06.08.2020

9 Leadership-Tipps für Krisenzeiten

In einem Gastbeitrag erläutert Storebox-CEO Johannes Braith, warum Leadership oft wichtiger als Management ist und wie man als Führungskraft mit Krisen umgehen kann.
/artikel/leadership-tipps-krisenzeiten
Johannes Braith, CEO & Co-Founder von Storebox.
Johannes Braith, CEO & Co-Founder von Storebox. © Storebox

Eine Führungskraft zu sein, bedeutet Inklusion und Kommunikation zu leben und zum obersten Ziel zu erklären, um schlussendlich dadurch unternehmerische Ziele zu erreichen. Mit seinen Stakeholdern zu kommunizieren und alle Teammitglieder abzuholen und diese zu inkludieren, stellt auch in wirtschaftlich stabilen Zeiten eine Herausforderung dar. Kommt es zu Krisen nehmen, diese Herausforderungen an Dynamik zu und erfordern schnelle Entscheidungen und emotionale Beständigkeit.

Startup-Manager und die permanente Unsicherheit

Viele Startup-Gründer blicken nicht auf jahrzehntelange Karrieren als Manager oder Führungskräfte zurück. Management ist wie ein Handwerk. Man kann es erlernen und je länger man in diesem Level arbeitet, desto mehr Erfahrung bringt man mit. Dies bedeutet allerdings nicht zwangsläufig, dass nur erfahrene Manager gut mit Krisen umgehen können.

Als junger CEO oder als unerfahrener Manager macht man zwangsläufig viele Dinge zum ersten Mal. Man ist es gewohnt, viele Entscheidungen ohne jegliche Erfahrungswerte zu treffen. Dies macht man nicht einfach aus dem Bauch heraus, allerdings gibt es auch kein fertiges Modell, welches man zur Entscheidungsfindung heranziehen kann. Und genau hier können junge Führungskräfte ihre Stärken ausspielen. In Startups ist man ständig mit maximalen Unsicherheiten konfrontiert. Probleme kommen schnell, direkt und aus dem Nichts und müssen effizient gelöst werden – ähnlich zu Krisen. Kann man auf kein umfangreiches Repertoire an Managementerfahrung zurückgreifen, muss man sich ständig neu auf Situationen einstellen. Diese Flexibilität im Handeln kann somit zur Stärke werden.

Neun Tipps für Führung in der Krise

Auch Storebox war, wie so viele Unternehmen, in der ein oder anderen Art von Corona betroffen. Wir haben so gut es geht auf die Krise reagiert und konnten das Schiff (bzw. Schnellboot) sicher durch das unsichere Fahrwasser navigieren. Mit diesem Artikel möchte ich meine Wahrnehmungen und Learnings der letzten Wochen teilen.

Bereits im Jänner 2019 veröffentlichte Lisa Lai einen Artikel im Harvard Business Review, in dem es um Management in unsicheren Zeiten ging. Die Beraterin arbeitet mit den erfolgreichsten Führungskräften der Welt zusammen und ihr Artikel besitzt in Zeiten von Corona mehr Relevanz denn je. Folgende 9 Punkte haben mir dabei geholfen, Storebox sicher durch die Krise zu bringen

  1. Take Pragmatic Action

Unsicherheiten sind oft komplex und facettenreich. Praktische und einfache Ansätze sind meist nicht nur effizienter, sie bringen die beteiligten Akteure auch schneller ins Handeln. Das Zitat von Herb Kelleher – “ We have a strategic plan. It´s called doing things.” – hat in Krisenzeiten noch eine gewichtigere Rolle als sonst.

  1. Get Back to basics.

Versuche als CEO oder Manager, Wert zu stiften. Konzentriere dich primär auf die Dinge, die du kontrollieren kannst. Kosten lassen sich meist besser beeinflussen als Unsicherheiten am Absatzmarkt. Überlege, wie du deinem Team helfen kannst, besser zu werden und ihre Performance zu steigern. So erzeugst du einen Hebel im Outcome und kochst nicht dein eigenes Süppchen. Bei Storebox wurden sehr frühzeitig Einsparungen getroffen, um auch eine potenziell langanhaltende Krise zu überstehen. Das Team wurde rasch im Homeoffice mit allen nötigen Tools versorgt, um nicht an Effizienz einzubüßen. Des Weiteren wurden remote diverse “Socials” veranstaltet, um das Teamgefühl weiter aufrecht zu erhalten.

