in Künstliche Intelligenz, Venture Capital

Herausforderungen und Möglichkeiten bei Beteiligungen an jungen Künstliche-Intelligenz-Firmen

Zusammenfassung:

  • Künstliche-Intelligenz-Firmen sind komplizierter zu verstehen, zu bewerten und zu analysieren.
  • Es gibt viel Hype und wenig Substanz bei vielen Firmen.
  • Finanzierungen für KI-Firmen sind schwieriger und haben längere Seed-Phasen.
  • Das Marktpotenzial und die Anzahl der Kunden sind enorm.
  • Teams haben einen hohen Bildungsstandard und Forschungshintergrund.
  • Wenn die KI einmal funktioniert, ist es praktisch unmöglich, diese noch zu verdrängen.

Als Privatinvestor, mit Point Nine Capital, Team Europe und seit 2014 mit Asgard – human Venture Capital for Artificial Intelligence war ich an rund 50 jungen Firmen beteiligt. Die meisten kamen aus dem Bereich E-Commerce, Leadgeneration, Marktplätze, Internet der Dinge, Software as a Service (SaaS) und inzwischen Künstliche Intelligenz. Ich möchte mit diesem Artikel meine Erfahrungen teilen, was Beteiligungen an Künstliche-Intelligenz-Firmen von den üblichen Frühphasen-Investments unterscheidet.

Deal Flow – vieles ist keine Künstliche Intelligenz

Dealflow ist einer der wichtigsten Treiber einer erfolgreichen Venture-Capital-Firma. Deals bekommt man durch das eigene Netzwerk, von Gründern, Acceleratoren, Company Buildern, Beratungen und von anderen Investoren. Dazu kommt die aktive Suche nach vielversprechenden Beteiligungen in den Nachrichten, Konferenzen, Datenbanken und durch Empfehlungen.

80 % der Start-ups, welche behaupten, sie seien eine KI-Firma (Künstliche Intelligenz), sind es nicht. Zwar wenden immer mehr Firmen Maschinelles Lernen (Machine Learning) an, doch das macht noch keine KI-Firma aus.

Für mich fängt Künstliche Intelligenz an, wenn ein System, basierend auf Analysen und Prognosen, auch eigene Entscheidungen treffen kann. Dafür braucht das System ein Weltmodell, um die Komplexität seiner Umgebung zu erfassen. Zusätzlich benötigt ein KI-System eine Motivation und Zielfunktion, für stetige Selbstverbesserung.

Daher sind die üblichen Technologien wie Natural Language Processing (NLP), Deep Learning (CNNs, RNNs oder GANs) und Experten-Systeme nur die Bausteine. Erst in der richtigen Kombination mit einem Lernmodell entsteht eine Künstliche Intelligenz.

Dies ist eine Schwierigkeit beim Dealflow. Während gerade junge Gründer mit einem Wirtschaftsabschluss ihre Pitch Decks gerne mit einer Vielzahl an gehypten Worten versehen, bekommen die wissenschaftlich geprägten Teams weniger Aufmerksamkeit. Insbesondere Ausgründungen von renommierten Institutionen haben oftmals unzureichend Netzwerk und Erfahrung für eine überzeugende Ansprache von Kapitalgebern.

Dies sorgt dafür, dass viele Kapitalgeber Dealflow haben, welche Künstliche Intelligenz verspricht, doch die Erwartungen selten erfüllt werden und dies wiederum zur Resignation der Kapitalgeber führt.

Teams – gesucht wird der unternehmerische Wissenschaftler

Jede Technologie braucht eine andere Zusammensetzung von Teams. Für E-Commerce, Leadgeneration und Marktplätze reichen oftmals Betriebswirte oder ehemalige Berater aus. Hier geht es um Execution und weniger um das Produkt.

Für IoT-Projekte (Internet der Dinge) braucht es einen Hardwareingenieur und einen industriellen Designer im Kernteam.

