01.09.2017

KI-Geschichte: Vom „KI Winter“ zum endgültigen Durchbruch

In Kooperation mit Venionaire Capital veröffentlicht der Der Brutkasten eine vierteilige Artikelserie zum Thema Künstliche Intelligenz. Dabei spannen wir den Bogen von wirtschaftlichen Aspekten über Funktionsweise von KI zur aktuellen Forschung und der Zukunft von Künstlicher Intelligenz.
/artikel/ki-geschichte-venionaire
Artificial Intelligence
(c) pixabay

Im ersten Teil dieser Artikelserie ging es darum, wie künstliche Intelligenz (KI) Wirtschaftswachstum generieren kann. Im zweiten Teil wurden die Grundlagen künstlicher Intelligenz behandelt. Im dritten Teil geben wir nun eine Übersicht über Forschung, Trends und führende Unternehmen auf dem Gebiet.

+++ Teil 1: Wirtschaftswachstum durch Künstliche Intelligenzen +++


Der „KI Winter“ im kalten Krieg

Künstliche Intelligenz wird oft als eine neue Welt gesehen, die gerade von mutigen Pionieren aus dem Silicon Valley erobert wird. In Wahrheit hat das Thema jedoch eine wilde Achterbahnfahrt von Höhen und Tiefen hinter sich. Schon im Kalten Krieg wollte die US-Regierung russische Dokumente automatisiert übersetzen lassen und investierte heftig in maschinelle Übersetzungstechnologien. Der Durchbruch schien nur mehr eine Frage der Zeit, aber die Forscher unterschätzten die Problematik, dass Wörter unterschiedliche Bedeutung in unterschiedlichen Kontexten haben können. Die großen Erwartungen konnten nicht erfüllt werden und schließlich zog die US-Regierung die finanzielle Reißleine. Diese Periode wurde in Analogie zum Begriff des „nuklearen Winters“ als „KI Winter“ bezeichnet.

Viele (gescheiterte) Anläufe

Historisch gab es immer wieder solche Dürreperioden. So etwa im Jahre 1973, als das britische Parlament den Mathematik-Professor Michael James Lighthill beauftragte, den derzeitigen Stand der KI-Forschung zu bewerten. Lighthill gab ein vernichtendes Urteil und sah keines der hochgesteckten Ziele verwirklicht. Finanzielle Einschnitte, und damit einhergehend weniger Forschungsaktivitäten, waren die Folge.

Immer wieder lösten sich Tief- und Hochphasen („KI Sommer“) ab. In den 1980er-Jahren kam mit XCON das erste kommerzielle KI-Programm für Unternehmen auf dem Markt. Schnell entwickelte sich eine eigene Industrie mit Zulieferbetrieben. Letztlich waren die Systeme jedoch zu teuer, zu schwer zu aktualisieren und zu fehleranfällig. Keine sieben Jahre später brach der Markt für spezialisierte KI-Hardware zusammen.

Durchbruch mit Google, Facebook und Co

Nach einer schwierigen Situation in den frühen 90iger-Jahren erholte sich die KI-Branche endgültig in den 2000er-Jahren. „The AI winter is long since over“, postulierte der US-amerikanische Autor und Computerwissenschaftler Ray Kurzweil deshalb schon 2005 in seinem Buch „The Singularity is Near“. Der Aufschwung wurde diesmal nicht so sehr von Regierungen sondern von Tech-Unternehmen wie Google, Facebook, Apple, Amazon, Microsoft oder der chinesischen Firma Baidu gestützt. Diese Unternehmen investieren stark in Künstliche Intelligenz und werben laufend Talente aus der wissenschaftlichen Community ab. Grundlage für das rasant steigende kommerzielle Interesse sind die nun vorhandenen Rechenleistungen von Computern, die erstmals den breiten Einsatz von KI-Technologien ermöglichen.

