04.02.2019

Das 1 mal 1 des Scheiterns: Aus diesen Gründen versagen Startups

Die Plattform CB Insights hat sich 101 gescheiterte Startups angesehen und nach den Gründen für den Misserfolg gesucht. Die Conclusio: es gibt nicht einen Grund für das Versagen, jedoch lässt sich ein Muster erkennen. Ein Blick auf die Gründe für "Startup Fails".
/artikel/scheitern-gruende-fuers-versagen
Scheitern für Anfänger - asu disen Gründen versagen Startups
(c) fotolia.com - Kaspars Grinvalds

Ohne Scheitern, kein Erfolg. Es gibt unzählige Erfolgsgeschichten in der Startup-Szene. Für junge Gründer sind diese für ihre eigene Motivation enorm wichtig. Allerdings können Lektionen von gescheiterten Unternehmen mindestens ebenso wertvoll sein. Auf Grundlage einer Studie von CB Insights haben wir die wichtigsten Gründe fürs Scheitern von Startups zusammengefasst.

+++ General Magic: Sieben Lehren von sechs Silicon Valley Tech-Stars +++


Kein Bedarf am Markt

Der Hauptgrund fürs Scheitern ist, dass es am Markt schlichtweg keinen Bedarf für das Produkt gibt, schreibt CB Insights. Für 42 Prozent der befragten Gründer wäre das das wichtigste Learning gewesen: kein Markt fürs Produkt vorhanden. „Startups scheitern, wenn sie kein Marktproblem lösen. Wir hatten eine tolle Technologie, genug Daten übers Einkaufsverhalten, eine gute Reputation und tolle Berater. Was uns fehlte war jedoch die Technologie oder das Geschäftsmodell, welches einen kritischen Punkt skalierbar lösen konnte“, wird Treehouse Logic auf CB Insights zitiert.

Heirate nicht deine schlechte Idee

In sieben Prozent der Fälle, die sich CB Insights angesehen hat, war das Festhalten an schlechten Entscheidungen ein Grund fürs Scheitern. Das beinhaltet sowohl ein schlechtes Produkt, als auch Fehlbesetzungen im Team oder eine mangelhafte strategische Ausrichtung.

Teile die Verantwortung

Acht Prozent der Befragten, die ein Startup nicht etablieren konnten, nannten Burnout als Grund fürs Versagen. Die vielzitierte „work-life-balance“ kann bekanntlich von vielen Gründern nicht wirklich gelebt werden. Als Tipp wird empfohlen, Arbeiten anderweitig zu vergeben, wenn man in eine Sackgasse gerät und auf ein Team zurückzugreifen, das sowohl Vision als auch Verantwortung mitträgt.

Werfe dein Netz aus

Ein weiterer Punkt in der Scheiteranaylse ist, dass sich Gründer den Notwendigkeiten eines Netzwerks nicht bewusst sind. Das Einbinden von Investoren und keine Scham um Hilfe zu fragen, wo nötig, sind essentielle Dinge am Anfang eines Unternehmens.

Rechtliche Sicherheit

Manchmal ist es nur ein kleiner Schritt von einer grandiosen Idee hin zu einer Welt rechtlicher Komplexität. Ist dieser Schritt vollzogen, finden sich Startups schnell in einer Situation wieder, in der sie sich mehr mit Gesetzen, Lizenzen und daraus folgenden hohen Kosten herumplagen müssen. Und so kein Kapital für Wachstum haben.

Kein Investor an Board

Wohl der Klassiker unter den Gründen fürs Scheitern: In der CB Insights-Analyse nannten Founder schlicht und einfach fehlende Finanzierung als Punkt, warum ihr Startup gescheitert ist.

Entfernung als Problem

Bei diesem Punkt gibt es zweierlei Problemfelder. Einerseits berichteten CEOs, dass ihr Konzept nicht über die physischen Grenzen hinaus skalierte. Das Produkt wäre an nur einer Location erfolgreich gewesen, „scheiterte aber keine 100 Meilen weiter“. Das zweite Beispiel warnt vor mangelnder Kommunikation zwischen Teams, die an verschiedenen Orten arbeiten. Die Teamarbeit und Planung könne darunter leiden.

