Pitching-Tipps von Silicon Valley-VCs | Teil 2: Was bietet das Startup?
Gastbeitrag. Der Innovationsberater, Autor und Silicon Valley-Experte Mario Herger hat für den Brutkasten Tipps für den perfekten Pitch von Silicon Valley-Investoren zusammengetragen.
Silicon Valley-Investoren hören pro Jahr hunderten, sogar tausenden Startup-Pitches zu. Da kann es leicht frustrierend werden, wenn wesentliche Informationen zu einem Startup den Gründern regelrecht aus der Nase gezogen werden müssen. Einige VCs und Business Angels bieten deshalb Kurse oder Anleitungen an, was sie von Gründern in einem Pitch hören möchten. Die folgende Liste ist eine Zusammenfassung dieser Best-Practice-Tipps von Silicon-Valley-Investoren:
Was genau ist das Produkt oder die Dienstleistung, das/die die Kunden kaufen?
Was ist das Wertversprechen, der wirtschaftliche Nutzen, was sind andere Vorteile?
Trugen Kunden zur Produktentwicklung bei? Ist die Lösung weiterreichend oder eher für einen eingeschränkten Bereich anwendbar?
Wie viel kostet die Lösung?
Gibt es eine ganze Produktpalette?
Gibt es Kennzahlen und andere Meilensteine, die genannt werden können?
Übliche Fehler:
Es gibt keinen klaren Geschäftsnutzen oder ROI.
Das Design ist durch Kunden nicht verifiziert.
Das Ganze klingt eher nach einem Beratungsunternehmen, aber keinem Startup mit skalierbarem Produkt oder Dienstleistung.
Gute Vorgehensweise:
Das Startup arbeitet mit den Kunden als Designpartner.
Das Startup hat Kunden im Advisory Board.
Es gibt eine externe Marktvalidierung und –forschung.
5) Zugrundeliegende Technologie
Ein VC möchte folgendes wissen:
Wie funktioniert die zugrundeliegende Technologie?
Was ist die geheime Zutat?
Wie schwierig ist es, die Technologie umzusetzen?
Ist das Produkt fertig? Ist das, was bei der Pitchdemo gezeigt wird, das Endprodukt?
Sind die wichtigsten Bestandteile patentiert? Sind Patente eingereicht? Gibt es ein globales Patent?
Übliche Fehler:
Es werden für einen wenig spezialisierten VC zu viele Details genannt.
Es sind zu viele Anpassungen notwendig um das Produkt skalieren und warten zu können.
Gute Vorgehensweise:
Ein einfaches Diagramm vorbereiten, das zeigt wie die Technologie in das Kundensystem passt.
6) Zielmarkt
Ein VC möchte folgendes wissen:
Wie sieht der primäre Zielmarkt aus?
Wir groß ist der Markt heute und in Zukunft?
Wie sieht die Compound Annual Growth Rate (CAGR) aus?
Was sind die zugrundeliegenden Marktkräfte, die das Wachstum treiben?
Worauf wird hier genau gewettet?
Wie hoch muss der Marktanteil sein, dass der Break-Even-Point erreicht wird?
Übliche Fehler:
Der Markt ist zu klein.
Das Wachstum ist zu langsam.
Es gibt keinen Fokus. Das Startup verfolgt zu viele Märkte oder Nischen auf einmal.
Gute Vorgehensweise:
Externe Studien bestätigen die Angaben und sie stimmen mit der eigenen Pipeline überein.
7) Markteintrittsstrategie
Ein VC möchte folgendes wissen:
Was ist der unfaire Geschäftsvorteil den das Startup hat?
Wie sieht das Geschäftsmodell aus? Wer sind die Partner? Über welche Kanäle wird vertrieben oder werden Kunden erreicht? Wie schaut das Preismodell aus, wie der Verkaufszyklus?
Kann das Startup effizient verkaufen?
Was ist die Strategie für die „Weltherrschaft“?
Wie weit gehen die Verkaufsvorhersagen dieses und nächstes Jahr?