  1. Place intelligent bets.

Wenn es um Krisen geht, denkt man zuerst an alle Dinge, die man nicht weiß. Genauso ging es auch mir in den Anfängen von Corona. Als Manager sollte man versuchen, aus dieser Spirale auszubrechen. Man sollte darüber nachdenken, ob es Dinge gibt, die nun wahrscheinlicher eintreffen als zuvor. Welche Dynamiken werden aller Voraussicht nach eintreffen und das Unternehmen beeinflussen. Dabei kann es sich um positive sowie negative Dynamiken handeln. So schärft man sein Spektrum und kann sich auf Dinge konzentrieren, die man in der Hand hat. Oft ergeben sich dadurch auch Opportunities. Der durch die letzte Krise stark gepushte E-Commerce bietet für Storebox nun die Möglichkeit, sich noch pointierter als urbanes Logistiknetzwerk zu positionieren.

  1. Operate in sprints: Embrace short-term strategies.

Ist man sich im Klaren, wie man Wert stiften kann, welche Dinge man in der Hand hat und auf welche Themenbereiche man sich fokussieren sollte, hat man bereits ein Set an Tools, um in die weitere Umsetzung zu gehen. In Krisenzeiten ändern sich die Rahmenbedingungen jedoch laufend. Selten verging ein Tag, an dem wir aus den Medien nicht mit einer neuen Entscheidung der Regierung konfrontiert wurden. Viele dieser Entscheidungen beeinflussen unser tägliches Leben sowie unser Business noch heute. Diese Schnelllebigkeit verhindert jedoch eine langfristige Planung. Bei Storebox hatten wir am Anfang der Krise täglich Abstimmungen innerhalb des C-Level Teams. Themenbereiche wurden in kleine Arbeitspakete aufgeteilt, abgearbeitet und gegenseitig upgedated. So bekommt man nicht nur richtig Traction im Abarbeiten von Tasks, sondern belohnt sich auch mit Erfolgen in einer emotional doch recht angespannten Situation.

  1. Cultivate Emotional Steadiness

Ist man auf strategischer Seite gut aufgestellt und hat einen Plan, der in kurzen Sprints exekutiert werden kann, ist es wichtig der emotionalen Ebene innerhalb des Teams große Aufmerksamkeit zu schenken.

  1. Be proactive.

Krisen bedeuten nicht nur Unsicherheiten für Unternehmen, sondern auch für jeden einzelnen Mitarbeiter. Wie eingangs erwähnt, ist es als CEO überaus wichtig, jeden Mitarbeiter zu inkludieren. Ängste und Sorgen der Mitarbeiter zu verstehen, ist der erste Schritt, um mit offener Kommunikation an der Bekämpfung eben dieser zu arbeiten. Mitarbeiter kämpfen mit Fragen und Zweifeln. Es ist die Aufgabe des Managements, diese Ängste proaktiv aufzunehmen. Mitarbeiter direkt zu Fragen und zu erheben, welche Topics wie ein Damoklesschwert über ihnen schweben, ist die effizienteste und ehrlichste Art, mit Unsicherheiten umzugehen. Erst wenn man die Sorgen und offenen Fragen kennt, kann man damit beginnen, an Antworten zu arbeiten.

  1. Acknowledge and navigate emotions.

Emotionale Beständigkeit auszustrahlen ist in unsicheren Zeiten ein durchaus schwieriges Unterfangen. Ruhe zu bewahren und diese auch an sein Team auszustrahlen, ist ein “must”, um sicher durch den Sturm zu kommen. Als CEO beschäftigt man sich in diesen Zeiten den Großteil der Zeit mit Problemen, top-down gereiht nach deren Schweregrad. Ist man ständig mit Hiobsbotschaften konfrontiert, ist es oft schon hart genug, mit seinen eigenen Emotionen zu kämpfen. Will man seine Gedanken sortieren, ist es unabdingbar, seine Gefühle zu kontrollieren. Denn neben dem Lösen der Horrorszenarien ist man schließlich parallel dafür verantwortlich, an der zukünftigen Vision des Unternehmens zu arbeiten, um die Krise als Chance nutzen zu können. Als Führungskraft ist es wichtig, sich einen direkten Ansprechpartner für seine Emotionen zu holen. Bei Storebox finde ich diese Ansprechpartner in meinen Co-Foundern. Gemeinsam über Gefühle zu sprechen und diese zu sortieren, hilft dabei sein direktes Verhalten zu beeinflussen. Und dieses Verhalten beeinflusst wiederum die komplette Crew.

