03.01.2020

#unchAIn, Teil 2: Können Maschinen das menschliche Gehirn kopieren?

Bei der Artikelreihe "#unchAIn - Demystifying AI" kooperiert der brutkasten mit Ms. AI, um Vorurteile rund um Künstliche Intelligenz zu entmystifizieren. Expertinnen beantworten dazu die heikelsten Fragen rund um das Thema KI. Heute widmen wir uns der Frage, ob Maschinen das menschliche Gehirn kopieren können.
/artikel/koennen-maschinen-das-menschliche-gehirn-kopieren
Kernel, Flux, Flow, Gehirn, Johnson Künstliche Intelligenz: Maschine kopiert Gehirn
(c) Stock.Adobe/peshkov - US-Unternehmen Kernel ermöglicht "On-Demand"-Funktion im Bereich Neuroscience.

Künstliche Intelligenz ist eines der wichtigsten Tech-Themen unserer Zeit – denn es gibt wohl keinen Bereich des politischen, wirtschaftlichen und gesellschaftlichen Lebens, der nicht das Potenzial hat, von KI grundlegend verändert zu werden. Zugleich gibt es in diesem  Bereich viele Falschinformation und überzogene Erwartungen. Bei dem Projekt „#unchAIn – Demystifying AI“ kooperiert der brutkasten mit Miss AI, um gängige falsche Vorstellungen zu entmystifizieren. Expertinnen der jeweiligen Felder – von Philosophinnen über Wissenschaftlerinnen bis zu Managerinnen aus der Wirtschaft – beantworten dabei in einer mehrteiligen Artikelreihe die wichtigsten Fragen zum Thema Künstliche Intelligenz.

+++Mehr zum Thema AI & DeepTech+++

Im ersten Teil der Serie über KI haben wir uns mit der Frage beschäft, was Intelligenz eigentlich ist. Im zweiten Teil der Serie beschäftigen wir uns mit der Frage, ob Maschinen das menschliche Gehirn 1:1 kopieren können. Die Fragen werden beantwortet von der AI-Expertin und Quantenphysikerin Dilek Demir, Isabell Claus, Co-Founder & Managing Director thinkers.ai, dem Philosophen Reid Blackman und Nancy Nemes, Founder Ms. AIA und #humanAIze, sowie CEO Nemes Ventures.

Ist es möglich, die Funktionen des menschlichen Hirns in einer Maschine zu kopieren?

Blackman: Es gibt die Theorie, dass das Fleisch und Blut des menschlichen Gehirns etwas Besonderes ist. Dementsprechend brächten auch Maschinen diese „Feuchtware“. Von dieser Theorie bin ich nicht besonders überzeugt. Ich verstehe nicht, warum wir nicht zum Beispiel synthetische Neuronen herstellen könnten. Oder synthetische Versionen von allem, was wir haben. Im Prinzip sehe ich also nicht, warum wir nicht alle Funktionen eines menschlichen Gehirns in eine Maschine kopieren könnten. Aber in der Praxis ist es außerordentlich schwierig. Die Komplexität des Gehirns selbst und der verschiedenen Umgebungen, in denen es gedeiht und verdorrt, ist so groß, dass ich skeptisch bin, dass wir es jemals herausfinden werden.

Nemes: Einige Forscher sagten vor mehr als 10 Jahren voraus, dass das menschliche Gehirn innerhalb von 10 Jahren repliziert werden könnte. Davon sind wir noch weit entfernt. Heutzutage verstehen wir nur 1 Prozent der Funktionsweise des menschlichen Gehirns. Was wir heute also replizieren können, beschränkt sich auf mechanische Aspekte wie das Screening und die Kartierung von Informationen von Programmen, die Zehntausende mal schneller sind als Menschen. Ich glaube, dass die vollständige Simulation des gesamten Gehirns am Computer eine weit entfernte Science-Fiction-Vision ist. Etwas, das, wenn es jemals zur Realität wird, komplexer sein wird als das menschliche Genom.

Claus: Wir nutzen die einzelnen Erkenntnisse rund um die menschliche Intelligenz als konzeptionelle Basis für maschinelles Lernen. Wir brechen also die Komplexität herunter und nehmen die grundlegenden Eigenschaften her, um dann mit Hilfe von Algorithmen und Modellen Nachbildungen zu erzielen. Das ist heute noch mit großem Aufwand verbunden und damit für die Befriedigung der menschlichen Neugier nicht ausreichend. Es liegt in der Natur des Menschen, hier nicht locker zu lassen bis immer bessere Lösungen gefunden sind.

Demir: Jedes Geschöpf in unserem Universum ist ein einzigartiges, komplexes System, das wir noch nicht erforscht haben. Das wird uns viel Zeit kosten, denn jede Funktion ist mit Konstruktionen wie Gefühlen, Gedanken und dem, was man Seele nennt, verbunden.

Ein Kopieren und Einfügen der Funktionen eines menschlichen Gehirns in eine Maschine wird nie passieren, denn wir sind einfach schlecht beim Verstehen der grundlegenden Prozesse im System. Wie soll ein Mensch, der keine Ahnung hat, wie er funktioniert, dieses Wissen eins zu eins in eine Maschine übertragen? Außerdem glaube ich nicht, dass wir das Wissen von Mutter Natur über die richtige Materialkonstruktion aufwerfen. Eine Funktion des menschlichen Gehirns benötigt auch die richtige Menge an Trigger-, Kühl-, Heiz- und Austauschfunktionen, um richtig zu funktionieren, und die Einbeziehung von Emotionen bringt eine weitere Komplexität mit sich. Die Simulation eines solchen „menschenähnlichen“ Systems würde eine große Menge an klassischer Rechenleistung erfordern.

