20.05.2025
GASTBEITRAG

Jenseits des Hypes: Fünf praxisnahe Lektionen für den Aufbau eines B2B-KI-Tools

Gastbeitrag. Startmatch.ai-Gründer Robert Kopka teilt seine Learnings und gibt Tipps für Startups, um sich in der KI-Landschaft zurechtzufinden.
/artikel/jenseits-des-hypes-5-praxisnahe-lektionen-fuer-den-aufbau-eines-b2b-ki-tools
KI, Robert Kopka, Wie baue ich ein KI-Tool
(c) Startmatch/Stock-.Adobe - Robert Kopka.

KI ist aktuell überall – aber zwischen dem Hype und der Entwicklung eines B2B-Tools, das zahlende Kunden begeistert, liegen Welten. Mit StartMatch.ai haben wir ein KI-Tool entwickelt, das individuelle Empfehlungen für Förderungen erstellt und Förderanträge schreibt. Es hat schon unzähligen Startups, Scaleups und Förderberatern dabei geholfen, mehr Zeit für andere Themen zu haben. Diese fünf Erkenntnisse möchte ich Startups mitgeben, damit sie typische Fehler vermeiden und ihre KI-Lösung erfolgreich launchen können.

Erkenntnis #1: KI-Kompetenz bleibt überraschend niedrig

Obwohl ChatGPT seit über zwei Jahren öffentlich verfügbar ist, haben wir festgestellt, dass die KI-Kompetenz unter potenziellen B2B-Kunden stark variiert. Viele unserer Kunden haben nur begrenzte Erfahrung mit KI-Tools und äußern häufig Datenschutzbedenken oder Sorgen vor sogenannten Halluzinationen. Diese Unsicherheit bringt einige Herausforderungen mit sich. Startups sollten die KI-Kompetenz ihrer Zielgruppe realistisch einschätzen und ihre Kommunikation entsprechend anpassen. Der Vorteil dabei: Eine unerfahrene Zielgruppe lässt sich schon mit vergleichsweise einfachen KI-Features begeistern.

Erkenntnis #2: LLM ist nicht gleich LLM

Eine unserer frühesten und bedeutendsten Erkenntnisse war, dass nicht alle KI-Modelle gleich sind. Die Leistung von LLMs (Large Language Models) variiert dramatisch, und die Auswahl des richtigen Modells für Ihren spezifischen Anwendungsfall kann ein entscheidender Faktor sein. Als wir mit der Entwicklung von StartMatch.ai begannen, experimentierten wir zunächst mit mehreren populären Modellen. Die Unterschiede in der Ausgabequalität und Konsistenz waren auffällig. Einige Modelle glänzten beim kreativen Schreiben, hatten aber Schwierigkeiten mit strukturierten Dokumenten wie Förderanträgen. Andere zeigten beeindruckende faktische Erinnerungsfähigkeiten, ihnen mangelte es jedoch an den Schreibfähigkeiten, die für überzeugende Anträge unerlässlich sind. Für Startups, die KI-Tools entwickeln, ist es entscheidend, mehrere Modelle gründlich anhand ihrer spezifischen Anforderungen zu testen, anstatt einfach die gehypteste Option zu wählen.

Erkenntnis #3: B2B-Kunden priorisieren Datenschutz und Datensicherheit

Wenn man ein B2B KI-Produkt (für den deutschsprachigen Markt) entwickelt, muss man sich auf intensive Diskussionen über Datenschutz, DSGVO-Konformität und Privatsphäre vorbereiten. Wir erhielten mehr Fragen zu diesen Bereichen als zu Funktionen oder Fähigkeiten. Wir stellten fest, dass potenzielle Kunden genauso an den Schreibfähigkeiten unserer KI interessiert sind wie daran, wie wir mit ihren sensiblen Geschäftsinformationen umgehen. Fragen zur Datenspeicherung, zu Verarbeitungsorten und Sicherheitsmaßnahmen dominieren oft unsere Verkaufsgespräche. Für Startups ist es weitaus effizienter, von Grund auf gute Schutzmaßnahmen aufzubauen, als sie später nachzurüsten. Unsere starke Empfehlung ist es, diese Aspekte von Anfang an zu berücksichtigen.

