26.02.2021

Return on Art-Gründer: „Habe es gehasst, wenn ich mit der Mama ins Museum musste“

Amir Akta verkauft mittlerweile bis zu 200 Gemälde pro Monat auf seiner Online-Plattform Return on Art. Er möchte es mit seinem Unternehmen einer breiten Öffentlichkeit ermöglichen, am Kunstmarkt teilzuhaben. Und setzt dabei auf Werke-Transparenz und faire Bezahlung der Künstler.
/artikel/return-on-art-grunder-habe-es-gehasst-wenn-ich-mit-der-mama-ins-museum-musste
Return on Art, Online Kunst
(c) Return on Art - Amir Akta, Gründer der Kunst-Plattform Return on Art.

Mittlerweile sind Museen seit rund einem Jahr wegen der Coronakrise häufiger geschlossen als offen. Kunst zu genießen und sie mit Freunden und Familie zu diskutieren, wurde – dem Return on Art-Gründer Amir Akta nach – zu einer fahlen Erinnerung. Um dieses Problem zu lösen, hat ein internationales Team von Unternehmern und Kunstliebhabern diese Plattform geschaffen, die Künstler befähigt und Sammlern durch die neuesten Technologien ein optimiertes Einkaufserlebnis bieten möchte.

„Vermittlungsgebühr halb so hoch wie bei Galerien“

„Wir haben die Mission, talentierte Künstler aus aller Welt dabei zu unterstützen, von ihrer Arbeit zu leben. Wir bieten ein sorgfältig kuratiertes Ökosystem, das Künstler fördert, persönliche Unterstützung für Kuratoren bietet und ihre Arbeiten effizient verkauft. Vor allem bieten wir Künstlern eine faire Bezahlung“, so Akta.

Diese Zurückgeben besteht bei Return on Art in einer Vermittlungsgebühr, die halb so hoch wie die einer typischen Galerie ist. Alles mit dem Ziel, der künstlerischen Gemeinschaft etwas zurückzugeben und einen intransparenten Kunstmarkt zu öffnen.

Im Gründungsjahr 2019 wurden über Return on Art 56 Bilder verkauft, im Vorjahr waren es bereits mehr als 1000 Kunstwerke. Aktuell finden pro Monat bis zu 200 Gemälde über die Plattform neue Besitzer – wobei das Ziel von 2000 pro Monat noch heuer erreicht werden soll wie Akta betont. Aktuell ist man dabei, eine institutionelle Investmentrunde in siebenstelliger Höhe abzuschließen.

Das komplette Interview mit Return on Art-Gründer Amir Akta zum Nachsehen

Amir Akta kann sich noch gut an die Anfänge seiner Idee erinnern. Er war 17 Jahre alt und wie die meisten Jugendlichen wenig an Kunst interessiert. „Ich habe es gehasst, wenn ich mit der Mama ins Museum gehen musste“, sagt er. Dennoch hat er damals in einem Atelier einen Künstler kennengelernt, der ihm davon erzählte, wie schwer es wäre, Gemälde zu verkaufen. Akta dachte mit seinen jungen Jahren sofort an Instagram als mögliche Darstellungs- und Verkaufsplattform und bot seinem künstlerisch tätigen Gesprächspartner an, ihm einen Account zu erstellen – für zehn Prozent Beteiligung an jedem verkauftem Werk.

„Schwierig, Kunst online zu verkaufen“

„Er aber meinte, ich bekäme sogar 40 Prozent, wenn das mit Instagram funktioniert“, erinnert sich Akta. Da der junge Mann damals jedoch keine Ahnung von Kunst hatte, klappte das ambitionierte Vorhaben nicht. Galt aber dennoch als der erste Schritt für den Gründer in den Kunstmarkt. Und als Beginn der in ihm lodernden Frage, warum es so schwierig sei, Kunst online zu verkaufen.