  1. Keep team communication open.

Ist man damit beschäftigt, die durch Corona entstandenen Brände zu löschen, verliert man die Zeit, regelmäßig mit seinem Team zu kommunizieren. Dies passiert einerseits unbewusst, weil schlussendlich oft die Zeit fehlt. Aber es kann auch damit zusammenhängen, dass man oft noch keine 100% ausdefinierten Antworten auf offene Fragen und Unsicherheiten hat. Oft wird dann zugewartet und erst kommuniziert, wenn der Plan steht. In vielen Fällen ist dies aber dann schon zu spät und quälende Unsicherheiten haben bereits Löcher in die Produktivität der Teams gerissen. Daher verlangen komplexe Situationen nach noch mehr Kommunikation als üblich. Auch zu kommunizieren, dass man noch keine Lösungen parat hat aber hart an eben diesen arbeitet, bietet Sicherheit. Das gilt nicht nur für Mitarbeiter, sondern auch für Investoren. Krisen kommen unvermeidbar und mit voller Wucht. Für jede Eventualität einen Plan in der Schublade zu haben, ist unrealistisch. Mit vollem Commitment an Lösungen zu arbeiten jedoch nicht. Dies sollte auch kommuniziert werden – v.a. auch an die Investoren.

  1. Tap Into Others´ Expertise

Ein Unternehmen in Krisenzeiten zu führen, bedeutet ein enormes zeitliches und v.a. emotionales Engagement. Das kann über längere Dauer zu Frustration und damit zu einer schlechten Performance führen. Doch eines ist sicher: Man ist nicht der Einzige, dem es so geht. Viele Manager, Founder und CEOs kämpfen mit denselben Problemen und hadern mit ihren Gefühlen. Bei Storebox haben wir das Glück, Hansi Hansmann als Business Angel an Board zu haben. Seine Hansmengroup bietet mehrmals im Jahr Raum, um den Austausch zwischen “seinen” Foundern zu gewähren. Auch in der Corona Zeit gab es remote Meetings, um über Probleme und vor allem Lösungen zu sprechen. Auch Austrian Startups bot mit dem “Later Stage Startup Breakfast” eine von vielen Möglichkeiten, um mit Gleichgesinnten zu sprechen. Das ist nicht nur seelisch reinigend, sondern bietet oft auch konkrete Hints, um noch besser zu werden.

Insgesamt waren die letzten Monate ein wilder Ritt. Sie haben nicht nur Storebox auf das nächste Level gebracht, sondern auch mich als Führungskraft weiter geformt. Ich habe gelernt, dass es nicht nur Managementstrategien aus dem Lehrbuch sind, die einen durch schwere Zeiten bringen. Vielmehr bezwingt man solche Situationen mit Leadership. Und das beginnt ganz tief bei dem Leader selbst. Emotionale Beständigkeit als Leader gibt Kraft, um zu erkennen, wie man mit maximaler Relevanz als Gewinner aus der Krise kommen kann.

Deine ungelesenen Artikel:
27.01.2025

Open Source und KI: “Es geht nicht darum, zu den Guten zu gehören”

Nachlese. Die Nutzung von Open-Source-Modellen eröffnet Unternehmen auch im KI-Bereich weitreichende Möglichkeiten. Es gibt dabei aber auch einiges zu bedenken. Darüber und mehr diskutierten in Folge 5 von "No Hype KI" Stephan Kraft von Red Hat, Florian Böttcher von CANCOM Austria, Natalie Ségur-Cabanac von Women in AI und Patrick Ratheiser von Leftshift.One.
/artikel/no-hype-ki-folge-5
27.01.2025

Open Source und KI: “Es geht nicht darum, zu den Guten zu gehören”

Nachlese. Die Nutzung von Open-Source-Modellen eröffnet Unternehmen auch im KI-Bereich weitreichende Möglichkeiten. Es gibt dabei aber auch einiges zu bedenken. Darüber und mehr diskutierten in Folge 5 von "No Hype KI" Stephan Kraft von Red Hat, Florian Böttcher von CANCOM Austria, Natalie Ségur-Cabanac von Women in AI und Patrick Ratheiser von Leftshift.One.
/artikel/no-hype-ki-folge-5

“No Hype KI” wird unterstützt von CANCOM AustriaIBMITSVMicrosoftNagarroRed Hat und Universität Graz.

Kollaborativ, transparent, frei zugänglich und nicht profit-orientiert – mit Open-Source-Software wird eine Reihe von Eigenschaften assoziiert. Und oftmals stehen bei der Nutzung ethische Überlegungen im Zentrum. Dabei gibt es auch ganz praktische Gründe, die für eine Verwendung durch Unternehmen sprechen – auch bei der Implementierung von KI-Anwendungen, ist Stephan Kraft, Community Advocate & Business Development OpenShift & Application Services bei Red Hat, überzeugt. In Folge fünf der Serie “No Hype KI” diskutierte er dieses und weitere Themen mit Florian Böttcher, Solution Architect bei CANCOM Austria, Natalie Ségur-Cabanac, Policy Lead bei Women in AI und Patrick Ratheiser, Gründer & CEO von Leftshift.One.

