Die Faszination für künstliche Intelligenz (AI) bzw. vom Menschen geschaffene Intelligenz ist fast so alt wie die Menschheit selbst. Bereits in der griechischen Mythologie finden sich mechanische, aus Bronze gefertigte Diener, die über eigenständigen Willen verfügen. Die Geburtsstunde des Begriffs Artificial Intelligence war 1956, als sich unter der Führung von Marvin Minsky eine Gruppe von Wissenschaftlern für einen achtwöchigen Workshop in Dartmouth traf, in dem der Grundstein für die Disziplin gelegt wurde. Doch was ist heute der Stand der Dinge in der Artificial Intelligence?
AI lässt sich grob folgendermaßen unterteilen:
Narrow AI: Systeme, die eng abgesteckte, repetitive Aufgaben automatisieren können, z.B. Bilderkennung,
Artificial General Intelligence: AI, die in der Lage ist, selbstständig neue Probleme zu erkennen und zu lösen, z. B. Data in Star Trek
Conscious AI: Sie verfügt über ein eigenes Bewusstsein und Emotionen, z.B. HAL 9000 in „2001: Odyssee im Weltraum“.
Die gewählten Beispiele zeigen: Alle heutigen als AI betitelten Systeme fallen unter Narrow AI, da sie weder in der Lage sind, das Gelernte zu generalisieren, noch Emotionen fühlen können oder gar über ein eigenes Bewusstsein verfügen. Der Befund zum Stand der Dinge in der Artificial Intelligence ist also – zumindest für Science Fiction Fans – eher ernüchternd.
Von Machine und Deep Learning
Innerhalb der Narrow AI sind es vor allem Machine Learning und im Speziellen Deep Learning, die den aktuellen Hype losgetreten haben. Machine Learning ist eine Technik, die bereits seit den 1950ern existiert. Sie beschreibt Algorithmen, die sich in Abhängigkeit von den Eingangsdaten selbst anpassen können. Auf diese Art können Muster und Gesetzmäßigkeiten in Datenbeständen erkannt werden, um darauf basierend Vorhersagen zu treffen. Typische Anwendungsgebiete für Machine Learning sind etwa Spamfilter, Prognosesysteme (z. B. Wetter oder Real Estate) sowie Betrugserkennung.
Deep Learning, das eine Subkategorie von Machine Learning darstellt, basiert auf künstlichen neuronalen Netzen, weshalb die Begriffe Deep Learning und (Artificial) Neural Networks fast austauschbar verwendet werden. Das Kernelement sind dabei künstliche Neuronen, die eine beliebige Anzahl von Eingängen haben können, aber nur einen Ausgang. Für jeden Eingang gibt es ein sogenanntes Gewicht, das bestimmt, wie wichtig er für den Ausgang ist.
Lernen durch Errors
Das „Deep“ in Deep Learning bezieht sich auf die Anordnung der Neuronen, die oft in mehreren Schichten erfolgt. Am Ausgang des gesamten Netzes erfolgt mittels der sogenannten „Error Function“ eine Überprüfung, wieweit der Vorhersagewert vom tatsächlichen Wert der Trainingsdaten abweicht. Dieser Error wird danach dazu verwendet, die Gewichte der einzelnen Neuronen zu adjustieren – das System lernt somit. Vereinfacht sieht das bei einer Vorhersage über Wohnungspreise folgendermaßen aus: Das neuronale Netz erhält als Eingangsdaten eine Liste an Wohnungen, bei denen neben dem Verkaufspreis und der Lage auch Daten wie z. B. Verkäufer und Maklerbüro zu finden sind. Nach mehreren Durchläufen erkennt das Netz, dass z.B. „Verkäufer“ und „zuständiges Maklerbüro“ nur einen sehr geringen Einfluss auf den Verkaufspreis haben, und setzt dementsprechend die Gewichte für die entsprechenden Eingänge neu.
Viele Anwender, wenige „echte AI-Startups“
Soviel zum technologischen Stand der Dinge in der Artificial Intelligence. Zu beachten gibt es in der Beurteilung von AI-Produkten aber noch einen weiteren Punkt. Denn die meisten Firmen, die Artificial Intelligence nutzen, haben sie nicht selbst kreiert. Was unterscheidet also ein „echtes AI-Startup“ von reinen Anwendern?
