24.07.2019

Warum Profitabilität im Silicon Valley anders gedacht wird

Im Gastbeitrag erklärt Innovationsberater, Autor und Silicon Valley-Experte Mario Herger, warum es mit der Profitabilität im Silicon Valley anders gehandhabt wird, als im DACH-Raum und warum genau das das Geheimnis von Google, Facebook, Airbnb und Co. ist.
/artikel/profitabilitaet-silicon-valley-startups
Warum Profitabilität bei Silicon Valley-Startups anders gedacht wird
(c) fotolia.com - peshkov

Die Profitabilität von Startups und Unternehmen des Silicon Valley ist für Menschen im DACH-Raum oft ein großes Mysterium. „Wie schaffen die das nur, dass sie so viel Geld verlieren und immer noch nicht Pleite sind?“ Und: „Wir können es uns jedenfalls nicht leisten, immer nur Geld zu verlieren.“ Oder: „Wir müssen kaufmännisch denken.“

+++ 500startups-Partner Marvin Liao: 3 Punkte, die für Investoren im Silicon Valley wichtig sind +++

Also wie ist das jetzt mit der Profitabilität im Silicon Valley? Stimmt das, dass die Welt hier anders funktioniert und Unternehmen nicht gewinnorientiert arbeiten müssen?

Das stimmt natürlich nicht. Irgendwann muss jedes Unternehmen, das auf Dauer existieren will, Geld machen. Entweder macht man Geld indem Kunden für die Produkte und Dienstleistungen bezahlen, oder man macht Geld durch Werbeanzeigen. Aber es ist nicht in jeder Phase notwendig, und das aus bestimmten Gründen.

Die Silicon-Valley-Maschine

Das Silicon Valley ist die Region in Kalifornien zwischen San Francisco und San Jose, mit einer Luftlinie von weniger als 100 Kilometern. Dort leben nicht nur 3,5 Millionen Menschen, sondern es sind auch zu jedem Zeitpunkt geschätzte 60.000 Startups tätig, davon 30.000 Technologie-Startups. Davon überleben die meisten nicht das erste Jahr. Kein Wunder also, dass wir von denen nie etwas gehört haben. Das sind alles Startups, die nie Risikokapital aufstellen konnten oder ausreichend Geld verdienten, um weiterzumachen.

In der Silicon-Valley-Maschine werden Startups wie neue Projekte in Unternehmen gesehen. Viele werden angepackt, nur ein Teil von ihnen wird zu Ende gebracht, und noch viel weniger werden erfolgreich. Man sieht also schon: Auch hier gilt das „Naturgesetz“, dass Unternehmen Geld verdienen müssen um zu überleben.

Neue Märkte schaffen

Das war es aber auch schon mit den Ähnlichkeiten, die Silicon-Valley-Unternehmen mit jenen im Rest der Welt haben. Ein traditionelles Unternehmen, das ein Produkt auf den Markt bringt, analysiert diesen Markt, vergleicht sein Produkt mit anderen, positioniert es entsprechend, und versucht es mit bekannten Mitteln zu verkaufen. Kunden, Produkt und Profitmarge sind bekannt. Ob es sich besser oder schlechter verkauft, hängt dabei von vielen Fragen ab. Gibt es einen Marktfit, ist das Team dahinter gut, trifft man den Nerv der Zeit, stimmen Preis-Leistung und die Qualität, und gibt der Markt genug Potenzial her?

Startups im Silicon Valley unterscheiden sich davon insofern, als sie nicht diese bekannten Märkte angehen. Sie schaffen neue Märkte. Wer hätte sich vor 20 Jahren gedacht, dass es einen Bedarf für Videoverleih per Post gibt? Oder für Elektroautos? Oder für Alternativen zu Taxidiensten? Oder dass Leute ihre privaten Zimmer an Fremde vermieten würden wollen, und Fremde diese auch buchen?