Deep Learning: menschliches Gehirn als Vorbild

Der Suchmaschinen-Gigant Google ist eines der führenden Unternehmen wenn es um das Thema Künstliche Intelligenz geht. Schwerpunkte deren Forschung (siehe research.google.com) sind Machine Learning, Natural Language Understanding, das gesamte Gesundheitswesen, die Wahrnehmungsfähigkeiten von Maschinen, Robotik und interessanterweise auch das Schaffen von Musik und Kunst.

Eine ganz wesentliche Rolle spielt dabei „Deep Learning“. Damit ist der Bau von künstlichen neuronalen Netzwerken gemeint, die versuchen die Art und Weise zu kopieren, wie menschliche Gehirne Informationen verarbeiten. Dazu werden mehrere Ebenen (daher deep learning) von neuronalen Netzwerken übereinander gelegt, wodurch Daten noch umfassender verarbeitet werden können. Erstmals konnten so Herausforderungen gemeistert werden, an denen sich Forscher schon seit Jahrzehnten abmühen, wie etwa Bild- und Spracherkennung oder automatische Produktion von natürlicher Sprache.

Wenn Maschinen aus Erfahrung lernen

Ein beeindruckendes Praxisbeispiel ist Googles Alpha Go, das die professionellen Go-Spieler Fan Hui und später Lee Sedol klar besiegte. Um bei diesem Brettspiel gewinnen zu können, muss eine Maschine in der Lage sein aus Erfahrung zu lernen. Go besitzt nämlich eine so große Komplexität, dass der Gegenspieler nicht wie beim Schach mit traditionellen Brute-Force-Algorithmen, das heißt durch das Durchprobieren aller möglichen Züge, bezwingbar ist.

Heute setzt Google deep learning natürlich auch in seinen Produkten ein. Sei es in Google Now, bei der Bildverarbeitung (Image Enhancement), Video-Analytics, RankBrain für die Suche, Googles Übersetzungsservice oder im selbstfahrenden Auto.

Baidu: China auf Augenhöhe mit den USA

Wenn es um technologische Innovationen geht, blickt Europa gerne in den Westen und übersieht was sich derweil auf der anderen Seite der Weltkarte abspielt. In China hat sich aufgrund des politischen Willens ein interessantes eigenes Ökosystem an digitalen Hightech-Firmen etabliert. Eines davon ist die chinesische Suchmaschine Baidu. In dem Unternehmen arbeiten bereits mehr als 1.300 Mitarbeiter am Thema Künstliche Intelligenz. Dazu zählen Experten wie etwa der frühere Microsoft-Manager Qi Lu. Baidu hat praktisch in allen wichtigen KI-Bereichen Kompetenzen aufgebaut wie etwa in der Spracherkennung, Computer Vision oder maschinelles Lernen. Ihre KI-basierten Softwarelösungen werden in verschiedenen Branchen eingesetzt und haben interessante Neugeschäfte ermöglicht. Einige der Projekte sind etwa DuerOS, eine sprechende Rechenplattform, oder „Melodie“, ein von KI betriebener Chatbot für das Gesundheitswesen.

IBMs Watson: Von „Jeopardy!“ in die Notruf-Zentrale

Viel öffentliche Aufmerksamkeit hat auch IBMs Watson bekommen. Auch hier wurden die Fähigkeiten des Programms auf der Grundlage eines Spiels demonstriert. Watson schlug 2011 zwei menschliche Gegner in „Jeopardy!“. Die Quizshow ist für Künstliche Intelligenzen deshalb eine interessante Herausforderung, da die als Antworten gestellten Aufgaben meist bewusst mehrdeutig formuliert sind, häufig die Verknüpfung mehrerer Fakten erforderlich machen und die passende Frage innerhalb von Sekunden gefunden werden muss. Erst vor kurzem wurde bekannt gegeben, dass Watson in US-amerikanischen Notruf-Call-Center eingesetzt werden wird. Durch den Einsatz von Watson’s „speech-to-text“-Funktion sollen die geführten Gespräche mit den Telefonleitfäden abgeglichen und diese so laufend optimiert werden.

