sind täglich aktiv. Noch nutzt es eher die technologieaffine Kundschaft, vor allem für Portfolioanalysen, manche fahren aber bereits aktive Strategien.

Und die Zukunft?

Ich erwarte nicht, dass jeder Kunde komplexe Trading-Strategien umsetzt, das macht für die meisten auch gar keinen Sinn. Die Vision ist eine Welt, in der jeder einen persönlichen Agenten hat. Der sagt nicht nur, dein Konto bei Bank XY hat zu wenig Zinsen, sondern eröffnet direkt ein Konto und Depot bei Scalable. Man sagt: “Ich habe zehn Euro im Monat übrig und möchte mit mittlerem Risiko anlegen” und der Agent sucht die passenden ETFs heraus und setzt einen Sparplan auf. Der Anspruch ist dabei nicht die zusätzliche Rendite, sondern dass der Zugang zum Kapitalmarkt einfacher wird. 80 Prozent der Menschen haben noch nie investiert. Ein Finanzcoach in der Tasche, der auch aktiv werden kann, das ist die Zukunft der Geldanlage. Das kommt nicht von heute auf morgen, aber in den nächsten Jahren. Private Geldanlage ist im Aufwind, Anbieter wie wir senken Hürden und Gebühren, und jetzt kommt KI dazu. Das ist ein ideales Zusammenspiel.


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