Was uns rückbezüglich völlig klar erscheint, war es damals nicht. Genau auf diese Art von marktschaffenden Startups hat sich das Silicon Valley spezialisiert. Die ganze Maschinerie ist darauf eingestellt, alle Ressourcen bereitzustellen um solchen Unternehmen dabei zu helfen, neue Märkte zu schaffen.

Geschwindigkeit für Monopolisierung

Notwendig ist dabei eine hohe Geschwindigkeit. Das beginnt beim Ausprobieren der Idee. Wollen die Leute einen Service, mit dem sie eine Limousine per App bestellen können? Einfach, ohne viel zu zögern, ausprobieren und schnell zu lernen ist dabei das Gebot. Wie sich in diesem Beispiel vor einigen Jahren rasch herausstellte, waren die Leute daran nicht wirklich interessiert. Aber Taxis per Knopfdruck bestellen und dabei nicht mit Kreditkarten und Bargeld herumzuhantieren, das wollten sie.

Als Uber und Lyft, zwei Startups aus San Francisco das herausfanden, musste schnell gehandelt werden. Der Markt muss ohne Zögern besetzt und monopolisiert werden. Der Risikokapitalinvestor Peter Thiel beschreibt das in seinem Buch „Zero to One: Wie Innovation unsere Gesellschaft rettet“. Wenn die Taktik aufgeht, dann ist das Unternehmen, dass es schafft den vorher nicht bedienten Markt zu erschließen, dann hat es den unfairen Vorteil, diesen Markt zu monopolisieren. Jedes Unternehmen, das danach kommt und auch in diesen Markt dringt, bekommt nur mehr die Krummen ab.

Erlöspotenzial vor Cashflow

Dazu muss Geld in die Hand genommen werden. Nicht was bisher verdient wurde und wie der aktuelle Cashflow aussieht ist dabei wichtig, sondern was das zukünftige Erlöspotenzial sein könnte – die potenzielle Profitabilität. Und die Investoren waren bereit, Geld – sehr viel Geld – bereitzustellen. Zwanzig Milliarden an Risikokapital hatte Uber bis zum Börsegang 2019 aufgestellt und dabei jedes Quartal zwischen ein und zwei Milliarden Dollar Verlust gemacht. Im ersten Quartal 2019 stand den Erlösen von drei Milliarden Dollar ein Verlust von einer Milliarde Dollar gegenüber.

Der Elektroautohersteller Tesla wiederum hattte bislang gerade mal eine Handvoll Quartale, in denen das Unternehmen positiv bilanzierte. Und trotzdem ist es an der Börse mehr Wert als General Motors, Ford, Daimler oder BMW – alles Unternehmen die solide Gewinne ausweisen.

Supermoney: Nicht jeden Cent umdrehen

Wie einfach es für Unternehmen wie Tesla ist, Geld aufzustellen, zeigte sich vor ein paar Monaten, als Tesla-Chef Elon Musk ankündigte, noch eine Kapitalspritze von zwei Milliarden Dollar aufnehmen zu müssen und binnen Tagen 2,73 Milliarden Dollar einsammelte.

Dieses Geld von professionellen Risikokapitalinvestoren wird im Silicon Valley gerne „Supermoney“ genannt. Die Investoren wissen, dass sie in dieser Phase des Unternehmens nicht jeden Cent umdrehen können, sondern dass das Unternehmen den Markt und die Infrastruktur schaffen muss, um den Markt zu bedienen. Wenn es keine Ladestationen für mein neues Produkt Elektroauto gibt, muss man ein Ladestationsnetzwerk bauen. Wenn es keine Batterien für meine Elektroautos in ausreichender Menge und Qualität gibt, muss man eine Batteriefabrik dafür bauen. Am Ende des Tages stehen eine proprietäre Infrastruktur für die Produkte und Dienstleistungen bereit, die den Markteintritt der Nachzügler verzögern und verteuern.