Der „KI Winter“ kommt nicht mehr zurück

Es forschen aber nicht nur die großen Weltkonzerne an Künstlicher Intelligenz. Das Speedinvest Portfolio-Unternehmen Fraugster hat sich etwa auf das frühzeitige Erkennen von Betrugsfälle bei Geld-Transaktionen spezialisiert, während das norwegische Startup iris.AI einen digitalen Assistenten für die Suche nach wissenschaftlichen Papers entwickelt hat. Die für Investoren wichtige Frage ist natürlich, ob die Hochphase nur ein Hype oder doch nachhaltig ist. Anders als in der Vergangenheit wird heute aber nicht nur an Künstlicher Intelligenz geforscht, sondern sie kommt bereits im Alltag zum Einsatz. Möglich machen das moderne Computer, die uns locker mehr Rechenleistung zum Einstecken in die Hosentaschen geben als vor fünfzig Jahren raumfüllende Supercomputer.

Im letzten Teil dieser Artikelserie beschäftigen wir uns mit der Zukunft von KI und welche Ängste und Hoffnungen bestehen.

+++ Teil 2: Verstehen, Fühlen, Handeln – Die Grundlagen künstlicher Intelligenz +++


Über die Autoren

Dieser Artikel ist Bestandteil einer von Venionaire Capital verfassten vierteiligen Serie über Künstliche Intelligenz für DerBrutkasten.com. Autoren sind Aleksandar Vucicevic (Senior Analyst), Sarah Grandits (Marketing Assistant), Fabian Greiler (Junior Partner) und Berthold Baurek-Karlic (Managing Partner).

Venionaire hat sich auf die Innovationsberatung, Corporate Startup Engagement und dem Management von Venture Capital Fonds für Dritte spezialisiert.

Mit Partnern der KPMG Österreich hat Venionaire zudem das Investorennetzwerk European Super Angels Club gegründet, der in geschäftlichen Beziehungen mit im Text genannten Startups Yodel.io, Grape und oratio steht.

Deine ungelesenen Artikel:
07.09.2026

Vom globalen Poker-Ass zum Dachfonds-Gründer: Fedor Holz im Interview

Er machte als einer der weltbesten Poker-Spieler ein Vermögen, danach wurde er Startup-Gründer und dann Investor. Nun startet Fedor Holz gemeinsam mit Christoph Zöller den Fund of Funds Drafted Ventures. Wir sprachen mit ihm über seinen außergewöhnlichen Werdegang und die Strategie hinter dem neuen Dachfonds.
/artikel/vom-globalen-poker-ass-zum-dachfonds-gruender-fedor-holz-im-interview
07.09.2026

Vom globalen Poker-Ass zum Dachfonds-Gründer: Fedor Holz im Interview

Er machte als einer der weltbesten Poker-Spieler ein Vermögen, danach wurde er Startup-Gründer und dann Investor. Nun startet Fedor Holz gemeinsam mit Christoph Zöller den Fund of Funds Drafted Ventures. Wir sprachen mit ihm über seinen außergewöhnlichen Werdegang und die Strategie hinter dem neuen Dachfonds.
/artikel/vom-globalen-poker-ass-zum-dachfonds-gruender-fedor-holz-im-interview
Fedor Holz | (c) Haris Dervisevic / brutkasten
Fedor Holz | (c) Haris Dervisevic / brutkasten

Mit Anfang 20 führte er die Poker-Weltrangliste an und erspielte insgesamt Preisgelder im mittleren zweistelligen Millionenbereich. Doch nach nur wenigen Jahren widmete sich Fedor Holz anderen Herausforderungen. Seine zwei Startups gründete der deutsche Wahl-Wiener in der österreichischen Hauptstadt. Als Investor stieg er bei rund 30 Startups und 20 Fonds ein. Die daraus gewonnene Expertise setzt er nun gemeinsam mit seinem Freund und Geschäftspartner Christoph Zöller im Fund of Funds „Drafted Ventures“ mit Sitz im deutschen Heidelberg um. Im Interview erzählte uns Holz mehr über seine Beweggründe und seine Strategie.


brutkasten: Du hast als Poker-Spieler internationale Bekanntheit erlangt . Vor zehn Jahren hast du dann zum ersten Mal ein Unternehmen gegründet. Wie war das damals?

