WiWo App 1 Monat für nur 0,99 €
Anzeigen

Künstliche Intelligenz Baupläne für das nächste Wunder

Quelle: imago images

Gerade KI-Start-ups haben zu Beginn große Ideen und nur wenig Code – entsprechend schwer ist es für Investoren, die Geschäftspläne zu bewerten. Doch mit dem Kapital strömt auch mehr und mehr Know-how in die Branche.

  • Artikel teilen per:
  • Artikel teilen per:

Den besten Zeitpunkt für die Suche nach Investoren hat Johannes Korves nicht gerade erwischt. Etwa 40 mögliche Geldgeber schrieb der Gründer von Natif.ai Anfang vergangenen Jahres an – dann schwappte die erste Corona-Welle nach Deutschland. „Plötzlich waren alle Fonds mit dem Krisenmanagement beschäftigt“, erzählt Korves. Für das Saarbrücker Start-up, das mit Hilfe von künstlicher Intelligenz (KI) die automatisierte Dokumentenverarbeitung vorantreiben will, interessierte sich erst einmal niemand mehr.

Erschwerend kam hinzu: Ein marktreifes Produkt konnte Natif.ai noch nicht vorweisen, geschweige denn nennenswerte Umsätze. Stattdessen stiegen die Kosten des frisch gegründeten Start-ups, auch wenn Korves und seine drei Mitgründern auf ihr Gehalt verzichteten. Denn um die KI dafür zu trainieren, beispielsweise relevante Angaben in eingescannten Rechnungen und Lieferscheinen zu erkennen, musste Hardware her. Teure Grafikkarten eignen sich dafür am besten. „Vielen Investoren war schwer zu vermitteln, was wir da gerade machen und was für ein Potenzial eine solche Technologie hat“, sagt Korves.

Viel Geld, schwieriges Zusammenfinden

Dabei sind die Chancen für Gründer, an Wagniskapital zu kommen, besser als je zuvor. Satte 2,2 Milliarden Euro konnten sich deutsche Start-ups, die in signifikantem Umfang auf KI setzen, 2019 einsammeln. Das zeigen Erhebungen der Initiative AppliedAI, die zum Münchener Gründungszentrum UnternehmerTUM gehört. Gegenüber dem Vorjahr und im Verhältnis zur Zahl der Start-ups war das ein Viertel mehr. Die Auswertung für 2020 läuft noch – doch der Aufwärtstrend dürfte sich trotz Corona fortgesetzt haben.

Bei einer wachsenden Zahl von Start-ups sei KI zudem nicht bloß ein schmückendes Schlagwort, sondern tatsächlich der Kern, beobachtet Andreas Unseld, Partner beim Frühphasenfonds Unternehmertum Venture Capital (UVC) Partners. Langfristig verspricht die Technologie enorme Chancen, kurzfristig sorgt sie für ein Problem: Start-ups könnten nicht mal eben die Minimalversion einer App auf den Markt werfen, betont Unseld. „Oft sind schon fünf bis zehn Millionen ins Unternehmen geflossen, bis eine KI-Lösung endlich beim Kunden ausgerollt werden kann.“ Schließlich müsse ein Algorithmus, damit er in der Buchhaltung oder in der Fabrik gute Dienste leistet, erst einmal trainiert werden.

Zudem gilt: Je komplexer die Technologie, desto schwieriger wird es, Gründer und Investoren in frühen Phasen zusammenzuführen. „Die Entwicklungsgeschwindigkeit bei künstlicher Intelligenz hat sich enorm beschleunigt“, sagt AppliedAI-Leiter Andreas Liebl. Viele Gründer treten mit technologisch komplexen Ansätzen an, basteln mit Hingabe an neuronalen Netzwerken und entwerfen große Visionen. Verlässliche Kennzahlen können sie den händeringend benötigten Geldgebern anfangs oft nicht bieten.

Start-ups und Investoren stecken daher in einem Lernprozess, der nicht maschinell gelingt: Auf der einen Seite müssen Geldgeber selbst immer tiefer in die Technologien einsteigen, um Alleinstellungsmerkmale und Potenziale beurteilen zu können. Auf der anderen Seite müssen die Start-ups immer früher Ideen entwickeln, wie aus ihrer KI ein Geschäftsmodell wird.