Diese Vorgehensweise ist nichts Neues. Die beste Glühbirne hätte Edison nicht viel geholfen, wenn er nicht auch den Strom dazu geliefert hätte. Das war das große Wettrennen vor über hundert Jahren. Kraftwerke wiederum, die ihre Kunden zu Stromverbrauch anregen wollten, mussten Stromverbrauchende Geräte anbieten. So hatten etwa auch hierzulande die Vorarlberger Kraftwerke mit Elektra Bregenz einen Hersteller von Haushaltsgeräten in Symbiose.

Die „Lizenz zum Gelddrucken“

Wenn das gelingt – und das Wenn ist dabei großgeschrieben und unsicher – dann ist der monopolisierte Markt fast schon eine „Lizenz zum Gelddrucken“. Welchen Konkurrenten bei Suchmaschinen und Online-Werbung gibt es neben Google noch? Welchen bei der Online-Vermietung von Zimmern neben Airbnb? Welches professionelle Netzwerk neben LinkedIn hat globale Relevanz? Und welche soziale Plattform hat Facebook in der westlichen Welt als ernstzunehmende Konkurrenz?

Diese Unternehmen sind aus der Phase des massiven Geldverbrennens heraus, während Tesla, Uber oder Lyft sich noch darin befinden, und scheinbar auf dem Weg sind, in die nächste Phase zu treten.

Selbst dort, wo sich mehrere Unternehmen neue Märkte teilen, sind vorher ungeahnte Erlösmöglichkeiten vorhanden. Netflix, Amazon und Apple schwimmen mit ihren Streamingplattformen dermaßen in Geld, dass Hollywood Produzenten und Filmstudios fast keine Chance mehr haben, bei begehrten Rechten mitbieten zu können.

Profitabilität: Den langen Atem bewahren

Die Frage nach der Profitabilität von Silicon-Valley-Unternehmen und ob für sie andere Regeln gelten, ist damit geklärt. Die Naturgesetze gelten auch für sie. Der Großteil der Startups überlebt das erste Jahr nicht. Einige wenige erhalten Risikokapital, und noch viel weniger halten sich mehrere Jahre. Doch hier gilt es für alle Beteiligten, den langen Atem zu bewahren. Denn denjenigen, die es schaffen, winken phantastische Gewinnaussichten.


PS.: Der Mythos von der deutschen kaufmännischen Sorgfalt

Deutsche Automobilhersteller sticheln gerne gegen Tesla und weisen auf die Verluste hin, die der kalifornische Konkurrent macht. Die BMW-, Daimler– und VW-Vorstände hingegen brüsten sich mit ihrer kaufmännischen Sorgfalt und der Verantwortung, die sie für die Aktionäre und die Belegschaft tragen.

Dieser Hinweis auf die kaufmännische Sorgfalt kommt dabei nicht aus einer Position der Stärke. Die Anzahl und der Abstand der Gewinnwarnungen deutscher Automobilhersteller in den letzten Monaten war erstaunlich. Abgas- und Preisabspracheskandale plagen die Firmen. Das Vorstandskarussell dreht sich immer schneller und nun stehen auch Tausende von Arbeitsplätzen auf dem Spiel.

Während Tesla bislang (wieviel?) Geld verloren hat (vielleicht fünf Milliarden oder sind es doch sieben?) und Google für Waymo, das ein selbstfahrendes Auto entwickelt, vermutlich die gleiche Summe ausgegeben hat, hat alleine Volkswagen 29 Milliarden Dollar an Strafzahlungen für den Dieselskandal aufwenden müssen. Um dieses Geld hätte man zweimal Waymo und zweimal Tesla machen können. Die deutsche Automobilzukunft würde damit nicht nur anders, sondern glänzend aussehen – und die Profitabilität wäre auch für die Zukunft gewahrt.

Uns da mit „kaufmännischer Sorgfalt“ der Deutschen kommen zu wollen, grenzt schon an eine kaum mehr zu überbietende Frechheit.