Erkenntnis #4: LLMs haben Schwierigkeiten mit Konsistenz und Zählen

Während LLMs in vielen Bereichen bemerkenswerte Fähigkeiten zeigen, haben sie spezifische Einschränkungen, die erhebliche technische Entwicklungen erforderten, um sie zu überwinden. Förderanträge haben typischerweise strenge Zeichen- oder Wortanzahlbegrenzungen. Wir stellten fest, dass LLMs überraschend schlecht darin sind, zu zählen und konsequent innerhalb dieser Grenzen zu bleiben. Was wie eine einfache Anforderung erschien – „schreibe eine technische Projektbeschreibung mit maximal 2.000 Zeichen“ – führte oft zu Vorschlägen, die deutlich über oder unter dem Limit lagen. Ebenso erwies sich das konsistente Extrahieren von Daten aus Dokumenten als herausfordernd. Und für uns macht es einen großen Unterschied, ob das maximal unterstützte Projektvolumen €20.000 oder €200.000 beträgt. Die Bewältigung dieser Einschränkungen erforderte die Entwicklung spezialisierter Prompt-Techniken, die Implementierung von Validierungssystemen und die Schaffung robuster Überprüfungsmechanismen. Für KI-Startups kann das frühzeitige Erkennen und technische Umgehen dieser Einschränkungen Probleme später verhindern.

Erkenntnis #5: LLMs sind relativ erschwinglich

Eine der angenehmsten Überraschungen auf unserem Weg war die Zugänglichkeit leistungsstarker KI-Modelle. Jeder größere LLM-Anbieter bietet großzügige kostenlose Credits für Startups an, und selbst die regulären Preise bleiben angesichts der Fähigkeiten, die diese Modelle liefern, vernünftig. Der intensive Wettbewerb zwischen OpenAI, Anthropic, Google und den Open-Source-Modellen hat ein günstiges Umfeld für Startups geschaffen, die auf diesen Grundlagen aufbauen. Diese Wettbewerbslandschaft hat nicht nur die Preise im Zaum gehalten, sondern auch Modellverbesserungen und Spezialisierungen beschleunigt. Für Startups bedeutet das, dass der Aufbau ausgeklügelter KI-Produkte finanziell tragfähiger ist als je zuvor und man bei Produkten anfangs auch mit Kanonen auf Spatzen schießen kann, um rasch gute Ergebnisse zu erzielen.

Deine ungelesenen Artikel:
22.06.2026

„Die unverzichtbarste Maschine der Welt“ für KI stammt aus Europa. Der Vorsprung liegt woanders

Bei der VivaTech in Paris erklärte ASML-Chef Christophe Fouquet, warum ohne seine niederländischen Maschinen keine einzige KI existiert. Im selben Vortrag rechnete er aber vor, dass rund 80 Prozent der gewaltigen KI-Investitionen in die USA fließen und nur „ein bisschen" nach Europa. Das ist das eigentliche Dilemma des Kontinents: Er baut den unverzichtbaren Engpass, am Boom verdient er kaum mit.
/artikel/die-unverzichtbarste-maschine-der-welt-fuer-ki-steht-in-europa-der-vorsprung-liegt-woanders
22.06.2026

„Die unverzichtbarste Maschine der Welt“ für KI stammt aus Europa. Der Vorsprung liegt woanders

Bei der VivaTech in Paris erklärte ASML-Chef Christophe Fouquet, warum ohne seine niederländischen Maschinen keine einzige KI existiert. Im selben Vortrag rechnete er aber vor, dass rund 80 Prozent der gewaltigen KI-Investitionen in die USA fließen und nur „ein bisschen" nach Europa. Das ist das eigentliche Dilemma des Kontinents: Er baut den unverzichtbaren Engpass, am Boom verdient er kaum mit.
/artikel/die-unverzichtbarste-maschine-der-welt-fuer-ki-steht-in-europa-der-vorsprung-liegt-woanders
Hier eine BU zur Maschine selbst, in zwei Schärfegraden: Variante 1, kompakt für Social: Oft als komplexeste Maschine der Welt bezeichnet: Eine EUV-Anlage von ASML besteht aus rund 100.000 Bauteilen und ist etwa so groß wie ein Bus. | (c) ASML

Es gibt Sätze, die mehr über die Lage Europas verraten als jedes Strategiepapier. Einer davon fiel auf der diesjährigen VivaTech, gesprochen von einem Mann, den man schwer des europäischen Selbstmitleids verdächtigen kann: Christophe Fouquet, CEO von ASML.

Fouquet war nach Paris gekommen, um zu erklären, wie ein Chip überhaupt entsteht, etwas, das fast jede und jeder im Publikum täglich nutzt, ohne es zu kennen. Im Zentrum steht die EUV-Lithografie und die Maschine dahinter, die laut Fouquet das Wall Street Journal im Dezember 2024 „die unverzichtbarste Maschine der Welt“ nannte. Sie überträgt mit Licht feinste Strukturen auf den Wafer, die runde Siliziumscheibe, aus der später die einzelnen Chips geschnitten werden.