Fedor Holz: Genau, da war ich sehr unerfahren. Ich war Anfang 20 und wir hatten eine ganz typische Startup-Reise. Ich habe mit dem Pokern aufgehört und meine erste Firma gegründet: Primed Mind. Das war sehr ähnlich zu Headspace [Anm. bekannte Meditations-App], die eine starke Konkurrenz waren. Wir hatten eine sehr gute Anfangs-Traction. Dann haben wir die Series A nicht bekommen, das Blatt aber noch gedreht und die Firma profitabel gemacht, bevor ich den Großteil meiner Anteile verkauft habe.

Die zweite Gründung, Pokercode, folgte 2019. Das war ein ganz anderer Hintergrund und rund um meine eigene Brand aufgebaut. Aus dem anfänglichen Masterclass-Kurs wurde ein breiteres Produkt und schließlich eine Mitgliedschaft. Kurzfristig hat uns das Umsatz gekostet, langfristig hat es das Produkt deutlich besser gemacht. Das Team führt das heute komplett eigenständig und ich bin seit zwei Jahren operativ nicht mehr involviert.

Du hast in dieser Zeit aber auch Einzel-Business-Angel-Investments in Startups gemacht, oder?

Ich habe mittlerweile wirklich viele Investments gemacht. Ich schätze es sind etwa 30 Direktinvestments und 20 Fondsinvestments über die letzten zehn Jahre.

Und nun gründest du selbst einen VC-Fonds, genauer gesagt einen Fund of Funds. Was kannst du uns dazu erzählen?

Das ist aus meiner eigenen Investmentstrategie heraus gewachsen. Als ich mit Anfang 20 sehr viel Geld beim Pokern verdiente, verspürte ich einen großen Druck, dieses Vermögen sinnvoll anzulegen. Aktien und Private Equity wirkten auf mich etwas altbacken, Venture Capital schien mir dagegen viel näher an den Gründern zu sein – in deren Rolle ich mich potenziell auch selbst sah.

Über die letzten zehn Jahre habe ich als Investor und Gründer viel gelernt. Beim Pokern ist es sehr wichtig, Vergleichswerte zu kalibrieren: Was ist gut, was ist herausragend? Genau diese Vergleichswerte fehlten mir anfangs. Erst mit der Zeit habe ich besser einschätzen können, wie ein wirklich guter Founder oder Investor aussieht. Heute liegt meine Messlatte hoch. Ich möchte viele gute potenzielle Investments sehen und nur die besten daraus auswählen.

Dabei habe ich gemerkt, dass für mich Fondsinvestments sinnvoller sind. Mit einzelnen Direktinvestments bin ich weit weg von einer statistisch relevanten Strategie. Deshalb habe ich gemeinsam mit meinem guten Freund Christoph Zöller unseren Dach-Fonds Drafted Ventures gestartet. Wir haben gerade unser First Closing mit 15 Millionen gezeichnet; das Hardcap liegt bei 25 Millionen. Wir werden jeweils rund eine Million Euro in etwa 20 der besten frühphasigen Venture-Capital-Fonds investieren. Wenn diese wiederum in je 20 Companies investieren, haben wir ein Portfolio von 400 Startups. Das bringt eine hervorragende Streuung und ermöglicht es, eine deutlich diversifiziertere VC-Allokation zu haben.

Heißt das, du wirst keine Direct Investments in Startups mehr machen?

Teilweise ja, wir schließen es nicht komplett aus. Wir machen über unseren Fonds gezielte Co-Investments in Portfolio-Companies unserer Fondsmanager. Ein Beispiel ist unsere Beteiligung an Conduct AI, die für alte SAP-Systeme einen „Explainable Layer“ mit KI bauen. Da ein uns sehr naher Fonds dort der erste Investor war, hatten wir früh tiefe Einblicke und Vertrauen auf beiden Seiten. Wir investieren hier nicht in der Pre-Seed-Phase, sondern in wachstumsstarke Firmen mit Millionenumsätzen.