⇒ Zum Blog von Gastautor Mario Herger

Redaktionstipps
Deine ungelesenen Artikel:
29.07.2026

Wenn die KI das Experiment plant: Zu Besuch im Labor, das sich selbst steuert

Auf dem Campus Hönggerberg der ETH Zürich arbeiten Roboter und Künstliche Intelligenz zusammen: Eine Software des schweizerisch-amerikanischen Startups Atinary entwirft die Experimente, Roboter in den Laboren von SwissCAT+ an der ETH Zürich führen sie aus, rund um die Uhr. brutkasten war vor Ort und hat mit Atinary-Mitgründer und CTO Loïc Roch sowie Christoph Schnidrig, Head of Technology bei Amazon Web Services Schweiz, über den beschleunigten Forschungsbetrieb gesprochen. Und darüber, warum die größte Hürde nicht die Technologie ist.
/artikel/wenn-die-ki-das-experiment-plant-zu-besuch-im-labor-das-sich-selbst-steuert
29.07.2026

Wenn die KI das Experiment plant: Zu Besuch im Labor, das sich selbst steuert

Auf dem Campus Hönggerberg der ETH Zürich arbeiten Roboter und Künstliche Intelligenz zusammen: Eine Software des schweizerisch-amerikanischen Startups Atinary entwirft die Experimente, Roboter in den Laboren von SwissCAT+ an der ETH Zürich führen sie aus, rund um die Uhr. brutkasten war vor Ort und hat mit Atinary-Mitgründer und CTO Loïc Roch sowie Christoph Schnidrig, Head of Technology bei Amazon Web Services Schweiz, über den beschleunigten Forschungsbetrieb gesprochen. Und darüber, warum die größte Hürde nicht die Technologie ist.
/artikel/wenn-die-ki-das-experiment-plant-zu-besuch-im-labor-das-sich-selbst-steuert
Loïc Roch, Mitgründer und CTO von Atinary, in den SwissCAT+-Laboren am Campus Hönggerberg | (c) Martin Pacher

Wer auf den Hönggerberg im Norden Zürichs fährt, lässt die Stadt hinter sich. Der zweite Campus der ETH, entstanden ab 1961, liegt in ländlicher Umgebung, hier sind unter anderem die Departemente für Chemie, Physik und Materialwissenschaft zu Hause. Und hier, in den SwissCAT+-Laboren der Hochschule, lässt sich derzeit besichtigen, wie Forschung aussehen könnte, wenn nicht mehr der Mensch jeden einzelnen Handgriff macht.

In diesen Laboren übernehmen Roboter die Arbeit, die sonst Forschende beschäftigt: Sie hantieren mit Flüssigkeiten und Pulvern, bereiten Proben vor, testen sie und messen laufend die Ergebnisse. Das Bemerkenswerte daran ist aber nicht die Automatisierung selbst, sondern wer die Versuche plant: eine Künstliche Intelligenz. Die Software stammt vom Startup Atinary, das an der ETH keinen eigenen Standort hat, sondern mit der Technologieplattform SwissCAT+ zusammenarbeitet. Sie schlägt vor, welches Experiment als nächstes sinnvoll ist, lernt aus jedem Ergebnis und berechnet daraus den nächsten Schritt. Dieser Kreislauf läuft rund um die Uhr, ohne dass ein Mensch eingreifen muss.

„Ein Labor ist eine große Küche“

Wie soll man sich das vorstellen? Loïc Roch, Mitgründer und CTO von Atinary, greift im Gespräch mit brutkasten zu einem Alltagsbild: „Am Ende ist ein Labor eine große Küche. Wir liefern die Rezepte. Wir nutzen KI, um Rezepte zu erzeugen, die dann im Labor getestet werden.“ Das Ziel: möglichst schnell zum besten Rezept kommen. Denn jeder einzelne Versuch kostet Zeit, Material und Geld. Wer statt tausender Versuche nur ein paar Dutzend braucht, spart enorm.

Genau darauf ist die Software ausgelegt. Statt sich blind durch unzählige mögliche Kombinationen zu probieren, lernt das System mit jedem Experiment dazu und empfiehlt gezielt die vielversprechendsten nächsten Schritte. „Self-Driving Labs“ nennt Atinary das Prinzip, selbstfahrende Labore. Den Begriff hat sich das 2019 gegründete Unternehmen sogar markenrechtlich schützen lassen.

