✨ AI Kontextualisierung
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.