Denken wir an das folgende Gedanken-Experiment:
Deine Mutter fragt dich: „Willst du Milch zum Frühstück?“
Deine Antwort: „Ja, bitte!“

Klingt sehr einfach, wenn man diese einfache, kleine Mutter-Kind-Interaktionssituation betrachtet und in verschiedene kleine Schritte zerlegt, die man versteht.
Was passiert hier?

  • Die Mutter-Kind-Verbindung, die dynamisch ist und sich von Zeit zu Zeit ändert.
  • Die Schnelligkeit, Stimme, Worte und Inhalte dieser Mutterfrage enthalten eine große Menge an Informationen, deren Diskussion mindestens 5 Stunden dauern würde.
  • Die Antwort des Kindes. Das Gefühl, die Stimme, der Inhalt, die Geschwindigkeit der Sprache.
  • Die Frage, warum sie Milch zum Frühstück trinken.
  • Die Entscheidungen, die sie innerhalb einer Sekunde treffen.
  • Das Wissen, dass sie Milch haben.
  • Die Art und Weise, wie sie interagieren, sprechen und die verschiedenen Gedanken, die sie gleichzeitig haben.
  • …und vieles mehr.

Die Analyse dieser Entscheidungen braucht eine Weile. Und die Erstellung eines Entscheidungsbaums, mit dem die Situation rekonstruiert wird, ist eine weitere Herausforderung.

Deshalb glaube ich nicht, dass ein Kopieren und Einfügen eines menschlichen Gehirns in eine Maschine vielleicht in der Zukunft möglich ist – aber derzeit müssen wir die aktuellen Probleme, die die Menschen in den letzten Jahren verursacht haben, beseitigen.

Welche Voraussetzungen muss eine Maschine erfüllen, um als „intelligent“ zu gelten?

Demir: Wir müssen diese Frage zuerst für uns selbst beantworten, bevor wir über Maschinen nachdenken.
Sicherlich erfordert eine „intelligente“ menschengemachte Maschine eine andere Art der Intelligenz als der Mensch selbst.
Beispiel: Ein achtsamer, intelligenter Mensch besitzt eine andere Art von Intelligenz als andere Menschen mit weniger Achtsamkeit. Maschinen wären nicht in der Lage, genau so zu „fühlen“ wie Menschen, und das würde direkt in eine andere „Intelligenzmatrix“ für Maschinen führen.

Nemes: Hier gibt es eine Definition von Alan Turing, Erfinder des Turing-Test, aus dem Jahr 1950: „Wenn ein Computer mit einem Menschen in einer textbasierten natürlichen Sprachumwandlung sprechen kann und einen Richter täuschen kann, dass er zumindest für einen Teil der Zeit denkt, dass es sich um einen Menschen handelt, wird er als intelligent angesehen“. Nach diesem Maßstab können die heutigen Sprachassistenten als intelligente Maschinen betrachtet werden, ebenso wie fahrerlose Autos, E-Mails, die Ihre Antworten vervollständigen, oder ein GPS-System. So werden unsere Maschinen intelligenter und die Zukunft wird mehr vernetzte Systeme bringen, die ihren Nutzen im täglichen Leben weiter steigern werden. Dennoch gilt: „Intelligenz“ ist schwer zu kategorisieren.

Claus: Wir haben gerade mehrere Jahrzehnte des Datensammelns und deren Verarbeitung in (nahezu) „unintelligenten“ Systemen hinter uns. Aus zukünftiger Sicht würde man die aktuellen Möglichkeiten der automatisierten Text- oder Bildverarbeitung wohl als die Anfänge der maschinellen Intelligenz bezeichnen. Ähnlich wie bei der Entwicklung des aufrechten Gangs des Menschen ist das ein Schlüsselereignis für eine sehr grundlegende Weiterentwicklung. Aufgrund des ökonomischen Potentials der Maschinenintelligenz werden wir mit großen Schritten zu einem „next level“ von Intelligenz kommen, also einem abstrakterem Ursache-Wirkung-Verständnis bei Maschinen.

Blackman: Es gibt einige Leute, die nie zulassen werden, dass eine Maschine intelligent sein könnte. Aber wie ich schon sagte: Ich verstehe nicht, warum das nicht passieren sollte. Ich bin schließlich damit einverstanden, dass ein Taschenrechner eine bestimmte Art von Intelligenz manifestiert. Ich denke auch, dass unser eigenes Gehirn eine Art Maschine ist, indem ich denke, dass unsere Gehirne und Körper alle physisch sind und der Verstand aus physischen Einheiten besteht (die Dinge, die Neurowissenschaftler natürlich studieren, aber auch die Moleküle und Atome, die diese Dinge ausmachen). Für mich müssen sie also nur etwas erreichen, das funktional gleichwertig aussieht wie andere Dinge, die wir bereits als intelligent bezeichnen.