ASML ist der einzige Hersteller dieser Anlagen weltweit. Ohne sie entsteht kein einziger der fortschrittlichsten Chips, und ohne diese Chips läuft keine der KI-Anwendungen, über die in Paris vier Tage lang geredet wurde. „KI braucht Chips, und Chips brauchen EUV“, brachte es Fouquet auf der Bühne auf die einfachste Formel. So weit, so beeindruckend. Doch der Satz, der hängen blieb, war ein anderer.

Billionen fließen, aber nicht hierher

Fouquet skizzierte, was viele in der Branche längst als Gewissheit handeln: In den kommenden zwei bis drei Jahren werden Billionen in KI-Infrastruktur investiert, in Rechenzentren, Beschleuniger, Wafer. Es ist die erste Runde eines Aufbaus, der KI in jede Industrie tragen soll. Und dieser Aufbau hat eine klare Geografie. Laut BloombergNEF entstanden Ende September 2025 rund drei Viertel der weltweit im Bau befindlichen Rechenzentrumskapazität in den USA. Allein die fünf größten US-Hyperscaler, Microsoft, Alphabet, Amazon, Meta und Oracle, haben für 2026 zusammen zwischen 660 und 690 Milliarden Dollar an Investitionen angekündigt, fast eine Verdopplung gegenüber dem Vorjahr. Fouquets Stegreifzahl von 80 Prozent steht also auf solidem Grund, und sein „Europa ein bisschen“ ebenso.

ASML-CEO Christophe Fouquet (links) und Siemens-Chef Roland Busch bei der VivaTech in Paris, wo beide über KI, Industrie und Europas technologische Wettbewerbsfähigkeit sprachen. (c) LinkedIn Christophe Fouquet / VivaTech

Man muss sich das auf der Zunge zergehen lassen. Der Chef von Europas strategisch wertvollstem Technologiekonzern, auf einer europäischen Bühne, vor einem europäischen Publikum, rechnet vor, dass der Kontinent beim wichtigsten Infrastrukturaufbau dieses Jahrzehnts eine Randnotiz ist. Das ist keine Klage eines Subventionsempfängers. Es ist die nüchterne Buchführung dessen, der die Maschinen liefert und daher genau weiß, wohin sie gehen.

Genau hier wird aus einem Technik-Vortrag eine Standortfrage.

Warum ausgerechnet ASML der Hebel ist

Die Wucht der Zahlen, die Fouquet auffuhr, macht klar, worum es geht. Jensen Huangs These „Moore’s Law is dead“ bedeutet in der Praxis: Statt einer Verdopplung der Transistoren alle zwei Jahre verlangt das KI-Zeitalter eine Verzehnfachung. Schon ein einzelner Blackwell-Chip von NVIDIA vereint 208 Milliarden Transistoren. Und der Hunger nach Silizium wächst rasant: Laut ASML beansprucht ein komplettes Blackwell-System heute die Kapazität von rund 50 Wafern, das für 2027 geplante Rubin-Ultra-System soll die fünffache Menge benötigen, also rund 250 Wafer pro System.

(c) ASML

Diese Explosion der Nachfrage trifft auf ein Nadelöhr, und das Nadelöhr heißt ASML. Die Komplexität der Technik ist dabei kein Marketing: Um das nötige EUV-Licht zu erzeugen, beschießt ASML laut Fouquet 60.000 Mal pro Sekunde ein winziges Zinntröpfchen mit Lasern und erzeugt ein Plasma von 220.000 Grad Celsius. Die Spiegel, die das Licht lenken, seien, so Fouquet, tausendmal präziser als jene des Hubble-Teleskops, präzise genug, um vom Boden aus eine Münze auf dem Mond anzupeilen. Vierzig Jahre Entwicklung, 1984 aus einem Joint Venture rund um Philips mit 31 Mitarbeiter:innen hervorgegangen, stecken in diesem Vorsprung. Genau deshalb kann ihn so schnell niemand kopieren, und genau deshalb hängt die Welt an einem einzigen europäischen Unternehmen.

1984 als Joint Venture rund um Philips mit 31 Mitarbeiter:innen gestartet, ist ASML heute Europas wertvollster Technologiekonzern. Im Bild der Hauptsitz im niederländischen Veldhoven. (c) ASML

Das ist die paradoxe Ausgangslage Europas: Es kontrolliert den unverzichtbaren Engpass der KI-Revolution, partizipiert am Wertzuwachs darüber aber nur am Rand.