+++ 20 Rezepte für die Fahrt in die Hölle der gescheiterten Startups +++

Ein Produkt, das ohne Leidenschaft Leiden schafft

Neun Prozent der Befragten Gründer gaben zu gescheitert zu sein, weil sie zwar eine Idee zum Geldverdienen, aber keine Ahnung von und kein Interesse an der Materie hatten. Fehlende Leidenschaft für das Produkt führte zu einem Mangel an „Know How“ im firmeneigenen Bereich. Und zu Halbherzigkeit. Ähnliches berichtet übrigens die ehemalige DiTech-Mitgründerin Aleksandra Izdebska in einem Gespräch mit dem brutkasten. Sie bezeichnet Authentizität als eines der drei essentiellen Dinge, die Neo-Founder brauchen. „Ein Raumschiff zu bauen, nur weil Menschen in zwanzig Jahren damit fliegen werden, und ich vielleicht damit Geld verdiene, bringt nichts, wenn ich es nicht kann”, warnt sie.

Geschäftsmodelle richtig kalkulieren

Änderungen oder Ausweitungen des Geschäftsmodells sollten richtig kalkuliert sein, Hypothesen getestet und Ergebnisse gemessen werden. Änderungen rein um der Änderung willen, seien wertlos, warnt ein CEO auf der Plattform vor hastigen Kursänderungen.

Scheitern aufgrund von Disharmonie

Zwietracht zwischen Gründern oder Mitgliedern des Teams können sich für Startups als fatal erweisen. Noch drastischer kann die Sache werden, wenn es mit einem Investor Probleme gibt. Als Beispiel dient hier der Fall von „ArsDigital“, die ein Jahr lang unter totaler Kontrolle der Investoren Peter Bloom (General Atlantic), Chip Hazard (Greylock) und Allen Shaheen (CEO) standen. In dieser Zeit wurden 20 Millionen ausgegeben, ohne die Einnahmen des alten CEOs, Phillip Greenspun, zu übertreffen. Ein Angebot von Microsoft wurde abgelehnt und das alte Produkt eingestaubt, bevor das neue überhaupt fertiggestellt war.

Den Fokus verlieren

13 Prozent aller Befragten meinten, dass Ablenkung durch anderweitige Projekte, persönliche Befindlichkeiten und ein allgemeiner Verlust des Fokus das Scheitern des Startups herbeigeführt haben.

Den falschen Zeitpunkt wählen

Sein Produkt zu früh auf den Markt bringen, hat oft zur Folge, dass man es als „nicht gut genug“ abschreibt. Es dann zum richtigen Zeitpunkt wieder auf Kurs zu bringen, kann sich fortan als schwierig erweisen, da dem Gründer seitens „Key Playern“ ein schlechter erster Eindruck nachhängt. Bei diesem Punkt handelt sich wahrlich um eine feine Zeitlinie, denn ist man zu spät dran, verpasst man womöglich das „window of opportunity“.

Nicht auf Kunden hören

In alten Zeiten galt vielleicht noch „der Kunde ist König“ als Maxime des Business. Heutzutage verhält es sich wohl eher so, dass der Kunde Datenträger ist, dessen Vorlieben Startups kennen müssen. Nichtsdestotrotz führt ein Ignorieren des Kunden unweigerlich zum Scheitern. Das Produkt muss kundenfreundlich sein. Ein Tunnelblick und kein Einholen von Kunden-Feedback zählen zu den größten Fehlern junger Startups.

Schlechtes Marketing

Kenne dein Zielpublikum. Und wisse, wie du es begeisterst und seine Aufmerksamkeit erlangst. Diese beiden Sätze definieren bereits die wichtigsten Skills für ein erfolgreiches Unternehmen. Mangelndes Marketing hat bei befragten Personen der Analyse dazu geführt, dass sie ihr Produkt nicht auf den Markt bringen konnten.

Kein „business model“

(Nicht nur) gescheiterte Gründer sind sich einig, dass ein Geschäftsmodell von ungeheurer Wichtigkeit ist. Skalierbarkeit muss beim Produkt gegeben und Wege Geld zu verdienen vorhanden sein. Alles andere schrecke Investoren ab und wirke sich schlecht auf die Finanzierung aus.