“Thema ein Stück weit aus dieser emotionalen, moralisierenden Ecke herausholen”

“Ich will das Thema ein Stück weit aus dieser emotionalen, moralisierenden Ecke herausholen”, sagt Stephan Kraft. Für Red Hat als weltweit führenden Anbieter für Open-Source-Lösungen für Unternehmen gehen die Argumente für eine Nutzung nämlich weit darüber hinaus. “Es geht nicht darum, Open Source als Selbstzweck zu sehen, um zu den Guten zu gehören”, so der Experte. Tatsächlich sei die Verwendung von Open Source gerade bei der Etablierung von KI im Unternehmen für Startups und KMU eine wichtige Weichenstellung.

Offenheit, um Diskriminierung entgegenzuwirken

Auch Natalie Ségur-Cabanac sieht Open Source als “Key Technology” im KI-Bereich. Für “Women in AI” spiele die Offenheit eine zentrale Rolle: “Diese Offenheit braucht es, um Diskriminierung entgegenzuwirken.” Open Source verbessere den Zugang für Frauen zur Technologie, die Abbildung von Frauen in den Daten und es vergrößere die Möglichkeiten in der Forschung. Man müsse aber auch aufpassen, ob Software wirklich so offen sei, wie behauptet, sagt sie bezogen auf die aktuellen Diskussionen rund um OpenAI, das sich – ursprünglich als offenes Projekt gestartet – zum profitorientierten Unternehmen entwickelte. Es brauche auch eine klare Definition, was “open” sei.

Masse an Möglichkeiten

Leftshift.One-Gründer Patrick Ratheiser betont auch die schiere Masse an Möglichkeiten, die Open Source bietet. “2021 hatten wir weltweit Zugriff auf circa 5.000 Open-Source-Modelle. Jetzt sind es bereits mehr als eine Million.” Die Nutzbarkeit sei also klar gegeben, zudem biete die Technologie eine gewisse Unabhängigkeit und werde über ihre Vielfalt zum Innovationstreiber.

Ist Open Source immer die beste Lösung?

Doch bedeutet das, dass Open Source immer die optimale Lösung ist? Ratheiser sieht das differenziert: “Es ist ganz wichtig zu erkennen, was der Kunde braucht und was in dem Fall gerade notwendig ist. Egal, ob es nun On-Premise, in der Cloud, Open Source oder Closed Source ist.” Florian Böttcher von CANCOM Austria pflichtet hier bei: “Wir setzen genau so auf hybrid.”

Datenstruktur im Hintergrund ist entscheidend

Ein Thema, bei dem bei Open Source Vorsicht geboten ist, spricht Natalie Ségur-Cabanac an. Besonders wichtig sei es bei KI-Anwendungen, eine gute Datenstruktur im Hintergrund zu haben. “Die Verantwortung, dass ein Modell mit sauberen Daten trainiert worden ist, liegt bei den Anbietern. Bei Open Source verschwimmt das ein bisschen. Wer ist wofür zuständig? Das ist eine Herausforderung für die Compliance zu schauen, wo man selbst verantwortlich ist und wo man sich auf einen Anbieter verlassen kann.”

Compliance: Großes Thema – mehr Sichereheit mit professioneller Unterstützung

Stephan Kraft hakt hier ein. Genau aus solchen Gründen gebe es Unternehmen wie Red Hat, die mit ihrem Enterprise-Support für Open-Source-Lösungen die Qualitätssicherung auch im rechtlichen Bereich übernehmen. “Das ist ein ganz wichtiger Teil unseres Versprechens gegenüber Kunden”, so Kraft. Unbedacht im Unternehmen mit Open Source zu arbeiten, könne dagegen in “Compliance-Fallen” führen, pflichtet er Ségur-Cabanac bei.

Das sieht auch Patrick Ratheiser als Thema bei Leftshift.One: “Unsere Lösung ist Closed Source, wir setzen aber im Hintergrund Open Source ein. Wichtig ist, dass wir dem Kunden Compliance garantieren können.” Stephan Kraft empfiehlt Unternehmen bei der Open-Source-Nutzung: “Man kann nicht immer gleich die neueste ‘bleeding edge’-Lösung nehmen sondern sollte etwas konservativer herangehen.”