„Aber sind diese Dinge wirklich intelligent oder scheinen sie nur intelligent zu sein?“, könnte jemand fragen. Aber auch das hängt nur davon ab, wie man den Begriff „Intelligenz“ verwenden will, und es ist nichts, worüber ich mir besonders Sorgen mache. Wenn wir jedoch über das Bewusstsein sprechen – etwas das Empfindungsvermögen, dann denke ich, dass die Frage zutiefst wichtig ist. „Fühlt es etwas oder scheint es einfach so, als würde es etwas fühlen?“ ist eine Frage mit tiefen ethischen Implikationen – und das ist etwas, worüber wir uns aufregen sollten.

Der nächste Teil der Artikelreihe erscheint am Freitag, 10. 1. 2010. 

Redaktionstipps
Deine ungelesenen Artikel:
09.10.2026

X-Faktor: Warum Liquidation Preference bei einem Millionen-Exit zum Albtraum werden kann

Ein Exit in Millionenhöhe – und trotzdem bleibt für die Gründer:innen kaum etwas übrig. Schuld daran können sogenannte Liquidation Preferences sein, die darüber entscheiden, wer beim Verkauf eines Startups bevorzugt wird. Rechtsanwalt Manuel Mofidian ordnet ein.
/artikel/x-faktor-warum-liquidation-preference-bei-einem-millionen-exit-zum-albtraum-werden-kann
09.10.2026

X-Faktor: Warum Liquidation Preference bei einem Millionen-Exit zum Albtraum werden kann

Ein Exit in Millionenhöhe – und trotzdem bleibt für die Gründer:innen kaum etwas übrig. Schuld daran können sogenannte Liquidation Preferences sein, die darüber entscheiden, wer beim Verkauf eines Startups bevorzugt wird. Rechtsanwalt Manuel Mofidian ordnet ein.
/artikel/x-faktor-warum-liquidation-preference-bei-einem-millionen-exit-zum-albtraum-werden-kann
Liquid Preference, Mofidian
© Armin Hubner/Canva - Wirtschafts- und Tech-Anwalt Manuel Mofidian.

Dieser Text ist zuerst im brutkasten-Printmagazin von August 2026 „Aufbrechen“ erschienen. Eine Download-Möglichkeit des gesamten Magazins findet sich am Ende dieses Artikels.


Für viele Gründer:innen sind 40-Stunden-Wochen ein Fremdwort und freie Wochenenden ein ferner Wunsch – sie opfern unzählige Arbeitsstunden und verzichten auf Gehalt, um ihr Startup aufzubauen. Doch am Ende dieses jahrelangen harten Einsatzes bleibt selbst bei einem vermeintlich erfolgreichen Millionen-Exit in manchen Fällen kaum etwas übrig. Der Grund kann in einer unscheinbaren Klausel des Beteiligungsvertrags liegen; einer Sonderregel für die Verteilung des Exit-Erlöses. Räumt man etwa späteren Investoren eine „Liquidation Preference“ ein, bedienen sich diese beim Verkauf zuerst. Die Realität sieht dann wie folgt aus: Während die Branche gratuliert, können die Gründer:innen und frühe Kapitalgeber trotz fließender Millionen fast leer ausgehen.

So ein Fall sorgte jüngst für Aufsehen, als Martin Granig, Gründer der Spar-App monkee.rocks, von einem Bekannten berichtete, der einen 15-Millionen-Exit hingelegt hatte. Der Founder meinte nach Glückwünschen bloß, der Exit hätte massiver sein müssen, „damit sich was ausgeht“ – hier hatte die Liquidation Preference gegriffen.

Was ist eine Liquidationspräferenz?

Die historischen Wurzeln der Liquidationspräferenz reichen bis ins 19. Jahrhundert zurück, als US-Eisenbahngesellschaften und Banken Vorzugsaktien nutzten. In den 1950er- bis 1970er-Jahren adaptierte die VC-Branche das Modell und machte es im Silicon Valley zum Standard. Doch obwohl die Klausel omnipräsent ist, sorgt sie bis heute für Missverständnisse.

Der Wirtschafts- und Tech-Anwalt Manuel Mofidian bringt es auf den Punkt: „Eine Liquidationspräferenz ist kein gesetzlich definierter Begriff, sondern eine Klausel in einem Beteiligungsvertrag, die man im Einzelfall auslegen muss, aber häufig einem gewissen spezialisierten Marktstandard entspricht.“ Verankert wird sie in der Praxis meist im sogenannten Shareholders Agreement (kurz SHA, deutsch: Gesellschaftervereinbarung). Es geht dabei nicht um die prozentuelle Beteiligung an einem Startup, sondern um die harte Reihenfolge bei der Verteilung von echten Einnahmen (Proceeds) nach einem bestimmten Trigger-Event – im Normalfall dem Exit.

„Vereinfacht gesagt ist die Liquidationspräferenz eine vertraglich vereinbarte Erlösvorzugs-Regelung. Im Normalfall wird ein Verkaufserlös entsprechend den Beteiligungsquoten (pro rata) verteilt; das entspricht auch der gesetzlichen Grundregel. Für den Exit-Fall soll jedoch eine Sonderregel geschaffen werden; mit mitunter überraschendem Ergebnis: Wer etwa 20 Prozent der Anteile hält, aber 70 Millionen Euro investiert hat, kann bei einem Verkaufserlös von 70 Millionen Euro den gesamten Erlös erhalten – und das dank einer Liquidationspräferenz“, so Mofidian.