Die Kunst nicht gierig, aber profitabel zu sein

Das „Pricing“ wird als die schwarze Kunst beschrieben, wenn gescheiterte Startups darüber berichten, wie schwer es sei hierbei die richtige Mischung zu finden. Das Produkt muss preislich hoch genug angesetzt sein, um die Kosten zu decken und Profit zu generieren, aber niedrig genug um Kunden zu locken.

Beachte deine Konkurrenten

Rund 19 Prozent jener Gründer, die ihr Startup sprichwörtlich gegen die Wand fuhren, gestanden, zu wenig auf die Konkurrenz geachtet zu haben. Die gängige Plattitüde sich nicht auf die anderen, sondern sich nur auf eigene Stärken zu konzentrieren, erwies sich, laut CB Insights als das was sie ist: platt. Die Realität zeige, dass sobald eine Idee zündet oder am Markt ist, Nachahmer sich schnell finden und die Konkurrenz wächst.

Das falsche Team

Viele Gründer gaben bei der Umfrage an, sich für das eigene Team von Anfang an einen CTO gewünscht zu haben. Oder eine Mannschaft mit verschiedenen Skill-Sets. Auch wurde seitens der Founder der Wunsch geäußert, sie hätten mehr auf „checks and balances“ geachtet: Eine Person oder Personengruppe, die Ideen und Entscheidungen validiert oder als „Unsinn“ verwirft.

Einfach Pleite

29 Prozent der „failed Startups“ gaben an, ihnen sei einfach das Geld ausgegangen. Durch Meinungsverschiedenheiten, wie das Firmenkapital aufgewendet werden soll oder welche Geschäftsfelder ausgelotet gehören, konnte in vielen Fällen kein „additional funding“ generiert werden.


⇒ Zu CB Insights

Redaktionstipps
Deine ungelesenen Artikel:
03.08.2026

KI-Kennzeichnung: Was seit Sonntag gekennzeichnet werden muss, und was nicht

Seit 2. August ist Artikel 50 des EU AI Act verbindlich, die Transparenzstufe der KI-Verordnung. Der Wiener Rechtsanwalt Manuel Mofidian erklärt anhand von drei konkreten Anwendungsbeispielen, was gekennzeichnet werden muss und was nicht.
/artikel/ki-kennzeichnung-was-gekennzeichnet-werden-muss-und-was-nicht
03.08.2026

KI-Kennzeichnung: Was seit Sonntag gekennzeichnet werden muss, und was nicht

Seit 2. August ist Artikel 50 des EU AI Act verbindlich, die Transparenzstufe der KI-Verordnung. Der Wiener Rechtsanwalt Manuel Mofidian erklärt anhand von drei konkreten Anwendungsbeispielen, was gekennzeichnet werden muss und was nicht.
/artikel/ki-kennzeichnung-was-gekennzeichnet-werden-muss-und-was-nicht
Rechtsanwalt Manuel Mofidian © Armin Hubner

Ein Unternehmen erstellt selbst oder unter seiner Weisung und Kontrolle einen kurzen Werbeclip. Kein Dreh, kein Team, kein Budget für Schauspieler:innen: Die Person, die im Video das Produkt vorstellt, ist von einer KI generiert. Sie existiert nicht, sieht aber aus wie ein Mensch.

Seit Sonntag ist dieser Clip kennzeichnungspflichtig, und die Pflicht trifft das Unternehmen, nicht das Tool, mit dem der Clip entstanden ist. Denn ein Deepfake im Sinne des Gesetzes ist nicht nur die manipulierte Aufnahme einer prominenten Person. Nach den neuen Leitlinien der EU-Kommission genügt es, dass das Dargestellte real existieren könnte und der Inhalt so wirkt, als wäre er echt. Ob jemand täuschen wollte, spielt keine Rolle. Ob der Gesetzeswortlaut wirklich so weit reicht, wird in der Fachwelt diskutiert, denn er knüpft an die Ähnlichkeit mit real existierenden Personen an. Für die Praxis ist vorerst die Kommissionslinie maßgeblich, denn an ihr werden sich die Behörden primär orientieren.