Übliche Fehler:
Das Startup behauptet: “unsere Technologie ist so viel besser als die der Konkurrenz.”
Das Startup behauptet: „wenn wir es bauen, dann werden die Kunden schon kommen.”
Was das Startup vorlegt ist ein wissenschaftliches Projekt, aber kein Unternehmen.
Gute Vorgehensweise:
Wenn das Startup mit einem Markteintrittspartner vorgeht, aber nicht alles auf ihn setzt, sondern Alternativen hat.
Das Startup zeigt eine glaubhafte Verkaufspipeline.
Dr. Mario Herger ist der CEO von Enterprise Garage Consultancy und lebt seit 2001 im Silicon Valley. Der langjährige SAP-Entwicklungsleiter und Innovationsstratege berät Unternehmen, wie sie den innovativen und entrepreneurischen Spirit aus dem Silicon Valley auf ihre Organisationen übertragen können. Als Autor ist er mit dem Buch „Das Silicon Valley Mindset“ erfolgreich.
Thomas Fuchs: Wie ein Österreicher die KI-Strategie des wertvollsten Pharmakonzerns der Welt verantwortet
Ein Österreicher verantwortet die KI-Strategie des wertvollsten Pharmakonzerns der Welt: Thomas Fuchs ist seit 2024 der erste Chief AI Officer in der Geschichte von Lilly. brutkasten hat ihn in Wien zum Interview getroffen. Er erklärt, warum der Konzern einen eigenen Supercomputer mit mehr als 1.000 GPUs betreibt und warum KI trotzdem kein Medikament auf Knopfdruck liefert.
Thomas Fuchs: Wie ein Österreicher die KI-Strategie des wertvollsten Pharmakonzerns der Welt verantwortet
Ein Österreicher verantwortet die KI-Strategie des wertvollsten Pharmakonzerns der Welt: Thomas Fuchs ist seit 2024 der erste Chief AI Officer in der Geschichte von Lilly. brutkasten hat ihn in Wien zum Interview getroffen. Er erklärt, warum der Konzern einen eigenen Supercomputer mit mehr als 1.000 GPUs betreibt und warum KI trotzdem kein Medikament auf Knopfdruck liefert.
Thomas Fuchs, Chief AI Officer von Lilly | Foto: Christian Fichtner/big5comm
Thomas Fuchs ist seit Oktober 2024 der erste Chief AI Officer in der Geschichte des US-Pharmakonzerns Lilly. Der aus Österreich stammende Forscher studierte Technische Mathematik an der TU Graz, promovierte an der ETH Zürich und forschte am Jet Propulsion Laboratory der NASA, bevor er am Memorial Sloan Kettering Cancer Center in New York das Digital-Pathology-Unternehmen Paige AI mitgründete. Später baute er am Mount Sinai das erste AI-Department einer Medical School mit auf. Beim Besuch von Lilly Österreich in Wien sprach er mit brutkasten über den Supercomputer des Konzerns, die Grenzen von KI in der Medikamentenentwicklung und darüber, warum Österreich der Schweiz nicht nachstehen müsste.
brutkasten: Sie haben selbst mehrere Unternehmen gegründet, darunter Paige AI. Warum der Schritt in einen Konzern wie Lilly?
Thomas Fuchs: Mein erstes Startup habe ich mit 16 gegründet, tief in den 90er-Jahren. Das waren Multimedia-CD-ROMs über die österreichische Geschichte zum Jubiläum 1996, die Hypertext-Engine haben wir noch ohne Internet selbst geschrieben. 2017 haben wir dann Paige in New York gegründet, ein Spin-out des Memorial Sloan Kettering, dem größten tertiären Krebszentrum der USA. Es ging darum, auf digitalisierten Pathologieschnitten Krebs und seine Treiber automatisch zu erkennen. Das führte 2021 zur FDA-Autorisierung von Paige Prostate, der ersten KI-basierten Software zur Unterstützung bei der Erkennung verdächtiger Bereiche in digitalisierten Prostatabiopsien. Dazu war ich lange Professor am Sloan Kettering, an der Weill Cornell und am Mount Sinai, wo wir das erste AI-Department einer Medical School gegründet haben. Ein fantastisches Umfeld, aber die Mittel, um das Feld wirklich voranzutreiben, sind bei Lilly ungleich größer. Nicht nur bei der Infrastruktur, sondern auch beim Zugang zu Daten und Expertise. Lilly hat tausende Chemiker:innen und Biolog:innen. Bei Lilly erreichen wir mit unseren Medikamenten ungleich mehr Menschen. Das ist ein enormer Hebel.