SaaS-Firmen werden oft von Frontend- und Backendentwicklern gegründet.

Künstliche Intelligenz wiederum hat eine hohe Forschungskomponente. Wir sprechen hier von komplexen Modellen, die besondere Fähigkeiten benötigen. Daher sehe ich viele Gründer, welche einen Hintergrund in Mathematik, Physik, Informatik mit Fokus auf KI, Robotik und Kognitionswissenschaften haben.

Dazu kommt, dass KI-Gründer oftmals bereits länger im Markt sind. Sie zeichnen sich aus durch eine hohe Leidenschaft für die Probleme, welche sie mit Technologie lösen wollen. Sie sind weniger von Geld- und Opportunität getrieben.

Dies sind wichtige Eigenschaften, denn der Markt für Künstliche Intelligenz erfordert überdurchschnittlich viel Geduld. Die Märkte sind noch unterentwickelt. Kunden müssen noch ausgebildet werden.

Erfolgsfaktoren – Zugang zu Daten und Produktfokus

Wie bereits erwähnt, ist E-Commerce ein Execution Business. Heißt, man versucht schnell zu wachsen und Marktanteile zu sichern. Wenn man die Skalierbarkeit seines Modells bewiesen hat, entscheidet oftmals die Höhe der darauffolgenden Kapitalrunden.

Für Fintech und Healthtech braucht es Vertrauen, Partner für Kooperationen und Feingefühl für unzählige Regularien seitens der Behörden.

Für SaaS-Firmen ist Nutzerfreundlichkeit entscheidend. Sie lösen oftmals für B2B-Kunden Probleme und müssen dafür deren Prozesse verstehen.

Für Künstliche-Intelligenz-Firmen ist es schwer, bereits heute zu sagen, was die Faktoren sein werden, welche eine erfolgreiche KI-Firma auszeichnen. Derzeit halte ich es für wichtig, dass Forschungsergebnisse zügig in Produkte geformt werden und man rechtzeitig Kunden involviert, welche bereit sind, für das Produkt Geld zu zahlen. Ich habe bei vielen KI-Firmen beobachtet, dass diese zwar sehr vielversprechende theoretische Ansätze haben, doch ihnen oftmals das erste Kapital ausgeht, bevor es ein marktfähiges Produkt gibt.

Dazu kommt, dass es kaum Vorbilder für den erfolgreichen Aufbau von KI-Firmen gibt. Forschungsergebnisse in Software zu übertragen, ist schwieriger als bei SaaS, zudem man anfangs gar nicht weiß, ob die Theorie in der Praxis funktionieren wird. Es kann passieren, dass man wochenlang ein Lernmodell trainiert und dann erkennt, dass es einfach nicht das Richtige gelernt hat.

Zusätzlich ist der Zugang zu Daten für KI-Firmen sehr wichtig. Hier gibt es zahlreiche Herausforderungen, was die Struktur, Qualität und Verfügbarkeit von Daten angeht. Ohne Daten können die Modelle nicht trainiert werden. Wenn die Daten unstrukturiert sind, braucht es oftmals menschliche Vorarbeit. Dies kostet Geld und wertvolle Zeit.

Kennzahlen – noch kann man Künstliche Intelligenz nicht quantitativ messen

Für E-Commerce sind die Kennzahlen bekannt: Kundengewinnungskosten, Warenkorbgröße, Wert des Kunden über den Zyklus oder Konversationsrate beim Performance Marketing.

Bei SaaS-Firmen achtet man auf den monatlichen Umsatz (MRR), die Kündigungsrate (Churn) und macht eine Kohortenanalyse.

Für junge KI-Firmen gibt es noch keine Kennzahlen bei der Prüfung. Dies macht es für zahlreiche Investoren schwierig, zu messen, wie gut eine Künstliche Intelligenz nun wirklich ist.