Nein, die EU hat das nicht verschoben

In vielen Geschäftsleitungen ist in den vergangenen Wochen eine andere Botschaft angekommen: Brüssel habe zurückgerudert, man habe Zeit. Diese Lesart ist gefährlich verkürzt.

Die Digital-Omnibus-Verordnung zur KI, Verordnung (EU) 2026/1744, wurde am 24. Juli im Amtsblatt veröffentlicht und ist seit 27. Juli in Kraft, wenige Tage vor dem Stichtag. Verschoben hat sie die Pflichten für Hochrisiko-Systeme: eigenständige Anwendungen nach Anhang III auf Dezember 2027, in Produkte eingebettete KI auf August 2028. Die Transparenzpflichten hat sie in ihrer Substanz nicht angetastet. Sie gelten seit Sonntag.

Eine einzige Ausnahme gibt es, und sie betrifft Anbieter, nicht Anwender (in der KI-VO Betreiber genannt): Generative KI-Systeme, die bereits vor dem 2. August auf dem Markt waren, haben für die technische, maschinenlesbare Kennzeichnung ihrer Ausgaben bis zum 2. Dezember 2026 Zeit. Auf die Pflichten von Unternehmen, die KI einsetzen, hat das keine Auswirkung.

Was es an Orientierung gibt

Anders als beim Start der DSGVO steht der Stichtag nicht im luftleeren Raum. Die EU-Kommission hat am 10. Juni den Verhaltenskodex zur Transparenz KI-generierter Inhalte veröffentlicht. Die dazugehörigen Leitlinien zur Auslegung von Artikel 50 hat sie inhaltlich am 20. Juli freigegeben, die förmliche Annahme steht noch aus, bis alle Sprachfassungen vorliegen. Beides ist rechtlich nicht bindend, in der Praxis aber der Maßstab, an dem sich Behörden orientieren werden.

Der Kodex wurde von Kommission und AI Board als geeignet bewertet. Wer ihm beitritt, kann sich zum Nachweis der Kennzeichnungspflichten darauf berufen. Wer das nicht tut, muss seine Compliance auf anderem Weg belegen und muss laut Kommission mit mehr Auskunftsersuchen rechnen.

Die wichtigste Unterscheidung, die Sie brauchen

Das Gesetz trennt zwei Rollen: Anbieter und Betreiber. „Stark vereinfacht gesagt: Anbieter ist, wer ein KI-System entwickelt und auf den Markt bringt. Betreiber ist derjenige, der ein KI-System in eigener Verantwortung nutzt. Die Definitionen sind aber deutlich länger und komplexer, also muss im Einzelfall wirklich ausgelegt werden, ob die Tatbestände erfüllt sind, auch weil diese mit den Definitionen von KI-Systemen und -Modellen verzahnt sind“, sagt Manuel Mofidian, Wirtschafts- und Tech-Rechtsanwalt mit Spezialisierung auf KI-Recht. „Vielleicht sogar 99 Prozent der Unternehmen und Organisationen, die KI einsetzen, sind Betreiber.“

So sei man bereits Betreiber, wenn ein Unternehmen einen eingekauften Voicebot laufen lässt. Aber auch wenn Mitarbeiter:innen auf Anweisung des Unternehmens ein KI-Tool einsetzen, wird dadurch ihr Unternehmen zum Betreiber, nicht der einzelne Mitarbeiter:innen. Heraus fällt nur die rein persönliche und nicht berufliche Nutzung: „Wenn meine Mutter privat ChatGPT verwendet, ist sie keine Betreiberin.“

Die Grenze verläuft dabei nicht per se zwischen Unternehmen und Einzelpersonen, sondern zwischen privat und erwerbsmäßig. Wer regelmäßig wirtschaftlichen Nutzen aus der Nutzung zieht oder sie im Rahmen einer geschäftlichen, beruflichen oder freiberuflichen Tätigkeit einsetzt, ist Betreiber. Creator, die KI-Inhalte monetarisieren, fallen darunter.

Diese Trennung entscheidet, wer welche Pflicht hat. In den drei folgenden Beispielen fällt die Antwort jeweils anders aus.


