08.03.2021

Der Journalist, der als Investor Google, Youtube, Paypal und Klarna “entdeckte”

Er startete seine Karriere als Journalist. Als Investment-Manager bei Sequoia Capital "entdeckte" er u.a. Google, Paypal und Klarna. Michael Moritz steht im Zentrum von Mic Hirschbrichs dieswöchiger Kolumne.
/artikel/michael-moritz-sequoia-google-paypal-klarna
Michael Moritz (c) Sequoia Capital
brutkasten-Kolumnist Mic Hirschbrich | Hintergrund: Michael Moritz (c) Sequoia Capital

Zunächst verdiente er seinen Lebensunterhalt als Journalist beim Time Magazine. Bekannt wurde er mit seiner Biographie über Apple und Steve Jobs, die er schrieb, als er Chef dieses Magazins in der San Francisco Niederlassung geworden war. Er kam zu der Erkenntnis, dass man nicht zwingend viel technologisches Verständnis benötige, um die besten Technologiefirmen der Welt ausfindig zu machen und darin zu investieren. Es brauche vielmehr die Fähigkeiten eines richtig guten Journalisten. Also wechselte der britische Sir Michael Moritz an die Sandhill Road in der San Francisco Bay Area und wurde zu einem der erfolgreichsten Tech-Investoren aller Zeiten. Seine Investments kennt praktisch jeder vom Namen, nur kaum jemand weiß, dass er dahintersteht. Das gilt auch für sein jüngstes europäisches Einhorn, in das er wieder als erstes investierte, das schwedische Klarna. Doch dazu später mehr.

Michael Moritz gibt sich, wie viele erfolgreiche Menschen aus der Bay Area, bescheiden und geerdet. Google, Yahoo, Youtube, Linkedin, Paypal, Instacart, Stripe und Klarna sind nur einige seiner Investments, die er für Sequoia Venture Capital seit seinem Einstieg 1986 tätigte. Sein Vermögen dürfte bald die Fünf-Milliarden-Dollar-Grenze knacken und belohnt ihn für seinen Instinkt, herausragende Investmentziele vor allen anderen zu finden. Der Oxford Absolvent wurde von Forbes in der “Midas List” als Nr. 1 Venture Capitalist gerankt und Times kürte ihn unter die 100 einflussreichsten Menschen der USA.

Michael Moritz: Der Journalist unter den Analysten

Moritz macht gerne auf die Eigenschaften eines guten Journalisten aufmerksam und darauf, weshalb das in seinem Job so nützlich sei. Zum einen würde man sich in neue Fachgebiete rasch einarbeiten müssen, von denen man zunächst wenig verstünde. Man brauche zudem die Gabe, die richtigen Fakten beschaffen und korrekt analysieren zu können. Zur wichtigsten Begabung aber zähle das Talent, klar kommunizieren zu können, also ein richtig guter Geschichtenerzähler zu sein. Das seien die entscheidenden Eigenschaften für den Erfolg als Investor.

Die meisten seiner Investments schienen für andere zunächst wenig spannend. Youtube zum Beispiel hatte zwar nach einigen Jahren einen großen User-Zustrom, aber auch horrende Kosten und praktisch keine relevante Monetarisierung. So ein Investment braucht Nerven, Weitsicht und – vor allem – Geduld. Dass Google einmal die Video-Plattform für 1,7 Milliarden US-Dollar übernehmen würde, konnte zu Beginn niemand erahnen. Viele Kollegen kritisierten Google für den hohen Kaufpreis, hätte Youtube doch nicht nur Monetarisierungs-Probleme sondern auch unzählige juristische Bedrohungen am Horizont gehabt. Doch einige Jahre später sollte diese Akquisition als eine der erfolgreichsten aller Zeiten gelten. Und auch Google selbst bekam zu Beginn nicht ohne weiteres Geld, gab es doch mit Yahoo und anderen mächtige und erfolgreiche Suchmaschinen am Markt. Der erste bekannte Angel-Investor in Google war übrigens Jeff Bezos, der Gründer von Amazon. Dessen 250.000 US-Dollar Investment sollte später beim IPO 280 Millionen wert werden. Der erste institutionelle Investor war auch bei Google, richtig, Sequoia, zusammen mit Kleiner Perkins und Deal-Maker Michael Moritz saß bis 2007 in Googles Board.

Sequoia: Eine Klasse für sich

Der Marktwert der von Sequoia Venture Capital bis 2021 finanzierten Unternehmen beläuft sich mittlerweile auf gigantische 3,3 Billionen (also 3,3 Tausend Milliarden) Dollar und umfasst Namen wie Airbnb, Apple, ByteDance-Tiktok, Cisco, Dropbox, Electronic Arts, Evernote, Github, Google, Instacart, Instagram, Kayak, Klarna, Linkedin, Nvidia, Paypal, Reddit, Symantec, Tumblr, Whatsapp, Yahoo, Youtube, Zoom und viele mehr. Man fragt sich, ob es nicht einfacher wäre, jene bekannten Tech-Titanen zu nennen, die nicht von diesem Unternehmen zu Beginn finanziert wurden.