Welches Wissen bringen Sie als Chief AI Officer ein?
Die meisten Leute denken bei KI zunächst an Sprachmodelle wie ChatGPT oder Claude. Die sind wichtig, aber das Feld ist deutlich breiter. Wir entwickeln Modelle, die Wissenschaftler:innen beim Design von Molekülen unterstützen, bei Proteinen, bei kleinen Molekülen und auch in der genetischen Medizin. Die Sprachmodelle nutzen wir wiederum, um diese unterschiedlichen Systeme mit Agenten zu orchestrieren. Und wir setzen KI nicht nur in der Discovery und der Entwicklung ein, sondern auch in der Produktion. Lilly baut das Manufacturing weltweit aus, und dort arbeiten wir mit digitalen Zwillingen für Geräte und Prozesse. Wenn man die ganze Pharma-Wertschöpfungskette anschaut, kann jeder einzelne Teil davon profitieren.
Wie haben Sie Ihre Organisation aufgebaut?
Lilly hatte schon vor mir ausgezeichnete Analytics-Abteilungen und begann sehr früh damit, Sprachmodelle zu verwenden. Wir haben dem Ganzen eine neue Struktur gegeben. Mein Team arbeitet im Startup-Stil, in kleinen interdisziplinären Teams, die sich jeweils tief in einzelne Bereiche einarbeiten, von Discovery über Development bis Manufacturing. Der erste Schritt war die Struktur, der zweite der Ausbau der Infrastruktur. Lilly hatte, wie die meisten Betriebe, damals nicht sehr viele GPUs für die Forschung. Jetzt haben wir eine sehr leistungsfähige Recheninfrastruktur.
Thomas Fuchs, Chief AI Officer von Lilly, zu Besuch bei Lilly Österreich in Wien. | Foto: Christian Fichtner/big5comm
Wo hat KI in dieser Wertschöpfungskette aktuell den größten Impact?
Das hängt von der Zeitskala ab. Am unmittelbarsten ist es das Manufacturing. Jede Anwendung von KI, die Prozesse in der Produktion effizienter macht, hilft uns, Medikamente verlässlich zu den Patient:innen zu bringen. Der große Teil unserer Arbeit liegt aber in der Discovery: Wie kann man neue Moleküle designen und ihre Eigenschaften, ihre Verträglichkeit und ihre Produzierbarkeit besser einschätzen? Das ist eine wesentlich längere Zeitskala, da reden wir von Jahren. Am Anfang kann man viel beschleunigen und de-risken. Aber am Ende muss die Biologie wirken. Man braucht die klinischen Studien, um zu sehen, ob ein Medikament sicher und effektiv ist. Das wird KI nicht einfach ersetzen.
Warum ein eigener Supercomputer statt Cloud?