„Erst wenn die jeweilige Liquidationspräferenz erfüllt wurde, kommt die nächste liquidationspräferierte Gruppe zum Zug; sind alle Liquidationspräferenzen bedient, wird der Rest pro rata verteilt“, erklärt der Wirtschaftsanwalt das sogenannte „Wasserfallprinzip“. Reicht das Geld bei einem mittelgroßen oder kleinen Exit nicht aus, könnten all jene, die ganz unten im Wasserfall stehen, leer ausgehen.

„Ein Startup durchläuft typischerweise gewisse Phasen“, erläutert Mofidian. „So lassen sich die Investorengruppen ganz gut typisieren: Häufig startet man mit ersten Investoren, Business Angels, Family and Friends, teilweise noch Convertibles. Hier herrscht oft noch eine andere Logik als bei späteren Investmentrunden, wo beispielsweise VC-Fonds einsteigen. In diesen späteren Runden, den ‚Series‘, mit professionelleren neuen Investoren verschieben sich regelmäßig die Kräfteverhältnisse, was zu einer Anpassung der Verträge und der damit verbundenen Rechte führt.“

Das Multiple (X-Faktor) als wichtiger Hebel

Bevor man sich jedoch in rechtliche Details und konkrete Definitionen vertieft, muss man bei Liquidation Preference einen wichtigen Hebel verstehen: das Multiple (oder den X-Faktor). Diese Zahl legt fest, wie viel von seinem ursprünglichen Investment der Geldgeber beim Exit vorrangig – also vor der allgemeinen Verteilung nach Beteiligungsquoten – beanspruchen kann.

Das „1×-Multiple“ findet sich so häufig in den Verträgen, dass man dieses fast schon als Branchenstandard bezeichnen könnte. Das bedeutet: Der Investor holt sich zunächst exakt jene Summe zurück, die er in das Startup gesteckt hat. Komplex wird es, wenn Investoren in schwierigen Marktphasen höhere Multiples durchsetzen. Liegt der Faktor bei 1,5×, 2× oder gar 3×, bedeutet das, dass der Investor vorab – also vor der Verteilung nach Prozenten – ein Vielfaches seines eingesetzten Kapitals fordern kann. „Der Faktor hat mit der Beteiligungsquote nichts zu tun: Auch wer nur ein Prozent hält, kann eine fünffache Liquidationspräferenz vereinbart haben“, erklärt Mofidian. Hat ein VC-Fonds also beispielsweise zehn Millionen Euro bei einem 2×-Multiple investiert, zieht er beim Exit sofort 20 Millionen Euro als Liquidationspräferenz ab, bevor der nächste Gesellschafter auch nur einen Cent sieht. Das schmälert den Erlös für Gründer:innen und frühe Investor:innen – mitunter auch für andere, im Rang nachstehende Investorengruppen – dramatisch.

Participating vs. non-participating

Wenn der Faktor (das Multiple) bzw. damit verbunden die Höhe geklärt ist, regeln weitere Zusätze, wie genau ein Investor am restlichen Erlös beteiligt wird.

So gilt „non-participating“ als die üblichste Variante. Der Investor hat hierbei ein Wahlrecht: Er erhält entweder vorab seine Präferenz, also zum Beispiel sein 1×-Investment, zurück, oder er verzichtet auf diesen Vorabzug und nimmt stattdessen seine reguläre prozentuale Quote am gesamten Erlös. Demgegenüber steht „participating“: Diese investorenfreundliche Variante bezeichnet Mofidian als „Eierlegende Wollmilchsau“ – der Geldgeber bekommt zuerst sein Investment als garantierte Risikoprämie vorab ausbezahlt und partizipiert danach zusätzlich noch entsprechend seiner prozentualen Quote am verbleibenden Erlös-Topf; er wird also faktisch doppelt bedient.

Rangordnung – „Senior“ und „Pari passu“

Aus Sicht eines Investors spielt es zudem eine große Rolle, in welchem Rang seine Liquidationspräferenz eingeordnet wird. „Die Ränge drücken das Rangverhältnis der Liquidationspräferenzen zueinander aus. Nach dem Wasserfallprinzip wird grundsätzlich jeder vorrangige Rang vollständig bedient, bevor Erlöse an den nachfolgenden Rang verteilt werden“, erklärt Mofidian. „Reicht der Erlös auf einem Rang nicht, um alle dort angesiedelten Präferenzansprüche voll zu bedienen, wird typischerweise pro rata verteilt – meist im Verhältnis der jeweiligen Präferenzansprüche. Der genaue Schlüssel ist aber Vertragssache.“

Wird der Liquidationspräferenz eines Investors ein „Senior“-Rang eingeräumt, bedeutet das Vorrang gegenüber den zu diesem Zeitpunkt bestehenden bzw. den vertraglich bezeichneten Liquidationspräferenzen. „‚Senior‘ ist eine relative Rangangabe – man ist immer gegenüber jemandem vorrangig. Soll der oberste Rang gemeint sein, spricht man etwa von ‚most senior‘ oder ‚senior to all other liquidation preferences‘. Maßgeblich ist am Ende ohnehin die Verteilungsreihenfolge der Waterfall-Klausel selbst“, so der Anwalt. Vor später geschaffenen „noch vorrangigeren“ Rängen könne man sich durch einen Zustimmungsvorbehalt schützen; das könne allerdings künftige Finanzierungsrunden erschweren und sei auch unüblich.