Beispiel 1: Der Chatbot im Kundenservice

Wer mit einer KI spricht, muss das erfahren. Diese Pflicht trifft allerdings nicht Sie, sondern den Anbieter, also jenes Unternehmen, das den Assistenten gebaut und verkauft hat. Es muss das Produkt so konzipieren, dass die Information rechtzeitig kommt. „Bei der ersten Interaktion, so früh wie möglich und deutlich“, fasst Mofidian zusammen, in der Praxis also z. B. mit einer Ansage zu Gesprächsbeginn.

Eine Ausnahme gibt es, wenn ohnehin offensichtlich ist, dass eine KI interagiert. Ein erkennbarer virtueller Comic-Avatar dürfte darunterfallen. Eine Stimme, die klingt wie ein Mensch, nicht. Auf diese Ausnahme sollte man sich aber nicht zu bequem verlassen: Die Kommission verlangt in ihren Leitlinien eine enge Auslegung, weil die Ausnahme den Betroffenen Transparenz entzieht.

Für Unternehmen, die einen solchen Assistenten einkaufen, ist dieser legistische Ansatz dennoch eine Entlastung: Sie müssen die Ansage nicht selbst einbauen. Wer allein einen fremden Chatbot in die eigene Website einbindet, bleibt nach den Leitlinien im Regelfall Betreiber. Die Rolle kann aber kippen: Wer in gewissen Konstellationen das System wesentlich verändert, etwa nachtrainiert, wer seine Zweckbestimmung ändert oder es unter eigenem Namen oder eigener Marke in Verkehr bringt, kann selbst zum Anbieter werden und „erbt“ dann die Anbieter-Pflichten.

Beispiel 2: Das „Deepfake“-KI-Video im Marketing

Hier kann die Hauptverantwortung das KI-einsetzende Unternehmen treffen, den Betreiber im Sinne der KI-Verordnung. Wer Inhalte veröffentlicht, die als echt durchgehen könnten, muss offenlegen, dass sie künstlich erzeugt wurden. Der Hinweis darf dabei nicht in den Metadaten vergraben sein, er muss für Menschen wahrnehmbar sein. Auf die maschinenlesbare Markierung, die der Anbieter im Inhalt hinterlässt, können Sie sich zur Erfüllung Ihrer eigenen Pflicht ausdrücklich nicht stützen.

Nicht jedes KI-Bild fällt darunter. „Jedes Deepfake ist künstlich erzeugt, aber nicht jeder künstlich erzeugte Inhalt ist ein Deepfake“, sagt Mofidian. „Ich kann tausend Sachen mit einer KI machen, die nichts mit Deepfake zu tun haben. Ein Bild von einem Einhorn zum Beispiel. Hier besteht keine ausreichende Ähnlichkeit mit realen Lebenssachverhalten, weswegen dies kein Deepfake sein kann.“ Bei offensichtlich künstlerischen, kreativen, satirischen, fiktionalen oder vergleichbaren Werken kann die Offenlegung in angemessener, nicht die Darstellung beeinträchtigender Form erfolgen. Die Kennzeichnungspflicht entfällt dadurch jedoch nicht vollständig.

Wie eine Kennzeichnung konkret aussehen kann, beschreibt der Verhaltenskodex. Die Kommission stellt dafür einen Satz frei verfügbarer EU-Icons bereit, den Betreiber verwenden können; gleichwertige eigene Labels sind ebenfalls zulässig. Der Kodex macht darüber hinaus Vorgaben zu Gestaltung und Platzierung und sieht Alternativen vor, wo visuelle Labels nicht funktionieren, bei reinen Audioinhalten etwa gesprochene Hinweise.

Beispiel 3: Der automatisch erzeugte Text

Der unauffälligste Teil ist für viele der folgenreichste. Wer KI-erzeugte Texte veröffentlicht, um die Öffentlichkeit über Angelegenheiten von öffentlichem Interesse zu informieren, muss das kennzeichnen. Hier genügt bereits die Erzeugung, eine Verzerrung der Realität ist nicht nötig.

Jedoch greift eine Ausnahme, wenn der Inhalt einer menschlichen Überprüfung oder redaktionellen Kontrolle unterzogen wurde und eine natürliche oder juristische Person die redaktionelle Verantwortung für die Veröffentlichung trägt.