Vision vs. Vermarktungspotenzial

Dieses Verständnis ist zu Beginn nicht immer da. Etwa 16 Start-ups pro Jahr durchlaufen beispielsweise das Förderprogramm des Cyberlabs in Karlsruhe – die Hälfte bringe eine KI-Komponente mit, berichtet Leiter Daniel Karszt. Das Karlsruher Institut für Technologie (KIT) vor der Haustür sorgt für einen wachsenden Nachschub an exzellent ausgebildeten Spezialisten. „Die Gründer konzentrieren sich häufig zu sehr auf die Fragestellung, wie gut sie in der Technologie sind“, sagt Karszt, „aber meistens scheitert es nicht daran“.

Dabei sei es für den Accelerator weitaus relevanter, für wen eine neue Anwendung überhaupt von Nutzen wäre. „Es geht meist nicht darum, ob ein Problem technisch lösbar ist – sondern darum, ob das Problem es wert ist, gelöst zu werden“, formuliert es Karszt. Für viele Geldgeber sind vor allem zwei Fragen wichtig: Lässt sich mit der Idee ein Markt erreichen, der groß und zahlungskräftig genug ist? Und gelingt es, dass die KI so verpackt werden kann, dass möglichst viele Menschen möglichst einfach damit arbeiten können?

Ansonsten entsteht am Ende vielleicht eine erfolgreiche Agentur – aber kein schnell wachsendes Start-up, das Investoren anlockt. „Es ist eine große Herausforderung, eine KI zu einem skalierbaren Produkt zu entwickeln und auf dem Weg nicht zu einem Data-Science-Projekthaus zu werden“, sagt Karszt.

Kritischer Blick auf Team und Technologie

Geldgeber gucken daher in sehr frühen Phasen stark aufs Team. Das hat auch Natif.ai zu spüren bekommen. Nach langen Verhandlungen konnte das Saarbrücker Start-up im Sommer einen Business Angel und den halbstaatlichen Hightech-Gründerfonds (HTGF) für sich gewinnen. „Beim Pitch ging es nicht nur um die Technologie, sondern vor allem auch um uns Gründer“, sagt Korves. Das Team konnte auf frühere Erfolge verweisen: In unterschiedlichen Positionen haben sie den zwischenzeitlich abgehängten Online-Optiker Brille24 technisch wie vertriebsseitig auf Vordermann gebracht. Das umfangreiche Update bereitete den Weg für einen Verkauf.



Wenige Monate nach dem HTGF-Investment mussten die Natif.ai-Gründer dann doch auch viele technische Fragen beantworten. Der Anlass: Korves hatte den neu gegründeten Deep-Tech-Fonds 468 Capital, der mit knapp 180 Millionen Euro an den Start gegangen war, bei LinkedIn angeschrieben. Nach dem informellen Start ging es bei den Verhandlungen dann ans Eingemachte.  Ein „tiefgreifendes Technologie-Verständnis“ attestiert Korves dem neuen Investor – bei Gesprächen mit manch anderem Wagniskapitalgeber sei er in der Hinsicht enttäuscht worden.

Hinter 468 Capital stehen renommierte Partner: Ludwig Ensthaler und Alexander Kudlich haben sich als Investoren im Rocket-Internet-Kosmos einen Namen gemacht, dritter im Bunde ist der Informatiker Florian Leibert, der das erfolgreiche Softwareunternehmen Mesophere aufgebaut hatte.

Die Lernkurve steigt auch bei den Geldgebern

Tatsächlich verbinden immer mehr Geldgeber Finanzierung mit Fachwissen – schon, um sich vor teuren Fehleinschätzungen zu schützen. „Investoren brauchen ein hohes Technologieverständnis sowie ein starkes Netzwerk, um das Potential und die Differenzierung von KI-Lösungen richtig einordnen zu können“, sagt Andreas Unseld. Der Investor von UVC Partners hat einst selbst Informatik mit KI-Schwerpunkt studiert. Doch bevor eine finale Investment-Entscheidung fällt, holt er sich viele zusätzliche Einschätzungen: etwa von Gründern anderer Start-ups aus dem Portfolio oder von seinen Kollegen bei AppliedAI.