Loïc Roch, Co-founder und CTO von Atinary | (c) Martin Pacher / brutkasten

Den Bedarf für solche Werkzeuge begründet Roch mit einem unbequemen Befund: Forschung wird immer teurer und langsamer, es braucht immer mehr Zeit und Geld, bis Neues gefunden ist. Dazu kommt eine handfeste Vertrauenskrise: Roch verweist auf eine vielzitierte Befragung von rund 1.500 Forschenden, wonach ein Großteil daran scheitert, Experimente zu wiederholen, in der Chemie sind die Quoten besonders hoch. Das ist nicht nur für die Wissenschaft ein Problem: Ohne verlässliche Daten lässt sich auch keine verlässliche KI trainieren.

100 Jahre Forschung in sechs Wochen

Was das System kann, zeigt das Vorzeigeprojekt direkt vor Ort. Gemeinsam mit dem SwissCAT+-Team suchte Atinary nach dem besten Katalysator, also jenem Hilfsstoff, mit dem sich das Treibhausgas CO₂ in Methanol umwandeln lässt, einen Ausgangsstoff für nachhaltige Treibstoffe. Laut Atinary kamen dafür mehr als 20 Millionen mögliche Kombinationen infrage. Das Ergebnis wurde in einem Fachjournal publiziert: In sechs Wochen wurden 144 Katalysator-Kandidaten hergestellt und getestet, mit minimalem menschlichem Zutun. Die Zahl, mit der Atinary seither wirbt, ist eindrucksvoll: eine 1000-fache Beschleunigung, umgerechnet 100 Jahre Katalyse-Forschung in nur sechs Wochen. SwissCAT+-Chef Paco Laveille, der die Umsetzung an der ETH verantwortet, bestätigt beim Besuch die Größenordnung: von Jahren an Forschung hinunter zu Wochen.

(c) Martin Pacher / brutkasten

Beim konkreten Nutzen für Firmenkunden hält sich Roch hingegen zurück, aus einem strukturellen Grund: „Wir sind ein Dienstleister. Wir sehen den generierten Mehrwert nicht, und die Kunden wollen ihn nicht teilen.“ Das habe auch mit Sicherheitsanforderungen zu tun, ergänzt das Unternehmen: Angaben zum erzielten Return on Investment erhalte Atinary dann, wenn Kunden sie von sich aus teilen — teils münde das in gemeinsame Publikationen.

Die einzige konkrete Zahl, die er im Gespräch nennt, stammt aus einer gemeinsamen Publikation mit dem Aromen- und Duftstoffkonzern dsm-firmenich: Dort konnte der Einsatz eines teuren Edelmetalls so stark reduziert werden, dass dessen Kostenanteil um rund 95 Prozent sank. Es sei nicht die einzige gemeinsame Veröffentlichung mit Kunden, betont das Unternehmen — weitere gebe es etwa mit dem Pharmakonzern Takeda.

(c) Martin Pacher / brutkasten

Auch ein aktueller gemeinsamer Blogbeitrag von AWS und Atinary liefert Anhaltspunkte. Ein Manager von Takeda wird dort mit der Aussage zitiert, eine Optimierung habe mit dem selbstfahrenden Ansatz rund eine Woche gedauert, verglichen mit ein bis zwei Monaten auf dem herkömmlichen Weg. Am MIT wiederum löste ein Forschungsteam mit der Software eine knifflige Aufgabe aus der Solarzellenforschung in nur 25 Versuchen, innerhalb einer strikten Frist von vier Wochen. Und über das eigene Labor, das Atinary heuer in Boston eröffnet hat, heißt es: Es erzeuge in einer Woche mehr Versuchsdaten, als ein Doktorand in fünf Jahren produziert.