Kunstmarkt ist aufgeteilt

Akta baute sich Wissen in dem Bereich auf und erkannte, dass der Kunstmarkt in zweimal zwei Bereiche unterteilt sei: Online und offline, sowie primär und sekundär. Dabei stehe primär für die einfache Transaktion eines Künstlers, der direkt an den Käufer ein Bild verkauft. Sekundär über Umwege wie dem Dorotheum in Wien.

„Wir sind im primären Markt tätig. Der ist prinzipiell so aufgeteilt, dass ihn hauptsächlich Galerien dominieren. Im letzten Jahr hat uns die Pandemie jedoch gezeigt, dass das Galerie-Model nicht wirklich ’sustainable‘ ist. Und dass es über die letzten 20 Jahre kaum weiterentwickelt wurde“, sagt Akta.

Künstler besser entlohnen

Ein weiteres Problem sei, dass transaktionsbasierende Galerien Exklusivität auf die Werke der Künstler besäßen. Was konkret bedeutet, dass Leinwandarbeit mit zwischen 30 und 50 Prozent des Verkaufspreises entlohnt wird. „Das ist relativ wenig, wenn man ehrlich ist“, kritisiert der Return on Art-Gründer. „Wir ändern das, indem wir durch eine AI, aber auch durch eine menschliche Komponente, einem professionellen Kurator, die Künstler auswählen. Wir haben auch nicht die hohen Kosten einer Galerie, können das Gemälde weiterverkaufen und verlangen dafür nur halb so viel“, so Akta weiter. „Es geht auch darum, jedem die Möglichkeit zu geben, Kunst zu kaufen, die von Experten ausgewählt wurde.“

Return on Art-Gründer: „Wer hat sich um Künstler gewundert?“

Aktas Blick ist dabei nicht bloß auf den Verkauf gerichtet, sondern hat – neben der fairen Bezahlung der Erschaffer – vor allem den Künstler als Gesamtheit im Blick, der von seiner Kunst lebt. Insbesondere die Coronakrise habe etwas aufgezeigt, das allgemein ein Ärgernis war, so Akta: „Jeder hat über die soziale Seite des Kunstmarktes gesprochen und ausgerufen, ‚Oh Gott, ich kann nicht mehr in die Galerie gehen‘. Aber hat sich wer über die Künstler gewundert? Die Galerien sperrten über Nacht zu und somit entfiel plötzlich ihre Einkommensquelle.“

Bis zu 100 neue Künstler pro Woche

Anfangs hat Return on Art Künstler aktiv akquiriert. Sie direkt in Galerien angesprochen oder über Instagram kontaktiert. Heute gibt es 50 bis 100 Schaffende pro Woche, die verifiziert werden müssen.

Return on Art mit Tipps zum Bilderkauf

Das Startup selbst sieht sich nicht als eine Art digitale Version einer Galerie. Jene hätten eine vollkommen andere Beziehung zu Künstlern und Sammlern. Sein Startup aber würde Beiden mehr bieten. Angefangen bei der der Vermarktung über diverse Marketing-Channels, SEO, Google Ads und Performance Marketing, sowie über den eigenen Podcast, der aufgesetzt wurde, damit Menschen mehr über den Kunstmarkt erfahren. Etwa Tipps, was man vor einem Kauf eines Bildes beachten sollte, bis hin zu Steuerthemen oder wie man in Kunst investiert.

Das Problem der Tokenisierung der Kunst

Akta zeigt sich beim letzten Punkt allerdings etwas zurückhaltend, was die Tokenisierung des Kunstmarktes anbelangt. Er sieht Käufer als Investoren in Kunst und deren Liebhaber. „Wir verkaufen auch Bilder, an denen jemand einen Monat gearbeitet hat. Und das möchte ich nicht als reines Investment verkaufen“.

Akta führt insbesondere die emotionale Komponente beim Kauf und Verkauf von Bildern ins Feld, wenn er meint: „Man hat ein Stück der Seele des Künstlers an der Wand hängen. Die Tokenisierung der Kunst ist ein cooles Konzept, aber es gibt ein Problem“, sagt er.

