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:
vor 5 Stunden

Zwischen Wien und dem Silicon Valley – was Österreich sich für den KI-Sprung nach vorne abschauen kann

Dort, wo die Vorreiter:innen der KI zu Hause sind, hat brutkasten mit zwei Österreicherinnen gesprochen, die genau dazwischen stehen: Isabella Tomás (Open Austria) und Manuela Mohr-Zydek (Salesforce Österreich). Ein Gespräch über einzigartige Fähigkeiten, wichtige Learnings und offene Potentiale.
/artikel/zwischen-wien-und-dem-silicon-valley-was-oesterreich-sich-fuer-den-ki-sprung-nach-vorne-abschauen-kann
vor 5 Stunden

Zwischen Wien und dem Silicon Valley – was Österreich sich für den KI-Sprung nach vorne abschauen kann

Dort, wo die Vorreiter:innen der KI zu Hause sind, hat brutkasten mit zwei Österreicherinnen gesprochen, die genau dazwischen stehen: Isabella Tomás (Open Austria) und Manuela Mohr-Zydek (Salesforce Österreich). Ein Gespräch über einzigartige Fähigkeiten, wichtige Learnings und offene Potentiale.
/artikel/zwischen-wien-und-dem-silicon-valley-was-oesterreich-sich-fuer-den-ki-sprung-nach-vorne-abschauen-kann
(V.l.) Manuela Mohr-Zydek (Salesforce Österreich) und Isabella Tomás (Open Austria) in San Francisco. © brutkasten

Zwei Perspektiven, ein Hotspot: San Francisco. Isabella Tomás sitzt seit vier Jahren an der Schnittstelle zwischen Österreich und dem Silicon Valley. Als Konsulin und Co-Direktorin von Open Austria leitet sie das gemeinsam von Außenministerium (BMEIA) und Wirtschaftskammer Österreich (WKO) betriebene Außenwirtschafts- und Innovationsbüro und vernetzt heimische Gründerinnen, Gründer und Unternehmen mit dem wohl dichtesten Innovationsökosystem der Welt. Manuela Mohr-Zydek blickt aus der Unternehmensperspektive darauf: Seit eineinhalb Jahren verantwortet sie als Country Leaderin das Österreich-Geschäft von Salesforce und begleitet heimische Betriebe dabei, den Schritt von der digitalen Transformation zur produktiven Skalierung autonomer KI-Agenten zu schaffen.

Im exklusiven Gespräch mit brutkasten ziehen die beiden Bilanz: Wie steht es um Österreich in Sachen KI-Anwendung? Was können heimische Unternehmen von der Risikobereitschaft und Umsetzungskraft des Silicon Valley lernen und wo sollte man mit dem KI-Einsatz trotz allem Potenzial vorsichtig bleiben? Von der Rolle des Kapitals bis hin zu den Stärken österreichischer Ingenieure, Tomás und Mohr-Zydek liefern einen ehrlichen Blick auf zwei Innovationswelten, die einander viel zu sagen haben.


Brutkasten: Ihr seid beide viel zwischen Österreich und San Francisco unterwegs. Welche Learnings möchtest du von hier sofort mit nach Österreich nehmen, Manuela?

Manuela Mohr-Zydek: Man kann viel Innovation und Inspiration mit nach Österreich nehmen. Wobei ich auch sagen muss, dass wir in Österreich bereits unglaublich viel Innovation und viele neue Ideen haben. Ich bin nun seit eineinhalb Jahren als Country Leaderin für Salesforce in Österreich tätig und sehe das täglich. Was man aus dem Silicon Valley mitnehmen kann, ist die enorme Umsetzungskraft und die Pionierarbeit. In Österreich befinden wir uns in manchen Bereichen gefühlt noch ganz am Anfang – vor allem beim Thema künstliche Intelligenz. Wir haben viele Kunden, die sich bereits damit auseinandersetzen oder KI skalierbar im Einsatz haben. Im Silicon Valley ist man vermutlich schon ein Stück weiter, und genau dieses Mindset können wir mitnehmen. Wir müssen weg von „Wir probieren aus“ hin zu „Wir setzen künstliche Intelligenz skalierbar im Unternehmen ein“. Damit lässt sich einerseits der Fachkräftemangel adressieren und andererseits dem wirtschaftlichen Kostendruck begegnen. Die Strategie sollte aus unserer Sicht aber nicht sein, Arbeitsplätze abzubauen. Im Gegenteil: Wir sehen viele Chancen für junge Menschen, sich im Bereich KI weiterzubilden, umzuschulen und eine klare Zukunftsperspektive aufzubauen.