Bezahlter Pilot, Lizenz pro Arbeitsplatz

Wirtschaftlich steht Atinary noch am Anfang. Das Unternehmen befindet sich in der Seed-Phase, öffentlich auffindbar sind laut Roch rund zehn Millionen an bisheriger Finanzierung, eingesammelt über Venture Capital, Family Offices und Förderungen. Als Nächstes peilt er eine Series A an. Das Wachstumskapital dafür werde voraussichtlich aus den USA kommen: „Der Ansatz ist in Europa und den USA sehr unterschiedlich.“

Paco Laveille, Managing Director, SwissCAT+ East, ETH Zurich | (c) Martin Pacher / brutkasten

Verdient wird über Software-Lizenzen, abgerechnet pro Arbeitsplatz. Am Anfang steht ein dreimonatiger, bewusst kostenpflichtiger Testlauf. „Wenn der Pilot nicht bezahlt ist, stecken die Kunden nicht die Ressourcen hinein, um ihn richtig zu testen“, sagt Roch. Dass er mit diesem Modell Geld liegen lässt, räumt er offen ein: Eine Beteiligung am geschaffenen Wert wäre lukrativer, scheitert aber daran, dass die Kunden diesen Wert eben nicht offenlegen.

Die Kundschaft kommt bisher vor allem aus der Pharmabranche, die laut Roch am ehesten bereit ist, Neues zu riskieren; der Rest der Industrie folge dann. Einsatzfelder gibt es aber quer durch: Lebensmittel, Duftstoffe, Materialforschung, grüne Energie, und gemeinsam mit Stanford sogar Zelltherapien gegen Krebs. Umsatz machen vor allem Konzerne. Mit Universitäten arbeitet Atinary eng zusammen, weil sich dort Ergebnisse veröffentlichen lassen, sie werden so zu Botschaftern der Technologie. Auch KMU zählen zu den Kunden, das jüngste sei erst vor wenigen Tagen dazugekommen. Die Arbeitsteilung im Unternehmen: Das Entwicklerteam sitzt bei Roch in Lausanne, das eigene Labor steht in Boston, dort, wo die großen Pharma-Forschungszentren angesiedelt sind.

„Fast jeden zweiten Tag ein neues Startup“

Beim Thema Konkurrenz wird Roch deutlich: Der Bereich „AI for Science“ ziehe derzeit massiv Gründungen an, fast jeden zweiten Tag komme ein neues Startup dazu. Gefährlich sei daran vor allem eines: Mit den heutigen KI-Werkzeugen lasse sich sehr schnell ein beeindruckender Prototyp bauen, der Kunden begeistert. „Unter der Haube ist das aber kein produktionsreifer Code, der bei einem Großunternehmen laufen kann.“ Atinary sieht er im Vorteil, weil man seit 2019 das gesamte Paket aufgebaut habe: die Anbindung an die Laborgeräte, das eigene KI-Training, die Anwendungen und die wissenschaftliche Glaubwürdigkeit durch den eigenen Beirat. Dazu kommt laut Unternehmen ein Netzwerk an Technologiepartnern, darunter AWS, ABB Robotics, Agilent, Bruker, Chemspeed und Mettler-Toledo. Im wissenschaftlichen Beirat sitzt unter anderem der MIT-Chemiker Stephen Buchwald — im Bostoner Labor optimiert Atinary nach eigenen Angaben ausgerechnet die nach ihm benannte Buchwald-Hartwig-Reaktion.

(c) Martin Pacher / brutkasten

Zugleich beobachtet er seit heuer einen Umschwung im Markt: Kunden dächten zunehmend in einer Wettlauf-Logik. Wer die Technologie nicht als Erster einsetze, riskiere, dass es die Konkurrenz tut. Und wenn diese in Wochen schafft, wofür man selbst Jahre braucht, sei der Rückstand kaum aufzuholen.