Hier ein paar Anhaltspunkte:
Erstellen und Trainieren von eigenen Modellen (Deep Learning, Machine Learning)
Eigenständige Implementierung von domänenspezifischen Lösungen, teilweise on top von bestehenden AIFrameworks wie z. B. Google TensorFlow, PyTorch oder Keras, und
über Verwendung und Kombination von Frameworks hinausgehende Anwendungen. Im Fall von ChatbotFrameworks wie IBM Watson und Facebooks wit.ai wären das z.B. eigene Sprachmodelle für Umgangssprache.
„Österreichs Startup-Ökosystem im Benchmark“: Neue Studie liefert Diagnose und konkrete Empfehlungen
Die WU-Wien-Studie "Österreichs Startup-Ökosystem im Benchmark" belegt eine Asymmetrie in Österreichs Startup-Ökosystem: Während staatliche Förderungen überzeugen, bremsen Lücken bei Risikokapital, Transfer und Bürokratie. Bei der Präsentation an der WU diskutierten Expert:innen über mögliche Maßnahmen.
„Österreichs Startup-Ökosystem im Benchmark“: Neue Studie liefert Diagnose und konkrete Empfehlungen
Die WU-Wien-Studie "Österreichs Startup-Ökosystem im Benchmark" belegt eine Asymmetrie in Österreichs Startup-Ökosystem: Während staatliche Förderungen überzeugen, bremsen Lücken bei Risikokapital, Transfer und Bürokratie. Bei der Präsentation an der WU diskutierten Expert:innen über mögliche Maßnahmen.
Die gut besuchte Studienpräsentation an der WU Wien wurde von brutkasten-Redakteur Dominik Perlaki moderiert | (c) Victoria Nazarova
Woran hakt es im österreichischen Startup-Ökosystem tatsächlich und was muss passieren, um diese Schwächen zu adressieren? Das sind die zentralen Fragen hinter der neuen Studie „Österreichs Startup-Ökosystem im Benchmark“ von Benjamin Monsorno und Dorothee Horvath vom Institut für Entrepreneurship und Innovation an der Wirtschaftsuniversität Wien, die in Kooperation mit der eXplore!-Initiative der B&C Privatstiftung und dem Beratungsunternehmen EY entstanden ist.
Zehetner: „Wir werden den Dachfonds auf den Weg bringen, aber ohne weitere steuerliche Incentives wird das alleine nicht helfen.“
Die Studie wurde nun an der WU im Rahmen einer Podiumsdiskussion präsentiert. Den Auftakt bildete dabei eine Eröffnungs-Keynote von Startup-Staatssekretärin Elisabeth Zehetner, die den Status quo heimischer Gründer:innen auf den Punkt brachte: „Man wird für eine gute Idee am Beginn staatlich gut gefördert. Doch wenn es darum geht, in den Markt hinauszugehen und zu skalieren, sagt der Staat logischerweise, dass er nicht mehr der richtige Ansprechpartner ist. Dann ist plötzlich eine Lücke da.“
Staatssekretärin Elisabeth Zehetner hielt eine Keynote zum Start | (c) Victoria Nazarova
Genau hier müsse die Standortpolitik ansetzen, so Zehetner weiter: „Die Rolle des Staates muss es immer sein, Impulse zu setzen und Risiken am Beginn abzufedern. Aber dann müssen wir gemeinsam die Rahmenbedingungen dafür schaffen, dass eben auch der Anschluss funktioniert. Ein wesentlicher Faktor ist der Anreiz für privates Kapital. Wir werden den Dachfonds auf den Weg bringen, aber ohne weitere steuerliche Incentives wird das alleine nicht helfen.“
Studie setzt auf Interaktion verschiedener Faktoren
Die Studie basiert auf einem umfassenden Datensatz des Global Entrepreneurship Monitor (GEM), der 52 strukturelle Rahmenbedingungen in 106 Ländern über einen Zeitraum von zwölf Jahren mit rund 544.000 Datenpunkten umfasst. Zudem floss unter anderem eine ergänzende inhaltliche Analyse von 197 brutkasten-Artikeln über das heimische Startup-Ökosystem ein. Wie Co-Autor Monsorno bei der Präsentation erläuterte, unterscheidet sich das Studiendesign in mehreren Punkten von bisherigen Veröffentlichungen: „Sehr häufig werden in solchen Studien einfach Gründungsraten herangezogen, wo auch Friseursalons und Kebab-Buden reingezählt werden. Hier konnten wir die Zielgröße gezielt herausfiltern: Es geht explizit um ambitionierte Gründungen mit hohem Technologiegrad, starker Internationalisierung und hohem volkswirtschaftlichen Mehrwert.“
Um die komplexen Wirkungsmechanismen des Ökosystems abzubilden, setzten die Studienautor:innen auf Machine-Learning-Algorithmen. „Studien nutzen üblicherweise vor allem lineare Regressionen. Damit kann man viele Faktoren aber gar nicht abbilden. Durch Machine-Learning-Modelle können wir erfassen, wie Faktoren miteinander interagieren. Denn Ökosysteme agieren per Definition miteinander“, so Monsorno.