Auch Moritz’ europäisches Einhorn wächst rasant!

Viele, die zum ersten Mal ins Silicon Valley kommen, sind von zwei Dingen überrascht. Erstens, wie wenig glamourös und modern die Gebäude der Firmen sind, obwohl derart viel Geld im Umlauf ist und zweitens wie analog diese Welt digitaler Investments funktioniert. Denn am liebsten macht man Deals in Person, zumindest bis Corona. Das beginnt beim Pitch bei Starbucks und endet bei den Board-Meetings der großen Scaleups. So überrascht es nicht, dass Michael Moritz zu seinen Board-Meetings bei Klarna selbstverständlich nach Schweden fliegt. Vor elf Jahren fand er diese europäische Perle und investierte wenige Millionen bei damals noch niedriger Bewertung.

Erst im September hat das Finanzdienstleistungsunternehmen 650 Millionen US-Dollar aufgestellt und reiht sich damit in Erfolgsgeschichten wie Airbnb und Dropbox ein. Und am 1. Dezember 2020 bestellte Klarna seinen wichtigsten Investor als Vorsitzenden in seinen Aufsichtsrat, dessen Mitglied er bereits seit 2010 war. Klarnas CEO hob dabei das wichtige Langzeit-Engagement und die Erfahrung des Sequoia-Partners hervor: “I am humbled to welcome an exceptional group of executives to the Klarna Board and the longstanding commitment of Sequoia Capital and Sequoia Partner, Michael Moritz, to the company.”

Etwas über eine Milliarde US-Dollar Umsatz wurden, auch dank Corona, 2020 erzielt, erwirtschaftet mit rund 1500 Mitarbeiterinnen und Mitarbeitern aus 100 Nationen. An die 56 Milliarden US-Dollar an Transaktionsvolumen im E-Commerce habe man in dieser Zeit abgewickelt. 90 Millionen Kunden weist das europäische Scaleup auf seiner Website aus und rund 250.000 Händler. Die Value Proposition von Klarna ist glasklar: Es beseitigt alle bis dato vorhandene Hürden beim Bezahlvorgang und punktet besonders beim Vertrauen der Konsumenten, die ihre Onlineeinkäufe unter anderem per Rechnung und auf Raten bezahlen können

Klarna vor dem Exit?

Immerhin ist es diesmal ein europäisches Finanz-Einhorn, das nach harten Jahren der Aufbauarbeit einen für Europa sehr seltenen Meilenstein hinsichtlich Bewertung erreicht hat, der bei 31 Milliarden US-Dollar liegt. nach noch elf Milliarden vergangenen September. Klarna zeigt, dass auch Europa Tech-Titanen dieser Größe hervorbringen kann und das sind gute Nachrichten für alle Technologie-Firmen. Dass es wieder von Michael Moritz aus Kalifornien entdeckt wurde, spricht für Klarna und sollte uns nicht weiter stören. Nicht nur wir europäische Technologen dürfen noch dazu lernen, auch unsere Investoren.

Nun strebt das Unternehmen einen Börsegang für 2021 oder spätestens 2022 an und man wird sehen, ob Moritz auch dabei seiner Legende gerecht, und alte Rekorde der Superlativen brechen wird.

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
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

Der Journalist, der als Investor Google, Youtube, Paypal und Klarna “entdeckte”

AI Kontextualisierung

Welche gesellschaftspolitischen Auswirkungen hat der Inhalt dieses Artikels?

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

Der Journalist, der als Investor Google, Youtube, Paypal und Klarna “entdeckte”

AI Kontextualisierung

Welche wirtschaftlichen Auswirkungen hat der Inhalt dieses Artikels?

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

Der Journalist, der als Investor Google, Youtube, Paypal und Klarna “entdeckte”

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 …

Der Journalist, der als Investor Google, Youtube, Paypal und Klarna “entdeckte”

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 …

Der Journalist, der als Investor Google, Youtube, Paypal und Klarna “entdeckte”

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 …

Der Journalist, der als Investor Google, Youtube, Paypal und Klarna “entdeckte”

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 …

Der Journalist, der als Investor Google, Youtube, Paypal und Klarna “entdeckte”

AI Kontextualisierung

Wer sind die relevantesten Personen in diesem Artikel?

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

Der Journalist, der als Investor Google, Youtube, Paypal und Klarna “entdeckte”

AI Kontextualisierung

Wer sind die relevantesten Organisationen in diesem Artikel?

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

Der Journalist, der als Investor Google, Youtube, Paypal und Klarna “entdeckte”