Isabella Tomás: Ich kann bestätigen, was Manuela gesagt hat. Ich bin für Open Austria seit vier Jahren im Silicon Valley. Ein wesentlicher Unterschied ist die höhere Risikobereitschaft. Gründerinnen und Gründer werden hier ermutigt und unterstützt, mutig zu agieren. Die Menschen haben keine Angst vor Innovation. In Österreich haben wir sehr viele innovative Köpfe, aber man hat oft das Gefühl, dass sie nicht immer optimal gefördert werden, um sich voll zu entfalten – das beginnt an den Universitäten und setzt sich in den Unternehmen fort. Der zweite Punkt ist die Skalierbarkeit: Hier steht eine enorme Menge an Risikokapital zur Verfügung, mit dem Startups viel schneller skalieren können. Zudem spielt der US-Markt eine entscheidende Rolle: Wer sich hier etabliert, kann relativ leicht in andere Märkte vorstoßen und weltweit skalieren. Das ist in Österreich und auf EU-Ebene aufgrund der Marktstrukturen leider noch nicht ohne Hürden möglich.

Salesforce-CEO Marc Benioff hat in seiner Eröffnungs-Keynote ein eher verhaltenes Bild von Europa in Bezug auf KI gezeichnet. Wie beobachtest du die Adaption von KI-Applikationen bei österreichischen Unternehmen, Manuela?

Manuela Mohr-Zydek: Über die letzten Monate hat sich eine sehr positive Dynamik entwickelt. Wir führen nahezu mit jedem Kunden Gespräche zum Thema künstliche Intelligenz. Es geht nicht mehr nur um erste Pilotprojekte oder Proofs of Concept, sondern darum, wie Unternehmen tatsächlich mit autonomen Agenten arbeiten können – Hand in Hand zwischen Mensch und Agent. Wir sehen eine große Offenheit dafür, Geschäftsprozesse agentenbasiert zu unterstützen. Wir befinden uns in der nächsten Stufe: weg vom reinen Ausprobieren, hin zum Etablieren einer Kultur im Sinne von „Human in the Loop“. Der Mensch bleibt entscheidungsfähig, wird aber autonom durch Agenten unterstützt.

Welche konkreten Use Cases beobachtest du, auch im Vergleich zwischen größeren Unternehmen und Startups?

Manuela Mohr-Zydek: Gerade für kleinere Unternehmen und Startups bietet KI eine riesige Chance, weil Technologie demokratisiert wird. Mit Low-Code- und No-Code-Ansätzen braucht man keine tiefe Coding-Erfahrung mehr, um einen Agenten zu bauen und eine Idee zu verwirklichen. Anfänglich haben wir sehr stark im Servicebereich mit autonomen Agenten begonnen. Über die vergangenen Monate hat sich das stark in Richtung Marketing, Sales und Commerce weiterentwickelt. Es gibt Beispiele wie PayPal oder Anwendungsfälle, bei denen Agenten automatisiert Outbound-Leads generieren, Inbound-Anfragen abarbeiten oder Marketing-Journeys erstellen, bevor der Mitarbeiter übernimmt. Im Commerce-Bereich unterstützen Agenten bei Produktauskünften auf Webseiten. Autonome Agenten befreien Mitarbeiter von wiederkehrenden, maschinellen Aufgaben, sodass sich der Mensch wieder auf seine Kernstärken besinnen kann: Kreativität und soziales Miteinander. Das ist das Schöne am Konzept des „Agentic Enterprise“.

Isabella, was beobachtest du bei österreichischen Gründern, die ins Silicon Valley oder nach San Francisco kommen? Wie sieht dort die KI-Adaption aus?

Isabella Tomás: Die meisten, die herkommen, sind bereits tief im Thema drin oder kommen genau deshalb hierher, weil San Francisco das Mekka der KI ist. Wer das Thema noch nicht mitbringt, arbeitet sich sehr schnell ein. Zu Beginn gibt es meist einen gewissen Wow-Effekt. Das Beispiel der autonomen Autos verdeutlicht das gut: Für meine Volksschulkinder ist es mittlerweile völlig normal, sich in ein fahrerloses Auto zu setzen. Europäer, die das erste Mal in San Francisco sind, sind davon meist fasziniert. Der Unterschied liegt darin, dass die Menschen hier eine ausgeprägte Early-Adopter-Mentalität haben. Sie sind überdurchschnittlich bereit, etwas völlig Neues auszuprobieren, und haben weniger Berührungsängste. Das verhilft innovativen Ideen schneller zum Durchbruch und schafft einen ersten Use Case, mit dem man zeigen kann, dass es in der Praxis funktioniert.

Welche Stärken bringen Gründerinnen und Gründer aus Österreich mit, die man im Silicon Valley schätzt?

Isabella: Man schätzt auf jeden Fall die hervorragende Ausbildung an unseren Universitäten und Fachhochschulen. Die Ausbildung steht den Top-Universitäten in den USA in nichts nach. Auch das technische Fundament, etwa von Ingenieuren im Industriebereich, wird sehr geschätzt. Die Leute wissen genau, wovon sie sprechen, und arbeiten extrem solide. Wenn sich dieses Fachwissen mit der innovativen Dynamik vor Ort verbindet, entsteht eine hervorragende Kombination. Österreicher sind vielleicht nicht immer diejenigen mit den verrücktesten Ideen, aber sie sind extrem stark darin, diese Ideen pragmatisch und erfolgreich umzusetzen.

Überspitzt gefragt: Haben Gründer:innen aus Europa im Silicon Valley einen Nachteil, weil das Vorurteil herrscht, Europäer hinkten bei KI hinterher?