Asymmetrie in Österreich
Die Ergebnisse zeigen im Vergleich zu sieben strukturell ähnlichen europäischen Industrienationen – Deutschland, die Niederlande, Belgien, die Schweiz, Schweden, Finnland und Dänemark – ausgeprägte Unterschiede. „Man kann es in einem Satz zusammenfassen: Es gibt eine Asymmetrie in Österreich. Wo der Staat stark ist – bei Fördermaßnahmen, Subventionen, Inkubatoren und Technologieparks –, schneiden wir überdurchschnittlich ab. Die Schwächen liegen beim Wissenschafts-Wirtschafts-Transfer, beim privaten Kapital sowie bei Bürokratie und Steuerlast“, führte Monsorno aus. Diese statistisch identifizierten Engpässe decken sich zudem mit einer qualitativen Auswertung der 197 brutkasten-Artikel aus den vergangenen zwölf Jahren sowie Berichten von OECD und IMD.
Co-Studienautor Benjamin Monsorno | (c) Victoria Nazarova
Als entscheidende Erkenntnis der Arbeit hob Monsorno die gegenseitige Abhängigkeit der Standortfaktoren hervor: „Das Spannende ist wirklich, dass wir diese Komplementarität erstmals quantifizieren konnten: 88 Prozent des Einflusses im Ökosystem entstehen durch das Zusammenspiel der Faktoren. In Österreich sind öffentliche Subventionen der wichtigste Anker – zwei Drittel dieser Faktoren werden durch diesen Hebel getragen.“
Reformpaket nach deutschem Vorbild
Bleiben Reformen aus, droht der heimischen Gründungslandschaft bis 2037 laut den Berechnungen ein Rückgang der Rate ambitionierter Gründungen um knapp ein Fünftel. Ein nach deutschem Vorbild geschnürtes Reformpaket – bestehend aus einem Dachfonds nach dem Modell von KfW Capital, einer Transferagentur nach Vorbild der SPRIND sowie einem Forschungszulagengesetz – könnte laut Studie hingegen die Gründungsaktivität bis 2037 um rund 30 Prozent über den Verlustpfad ohne Reformen heben. Voraussetzung dafür ist jedoch der koordinierte Beschluss als Gesamtpaket.
„Startup-Ökosysteme sind nicht wie IKEA-Baukästen“
Dass Einzelmaßnahmen in einem interdependenten Ökosystem verpuffen, bestätigte Christian Friedl, Leiter des Programms Digital Entrepreneurship an der FH Joanneum sowie des GEM Austria, in der Podiumsdiskussion im Rahmen der Präsentation: „Startup-Ökosysteme sind nicht wie IKEA-Baukästen. Du kannst nicht einfach sagen: Es fehlt an dieser Ecke noch etwas, dann geht das automatisch. In der Studie können wir jetzt endlich für Österreich evidenzbasiert herauslesen, wie diese Faktoren zusammenwirken, sich gegenseitig verstärken und welche zeitliche Verzögerung besteht.“
Entrepreneurship-Professor Christian Friedl | (c) Victoria Nazarova
Als neuralgischen Punkt im Wissenstransfer benannte Friedl fehlende Anreize an den Hochschulen: „Geld alleine reicht nicht. Bei den Hochschulen müssen wir diskutieren: Wie schaffen wir Incentives? Im Moment ist fast alles publikationsgetrieben. Das hat für die Forschungsleistung seine Berechtigung, hilft aber wenig für die Verwertung der Forschungsergebnisse.“
Spielball von Klientelpolitik
Die reale Dimension des Defizits bei privatem Risikokapital verdeutlichte Florian Haas, Head of Startup bei EY Österreich und Vorstandsmitglied von invest.austria, anhand von Marktdaten: „Wir erwirtschaften ungefähr 2,7 Prozent der europäischen Wirtschaftsleistung, haben im letzten Jahr aber nur 0,4 Prozent des gesamten Venture-Capital-Volumens bekommen. Rechnet man das um, haben wir eine Finanzierungslücke von 1,2 Milliarden Euro.“ Während die heimische Investorenschaft in der Frühphase noch stark engagiert sei, breche die Beteiligung bei zweistelligen Millionenrunden komplett ab.