Mofidian weiter: „Investor:innen vereinbaren häufig, dass ihre Liquidationspräferenz ‚pari passu‘ mit den Liquidationspräferenzen anderer Investor:innen oder Anteilsklassen rangiert – die betreffenden Präferenzen sind dann gleichrangig, keine wird vor der anderen bedient. Innerhalb derselben Anteilsklasse ist eine ausdrückliche Pari-passu-Regelung häufig nur deklaratorisch, sofern für alle Anteile dieselben Präferenzrechte gelten; sie kann jedoch in einigen Konstellationen auch klarstellende Bedeutung haben. Eine wesentliche Bedeutung entfaltet sie zwischen unterschiedlichen Anteilsklassen oder Finanzierungsrunden: Man kann etwa festlegen, dass die Liquidationspräferenzen einer Series A und einer Series B trotz unterschiedlicher Anteilsklassen auf demselben Rang stehen. ‚Pari passu‘ beschreibt also nicht die Anteilsklasse als solche, sondern das Rangverhältnis der jeweiligen Präferenzen“. Gleichrangigkeit bedeutet dabei nicht zwingend, dass auch die Höhe der Präferenzansprüche, die Multiplikatoren oder die sonstigen Investorenrechte identisch sind.

Die Rangordnung führt in der Praxis oft zu sogenannten Stacked Preferences (gestapelten Präferenzen). Faktisch gesehen kommt es dabei meist zum Prinzip „Last in, first out“: Der späteste Geldgeber (z. B. der Lead-Investor der Series C) sichert sich meist den höchsten Rang und holt sich beim Exit (nach Rückführung von Fremdkapital) als Allererster sein Geld aus dem Topf. Ist seine Präferenz bedient, darf sich die vorherige Series B aus dem verbleibenden Rest bedienen; und so weiter bis hinunter zur Series A. Häufig warten am Ende der Nahrungskette die frühen Seed-Investoren sowie Gründer:innen und Mitarbeiter:innen mit ESOP-Anteilen – ist der Exit-Erlös nicht hoch genug, ist der Topf leer, bevor sie erreicht werden.

„Eine der Schwierigkeiten bei Liquidation Preferences ist die Unschärfe der Begrifflichkeiten“, betont Mofidian an dieser Stelle und erklärt, warum es zu Streitereien unter den Beteiligten kommen könnte. Ein typischer Konfliktherd können Triggerdefinitionen sein: Was ist ein Exit? In einem „frühen“ Vertrag kann ein Exit anders definiert sein als im späteren Beteiligungsvertrag. Dazu kommen Side Letters bzw. in Investitionsdokumenten enthaltene Rechte, bei denen Widersprüche auftreten können. Liquidationspräferenzen können ein sinnvolles Instrument der Risikoverteilung sein – aber es kann zu unangenehmen Überraschungen kommen, weil die Beteiligten nicht jedes Szenario durchdenken und durchrechnen.

Die Schicksalsgemeinschaft der Frühphase

Oliver Holle, CEO des Seed-VCs Speedinvest, sieht die Debatte vor allem für die Frühphase pragmatisch: Dank klarer Standards (1×, non-participating) bilden frühe Kapitalgeber und Gründer:innen hier eine Schicksalsgemeinschaft im Sinne von „engsten Verbündeten“. Dramatisch wird es jedoch bei Wertberichtigungen in späten Runden, wenn sich die Ansprüche durch viel frisches Kapital massiv aufsummieren – die bereits erwähnten Stacked Preferences. Wie das in der Praxis aussieht, veranschaulicht Holle am E-Scooter-Anbieter Tier, dessen Preference-Stack nach mehreren Runden und Mergern auf fast eine Milliarde Euro angewachsen ist: „Das sind sie jetzt doch nicht mehr wert. Das heißt, wir haben das wahrscheinlich schon lange auf null abgeschrieben, und die Gründer auch, weil wir da kein Geld rausholen werden, auch wenn diese Firma für fünf-, sechs- oder siebenhundert Millionen Euro verkauft wird. Das ist also eine Realität, die wir absolut durchlebt haben.“ Und damit ist Speedinvest nicht allein.

Konflikte, Statistiken und eine mögliche Zukunft

Was konkrete Statistiken angeht, gibt es im DACH-Raum kaum belastbare öffentliche Marktdaten. Mofidians subjektiver Praxisbeobachtung nach kommen Liquidationspräferenzen jedoch in fast jedem Deal vor, sind ein von Investoren erwarteter Standard und in ihrer Grundform kaum wegzuverhandeln.