Private Ausnahmen, die nicht in dieses Profil passen, mache ich weiterhin über eigene Vehikel. Das ist aber nur noch ein kleiner Teil, da mein Fokus auf dem Fonds liegt.

Wie bist du als Privatinvestor? 30 Portfolio-Companies können ja extrem viel Arbeit sein. Wie aktiv bist du da involviert?

Man muss bedenken, dass sich das über einen langen Zeitraum aufgebaut hat und manches auch schon abgeschrieben ist. Ich pflege zu zwei oder drei Gründern eine sehr enge Beziehung mit regelmäßigem Austausch. Bei den restlichen bin ich eher passiv und bringe mich nur ein, wenn konkrete Themen oder Probleme aufkommen.

Wird euer Fund of Funds in Europa oder global investieren?

Wir zielen auf 50 Prozent Europa und 50 Prozent USA ab, mit einer kleinen Allokation für spannende Märkte wie Lateinamerika, Israel oder Indien. Da wir extrem return-getrieben sind, suchen wir weltweit nach den absolut besten Early-Stage-Investoren.

Ein wichtiges Kriterium: Wir investieren nur in Fonds unter 100 Millionen Dollar Volumen. Außerdem schließen wir Fonds mit einem Investmentkomitee (IC) aus. Unsere These basiert auf der herausragenden Qualität einzelner Manager. In Komitees entsteht oft Bias; häufig setzt sich einfach die lauteste Person durch oder es werden nur „sichere“, konsensfähige Deals durchgewunken. Bridgewater analysiert nicht umsonst seine Meetings mit KI, um diesen Bias zu vermeiden. Deshalb fokussieren wir uns auf Solo-GPs oder Zweier-Teams, wo die finale Entscheidung direkt bei den Managern liegt. Strukturell bedeutet das, dass diese Fonds meistens zwischen 10 und 50 Millionen groß sind, mit wenigen größeren Ausnahmen.

Sind da viele First-Time Fund Manager dabei?

Ja, von unseren bisherigen neun Commitments sind drei First-Time Manager. Wir investieren grundsätzlich in keine Fonds, die älter als die dritte Generation sind. Über 10 bis 15 Jahre einen absoluten Top-Dealflow aufrechtzuerhalten, ist ein ziemlicher Grind. Zudem ist Venture Capital auch eine Altersfrage: Der Zugang zur jeweils nächsten Founder-Generation ist ein eigener Skill, den nicht jeder über 15 Jahre hält. 

Was ist dabei euer eigener Wettbewerbsvorteil, eure Edge?

Unsere Edge ist, dass wir einen starken Dealflow haben und oft den Aufwand betreiben, den andere scheuen. Ich kenne nicht viele europäische Investoren mit exzellenten US-Connections, weil das ständige Präsenz vor Ort erfordert. In Amerika sind die Intensität und die „Capital Velocity“ – die Geschwindigkeit, mit der sich Geld bewegt – viel höher. 

Wenn beispielsweise ein 24-Jähriger aus dem OpenAI-Umfeld einen 10-Millionen-Fonds auflegt und Top-Leute investieren, wollen wegen des Signaling-Effekts plötzlich viele andere rein. In solchen stark umkämpften Situationen geht es nur über echte Beziehungen und Schnelligkeit. Diesen extremen Wettbewerb auf der LP-Seite gibt es in Europa selten.

Gehen andere LPs das Ganze vielleicht manchmal zu unprofessionell an?

Viele Investoren machen Investments nicht in Vollzeit und investieren in vereinzelte Startups oder Fonds aus ihrem nahen Umfeld. Dementsprechend fehlt es oft an Dealqualität und Diversifikation. Wenn dann nicht ein glücklicher Treffer dabei ist, dann geht die Motivation weiter zu investieren leider oft verloren. Das ist völlig verständlich, niemand macht das nebenbei gut – genau die Lücke wollen wir schließen.