Die europäische Gegenwette

Dass ASML diese Lücke kennt, zeigt sein eigener Schritt. Im September 2025 führte der Konzern mit 1,3 Milliarden Euro die Series-C-Runde von Mistral an, sicherte sich rund elf Prozent am Pariser KI-Champion und einen Sitz im Strategieausschuss. Bewertung der Runde: 11,7 Milliarden Euro. In Paris erklärte Fouquet die Logik dahinter mit einer These, die man sich merken sollte: Der eigentliche Wert von KI liege nicht im Modell, sondern in den Daten. ASML sitzt auf einem Datenschatz von rund 120 Petabyte, allein in den Fabs der Kund:innen entstehen 15 Terabyte pro Stunde. Mistral bekommt Zugang und bettet eigene Leute bei ASML ein, ASML bekommt maßgeschneiderte Modelle für Design, Fertigung und Forschung.

Im Reinraum von ASML im niederländischen Veldhoven entsteht die EUV-Lithografie, jene Maschine, die laut Fouquet das Wall Street Journal die „unverzichtbarste Maschine der Welt“ nannte. (c) ASML

Es ist, auf dem Papier, die europäische Idealgeschichte: Der Engpass-Monopolist und der Hoffnungsträger der europäischen KI verbünden sich, statt das Geld nach Kalifornien zu tragen. Eine Wette auf Souveränität entlang der gesamten Halbleiter-Wertschöpfungskette.

Nur sollte man sich diese Wette ehrlich ansehen. Mistral ist gegenüber OpenAI und Anthropic weiterhin der kleinere Player, dessen Modelle ihren industriellen Mehrwert erst beweisen müssen. Und die Hardware, auf der am Ende alles läuft, kommt weiterhin von NVIDIA. Europa kontrolliert den Anfang der Kette, die Lithografie, und versucht nun, sich ein Stück der Mitte, die Modelle, zu sichern. Das Ende der Kette, die Beschleuniger und Rechenzentren, in denen das eigentliche Geld verdient wird, liegt anderswo.

Was Fouquets Rechnung für uns bedeutet

Die Botschaft aus Paris ist damit zweischneidig. Europa ist nicht abgehängt, im Gegenteil: Es hält mit ASML den einen Hebel, ohne den die gesamte KI-Welt stillstünde. Aber Hebel und Vorsprung sind nicht dasselbe wie Teilhabe am Wachstum. Solange der Großteil des Geldes anderswo investiert wird, bleibt der Kontinent der unverzichtbare Zulieferer einer Revolution, die anderswo zu Geld gemacht wird.

Die ehrliche Frage, die Fouquets Nebensatz aufwirft, ist nicht, ob Europa mitspielen kann. Es spielt längst mit, an der entscheidendsten Stelle. Die Frage ist, ob es bereit ist, aus einer Position der technologischen Unverzichtbarkeit endlich auch eine Position der wirtschaftlichen Stärke zu machen. Die Antwort darauf wird nicht in Veldhoven oder Paris gegeben, sondern in den Budgets der nächsten zwei, drei Jahre.

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

Jenseits des Hypes: Fünf praxisnahe Lektionen für den Aufbau eines B2B-KI-Tools

AI Kontextualisierung

Welche gesellschaftspolitischen Auswirkungen hat der Inhalt dieses Artikels?

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

Jenseits des Hypes: Fünf praxisnahe Lektionen für den Aufbau eines B2B-KI-Tools

AI Kontextualisierung

Welche wirtschaftlichen Auswirkungen hat der Inhalt dieses Artikels?

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

Jenseits des Hypes: Fünf praxisnahe Lektionen für den Aufbau eines B2B-KI-Tools

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 …

Jenseits des Hypes: Fünf praxisnahe Lektionen für den Aufbau eines B2B-KI-Tools

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 …

Jenseits des Hypes: Fünf praxisnahe Lektionen für den Aufbau eines B2B-KI-Tools

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 …

Jenseits des Hypes: Fünf praxisnahe Lektionen für den Aufbau eines B2B-KI-Tools

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 …

Jenseits des Hypes: Fünf praxisnahe Lektionen für den Aufbau eines B2B-KI-Tools

AI Kontextualisierung

Wer sind die relevantesten Personen in diesem Artikel?

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

Jenseits des Hypes: Fünf praxisnahe Lektionen für den Aufbau eines B2B-KI-Tools

AI Kontextualisierung

Wer sind die relevantesten Organisationen in diesem Artikel?

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

Jenseits des Hypes: Fünf praxisnahe Lektionen für den Aufbau eines B2B-KI-Tools