Aufgrund globaler Krisen brauchten viele Startups zuletzt jedoch Bridge-Finanzierungen. Um ihre Bewertungen hochzuhalten („Vanity Valuation“), akzeptierten Gründer:innen oft harte Konditionen. Mofidian kann sich vorstellen, dass es in Zukunft aufgrund dieser Dynamik zu Konflikten kommen könnte: „Aufgrund von Brückenfinanzierungen könnten Liquidationspräferenzen wahrscheinlich jetzt relevanter werden, weil wir jetzt einige Senior-Investoren sehen, die zu sehr guten Terms eingestiegen sind, darunter auch Verkaufsrechte. Wenn du in den letzten Jahren investiert hast, und das zu einer vermeintlich guten Bewertung, mit starken Terms, und dir viele Rechte geholt hast, jetzt aber daran zweifelst, dass eine neue Runde zu einer höheren Bewertung realistisch ist, dann pushst du möglicherweise in den Exit. Und das machst du wahrscheinlich nur, weil du eine Liquidationspräferenz, vielleicht sogar mit einem ‚Über-Eins-Faktor‘, hast“, zeichnet Mofidian eine mögliche Zukunft für die heimische Szene. „Ich kann mir vorstellen, dass die Logik, die Liquidationspräferenzen und anderen damit funktionell verbundenen Terms zugrunde liegt, dazu führt, dass der eine oder andere Investor sagt: ‚Ich nutze jetzt meine vertraglichen Möglichkeiten, dränge auf den Exit und hole mir lieber mein Investment 1,5-fach plus ein bisschen extra vom verbleibenden Erlöstopf. Das macht mehr Sinn, als nur darauf zu hoffen, dass es noch eine Runde zu einer viel höheren Bewertung gibt – und selbst wenn sich das so großartig entwickelt, was nicht sicher ist, steht der nächste Investor vermutlich nach dem Last-in-first-out-Prinzip mit seiner Präferenz wieder vor mir.‘“

Der Anwalt ergänzt: „‚Drängen‘ heißt in diesem Kontext: Wenn dieser Investor – etwa in Kombination mit anderen Investoren – starke Drag-Along-Rechte hat, kann er den Verkauf auch gegen den Willen der Founder rechtlich erzwingen.“ Dies gelte selbst dann, wenn die Founder die Bewertung als zu niedrig empfänden und aufgrund der Liquidation Preference leer ausgingen.

Trotz dieser Konsequenzen betont Mofidian nachdrücklich, dass man das Thema auch aus der Investorenperspektive betrachten muss: Die Liquidationspräferenz sei per se nichts Böses und in der Praxis völlig in Ordnung, wenn man sie korrekt verwendet. „Man muss diese Klauseln verstehen, durchrechnen und verschiedene Szenarien durchspielen, damit böse Überraschungen ausbleiben“, sagt der Jurist.

Secondaries als mögliches Instrument

Für Gründer gilt laut dem Experten eine wichtige Regel: Man sollte sich niemals nur auf eine möglichst hohe Firmenbewertung fixieren, wenn die Vorzugsrechte der Investoren im Gegenzug gefährlich stark ausgeprägt sind. Mofidian rät, das Term-Sheet stets als bewegliches Gesamtsystem zu betrachten.

Anstatt Deals aus reiner Angst vor einem Null-Ausstieg kategorisch platzen zu lassen, empfiehlt der Anwalt, allenfalls ungünstigere Liquidationspräferenzen durch andere Mechanismen auszugleichen. Dazu zählen klug verhandelte Drag-Along- und Tag-Along-Rechte. Wenn der Druck allerdings über die Jahre extrem hoch wird, seien Secondaries ein mögliches Tool: Durch den vorzeitigen Verkauf eines kleinen Teils der eigenen Anteile an spätere Investoren könnten Gründer bereits auf dem Weg zum Exit etwas Geld auf dem Privatkonto sichern.

„Das ist jedoch nicht gern gesehen und auch in Österreich oder im DACH-Raum relativ unüblich, aber es passiert“, sagt Mofidian. „Nach ein paar Jahren Arbeit kann man in so einem Fall sagen: ‚Ich habe eine ordentliche Netto-Summe auf meinem Konto. Das erlaubt mir zumindest, mit freiem Kopf weiter an meiner Vision zu bauen.‘“

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

#unchAIn, Teil 2: Können Maschinen das menschliche Gehirn kopieren?

Bei dem Projekt „#unchAIn – Demystifying AI“ kooperiert der brutkasten mit Miss AI, um gängige falsche Vorstellungen zu entmystifizieren. Ein Kopieren und Einfügen der Funktionen eines menschlichen Gehirns in eine Maschine wird nie passieren, denn wir sind einfach schlecht beim Verstehen der grundlegenden Prozesse im System. Denken wir an das folgende Gedanken-Experiment: Deine Mutter fragt dich: „Willst du Milch zum Frühstück?“ Sicherlich erfordert eine „intelligente“ menschengemachte Maschine eine andere Art der Intelligenz als der Mensch selbst. Maschinen wären nicht in der Lage, genau so zu „fühlen“ wie Menschen, und das würde direkt in eine andere „Intelligenzmatrix“ für Maschinen führen. Nancy Nemes: Hier gibt es eine Definition von Alan Turing, Erfinder des Turing-Test, aus dem Jahr 1950: „Wenn ein Computer mit einem Menschen in einer textbasierten natürlichen Sprachumwandlung sprechen kann und einen Richter täuschen kann, dass er zumindest für einen Teil der Zeit denkt, dass es sich um einen Menschen handelt, wird er als intelligent angesehen“.

AI Kontextualisierung

Welche gesellschaftspolitischen Auswirkungen hat der Inhalt dieses Artikels?

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

#unchAIn, Teil 2: Können Maschinen das menschliche Gehirn kopieren?