In dieser Größenordnung, wo wirklich alles am GP liegt, kann man das wahrscheinlich mit der Seed-Phase eines Startups vergleichen…

Der Vergleich passt sehr gut. Das Durchschnittsalter unserer Manager liegt zwischen 28 und 35 Jahren. Sie brauchen den Biss eines Gründers, aber eben auch schon echte Erfahrung und Kompetenz. Wir mögen Ex-Founder, die zehn Jahre operativ gearbeitet haben und jetzt zum Beispiel Biotech-Startups in Boston scouten. Aber auch ehemalige Investoren von Top-Fonds wie Sequoia, die sich selbstständig machen, passen in unser Profil.

Sind auch Leute mit Domänenexpertise, zum Beispiel ein ehemaliger Top-Manager in der Pharmaindustrie, gute Fund Manager?

Ein bestimmtes Profil garantiert noch keinen Erfolg. Das Wichtigste ist, dass der Manager einen sehr hohen Qualitätsanspruch hat, mit den Foundern connecten kann und ihre Sprache spricht. Ein Investor, der frische MIT-Absolventen sucht, braucht einen anderen Zugang als jemand, der in etablierte „Second Time Founder“ Mitte 30 investiert.

Das zeigt, dass es ein extremes „People Business“ ist…

Absolut, aber Soft Skills sind am Ende nur Multiplikatoren. Die Basis ist opportunistisches Denken und die Fähigkeit, Qualität schnell zu erkennen. Die Qualitäten eines guten Investors unterscheiden sich von denen eines guten Gründers.

Hummingbird Ventures, die über mehrere Fondsgenerationen fantastische Returns erzielen, suchen zum Beispiel ganz gezielt nach „unbequemen“, edgy Gründern, mit denen man vielleicht nicht unbedingt ein Bier trinken gehen möchte, die aber sofort zur Sache kommen. Als Investor musst du nicht unbedingt 70 Stunden arbeiten, sondern kannst in 40 fokussierten Stunden viel Wert für dein Portfolio liefern. Die einzelnen Investmententscheidungen sind ausschlaggebend. Außerdem ist es ein hartes Signaling- und Reputations-Spiel, bei dem du im Wettbewerb mit anderen Investoren die besten Deals gewinnen musst.

Beurteilst du die Fondsinvestments ausschließlich nach dem potenziellen Return, oder gibt es technologische Spezifikationen, etwa dass ihr nur in KI oder Quantencomputer investiert?

Wir investieren hauptsächlich in Frontier-Technologie-Fonds und achten dabei primär auf zwei Säulen: die Investmentfähigkeit des Managers und strukturelle Vorteile.

Erstens brauchen wir Manager, die dank eines großen Erfahrungsschatzes Qualität sofort erkennen, sich aber nicht blind in Startups verlieben, sondern gleichzeitig das Pricing im Blick behalten. Wenn du 500 Optionen siehst, macht es einen enormen Unterschied, ob du auf einer Bewertung von 15 oder 30 Millionen investierst. Zudem müssen die Manager in der Lage sein, mit wenig Zeiteinsatz großen Wert zu stiften, etwa durch hochkarätige Introductions für neue Mitarbeiter oder zu guten Funds für Follow-on-Runden.

Zweitens suchen wir immer nach strukturellen Marktvorteilen. Das kann ein geografischer Vorteil sein, wie etwa in Boston: Dort gibt es Top-Talente, aber einige der großen Tier-1-VCs haben ihren Fokus auf San Francisco gelegt, wodurch die Bewertungen im direkten Vergleich niedriger sind. Ähnliches gilt für Indien, wo exzellent ausgebildete Tech-Talente günstig zu finden sind. Bringst du so einen Founder in die USA, hast du sofort einen potenziellen Bewertungs-Uplift. Solche strukturellen asymmetrischen Vorteile wollen wir sehen – so wie Y Combinator extrem günstig an gute Assets kommt, weil ihre Finanzierungsstruktur ihnen einen riesigen Wettbewerbsvorteil bietet.

Wie macht ihr bei kleineren Fonds, die kaum Marketingbudgets haben, überhaupt das Sourcing? Wie findet ihr die global?