Infrastruktur: Gut planen, was man wirklich braucht

Unabhängig davon, ob man nun Open Source oder Closed Source nutzt, braucht es für die Nutzung von KI die richtige Infrastruktur. “Es kommt natürlich auf den Use Case an, den ein Unternehmen umsetzen will. Da sind die Anforderungen an die Infrastruktur sehr unterschiedlich”, grenzt Florian Böttcher ein. CANCOM Austria unterstützt seine Kunden in genau der Frage. Anwendungen wie das Training von KI-Modellen würde aus gutem Grund kaum in Österreich umgesetzt. “KI ist sehr stromhungrig und entwickelt viel Hitze. Das ist schwierig für ein eigenes Data-Center im Unternehmen, gerade wenn man die Strompreise in Österreich ansieht”, so Böttcher.

“Rechenleistungs-Hunger” von KI könnte sich in Zukunft verringern

Wichtig sei es letztlich, sich als Unternehmen sehr klar darüber zu sein, was man umsetzen wolle. “Danach, welche Software-Lösung man für seinen Use Case einsetzen muss, richtet sich auch die Infrastruktur”, so Böttcher. Er erwarte aber auch, dass die KI-Modelle im nächsten Entwicklungsschritt effizienter werden und der “Rechenleistungs-Hunger” sich verringere.

Patrick Ratheiser ergänzt: “Es ist grundsätzlich eine Kostenfrage.” Unternehmen müssten sich sehr gut überlegen, ob sie ein eigenes LLM (Large Language Model) betreiben und dieses sogar selbst trainieren wollen, oder lieber doch eine Usage-basierte Lösung wählen. Er sehe bei österreichischen Unternehmen – auch bei größeren – eine klare Tendenz zur zweiten Variante. “Es lässt sich deutlich schneller einrichten, ist kalkulierbarer und auch viel schneller skalierbar”, erklärt Ratheiser.

Etwa im Forschungsbereich sei es jedoch wichtig und notwendig, auch eigene LLMs und die damit verbundene Infrastruktur zu betreiben. Doch auch die Möglichkeit von hybriden Lösungen biete sich an. “Man kann mittlerweile auch Teile in der Cloud lassen und Teile On-Premise. Man kann etwa nur ein datenschutzsicheres LLM selbst betreiben”, erklärt der Experte, der auch bei der Wahl der genutzten Modelle einen hybriden Ansatz empfiehlt: “Man braucht nicht für alle Use Cases das neueste Modell. Manchmal braucht man überhaupt kein LLM.”

Datenschutz: Einige Herausforderungen bei LLMs

Stichwort: Datenschutz. Hier schafft die europäische Datenschutzgrundverordnung (DSGVO) im KI-Bereich besondere Herausforderungen, weiß Natalie Ségur-Cabanac, die vorab betont: “Ich persönlich halte die DSGVO für ein gutes Regulierungswerk, weil sie sehr viel Spielraum gibt. Ich sage immer: Datenschutz ist sehr komplex, aber nicht kompliziert.” Konkret seien etwa der Grundsatz der Zweckbezogenheit, also dass man Daten nur für konkrete Zwecke einsetzen darf, und dass man sie minimierend einsetzen muss, relevant für den KI-Bereich. “Da haben wir schon einen Konflikt, weil man ja [bei LLMs] erst einmal schaut, was man aus möglichst vielen Daten machen kann”, so die Expertin.

Ist KI rechtlich innerhalb der EU sogar per se in einem Graubereich?

Auch Transparenzbestimmungen – sowohl in der DSGVO als auch im AI-Act der EU – seien zu beachten. “Wenn ich KI verwende, muss ich auch wissen, was drinnen ist”, fasst Ségur-Cabanac zusammen. Ist KI also rechtlich innerhalb der EU sogar per se in einem Graubereich? “Nein, das glaube ich nicht. Aber man muss seine Hausaufgaben schon gut machen”, sagt die Expertin. Wichtig sei daher auch die im Rahmen des EU-AI-Acts eingeforderte KI-Kompetenz in Unternehmen – im technischen und rechtlichen Bereich.

KI-Kompetenz als zentrales Thema

Patrick Ratheiser stimmt zu: “Neben der Technologie selber sind bei unseren Kunden die Mitarbeiter ein Riesen-Thema. Man muss sie nicht nur wegen dem AI-Act fit bekommen, sondern es geht darum, sie wirklich auf die Anwendungen einzuschulen.” Wichtig seien dabei auch die Kolleg:innen, die sich bereits mit dem Thema auskennen – die “Pioniere” im Unternehmen. “AI Literacy ist sicherlich das Thema 2025 und in nächster Zeit. So, wie wir gelernt haben, mit dem Smartphone umzugehen, werden wir es auch mit generativer KI lernen”, so Ratheiser.