Deep Learning besteht intern aus Vektor- und Matrixmultiplikationen, deshalb hat unsere Community ab etwa 2012 angefangen, GPUs aus dem Spieledesign dafür zu verwenden. Unser System ist ein NVIDIA DGX Superpod, deshalb heißt er bei uns LillyPod, mit mehr als 1.000 B300 GPUs. Man kann sich das wie ein wissenschaftliches Instrument vorstellen, wie ein Teleskop oder Mikroskop, das uns erlaubt, tiefer in die kleinsten Dinge hineinzuschauen. Wenn Wissenschaftler:innen nur wenige GPUs haben, können sie keine großen Experimente laufen lassen. Heute können wir Modelle auf Basis all jener Moleküle trainieren, die Lilly in seiner 150-jährigen Geschichte entwickelt hat. Daten bleiben trotzdem der Engpass, in der Biologie gibt es im Vergleich zur Sprache wenige Datenpunkte bei viel höherer Komplexität. Deshalb bauen wir auch automatisierte Labore: Ein Modell schlägt ein Experiment vor, das Labor führt es aus, aus den Daten lernt das Modell wieder dazu. Dieses Flywheel soll uns immer bessere Modelle und damit immer bessere Werkzeuge für unsere Forschenden bringen. Der zweite Teil: Wir passen Sprachmodelle auch an unsere eigenen wissenschaftlichen Anforderungen an.
Das ist eine massive Investition. Wie bringt man das durch?
Wir haben eine Führung, die sehr langfristig denkt und gleichzeitig ein starkes technisches Verständnis mitbringt. Am Ende müssen neue Medikamente herauskommen, die den Patient:innen helfen.
Ist schon etwas herausgekommen?
Im Manufacturing setzen wir KI ein, um Prozesse effizienter zu machen, damit Medikamente verlässlich verfügbar bleiben. In der Discovery haben wir ein Modell entwickelt, das Chemiker:innen beim Design kleiner Moleküle unterstützt. Das verwenden sie tagtäglich. Es hat ihnen neue Ansätze geliefert, die sie dann geprüft haben. So wie Magnus Carlsen im Schach Züge verwendet, die er von der KI gelernt hat, verwenden unsere Chemiker:innen jetzt Motive, die sie von der KI gelernt haben. Aber es bleibt immer eine Partnerschaft zwischen Mensch und Technologie. Wir sind weit davon entfernt, einfach einen Knopf zu drücken und am Ende kommt ein Medikament heraus. KI ist für uns ein Werkzeug, das wir gemeinsam mit unseren Wissenschaftler:innen und für ihre Arbeit entwickeln.
Thomas Fuchs im Interview mit brutkasten-Chefredakteur Martin Pacher in Wien. | Foto: Christian Fichtner/big5comm
Kooperiert Lilly dabei auch mit Startups?
Sehr viel, mit Startups und mit größeren Firmen. Wir wollen das Rad nicht neu erfinden. Aber in manchen Bereichen gibt es noch keine passende Lösung, dann entwickeln wir sie selbst. Was ich immer sage: Wir sollen kaufen, was uns beschleunigt, und selbst machen, was uns unterscheidet. Mit TuneLab wollen wir das Biotech-Ökosystem unterstützen. Wir stellen teilnehmenden Biotech-Unternehmen KI-Werkzeuge über TuneLab zur Verfügung.
Wie blicken Sie auf den Standort Europa und Österreich?
Als Europäer liegt mir die Zukunft Europas sehr am Herzen. Ich würde mir mehr Initiativen wünschen, man muss sich nicht zurückhalten. Österreich hat extrem gute Expertise, die Universitäten bilden hervorragend aus, Sepp Hochreiter in Linz hat die LSTMs mitentwickelt. Das sollte ein Leuchtturm der Welt sein. Natürlich braucht es mehr Investitionen, nicht nur vom öffentlichen Sektor, sondern viel mehr vom privaten. Es gibt keinen Grund, warum Österreich der Schweiz nachstehen sollte.
Wäre Ihre Karriere in Europa möglich gewesen?
Schwer zu sagen, die Welt ändert sich. Es gibt sehr erfolgreiche Beispiele in Österreich. Zürich ist ein Hotspot für Startups rund um die ETH, das würde ich mir auch für Österreich wünschen. Gleichzeitig sind die Rahmenbedingungen in den USA nach wie vor günstiger: Mit Paige in New York hatten wir Möglichkeiten, die in Europa schwerer zu finden gewesen wären. Es gibt keinen technischen oder intellektuellen Grund, warum Europa und Österreich nicht vorn dabei sein sollten.
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.