Bei dem Projekt „#unchAIn – Demystifying AI“ kooperiert der brutkasten mit Miss AI, um gängige falsche Vorstellungen zu entmystifizieren. Ein Kopieren und Einfügen der Funktionen eines menschlichen Gehirns in eine Maschine wird nie passieren, denn wir sind einfach schlecht beim Verstehen der grundlegenden Prozesse im System. Denken wir an das folgende Gedanken-Experiment: Deine Mutter fragt dich: „Willst du Milch zum Frühstück?“ Sicherlich erfordert eine „intelligente“ menschengemachte Maschine eine andere Art der Intelligenz als der Mensch selbst. Maschinen wären nicht in der Lage, genau so zu „fühlen“ wie Menschen, und das würde direkt in eine andere „Intelligenzmatrix“ für Maschinen führen. Nancy Nemes: Hier gibt es eine Definition von Alan Turing, Erfinder des Turing-Test, aus dem Jahr 1950: „Wenn ein Computer mit einem Menschen in einer textbasierten natürlichen Sprachumwandlung sprechen kann und einen Richter täuschen kann, dass er zumindest für einen Teil der Zeit denkt, dass es sich um einen Menschen handelt, wird er als intelligent angesehen“.

AI Kontextualisierung

Welche wirtschaftlichen Auswirkungen hat der Inhalt dieses Artikels?

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

#unchAIn, Teil 2: Können Maschinen das menschliche Gehirn kopieren?

Bei dem Projekt „#unchAIn – Demystifying AI“ kooperiert der brutkasten mit Miss AI, um gängige falsche Vorstellungen zu entmystifizieren. Ein Kopieren und Einfügen der Funktionen eines menschlichen Gehirns in eine Maschine wird nie passieren, denn wir sind einfach schlecht beim Verstehen der grundlegenden Prozesse im System. Denken wir an das folgende Gedanken-Experiment: Deine Mutter fragt dich: „Willst du Milch zum Frühstück?“ Sicherlich erfordert eine „intelligente“ menschengemachte Maschine eine andere Art der Intelligenz als der Mensch selbst. Maschinen wären nicht in der Lage, genau so zu „fühlen“ wie Menschen, und das würde direkt in eine andere „Intelligenzmatrix“ für Maschinen führen. Nancy Nemes: Hier gibt es eine Definition von Alan Turing, Erfinder des Turing-Test, aus dem Jahr 1950: „Wenn ein Computer mit einem Menschen in einer textbasierten natürlichen Sprachumwandlung sprechen kann und einen Richter täuschen kann, dass er zumindest für einen Teil der Zeit denkt, dass es sich um einen Menschen handelt, wird er als intelligent angesehen“.

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 …

#unchAIn, Teil 2: Können Maschinen das menschliche Gehirn kopieren?

Bei dem Projekt „#unchAIn – Demystifying AI“ kooperiert der brutkasten mit Miss AI, um gängige falsche Vorstellungen zu entmystifizieren. Ein Kopieren und Einfügen der Funktionen eines menschlichen Gehirns in eine Maschine wird nie passieren, denn wir sind einfach schlecht beim Verstehen der grundlegenden Prozesse im System. Denken wir an das folgende Gedanken-Experiment: Deine Mutter fragt dich: „Willst du Milch zum Frühstück?“ Sicherlich erfordert eine „intelligente“ menschengemachte Maschine eine andere Art der Intelligenz als der Mensch selbst. Maschinen wären nicht in der Lage, genau so zu „fühlen“ wie Menschen, und das würde direkt in eine andere „Intelligenzmatrix“ für Maschinen führen. Nancy Nemes: Hier gibt es eine Definition von Alan Turing, Erfinder des Turing-Test, aus dem Jahr 1950: „Wenn ein Computer mit einem Menschen in einer textbasierten natürlichen Sprachumwandlung sprechen kann und einen Richter täuschen kann, dass er zumindest für einen Teil der Zeit denkt, dass es sich um einen Menschen handelt, wird er als intelligent angesehen“.

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 …

#unchAIn, Teil 2: Können Maschinen das menschliche Gehirn kopieren?

Bei dem Projekt „#unchAIn – Demystifying AI“ kooperiert der brutkasten mit Miss AI, um gängige falsche Vorstellungen zu entmystifizieren. Ein Kopieren und Einfügen der Funktionen eines menschlichen Gehirns in eine Maschine wird nie passieren, denn wir sind einfach schlecht beim Verstehen der grundlegenden Prozesse im System. Denken wir an das folgende Gedanken-Experiment: Deine Mutter fragt dich: „Willst du Milch zum Frühstück?“ Sicherlich erfordert eine „intelligente“ menschengemachte Maschine eine andere Art der Intelligenz als der Mensch selbst. Maschinen wären nicht in der Lage, genau so zu „fühlen“ wie Menschen, und das würde direkt in eine andere „Intelligenzmatrix“ für Maschinen führen. Nancy Nemes: Hier gibt es eine Definition von Alan Turing, Erfinder des Turing-Test, aus dem Jahr 1950: „Wenn ein Computer mit einem Menschen in einer textbasierten natürlichen Sprachumwandlung sprechen kann und einen Richter täuschen kann, dass er zumindest für einen Teil der Zeit denkt, dass es sich um einen Menschen handelt, wird er als intelligent angesehen“.

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 …

#unchAIn, Teil 2: Können Maschinen das menschliche Gehirn kopieren?