“Einfach einmal ausprobieren”

Stephan Kraft ergänzt: Neben einer soliden Datenbasis und der notwendigen Kompetenz brauche es bei KI – gerade auch im Bereich Open Source – noch etwas: “Einfach einmal ausprobieren. Es braucht auch Trial and Error. Das ist vielleicht oft das Schwierigste für CFOs und Geschäftsführer.” Dieses Ausprobieren sollte aber innerhalb eines festgelegten Rahmens passieren, damit die KI-Implementierung gelingt, meint Natalie Ségur-Cabanac: “Unternehmen brauchen eine KI-Strategie und müssen wissen, was sie mit der Technologie erreichen wollen.” Auch sich mit den zuvor angesprochenen rechtlichen Anforderungen – Stichwort Compliance – zu beschäftigen, komme zeitlich erst nach der Festlegung der Strategie.


Die gesamte Folge ansehen:

Die Nachlesen der bisherigen Folgen:

Folge 1: “No Hype KI – wo stehen wir nach zwei Jahren ChatGPT?

Folge 2: “Was kann KI in Gesundheit, Bildung und im öffentlichen Sektor leisten?

Folge 3: “Der größte Feind ist Zettel und Bleistift”: Erfolgsfaktoren und Herausforderungen in der KI-Praxis”

Folge 4: KI-Geschäftsmodelle: “Wir nutzen nur einen Bruchteil dessen, was möglich ist”


Die Serie wird von brutkasten in redaktioneller Unabhängigkeit mit finanzieller Unterstützung unserer Partner:innen produziert.

No Hype KI
27.01.2025

Open Source und KI: “Es geht nicht darum, zu den Guten zu gehören”

Nachlese. Die Nutzung von Open-Source-Modellen eröffnet Unternehmen auch im KI-Bereich weitreichende Möglichkeiten. Es gibt dabei aber auch einiges zu bedenken. Darüber und mehr diskutierten in Folge 5 von "No Hype KI" Stephan Kraft von Red Hat, Florian Böttcher von CANCOM Austria, Natalie Ségur-Cabanac von Women in AI und Patrick Ratheiser von Leftshift.One.
27.01.2025

Open Source und KI: “Es geht nicht darum, zu den Guten zu gehören”

Nachlese. Die Nutzung von Open-Source-Modellen eröffnet Unternehmen auch im KI-Bereich weitreichende Möglichkeiten. Es gibt dabei aber auch einiges zu bedenken. Darüber und mehr diskutierten in Folge 5 von "No Hype KI" Stephan Kraft von Red Hat, Florian Böttcher von CANCOM Austria, Natalie Ségur-Cabanac von Women in AI und Patrick Ratheiser von Leftshift.One.

“No Hype KI” wird unterstützt von CANCOM AustriaIBMITSVMicrosoftNagarroRed Hat und Universität Graz.

Kollaborativ, transparent, frei zugänglich und nicht profit-orientiert – mit Open-Source-Software wird eine Reihe von Eigenschaften assoziiert. Und oftmals stehen bei der Nutzung ethische Überlegungen im Zentrum. Dabei gibt es auch ganz praktische Gründe, die für eine Verwendung durch Unternehmen sprechen – auch bei der Implementierung von KI-Anwendungen, ist Stephan Kraft, Community Advocate & Business Development OpenShift & Application Services bei Red Hat, überzeugt. In Folge fünf der Serie “No Hype KI” diskutierte er dieses und weitere Themen mit Florian Böttcher, Solution Architect bei CANCOM Austria, Natalie Ségur-Cabanac, Policy Lead bei Women in AI und Patrick Ratheiser, Gründer & CEO von Leftshift.One.

“Thema ein Stück weit aus dieser emotionalen, moralisierenden Ecke herausholen”

“Ich will das Thema ein Stück weit aus dieser emotionalen, moralisierenden Ecke herausholen”, sagt Stephan Kraft. Für Red Hat als weltweit führenden Anbieter für Open-Source-Lösungen für Unternehmen gehen die Argumente für eine Nutzung nämlich weit darüber hinaus. “Es geht nicht darum, Open Source als Selbstzweck zu sehen, um zu den Guten zu gehören”, so der Experte. Tatsächlich sei die Verwendung von Open Source gerade bei der Etablierung von KI im Unternehmen für Startups und KMU eine wichtige Weichenstellung.

Offenheit, um Diskriminierung entgegenzuwirken

Auch Natalie Ségur-Cabanac sieht Open Source als “Key Technology” im KI-Bereich. Für “Women in AI” spiele die Offenheit eine zentrale Rolle: “Diese Offenheit braucht es, um Diskriminierung entgegenzuwirken.” Open Source verbessere den Zugang für Frauen zur Technologie, die Abbildung von Frauen in den Daten und es vergrößere die Möglichkeiten in der Forschung. Man müsse aber auch aufpassen, ob Software wirklich so offen sei, wie behauptet, sagt sie bezogen auf die aktuellen Diskussionen rund um OpenAI, das sich – ursprünglich als offenes Projekt gestartet – zum profitorientierten Unternehmen entwickelte. Es brauche auch eine klare Definition, was “open” sei.