Einbezogen werden in den Entscheidungsprozess auch Industriepartner. „Die Experten in den Unternehmen können sehr gut beurteilen, welche Marktchancen eine neue Lösung in der Praxis hat“, sagt Unseld. Davon profitierten auch die Start-ups: „Oft kommt durch diesen Austausch auch eine Kooperation zwischen Start-up und Industriepartner zustande, selbst wenn UVC nicht investiert.“

Noch einen Schritt weiter geht das sogenannte Venture-Studios Next Big Thing (NBT) in Berlin. Initiator Harald Zapp ist mit dem Verkauf seines IoT-Start-up Relayr reich geworden. Nun fördert er  andere Start-ups, hilft Konzernen mit einer Idee im Machine Learning auf die Sprünge und bastelt auch an eigenen Projekten. Das Fachwissen hat sich Zapp ins eigene Haus geholt: 50 Mitarbeiter tüfteln an neuen Geschäftsideen. 

Dafür setzt NBT auf eine klar definierte Nische. Es geht stets um Anwendungsfälle in der vernetzten Industrie – und dabei um die direkte Datenverarbeitung auf Chips nahe an der Produktion. KI kommt da als wichtiges Werkzeug ins Spiel. „Man muss ziemlich genau wissen, was man wofür braucht. Wir denken die Lösung vom Ende her“, beschreibt Zapp die Herangehensweise. „Es gibt da manchmal eine Verklärung im Weltbild. Den Universalalgorithmus für alle Probleme gibt es nicht.“ Der Takt bei NBT ist hoch: Zehn neue Firmen pro Jahr soll das Forschungs-Fließband ausspucken.

Die ganz große Wette wagen

468 Capital bemüht sich dagegen, im Meer von KI-Start-ups besondere Perlen zu finden. Häufig guckt sich das Team dabei abseits von der KI-Hauptstadt Berlin um, erzählt Mitgründer Ludwig Ensthaler. „Vieles passiert gerade im Südwesten – im Umfeld von Forschungseinrichtungen wie dem DFKI, den Technischen Universitäten sowie den Max-Planck- und Fraunhofer-Instituten.“

Stimmt der Ansatz, wagt der ambitionierte Investor auch die ganz große Wette: Mit Aleph Alpha aus Heidelberg ist ein Start-up im Portfolio, das eine europäische Universal-KI erschaffen will. Die soll – ohne dafür explizit trainiert zu werden – ganz unterschiedliche Probleme lösen können, verspricht das vom Ex-Apple-Manager Jonas Andrulis gegründete Unternehmen. Bereits bei der ersten Finanzierungsrunde kamen jüngst 5,3 Millionen Euro zusammen. Beteiligt daran waren neben 468 Capital auch die deutschen Wagniskapitalfonds Lea Partners und Cavalry Ventures.

Das interessiert WiWo-Leser heute besonders


 Was heute wichtig ist, lesen Sie hier


Die großen Umsätze sind hier noch weit in der Zukunft. Und mit OpenAI gibt es für Aleph Alpha in den USA bereits einen gut finanzierten Wettbewerber. Das deutsche Start-up wird deswegen sehr schnell sehr viel Kapital brauchen, um Schritt halten zu können. „Das Geld zusammenzubekommen wird zweifelsohne eine große Herausforderung“, räumt Investor Ensthaler ein. „Aber ich bin überzeugt davon, dass das Ökosystem in Europa bereit ist, einen KI-Riesen zu formen, der es mit US-Anbietern aufnehmen kann.“

© Handelsblatt GmbH – Alle Rechte vorbehalten. Nutzungsrechte erwerben?
Zur Startseite
-0%1%2%3%4%5%6%7%8%9%10%11%12%13%14%15%16%17%18%19%20%21%22%23%24%25%26%27%28%29%30%31%32%33%34%35%36%37%38%39%40%41%42%43%44%45%46%47%48%49%50%51%52%53%54%55%56%57%58%59%60%61%62%63%64%65%66%67%68%69%70%71%72%73%74%75%76%77%78%79%80%81%82%83%84%85%86%87%88%89%90%91%92%93%94%95%96%97%98%99%100%