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:
25.09.2024

“Damit Frauen in der Führungsetage kein außerirdisches Konzept mehr sind”

Der Reykjavík Index misst jährlich, wie geeignet Frauen für Führungspositionen eingeschätzt werden. brutkasten hat mit Forscherin Vicky Petrie über den Index und was es für Veränderung braucht, gesprochen.
/artikel/damit-frauen-in-der-fuehrungsetage-kein-ausserirdisches-konzept-mehr-sind
25.09.2024

“Damit Frauen in der Führungsetage kein außerirdisches Konzept mehr sind”

Der Reykjavík Index misst jährlich, wie geeignet Frauen für Führungspositionen eingeschätzt werden. brutkasten hat mit Forscherin Vicky Petrie über den Index und was es für Veränderung braucht, gesprochen.
/artikel/damit-frauen-in-der-fuehrungsetage-kein-ausserirdisches-konzept-mehr-sind
Vicky Petrie Forschung Frauen Arbeit Reykjavik Index
Vicky Petrie bei ihrer Keynote am Global Leaders Summit. (c) Valerie Maltseva

Können Frauen genauso gut Unternehmen leiten wie Männer? Dem Reykjavík Index zufolge glauben das viele nicht. Seit 2018 wird mit dieser internationalen Vergleichsstudie gemessen, wie Frauen als Führungskräfte wahrgenommen werden. 100 wäre das Optimum, hier würden die Fähigkeiten der Geschlechter gleich gut eingeschätzt werden. Im Moment steht der Index bei circa 70 für die untersuchten G7-Staaten. Dieser Ländervergleich sei essentiell für einen Überblick, sagt die britische Forscherin Vicky Petrie am Rande des Global Leaders Summit von the female factor, unterstütz von der Stadt Wien, im brutkasten-Gespräch. So könne man lernen, was anderswo vielleicht besser gemacht werde.

Vicky Petrie ist kein Teil der Business-Welt. 20 Jahre lang hat sie für die britische Regierung in der Forschung gearbeitet, seit knapp eineinhalb Jahren ist sie nun Senior Director bei Verian, einem international tätigen Forschungsinstitut. Sie spricht im Wiener Rathaus in ihrer Keynote vor knapp 600 Frauen über den Reykjavík Index. Und spart dabei nicht mit Kritik an dem Event: Hier seien nur die Frauen anwesend, die nicht an der Fähigkeit von Frauen in Führungspositionen zweifeln würden. Diese Zweifler:innen müsse man anderswo erreichen – direkt in den Communitys, über Charity-Organisationen oder in Schulen. Je mehr hier passiere, desto weniger würden Frauen in der Führungsetage als ein außerirdisches Konzept wahrgenommen werden.

Reykjavík-Index als Maß für Leadership

Die Idee zum Reykjavík-Index for Leadership entstand 2017, als Verian-CEO Michelle Harrison mit mehreren weiblichen Führungskräften aus der Politik über deren Karrierewege gesprochen hat. Das sei wahnsinnig spannend gewesen, aber es wurden doch nur Einzelgeschichten erzählt. Es reiche nicht, sich nur die Frauen in CEO-Positionen anzusehen, sagt Vicky Petrie. “Wir müssen uns die gesellschaftliche Perspektive auf Frauen in Führungspositionen ansehen. So verstehen wir, welche Hürden die nächste Generation überwinden muss.” Oft sehe man sich Daten nur in einem Vakuum der Arbeitswelt an und vergesse zu fragen, was der Rest der Welt von weiblichen Führungskräften hält, sagt Petrie.

Denn Frauen werden Führungsrollen eher in der Kinderbetreuung und in traditionell weiblich geprägten Sektoren zugetraut. In der Technologie oder Wissenschaft sehe das anders aus, hier werden Frauen kaum als Führungskraft gesehen. Spannend aber beunruhigend ist für Petrie, dass die jüngere Generation offenbar stärkere Vorurteile gegenüber weiblichen Führungskräften hegt als ihre Eltern. Betroffen seien davon nicht nur Männer, sondern auch Frauen. Man müsse daher beide ansprechen und vor allem jungen Frauen zeigen, welche Ziele sie anstreben oder wer ihre Vorbilder sein könnten.