EY-Startup-Leiter Florian Haas am Mikrofon | (c) Victoria Nazarova
Den geplanten Dachfonds bezeichnete Haas als unverzichtbaren Impuls, warnte die Politik jedoch vor einer isolierten Betrachtung: „Die große Gefahr bei all diesen Themen ist, dass wir sie separiert denken. Wenn wir Standortpolitik ernst meinen, darf die Frage, ob man Gründungen erleichtert, nicht zum Spielball von Klientelpolitik werden. Was wir wirklich brauchen, ist ein Schulterschluss.“
„Wir müssen viel mehr gemeinsam und europäisch denken“
Auf die besonderen Erfordernisse kapitalintensiver Technologiegründungen verwies Julia Reilinger, Geschäftsführerin von B&C Innovation Investments: „Unser Portfolio ist sehr stark auf Industrial Tech und DeepTech fokussiert. Für uns ist wichtig, dass Technologie fundiert ist – das geschieht meist an Universitäten. Es sollte aber nicht bei der Forschung enden, sondern in einem Unternehmen resultieren.“ Um privates Wagniskapital in solche Vorhaben zu lenken, plädierte Reilinger für flexible staatliche Co-Investitionen: „Matching-Mechanismen, bei denen ein staatlicher Investor das Kapital privater Geldgeber unkompliziert spiegelt, erzeugen eine enorme Hebelwirkung.“
Julia Reilinger, Geschäftsführerin von B&C Innovation Investments, am Mikrofon | (c) Victoria Nazarova
Zugleich unterstrich sie die Notwendigkeit öffentlicher Nachfrage: „In unserer Phase ist relevant, dass der Staat auch als Kunde auftritt, wie etwa in Deutschland das Deutsche Zentrum für Luft- und Raumfahrt im Bereich Quantencomputer, wo Konsortien und öffentliche Aufträge echte Referenzprojekte schaffen.“ Mit Blick auf globale Technologieketten forderte sie mehr europäischen Weitblick: „In DeepTech-Themen wird nicht jedes Land eine eigene Technologie entwickeln können. Wir müssen viel mehr gemeinsam und europäisch denken – auch für die europäische Souveränität.“
Bürokratie als Abwanderungsgrund
Die praktischen Hürden in der Frühphase schilderte Andrei Podlesnyi, Investment Manager beim Hansmann Family Office: „Mit der FlexCo ist sicherlich ein Schritt nach vorne gemacht worden. Aber es ist immer noch viel zu kompliziert und viel zu teuer. Wir geben viel zu viel Geld für Anwälte und Notare aus. Jeder Euro, der nicht in der Produktentwicklung ankommt, führt im internationalen Vergleich zu Nachteilen.“
Investment Manager Andrei Podlesnyi am Mikrofon | (c) Victoria Nazarova
Weil zähe Formalakte wertvolle Zeit kosten, wichen immer mehr Gründungsteams aus: „Ich kenne viele gute technische Gründer, die sagen: Ich habe keine Lust auf diese Notariatsakte und Wartezeiten. Die gehen direkt in die USA, gründen dort eine Delaware-Company, wo Mitarbeiterbeteiligungen etabliert sind und man unkompliziert bauen kann, statt erst Steine aus dem Weg zu räumen.“ Neben dem Abbau administrativer Bremsen forderte Podlesnyi gezielte Anreize wie Beteiligungsfreibeträge, um den Kreis heimischer Business Angels spürbar zu erweitern.
„Es reicht nicht zu warten, dass die Politik das von Top-down für uns erledigt“
In der Schlussrunde sprachen sich die Diskutierenden einhellig dafür aus, ein Reformpaket zügig und als unteilbares Gesamtpaket in Angriff zu nehmen, statt Maßnahmen gegeneinander aufzurechnen oder in Einzelinitiativen zu zerfasern. Christian Friedl brachte aber auch einen anderen Aspekt, bei dem Einigkeit herrschte, auf den Punkt: „Es reicht nicht zu warten, dass die Politik das von Top-down für uns erledigt. Du kannst niemanden zum Gründen zwingen. Wir müssen aus diesem passiven Zuschauen und Jammern herauskommen.“
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.