Marketing spielt bei uns keine relevante Rolle. Zu 70 Prozent läuft das über direkte Relationships. Die Incentives sind perfekt aligned: Wenn unsere GPs einen anderen brillanten Fondsmanager treffen, stellen sie ihn uns vor. Auf der LP-Ebene sind sie ja keine Konkurrenten. Wir bekommen durch unser Netzwerk von mehreren Dutzend Leuten so viele gute Intros, dass wir unsere Pipeline straff managen und den Großteil absagen müssen.

Ist das eine aktuelle Dynamik, dass es mehr spezialisierte kleine Fonds geben wird und nicht mehr so große Strukturen?

Zum Teil schon, aber kleine Fonds haben es aktuell auch sehr schwer beim Fundraising, weil die Qualität heute viel härter hinterfragt wird. Wer heute in Deutschland einen 100- bis 200-Millionen-Fonds für Series-A-Runden auflegt, konkurriert bei Top-Startups direkt mit amerikanischem Geld.

Da stellt sich schnell die Frage nach der echten Edge. Generalistische Fonds haben oft kein starkes Signal mehr im Markt und Investoren werden skeptisch, wenn nach zehn Jahren die Rendite ausbleibt. Venture Capital verzeiht Mittelmäßigkeit nicht: Ein durchschnittlicher Fonds liefert am Ende nur die Rendite des Aktienmarkts oder weniger, allerdings mit deutlich höherem Risiko. Nur die echten Outlier bringen die Performance, für die sich das Risiko lohnt. Genau deshalb ist Selektion alles und genau das ist unser Fokus.

Wer sind die LPs bei euch?

Ohne Namen zu nennen: Es ist ein Mix aus erfahrenen Unternehmern – Leuten, die selbst Firmen aufgebaut und verkauft haben –, Family Offices und Menschen aus unserem langjährigen Umfeld, die unsere Entwicklung von Anfang an verfolgt haben. 

Zum Abschluss: Was hast du als Ziele definiert?

Mein Ziel ist es, mittelfristig einen zweiten größeren Fonds aufzulegen. Ich möchte das aber nicht künstlich aufblähen; wir wollen die Entscheidungen so lange wie möglich zu zweit oder maximal zu dritt treffen und dafür einfach größere Tickets schreiben und uns stetig weiterentwickeln.

Für unsere Investoren wollen wir das Maximum herausholen. Wir als GPs haben 1,5 Millionen Euro eigenes Geld investiert und haben eine Hurdle Rate von 8 Prozent eingebaut. Das heißt, erst wenn unsere Investoren mehr als 8 Prozent jährliche Rendite machen, greift unsere Gewinnbeteiligung überhaupt. Mich würde selbst kein Vehikel interessieren, bei dem den Leuten nur Gebühren aus der Tasche gezogen werden. Es ist absolut leistungsorientiert: Wenn wir einen guten Fonds bauen, haben alle Spaß – wenn nicht, dann eben nicht.

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

KI-Geschichte: Vom „KI Winter“ zum endgültigen Durchbruch

AI Kontextualisierung

Welche gesellschaftspolitischen Auswirkungen hat der Inhalt dieses Artikels?

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

KI-Geschichte: Vom „KI Winter“ zum endgültigen Durchbruch

AI Kontextualisierung

Welche wirtschaftlichen Auswirkungen hat der Inhalt dieses Artikels?

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

KI-Geschichte: Vom „KI Winter“ zum endgültigen Durchbruch

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 …

KI-Geschichte: Vom „KI Winter“ zum endgültigen Durchbruch

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 …

KI-Geschichte: Vom „KI Winter“ zum endgültigen Durchbruch

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 …

KI-Geschichte: Vom „KI Winter“ zum endgültigen Durchbruch

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 …

KI-Geschichte: Vom „KI Winter“ zum endgültigen Durchbruch

AI Kontextualisierung

Wer sind die relevantesten Personen in diesem Artikel?

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

KI-Geschichte: Vom „KI Winter“ zum endgültigen Durchbruch

AI Kontextualisierung

Wer sind die relevantesten Organisationen in diesem Artikel?

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

KI-Geschichte: Vom „KI Winter“ zum endgültigen Durchbruch