Masse an Möglichkeiten

Leftshift.One-Gründer Patrick Ratheiser betont auch die schiere Masse an Möglichkeiten, die Open Source bietet. “2021 hatten wir weltweit Zugriff auf circa 5.000 Open-Source-Modelle. Jetzt sind es bereits mehr als eine Million.” Die Nutzbarkeit sei also klar gegeben, zudem biete die Technologie eine gewisse Unabhängigkeit und werde über ihre Vielfalt zum Innovationstreiber.

Ist Open Source immer die beste Lösung?

Doch bedeutet das, dass Open Source immer die optimale Lösung ist? Ratheiser sieht das differenziert: “Es ist ganz wichtig zu erkennen, was der Kunde braucht und was in dem Fall gerade notwendig ist. Egal, ob es nun On-Premise, in der Cloud, Open Source oder Closed Source ist.” Florian Böttcher von CANCOM Austria pflichtet hier bei: “Wir setzen genau so auf hybrid.”

Datenstruktur im Hintergrund ist entscheidend

Ein Thema, bei dem bei Open Source Vorsicht geboten ist, spricht Natalie Ségur-Cabanac an. Besonders wichtig sei es bei KI-Anwendungen, eine gute Datenstruktur im Hintergrund zu haben. “Die Verantwortung, dass ein Modell mit sauberen Daten trainiert worden ist, liegt bei den Anbietern. Bei Open Source verschwimmt das ein bisschen. Wer ist wofür zuständig? Das ist eine Herausforderung für die Compliance zu schauen, wo man selbst verantwortlich ist und wo man sich auf einen Anbieter verlassen kann.”

Compliance: Großes Thema – mehr Sichereheit mit professioneller Unterstützung

Stephan Kraft hakt hier ein. Genau aus solchen Gründen gebe es Unternehmen wie Red Hat, die mit ihrem Enterprise-Support für Open-Source-Lösungen die Qualitätssicherung auch im rechtlichen Bereich übernehmen. “Das ist ein ganz wichtiger Teil unseres Versprechens gegenüber Kunden”, so Kraft. Unbedacht im Unternehmen mit Open Source zu arbeiten, könne dagegen in “Compliance-Fallen” führen, pflichtet er Ségur-Cabanac bei.

Das sieht auch Patrick Ratheiser als Thema bei Leftshift.One: “Unsere Lösung ist Closed Source, wir setzen aber im Hintergrund Open Source ein. Wichtig ist, dass wir dem Kunden Compliance garantieren können.” Stephan Kraft empfiehlt Unternehmen bei der Open-Source-Nutzung: “Man kann nicht immer gleich die neueste ‘bleeding edge’-Lösung nehmen sondern sollte etwas konservativer herangehen.”

Infrastruktur: Gut planen, was man wirklich braucht

Unabhängig davon, ob man nun Open Source oder Closed Source nutzt, braucht es für die Nutzung von KI die richtige Infrastruktur. “Es kommt natürlich auf den Use Case an, den ein Unternehmen umsetzen will. Da sind die Anforderungen an die Infrastruktur sehr unterschiedlich”, grenzt Florian Böttcher ein. CANCOM Austria unterstützt seine Kunden in genau der Frage. Anwendungen wie das Training von KI-Modellen würde aus gutem Grund kaum in Österreich umgesetzt. “KI ist sehr stromhungrig und entwickelt viel Hitze. Das ist schwierig für ein eigenes Data-Center im Unternehmen, gerade wenn man die Strompreise in Österreich ansieht”, so Böttcher.

“Rechenleistungs-Hunger” von KI könnte sich in Zukunft verringern

Wichtig sei es letztlich, sich als Unternehmen sehr klar darüber zu sein, was man umsetzen wolle. “Danach, welche Software-Lösung man für seinen Use Case einsetzen muss, richtet sich auch die Infrastruktur”, so Böttcher. Er erwarte aber auch, dass die KI-Modelle im nächsten Entwicklungsschritt effizienter werden und der “Rechenleistungs-Hunger” sich verringere.

Patrick Ratheiser ergänzt: “Es ist grundsätzlich eine Kostenfrage.” Unternehmen müssten sich sehr gut überlegen, ob sie ein eigenes LLM (Large Language Model) betreiben und dieses sogar selbst trainieren wollen, oder lieber doch eine Usage-basierte Lösung wählen. Er sehe bei österreichischen Unternehmen – auch bei größeren – eine klare Tendenz zur zweiten Variante. “Es lässt sich deutlich schneller einrichten, ist kalkulierbarer und auch viel schneller skalierbar”, erklärt Ratheiser.