“Du hast etwas beizutragen”

Hier spiele auch Sprache eine große Rolle: Frauen seien schnell übertrieben selbstbewusst, aggressiv oder irritierend – während Männer entschieden auftreten. Diese unterschiedliche Terminologie mache etwas mit Frauen, glaubt Petrie. Junge Frauen würden sich eher zurückhalten und Führungspositionen vermeiden, um nicht so wahrgenommen zu werden. Allerdings werde die Praxis weniger, sich als Frau im Berufsalltag wie die männlichen Kolleg:innen zu verhalten.

Vicky Petrie erzählt, dass früher oft der Gedanke geherrscht habe: Wer als Frau die Gläserne Decke durchbrechen will, müsse sich benehmen wie der Mann neben einem – ganz nach dem Spruch “Walk the walk, talk the talk”. Das war in ihren Augen traurig, denn oft bedeutete diese Imitation auch, einen Teil seiner Persönlichkeit zurückzulassen und zum Beispiel weniger mit seiner Familie verbunden zu sein. Petrie habe in ihrer Karriere aber auch Vorbilder gehabt, die ihr gezeigt haben: “So ist es nicht, du kannst deine Persönlichkeit mit an den Tisch bringen. Du kannst du selbst sein und du kannst anziehen, was du willst – weil du etwas beizutragen hast.” 

Anderen Stimmen Raum geben

Wie kann man diese Wahrnehmung nun verändern? Immerhin lässt sich die Perspektive von Menschen auf ein Thema nicht nur mit Quotenregelungen oder andere quantitative Ziele ändern. “Das ist die Eine-Millionen-Dollar-Frage”, sagt Petrie. Denn eigentlich stehe hier die Frage dahinter: Wie beeinflussen wir junge Menschen? Vor allem Pädagog:innen spielen in ihren Augen hier eine große Rolle. 

Man müsse es außerdem schaffen, auch in den Sozialen Medien anderen Stimmen Raum zu geben, abseits von Andrew Tate oder anderen misogynen Influencer:innen. Eltern stehen hier in einer undankbaren Rolle. Sie könnten ihr Bestes versuchen, aber egal was man sage, am Ende des Tages sei man immer noch ein Elternteil. “Man kann außerhalb des Zuhauses die stärkste weibliche Führungskraft der Welt sein, aber deine Kinder werden das trotzdem nicht in dir sehen”, sagt Petrie.

Veränderung – auf dem Rücken von Barbie

Aus diesem Grund seien auch Awareness-Kampagnen in der medialen Öffentlichkeit so wichtig. Petrie nennt als Beispiel das “Stop it at the start”-Projekt der australischen Regierung. Die Kampagne will die Ursachen von häuslicher Gewalt bereits an der Wurzel bekämpfen und thematisiert das Thema Respektlosigkeit gegenüber Frauen. Junge Menschen müssten lernen aufzuschreien, wenn jemand schlecht behandelt werde.

Die Schwierigkeit ist für Petrie stets dieser Übergang von einer medialen Kampagne zu tatsächlichen Aktionen. Im vergangenen Jahr wurde zum Beispiel ein “Girl Summer” ausgerufen, Barbie und Taylor Swift waren dauerpräsent. Dadurch hätten sich viele Frauen empowered gefühlt, aber danach seien alle zurück in ihre Alltagsjobs gegangen und hätten weitergelebt wie vorher. Dabei gehe es darum zu fragen: Was machen wir jetzt? Wie schaffen wir Aktionen und Veränderung durch diese Popkultur-Phänomene? “Es geht darum, diese Moden zu nutzen und auf deren Rücken etwas zu verändern”, sagt Petrie.

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