Keine Kontrolle, noch emotionale Verbindung

Und führt ein Beispiel an: „Wenn man ein Gemälde um 100 Euro kauft, sieht man es an der Wand und hat Kontrolle darüber. Sobald es im Wert steigt, kann man es jederzeit verkaufen. Ersteht man allerdings ein Prozent von einem Bild, das 100.000 Euro kostet, dann sieht man es nie. Hat nie die Kontrolle darüber und keine emotionale Verbindung.“

Customer-Return-Rate hoch

Diese „Connection“ von der Akta spricht, scheint allerdings bei Usern von Return on Art gegeben zu sein. Ein Viertel aller Käufer auf der Plattform kauft wieder – sogar bis zu 70 Prozent nach 90 Tagen, erzählt der Founder. Ein Grund dafür könnte das spezielle „Artmatch Interface“ sein, dass vom Team entwickelt wurde und ein wenig an Tinder erinnert. Es soll für Käufer den Kunstmarkt zugänglicher machen.

Konkret: Ein eigenes Geschmacksprofil, hilft Usern dabei, herauszufinden, was für einen Kunstgeschmack sie haben. Dadurch lässt sich eine „Preselection“ vollführen, in die bis zu 25 Faktoren einfließen. „Dies kombiniert mit der Expertise eines Kurators, der sich seit 20 Jahren mit Kunst beschäftigt, ermöglicht ein gutes ‚onboarding‘ von Kunden“, erklärt Akta.

Mit Return on Art Bilder und deren Wert verfolgen

Ein weiterer USP, der der UX zugute kommt, ist die vorherrschende Transparenz bei Return on Art. Im Gegensatz zur anderen Online-Konkurrenz werden bei Aktas Startup die Künstler einerseits manuell ausgesucht – und somit ein gewisser Standard an Qualität erreicht, wie der Gründer erklärt. Auf der anderen Seite möchte man die Kauferfahrung positiv gestalten, indem man Kunden ermöglicht zu eruieren, wie sich der Wert eines Künstlers entwickelt hat. „Es muss ja verständlich sein, warum ein Bild 2000 Euro kostet und ein ähnliches ‚bloß‘ 500 Euro“, so Akta.

Die Welcome-Box als Geduldsbelohnung

Auch die Gewohnheit, ein im Internet bestelltes Produkt rasch zu erhalten, hat Akta am Radar. Nur anders als das übliche „one-day-shipping“. In der Kunst sei eine so schnelle Auslieferung der verkauften Gemälde nicht immer möglich. Die Lösung des Kunst-Startups daher: eine „Welcome-Box, die man Käufern zusendet, um die Zeit bis zur Ankunft des Bildes „zu verkürzen“. Darin enthalten sind Handschuhe von „Elephant Skin“ ein persönlicher Brief des Künstlers, eine Tasche und weitere „Goodies“.

Ökosystem aufbauen, das den jetzigen Kunstmarkt ersetzt

Das Ziel der Plattform ist es, auf lange Sicht ein Ökosystem aufzubauen, das den jetzigen Kunstmarkt ersetzt, erklärt Akta. „Weil wir es effizient ermöglichen, dass Interessierte ein Bild kaufen können und der Künstler besser verdient. Käufer können das Gemälde ‚tracken‘ und wissen immer, wieviel es wert ist. Wir erhöhen zudem den Marktwert des Künstlers“, sagt er.

Da dem Gründer – bei aller Digitalisierungsarbeit in Bezug auf den Kunstmarkt – auch die soziale Komponente eines physischen Galeriebesuchs klar ist, plant Akta auch Pop-up-Ausstellungen in der realen Welt: „Weil dies ein schöner und wichtiger Teil ist“. Man arbeite zudem daran, Galerien als Verbündete zu gewinnen.

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