Märkte – überall kann man Künstliche Intelligenz gebrauchen

Software frisst unsere Welt und Künstliche Intelligenz übernimmt Software. Bereits heute ist überall etwas KI drin und der Anteil steigt enorm in den kommenden Jahren. Wir haben erst 0,1 % Marktdurchdringung des Potenzials, welches Künstliche Intelligenz hat. Wir sprechen hier von Buchhaltung, Verkehrsflusskontrolle, Logistikoptimierung, Robotik, Fulfilment, sich autonom bewegenden Systemen, Assetmanagement, Gesundheit, Werbung, Vertrieb und Sicherheit. Such Dir einen Markt aus und reichere ihn mit Intelligenz an – es wird funktionieren.

Ich beobachte, dass daher viele Teams alles probieren. Sie wissen anfangs gar nicht, in welchem Markt sie mit ihrem Produkt Erfolg haben werden. Daher ist es nicht verwunderlich, wenn junge Firmen Behörden, den Mittelstand, Großkonzerne, Entwickler und Endkonsumenten parallel ansprechen. Dies ist natürlich nicht zielführend und führt dazu, dass relativ spät der sogenannte Produkt-Market-Fit erreicht wird.

Geschäftsmodelle – es gibt nicht viele Optionen

Als KI-Firma gibt es derzeit kaum Spielraum, wie man Geld verdient. Anfangs fangen fast alle KI-Firmen mit Projekten an. Gemeinsam mit den ersten Kunden entwickeln sie ihr Produkt. Dafür gibt es oftmals zwischen 30.000 € und 150.000 € von den Konzernen. Im Gegenzug werden sehr konzernspezifische Probleme gelöst, welche nicht unbedingt in ein skalierbares Produkt übertragbar sind.

Es fällt daher vielen KI-Firmen schwer, die Balance zwischen Kundenprojekten und Produktentwicklung zu halten. Oftmals verharren daher KI-Firmen in der Rolle als Technologieberater oder Entwicklungsagentur. Damit lässt sich finanziell über die Runden kommen, doch ist dies ungemein unattraktiv für Kapitalgeber.

Vertrieb und Marketing – es braucht viel Zeit

Derzeit sind die meisten zahlenden Kunden Konzerne und große Unternehmer. Oftmals haben nur diese das Budget für Experimente und die strategische Weitsicht, sich zeitnah mit Künstlicher Intelligenz zu beschäftigen. Dazu kommen Staatsaufträge von Ministerien und Behörden.

Was diese Kunden gemeinsam haben, sind die langen Vertriebszyklen. Es kann 9 bis 18 Monate dauern, bis man über alle Instanzen sein erstes Projekt genehmigt bekommen hat. Währenddessen verliert das KI-Team viel Zeit, Energie und bekommt wenig Kundenfeedback.

Zusätzlich ist es derzeit schwierig, abzusehen, welche Unternehmen sich bereits mit Künstlicher Intelligenz auseinandersetzen. Oftmals haben viele Unternehmen die Digitalisierung verschlafen, dann ist Künstliche Intelligenz auch noch nicht richtig für sie.

Umso wichtiger sind daher ein gutes Netzwerk und die Präsenz auf Fachkonferenzen für die Identifikation der passenden Ansprechpartner.

Produktentwicklung – Geduld und Timing

Die Entwicklung der Künstlichen-Intelligenz-Produktion ist sehr langsam. Man kann mit zwei Jahren rechnen, bevor es erste Umsätze gibt. Der Sprung von der Forschungsidee in ein reales Produkt ist enorm.

Manche Elemente des Produktes lassen sich Open Source verwenden, doch vieles muss intern noch entwickelt werden. Dabei muss das Team um einige Experten nach und nach erweitert werden, was die Produktentwicklung weiter verzögert und Kapital verbrennt.

Parallel muss mit Kunden gesprochen werden, um deren Probleme zu verstehen. Diese Erkenntnisse müssen in das Produkt einfließen und die Modelle dafür trainiert werden.