Entscheidend ist, was als Überprüfung zählt. Die Kommission verlangt eine bewusste Auseinandersetzung mit der Substanz des Inhalts, durch Personen mit einschlägigem Fachwissen und fachlichem Urteilsvermögen. Rein formale oder prozedurale Kontrollen genügen ausdrücklich nicht, Rechtschreib- und Grammatikkorrektur werden als Negativbeispiele genannt. Ein Text muss also nicht verändert, aber inhaltlich geprüft werden. „Es kann reichen, dass du es einmal bewusst inhaltlich substanziell prüfst und durchliest. Keiner verpflichtet dich, einen Beistrich zu ändern“, sagt Mofidian. Entscheidend sei, dass beides zusammenkommt: „Die Prüfung allein genügt nicht. Es muss auch jemand die redaktionelle Verantwortung übernehmen.“

Damit sind klassische Redaktionen weitgehend außen vor. Eng wird es dort, wo der Mensch aus dem Prozess verschwindet. Ein Agent, der Texte generiert und selbst publiziert, ohne dass jemand gegenliest, erfüllt die erste Bedingung nicht. „Wenn das alles autonom abläuft, dann hast du ein Kennzeichnungs-Thema“, sagt Mofidian. Für Unternehmen, die gerade solche Pipelines aufbauen, sei dies eine wichtige Konsequenz des Stichtags.


Was nicht gekennzeichnet werden muss

Rund um den Stichtag kursierte die Warnung, künftig müsse praktisch jeder mit KI erstellte Inhalt ein Label tragen. Das ist so nicht richtig, und die Abgrenzung ist für die Praxis oft entscheidender als die Pflicht selbst.

Nicht erfasst sind KI-erzeugte Texte, die nicht der Information der Öffentlichkeit über Angelegenheiten von öffentlichem Interesse dienen. Hier braucht es nach Artikel 50 kein Label. Auch der Newsletter über das eigene Sortiment fällt nicht darunter, wohl aber ein Beitrag, der über ein Thema von allgemeinem Interesse informiert.

Nicht erfasst sind erkennbar künstliche Bilder und Videos, vom Fantasiemotiv bis zur sichtbar generierten Illustration.

Nicht erfasst ist KI, die im Hintergrund unterstützt, ohne den Inhalt wesentlich zu verändern, etwa bei Standardbearbeitung oder Berechnung. Ebenso wenig erfasst sind Systeme, die weder mit Menschen interagieren noch Inhalte erzeugen und auch keine Emotionen erkennen oder Menschen biometrisch kategorisieren, also der Großteil klassischer Analyse-Anwendungen in der Produktion.

Nicht erfasst ist schließlich, was vor dem Stichtag erzeugt wurde: Eine rückwirkende Kennzeichnung älterer Inhalte verlangt niemand. Eine Ausnahme sollten Unternehmen mit vorbefülltem Content-Kalender kennen: Bei Text kommt es auf den Zeitpunkt der Veröffentlichung an. Wer einen KI-Text im Juli erzeugt und im September publiziert, muss ihn kennzeichnen, sofern er unter die Pflicht fällt.

Und schließlich ist die maschinenlesbare Kennzeichnung, über die derzeit viel geschrieben wird, eine Pflicht der Anbieter, und sie richtet sich nicht an den Leser. „Für dich muss die Kennzeichnung nicht eindeutig sein, sondern für eine Maschine“, erklärt Mofidian den Unterschied. „Beim Deepfake muss es dagegen so sein, dass ein Mensch es versteht.“ Wer KI-Werkzeuge einkauft, muss also keine Wasserzeichen in seine Dateien bauen.

Wer allerdings dokumentieren kann, wie ein Inhalt entstanden ist und wer ihn freigegeben hat, ist im Streitfall besser aufgestellt. Nachweisbarkeit ist keine Pflicht aus Artikel 50, aber sie entscheidet, wie belastbar man dasteht, wenn jemand nachfragt.