Isabella Tomás: Nein, nicht unbedingt. Das Silicon Valley ist ein großer Schmelztiegel mit Menschen aus aller Welt. Österreichische Gründerinnen und Gründer, die sich gut präsentieren, haben keineswegs einen Nachteil, nur weil sie aus Europa kommen. Einen Nachteil hat man nur dann, wenn man sich schlecht präsentiert oder nicht fachkundig wirkt. Wer zeigt, dass er seinen Bereich beherrscht und etwas Interessantes auf die Beine stellt, wird hier sehr schnell anerkannt.

Manuela, Salesforce hat sich ja spätestens mit AIforce der künstlichen Intelligenz verschrieben. Was ist für Geschäftsführer:innen, die KI im Unternehmen umsetzen wollen, deiner Meinung nach der beste erste Schritt?

Manuela Mohr-Zydek: Wir setzen sehr stark bei Schulungen an – und zwar sowohl auf Führungsebene als auch auf Mitarbeiterebene. Eine Zusammenarbeit von Mensch und Agent („Agentic Enterprise“) muss von Führungskräften vorgelebt werden, was ein grundlegendes technologisches Verständnis voraussetzt. Es geht auch um die Frage der ethischen Verantwortung und darum, wo die Grenzen der Technologie liegen, damit der Mensch in der Entscheidung verbleibt. Auf Mitarbeiterebene dienen Schulungen dazu, Inspiration und Ideen zu generieren. Wir veranstalten dazu auch Hackathons mit Kunden, um Ideen in eine Roadmap zu gießen und rasch in die Umsetzung zu bringen. So entsteht sowohl Top-down als auch Bottom-up die Innovationskraft, die es für die Zukunft braucht.

Gibt es Bereiche, in denen man KI konkret noch aussparen sollte, obwohl sie viel Potenzial birgt?

Isabella Tomás: Es gibt sehr sensible Bereiche, bei denen große Vorsicht geboten ist – etwa wenn es um Gesundheitsdaten oder hochgradig personenbezogene Daten geht. Aus Sicht der öffentlichen Verwaltung gelten hier höchste Anforderungen an Datenschutz und Regelkonformität. Solange nicht zu hundert Prozent sichergestellt ist, dass alle gesetzlichen Vorgaben eingehalten werden, kann KI dort nicht ohne Weiteres eingesetzt werden. Wenn es hingegen um Recherchen oder Entwürfe für Präsentationen geht, ist das unbedenklich. Grundsätzlich gilt: Je besser man sich selbst in einem Fachgebiet auskennt, desto eher kann man KI sinnvoll nutzen, weil man das Ergebnis fachlich beurteilen kann. Wenn man keine Ahnung von der Materie hat, sollte man KI-Ergebnisse nicht blind übernehmen, sondern verifizieren.

Welche Hoppalas oder Fehler konntest du im Silicon Valley beobachten, von denen Unternehmen in Österreich lernen können?

Isabella Tomás: Die Fehler sind ähnlich wie überall. Das reicht von Anwälten, die vor Gericht erfundene Präzedenzfälle zitiert haben, über Fehldiagnosen bei medizinischen Bildanalysen bis hin zu falschen Wirtschaftsdaten auf Präsentationsfolien. Wenn man Ergebnisse ungeprüft übernimmt, kann das peinlich werden. Man darf sich nicht blind auf die KI verlassen, wenn man die Fakten nicht selbst verifizieren kann.

Manuela, wie verändert sich die Arbeit in Unternehmen konkret durch den Einsatz von Agenten?

Manuela Mohr-Zydek: Wir gehen davon aus, dass sich letztlich nahezu jeder Job verändern wird. Es geht längst nicht mehr nur darum, ein Large Language Model als Assistenten einzusetzen, sondern darum, einzelne Prozessabschnitte im Unternehmen messbar und autonom abzuarbeiten. Bei Salesforce messen wir das in „Agentic Work Units“ – hier gab es von Q1 auf Q2 einen Anstieg von 97 Prozent. Um ein Unternehmen verlässlich zu führen, braucht man valide Daten, funktionierende Prozesse, Governance und Compliance. Das LLM dient als kreatives Interface nach oben, aber darunter braucht es ein solides Fundament aus Daten, Applikationen und Sicherheit.

Isabella Tomás: Das ist auch der Vorteil von spezifischen, maßgeschneiderten Modellen, die auf den konkreten Unternehmensdaten basieren. Dort ist das Risiko von Halluzinationen oder fehlerhaften Ausgaben deutlich geringer als bei rein generischen Sprachmodellen.

Manuela Mohr-Zydek: Wie Marc Benioff in seiner Keynote hervorgehoben hat, muss man zwischen wahrscheinlichkeitsbasierten und deterministischen Ergebnissen unterscheiden. Die Kombination aus beidem liefert sowohl kreative Möglichkeiten als auch die nötige Verlässlichkeit für Unternehmensentscheidungen


Transparenzhinweis: Die Reise- und Aufenthaltskosten zur Dreamforce wurden von Salesforce übernommen. Auswahl und Bewertung der Themen erfolgten unabhängig davon.

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