Etwa im Forschungsbereich sei es jedoch wichtig und notwendig, auch eigene LLMs und die damit verbundene Infrastruktur zu betreiben. Doch auch die Möglichkeit von hybriden Lösungen biete sich an. “Man kann mittlerweile auch Teile in der Cloud lassen und Teile On-Premise. Man kann etwa nur ein datenschutzsicheres LLM selbst betreiben”, erklärt der Experte, der auch bei der Wahl der genutzten Modelle einen hybriden Ansatz empfiehlt: “Man braucht nicht für alle Use Cases das neueste Modell. Manchmal braucht man überhaupt kein LLM.”

Datenschutz: Einige Herausforderungen bei LLMs

Stichwort: Datenschutz. Hier schafft die europäische Datenschutzgrundverordnung (DSGVO) im KI-Bereich besondere Herausforderungen, weiß Natalie Ségur-Cabanac, die vorab betont: “Ich persönlich halte die DSGVO für ein gutes Regulierungswerk, weil sie sehr viel Spielraum gibt. Ich sage immer: Datenschutz ist sehr komplex, aber nicht kompliziert.” Konkret seien etwa der Grundsatz der Zweckbezogenheit, also dass man Daten nur für konkrete Zwecke einsetzen darf, und dass man sie minimierend einsetzen muss, relevant für den KI-Bereich. “Da haben wir schon einen Konflikt, weil man ja [bei LLMs] erst einmal schaut, was man aus möglichst vielen Daten machen kann”, so die Expertin.

Ist KI rechtlich innerhalb der EU sogar per se in einem Graubereich?

Auch Transparenzbestimmungen – sowohl in der DSGVO als auch im AI-Act der EU – seien zu beachten. “Wenn ich KI verwende, muss ich auch wissen, was drinnen ist”, fasst Ségur-Cabanac zusammen. Ist KI also rechtlich innerhalb der EU sogar per se in einem Graubereich? “Nein, das glaube ich nicht. Aber man muss seine Hausaufgaben schon gut machen”, sagt die Expertin. Wichtig sei daher auch die im Rahmen des EU-AI-Acts eingeforderte KI-Kompetenz in Unternehmen – im technischen und rechtlichen Bereich.

KI-Kompetenz als zentrales Thema

Patrick Ratheiser stimmt zu: “Neben der Technologie selber sind bei unseren Kunden die Mitarbeiter ein Riesen-Thema. Man muss sie nicht nur wegen dem AI-Act fit bekommen, sondern es geht darum, sie wirklich auf die Anwendungen einzuschulen.” Wichtig seien dabei auch die Kolleg:innen, die sich bereits mit dem Thema auskennen – die “Pioniere” im Unternehmen. “AI Literacy ist sicherlich das Thema 2025 und in nächster Zeit. So, wie wir gelernt haben, mit dem Smartphone umzugehen, werden wir es auch mit generativer KI lernen”, so Ratheiser.

“Einfach einmal ausprobieren”

Stephan Kraft ergänzt: Neben einer soliden Datenbasis und der notwendigen Kompetenz brauche es bei KI – gerade auch im Bereich Open Source – noch etwas: “Einfach einmal ausprobieren. Es braucht auch Trial and Error. Das ist vielleicht oft das Schwierigste für CFOs und Geschäftsführer.” Dieses Ausprobieren sollte aber innerhalb eines festgelegten Rahmens passieren, damit die KI-Implementierung gelingt, meint Natalie Ségur-Cabanac: “Unternehmen brauchen eine KI-Strategie und müssen wissen, was sie mit der Technologie erreichen wollen.” Auch sich mit den zuvor angesprochenen rechtlichen Anforderungen – Stichwort Compliance – zu beschäftigen, komme zeitlich erst nach der Festlegung der Strategie.


Die gesamte Folge ansehen:

Die Nachlesen der bisherigen Folgen:

Folge 1: “No Hype KI – wo stehen wir nach zwei Jahren ChatGPT?

Folge 2: “Was kann KI in Gesundheit, Bildung und im öffentlichen Sektor leisten?

Folge 3: “Der größte Feind ist Zettel und Bleistift”: Erfolgsfaktoren und Herausforderungen in der KI-Praxis”

Folge 4: KI-Geschäftsmodelle: “Wir nutzen nur einen Bruchteil dessen, was möglich ist”


Die Serie wird von brutkasten in redaktioneller Unabhängigkeit mit finanzieller Unterstützung unserer Partner:innen produziert.

No Hype KI
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