Die Falle: KI-Recht ist mehr als nur die KI-VO

Selbst wer nach dieser Aufteilung zum Schluss kommt, als Betreiber in gewissen Konstellationen wenig tun zu müssen, sollte nicht zu früh aufatmen. Dass der AI Act in gewissen Konstellationen entlasten kann, sagt Mofidian, „heißt für andere, ebenfalls einschlägige Rechtsgebiete noch nichts“. „KI-Recht ist eine Querschnittsmaterie. Das Kennzeichnungs-Regime des AI Acts ist nur eine Schicht. Daneben laufen DSGVO, Urheberrecht, Persönlichkeitsrechte, Lauterkeitsrecht, Vertrags- und Haftungsfragen.“

Für die Praxis besonders relevant: Das Label schützt nicht vor anderen Rechtsfolgen. „Ein gekennzeichnetes Deepfake kann trotzdem rechtswidrig sein, etwa weil es das Bildnis einer realen Person verletzt“, sagt Mofidian. Zudem droht die Durchsetzung nicht nur von Behördenseite: „Eine fehlende Kennzeichnung, aber auch eben z. B. Rechtsverstöße aus anderen Bereichen, holen dich unter Umständen schneller über eine Mitbewerber-Abmahnung ein als über eine Behörde.“ Die Kennzeichnung beantwortet nur die Frage, ob KI im Spiel war, nicht, ob der Inhalt selbst zulässig ist oder Rechte anderer verletzt, etwa Geschäftsgeheimnisse.

Deutlich zeige sich dies z. B. im Datenschutzrecht. Dort kann sich das Verhältnis in gewissen Konstellationen fast schon umdrehen, wobei auch hier jedenfalls im Einzelfall geprüft werden muss: Während nach der KI-Verordnung Pflichten wie der „Chatbot-Hinweis“ oder die maschinenlesbare Markierung beim Anbieter liegen können, kann datenschutzrechtlich das einsetzende Unternehmen der Verantwortliche sein, weil es über Zweck und Mittel der Datenverarbeitung entscheidet. Der KI-Anbieter kann in dieser Konstellation datenschutzrechtlich betrachtet häufig Auftragsverarbeiter sein, wobei denkbar ist, dass KI-Anbieter daneben auch zu eigenen Zwecken verarbeiten und insoweit selbst Verantwortliche sind. Arbeitet der Anbieter nicht DSGVO-konform, kann das auf das einsetzende Unternehmen zurückfallen, das nach der KI-Verordnung „nur“ Betreiber ist, nach der DSGVO aber Verantwortlicher.

Was Verstöße kosten

Verstöße gegen die Transparenzpflichten liegen auf der mittleren Sanktionsstufe: bis zu 15 Millionen Euro oder drei Prozent des weltweiten Jahresumsatzes. Für Unternehmen gilt der höhere der beiden Werte.

Für kleine und mittlere Unternehmen einschließlich Startups dreht die Verordnung diese Regel um. Dort gilt der niedrigere Wert. Ein Startup mit zehn Millionen Euro Umsatz riskiert damit maximal 300.000 Euro, nicht 15 Millionen. Die oft zitierten 35 Millionen Euro betreffen ausschließlich die verbotenen KI-Praktiken und haben mit Kennzeichnung nichts zu tun.

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

Das 1 mal 1 des Scheiterns: Aus diesen Gründen versagen Startups

AI Kontextualisierung

Welche gesellschaftspolitischen Auswirkungen hat der Inhalt dieses Artikels?

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

Das 1 mal 1 des Scheiterns: Aus diesen Gründen versagen Startups

AI Kontextualisierung

Welche wirtschaftlichen Auswirkungen hat der Inhalt dieses Artikels?

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

Das 1 mal 1 des Scheiterns: Aus diesen Gründen versagen Startups

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 …

Das 1 mal 1 des Scheiterns: Aus diesen Gründen versagen Startups

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 …

Das 1 mal 1 des Scheiterns: Aus diesen Gründen versagen Startups

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 …

Das 1 mal 1 des Scheiterns: Aus diesen Gründen versagen Startups

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 …

Das 1 mal 1 des Scheiterns: Aus diesen Gründen versagen Startups

AI Kontextualisierung

Wer sind die relevantesten Personen in diesem Artikel?

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

Das 1 mal 1 des Scheiterns: Aus diesen Gründen versagen Startups

AI Kontextualisierung

Wer sind die relevantesten Organisationen in diesem Artikel?

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

Das 1 mal 1 des Scheiterns: Aus diesen Gründen versagen Startups