Bei dem Projekt „#unchAIn – Demystifying AI“ kooperiert der brutkasten mit Miss AI, um gängige falsche Vorstellungen zu entmystifizieren. Ein Kopieren und Einfügen der Funktionen eines menschlichen Gehirns in eine Maschine wird nie passieren, denn wir sind einfach schlecht beim Verstehen der grundlegenden Prozesse im System. Denken wir an das folgende Gedanken-Experiment: Deine Mutter fragt dich: „Willst du Milch zum Frühstück?“ Sicherlich erfordert eine „intelligente“ menschengemachte Maschine eine andere Art der Intelligenz als der Mensch selbst. Maschinen wären nicht in der Lage, genau so zu „fühlen“ wie Menschen, und das würde direkt in eine andere „Intelligenzmatrix“ für Maschinen führen. Nancy Nemes: Hier gibt es eine Definition von Alan Turing, Erfinder des Turing-Test, aus dem Jahr 1950: „Wenn ein Computer mit einem Menschen in einer textbasierten natürlichen Sprachumwandlung sprechen kann und einen Richter täuschen kann, dass er zumindest für einen Teil der Zeit denkt, dass es sich um einen Menschen handelt, wird er als intelligent angesehen“.

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 …

#unchAIn, Teil 2: Können Maschinen das menschliche Gehirn kopieren?

Bei dem Projekt „#unchAIn – Demystifying AI“ kooperiert der brutkasten mit Miss AI, um gängige falsche Vorstellungen zu entmystifizieren. Ein Kopieren und Einfügen der Funktionen eines menschlichen Gehirns in eine Maschine wird nie passieren, denn wir sind einfach schlecht beim Verstehen der grundlegenden Prozesse im System. Denken wir an das folgende Gedanken-Experiment: Deine Mutter fragt dich: „Willst du Milch zum Frühstück?“ Sicherlich erfordert eine „intelligente“ menschengemachte Maschine eine andere Art der Intelligenz als der Mensch selbst. Maschinen wären nicht in der Lage, genau so zu „fühlen“ wie Menschen, und das würde direkt in eine andere „Intelligenzmatrix“ für Maschinen führen. Nancy Nemes: Hier gibt es eine Definition von Alan Turing, Erfinder des Turing-Test, aus dem Jahr 1950: „Wenn ein Computer mit einem Menschen in einer textbasierten natürlichen Sprachumwandlung sprechen kann und einen Richter täuschen kann, dass er zumindest für einen Teil der Zeit denkt, dass es sich um einen Menschen handelt, wird er als intelligent angesehen“.

AI Kontextualisierung

Wer sind die relevantesten Personen in diesem Artikel?

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

#unchAIn, Teil 2: Können Maschinen das menschliche Gehirn kopieren?

Bei dem Projekt „#unchAIn – Demystifying AI“ kooperiert der brutkasten mit Miss AI, um gängige falsche Vorstellungen zu entmystifizieren. Ein Kopieren und Einfügen der Funktionen eines menschlichen Gehirns in eine Maschine wird nie passieren, denn wir sind einfach schlecht beim Verstehen der grundlegenden Prozesse im System. Denken wir an das folgende Gedanken-Experiment: Deine Mutter fragt dich: „Willst du Milch zum Frühstück?“ Sicherlich erfordert eine „intelligente“ menschengemachte Maschine eine andere Art der Intelligenz als der Mensch selbst. Maschinen wären nicht in der Lage, genau so zu „fühlen“ wie Menschen, und das würde direkt in eine andere „Intelligenzmatrix“ für Maschinen führen. Nancy Nemes: Hier gibt es eine Definition von Alan Turing, Erfinder des Turing-Test, aus dem Jahr 1950: „Wenn ein Computer mit einem Menschen in einer textbasierten natürlichen Sprachumwandlung sprechen kann und einen Richter täuschen kann, dass er zumindest für einen Teil der Zeit denkt, dass es sich um einen Menschen handelt, wird er als intelligent angesehen“.

AI Kontextualisierung

Wer sind die relevantesten Organisationen in diesem Artikel?

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

#unchAIn, Teil 2: Können Maschinen das menschliche Gehirn kopieren?

Bei dem Projekt „#unchAIn – Demystifying AI“ kooperiert der brutkasten mit Miss AI, um gängige falsche Vorstellungen zu entmystifizieren. Ein Kopieren und Einfügen der Funktionen eines menschlichen Gehirns in eine Maschine wird nie passieren, denn wir sind einfach schlecht beim Verstehen der grundlegenden Prozesse im System. Denken wir an das folgende Gedanken-Experiment: Deine Mutter fragt dich: „Willst du Milch zum Frühstück?“ Sicherlich erfordert eine „intelligente“ menschengemachte Maschine eine andere Art der Intelligenz als der Mensch selbst. Maschinen wären nicht in der Lage, genau so zu „fühlen“ wie Menschen, und das würde direkt in eine andere „Intelligenzmatrix“ für Maschinen führen. Nancy Nemes: Hier gibt es eine Definition von Alan Turing, Erfinder des Turing-Test, aus dem Jahr 1950: „Wenn ein Computer mit einem Menschen in einer textbasierten natürlichen Sprachumwandlung sprechen kann und einen Richter täuschen kann, dass er zumindest für einen Teil der Zeit denkt, dass es sich um einen Menschen handelt, wird er als intelligent angesehen“.