Gerade das Training von KI-Modellen ist zeitaufwendig und kapitalintensiv. Aus meiner Erfahrung kann man eine halbe Million Euro kalkulieren, nur für die Entwicklung und Vorbereitung eines ersten Prototyps.

Die Balance zwischen Forschung und Anwendung zu halten, ist dabei nicht einfach. Wenn man zu früh ein Produkt baut, dann kann es sein, dass dieses technologisch nicht fortschrittlich genug ist und sich gegenüber Wettbewerbern nicht durchsetzen kann. Wenn man zu lange forscht und erst spät ein Produkt entwickelt, kann es passieren, dass sich der Markt bereits wieder gedreht hat.

Ich habe Firmen gesehen, die haben an einem Wochenende eine KI gebaut. Nun, das war aus meiner Sicht keine wahre KI. Ich habe Teams getroffen, die arbeiten seit 20 Jahren an ihrer KI. Aus meiner Sicht haben diese schon lange den Markteintritt verpasst.

Wettbewerb – technologisch undurchsichtig

Manchmal gibt es keine Wettbewerber und in anderen Fällen gibt es gleich Dutzende Teams mit vergleichbaren Lösungsversprechen. Wie sollen der Kunde und auch Investoren erkennen, ob eine bestimmte KI-Lösung für den Kundensupport nun besser ist als eine andere? Kaum jemand hat die Zeit und das Wissen, sich die Modelle und den Code anzusehen. Gleichzeitig ist anfangs nicht erkennbar, wie schnell die KI lernt und wie gut die Qualität der Trainingsdaten war. Es ist ungemein schwer, die Unterschiede von KI-Firmen im gleichen Markt zu erkennen.

Finanzierung – Kapitalgeber zögern noch

Die Herausforderung, Technologien zu bewerten, ist auch ein Grund, wieso viele Kapitalgeber noch zögerlich sind. Zwar gibt es großes Interesse an KI-Firmen, doch wie erkennt man eine? Grundsätzlich sind Kapitalgeber risikoscheu und investieren nicht gerne in etwas, was sie nicht verstehen.

Ich beobachte daher, dass gerade VCs mit einem wissenschaftlichen Hintergrund sich eher an das KI-Thema herantrauen als die BWL-Kollegen.

Ebenso beobachte ich, dass die Seed-Runden für junge KI-Firmen immer länger und größer werden. Der notwendige Produkt-Market-Fit für die Series-A wird von KI-Firmen oftmals erst viel später erreicht als bei SaaS und E-Commerce.

Man kann sagen, dass KI-Firmen daher viel Aufmerksamkeit bekommen, aber wenig notwendiges Kapital. E-Commerce versteht halt jeder, aber kognitive Systeme sind schon eine komplexere Angelegenheit.

Die positive Seite ist, dass man für KI-Entwicklung mehr Forschungsgelder und Zuschüsse bekommt. Gerade innerhalb von Europa gibt es eine Vielzahl an Töpfen, welche technologieintensive Gründungen fördern.

Der Exit – Team und strategische Käufe

Der Markt für KI-Firmen ist noch zu jung, um zu wissen, wer am Ende eine KI-Firma kauft. Bisher wurden vorwiegend junge Firmen mit starken Teams übernommen, sogenannte Acquisition Hire. Jedoch sind mir nicht viele Exits bekannt, wo es bereits Umsätze innerhalb der Firma gab. Daher sind bisher die einzigen Verkaufsfälle, wenn ein Käufer einen strategischen Mehrwert sieht.

Herausforderungen aus Investorensicht

Wie bereits angesprochen: Viele Firmen bleiben hängen an Projektarbeit und schaffen es nicht, ein skalierbares Produkt zu entwickeln. Dies ist ein enormes Risiko für Frühphasen-Investoren.

Zusätzlich gibt es nicht genügend erfahrene Gründer. Das Thema „Künstliche Intelligenz“ war für ein Jahrzehnt sehr unbeliebt.