Die größte Hürde ist der Mensch

Und was bremst die Verbreitung? Nicht die Technik, sagt Roch, sondern der Mensch. „Der Wissenschaftler im Labor ist oft seit 15, 20 Jahren dort. Wenn man ihm sagt: Wir können deine Forschung um den Faktor zehn oder hundert beschleunigen, sagt er: Nein. Ich kenne mein Fach besser als irgendein Algorithmus.“ Es sei dabei weniger mangelndes Vertrauen, die Technologie werde schlicht als Bedrohung für den eigenen Job empfunden. Christoph Schnidrig von AWS ergänzt: Dieses Muster kenne man von jeder Technologiewelle, von der Einführung der Cloud bis zur KI in der Softwareentwicklung. Rochs Haltung dazu: Jobs würden sich verändern, aber nicht verschwinden. „Am Ende ist es ein Werkzeug. Der Mensch bleibt am Steuer.“

(c) Martin Pacher / brutkasten

Zum Vertrauen gehört auch die Datenfrage, schließlich legen die Kunden ihr wertvollstes Gut, ihre Forschungsdaten, in die Plattform. Die läuft vollständig auf der Cloud von AWS. Roch verweist auf Prüfungen, Audits und Sicherheitstests; personenbezogene Daten würden praktisch keine gespeichert, schon gar keine Patientendaten, dafür sei man in der Forschung viel zu früh angesetzt. Auch deshalb sieht er im EU AI Act derzeit kein Hindernis: In Kundengesprächen sei die Regulierung bislang schlicht kein Thema gewesen.

Auszeichnung vom Weltwirtschaftsforum

Während brutkasten mit Roch in Zürich spricht, befindet sich sein Mitgründer, CEO Hermann Tribukait, gerade im chinesischen Dalian, um dort den Technology-Pioneer-Award des Weltwirtschaftsforums entgegenzunehmen. Zu den früheren Preisträgern der Auszeichnung zählen Roch zufolge Namen wie Google, Dropbox und Airbnb. Preisgeld gibt es keines, der Wert liege im Zugang zum Netzwerk des Forums und zu Entscheidungsträgern großer Unternehmen. Kunden in China hat Atinary übrigens keine, und das dürfte vorerst so bleiben: Als in den USA registriertes Unternehmen sei das Geschäft mit chinesischen Firmen „wegen der Geopolitik sehr heikel“.

Gefragt nach dem Blick fünf Jahre voraus, skizziert Roch eine Vision, die er ausgerechnet am Vorbild seines Cloud-Partners entwirft: Labore, die wie Rechenleistung aus der Cloud abrufbar sind, weltweit vernetzt, mit einer übergeordneten KI, die Erkenntnisse zwischen Forschungszentren auf verschiedenen Kontinenten austauscht.

Den Antrieb dahinter beschreibt er ganz persönlich: Er und seine Mitgründer seien Naturliebhaber, und die Energiewende brauche schnellere Forschung. „Der Planet kann nicht noch ein Jahrzehnt warten, bis wir Lösungen finden.“ Sein Befund nach sieben Jahren: „R&D ist heute noch zu langsam.“


Disclaimer: Die Reise- und Übernachtungskosten wurden von Amazon Web Services übernommen.

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

Warum Profitabilität im Silicon Valley anders gedacht wird

AI Kontextualisierung

Welche gesellschaftspolitischen Auswirkungen hat der Inhalt dieses Artikels?

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

Warum Profitabilität im Silicon Valley anders gedacht wird

AI Kontextualisierung

Welche wirtschaftlichen Auswirkungen hat der Inhalt dieses Artikels?

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

Warum Profitabilität im Silicon Valley anders gedacht wird

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 …

Warum Profitabilität im Silicon Valley anders gedacht wird

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 …

Warum Profitabilität im Silicon Valley anders gedacht wird

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 …

Warum Profitabilität im Silicon Valley anders gedacht wird

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 …

Warum Profitabilität im Silicon Valley anders gedacht wird

AI Kontextualisierung

Wer sind die relevantesten Personen in diesem Artikel?

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

Warum Profitabilität im Silicon Valley anders gedacht wird

AI Kontextualisierung

Wer sind die relevantesten Organisationen in diesem Artikel?

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

Warum Profitabilität im Silicon Valley anders gedacht wird