Die Folgefinanzierungen sind schwieriger. Die Seed-Phasen dauern länger.

Die Produktentwicklung dauert Jahre statt Monate. Dies erfordert Geduld – auch auf Seiten der Kapitalgeber.

Es ist technisch nicht einfach zu verstehen und braucht mehr Fachwissen von Investorenseite als in den vergangenen Wellen.

Vorteile, in Künstliche Intelligenz zu investieren

Künstliche Intelligenzen sind faszinierend, weil sie mitlernen. Je reifer, älter und trainierter eine KI ist, desto besser wird sie. Dieser Lerneffekt führt dazu, dass frühe Teams einen uneinholbaren Vorsprung erreichen können und mit jedem Tag dieser Vorsprung wächst.

Dazu kommt, dass sobald eine Künstliche Intelligenz in der Wertschöpfungskette eines Kunden integriert ist, man diese nicht mehr einfach austauschen kann. Dieser Lock-In-Effekt wird mittelfristig für einige sehr spannende Übernahmen sorgen.

Die Gründerteams von KI-Firmen haben oftmals eine sehr hohe Bildungsquote und einen sympathischen Nerd-Faktor. Es sind einfach angenehme Menschen, mit denen man arbeitet. Gerade als Investor kann man sehr gut Transferwissen und Netzwerk mitbringen und so diesen Teams enorm helfen.

Künstliche Intelligenz macht diese Welt zu einem besseren Ort. Wer in Künstliche Intelligenz investiert, der investiert auch in sich selber und die Gesellschaft.

Wie immer, schreibt mir Eure Gedanken und Anregungen.

Weitere Links sind:

English version of this article

Wie ist die deutsche Digitalindustrie entstanden? Die Geschichte des Berliner Ökosystems

Was aus den Trümmern der geplatzten Dotcom-Blase entstand, ist heute eine der größten Digitalindustrien der Welt. Deutschland ist digital und dieser Artikel beleuchtet, wie es dazu kam. Start-ups sind keine Nische mehr, die belächelt wird, sondern eine reale, nachhaltige Industrie geworden. Ich bin Zeitzeuge dieses Aufstiegs. Als Kind zockte ich, entwickelte Spiele und baute Webseiten. […]

Übersicht & Karte der Künstliche Intelligenz Industrie in Europa

Die letzten Wochen haben wir eine Menge KI-Firmen analysiert und in eine anschauliche Übersicht eingetragen. Künstliche Intelligenz ist da. Dies können wir nicht mehr leugnen, doch wie gehen Firmen und Institutionen damit um? Man kann mit Startups kooperieren, KI in Prozesse integrieren oder Firmen kaufen. Dafür ist eine Übersicht ungemein hilfreich. Zusammenfassung: Es gibt eine […]

Meine Erfahrungen mit Rise of AI – die Konferenz für Künstliche Intelligenz in Berlin

Die Planung und Umsetzung einer Konferenz ist nicht einfach. Ich behaupte, es ist wie ein Startup, das innerhalb eines Jahres erfolgreich werden muss. Man braucht ein super Team, ein Konzept, die Finanzierung, Execution, Traction, Marketing, Kunden und Umsätze. Kommt das dir bekannt vor? Daher heute mein Artikel darüber, wie ich das erste Mal eine Konferenz […]

9 Quellen um dich über Künstliche Intelligenz zu informieren und zu lernen

Ich beschäftige mich täglich mit dem Thema Künstliche Intelligenz. Entweder für Artikel, Investments, Konferenzen, Vorträge oder Film- und Bücherkonsum. Immer wieder werde ich gefragt, wie man sich am besten über Künstliche Intelligenzen informiert und tiefer einsteigen kann. Daher heute meine Sammlung an Quellen, wie ich mich auf dem Laufenden halte mit Newslettern, Veröffentlichungen, Netzwerk, Videos, […]