Tag: Künstliche Intelligenz

KI bietet unglaubliche Vorteile, doch ohne angemessene Vorsicht kann sie auch ernsthafte Gefahren für die Gesellschaft darstellen. Im Gastbeitrag benennt Deep Tech-Experte Valère Rames die drei grundlegenden Prinzipien für die ethische Verwendung von KI.

Laut einer Studie des deutschen Startup-Verbands nutzen 76 Prozent der Startups regelmäßig generative Künstliche Intelligenz wie ChatGPT, beispielsweise im Marketing, in der Produktentwicklung und IT. Zwischen 2021 und 2023 sind globale Startup-Finanzierungen um 57 Prozent gesunken, während im Bereich generative Künstliche Intelligenz (GenAI) ein Anstieg um 363 Prozent auf 22,3 Mrd. Euro zu verzeichnen ist. Das zeigt uns: Künstliche Intelligenz ist ein aktuell entscheidender Wirtschaftssektor. Dabei rückt eine wichtige Frage regelmäßig in den Fokus: Wie können wir sicherstellen, dass mit dieser richtungsweisenden Technologie ethisch und verantwortungsbewusst gearbeitet wird? 

KI bietet unglaubliche Vorteile, doch ohne angemessene Vorsicht kann sie auch ernsthafte Gefahren für die Gesellschaft darstellen – von Arbeitsplatzverlusten über Verletzungen der Privatsphäre bis hin zur möglichen Diskriminierung aufgrund von Hautfarbe oder Geschlecht.

In einer von IBM durchgeführten Studie wurde festgestellt, dass generative KI andere Eintrittsbarrieren aufweist als herkömmliche KI-Modelle: Datenschutzbedenken (57 Prozent) und Vertrauen sowie Transparenz (43 Prozent) sind die Hauptbedenken bei generativer KI, so die IT-Experten in den befragten Organisationen. Dennoch ist es wichtig anzuerkennen, dass bereits Lösungen existieren, um ethische KI zu fördern. Hier seien die drei grundlegenden Prinzipien für die ethische Verwendung von KI benannt:

Transparenz als wichtigste Leitlinie

Transparenz ist bei der Arbeit mit KI von grundlegender Bedeutung. Wie kommen KI-Systeme zu ihren Ergebnissen und Entscheidungen? Nutzern fehlt häufig der Einblick hinter die Kulissen der KI-Systeme – stattdessen schwebt KI meist in einer geheimnisvollen Wolke. Es entsteht eine Kluft zwischen der Öffentlichkeit und den Entwicklern der KI.  Deshalb sollten Algorithmen von KI-Systemen möglichst verständlich und erklärbar sein. Indem wir die Entscheidungsprozesse der Algorithmen transparent gestalten, können wir das Vertrauen der Öffentlichkeit stärken. Mit einem verbesserten Verständnis können Nutzer gleichzeitig verantwortungsvoller mit der Technologie umgehen.

Ein Beispiel: Ein Startup in der Versicherungsbranche möchte mit Künstlicher Intelligenz arbeiten, um seine Prozesse zu vereinfachen. Besonders in dieser Branche sind Versicherungsnehmer darauf angewiesen, dass auf ihre persönliche Situation eingegangen wird. Von einer KI-geleiteten, automatisierten Evaluierung können sie sich deshalb häufig abschrecken lassen. Unternehmen können dem entgegenwirken, indem sie durch eine gute Kundenbetreuung und einer transparenten Darstellung ihrer Prozesse dafür sorgen, dass die Scheu gegenüber ihren KI-geleiteten Evaluierungsprozessen abgelegt wird. 

Vielfalt und Inklusion als Basis der KI-Konzeption

Bereits bei Beginn der Entwicklung von KI-Systemen sollten Vielfalt und Inklusion mitgedacht werden. Wenn Algorithmen mit nicht ausreichenden Daten trainiert werden, können kulturelle und soziale Vorurteile verstärkt werden, was zu diskriminierenden Ergebnissen führen kann. An dieser Stelle gilt es, aktiv dagegen zu steuern: Durch die Förderung von Vielfalt in Entwicklungsteams und die Anwendung inklusiver Praktiken während des gesamten Prozesses können wir ausgewogenere Systeme entwickeln.

Beispielsweise sollten wir uns fragen, welche Datensätze von Anbietern von Large Language Models (LLM) verwendet werden und welche spezifischen Vorurteile sie aufweisen (OpenAI vs. Mistral). Indem wir mit Trainingsdaten arbeiten, die eine höhere Vielfalt menschlicher Perspektiven und Erfahrungen angemessen repräsentieren, können wir Verzerrungen und Vorurteile in den generierten KI-Ergebnissen reduzieren. Nur mit dieser Herangehensweise können wir sicherstellen, dass KI-Technologien die Vielfalt der Gesellschaften widerspiegeln und respektieren.

Immer wachsam: Seid euch der Schwachstellen der KI bewusst

Letztendlich sind Bildung und Sensibilisierung entscheidend, um langfristig verantwortungsvoll mit Künstlicher Intelligenz umzugehen und zu arbeiten. Nutzer müssen über die ethischen Implikationen dieser Technologie informiert werden und lernen, wie sie verantwortungsbewusst gesteuert werden kann. Ebenso sollten KI-Experten in ethischen Fragen geschult sein und über die erforderlichen Fähigkeiten verfügen, Systeme zu entwerfen und umzusetzen, die moralische und soziale Fragen und Bedenken berücksichtigen. 

In der Praxis rüsten sich immer mehr Softwareunternehmen, die mit KI arbeiten, mit Ethikkomitees aus, die sicherstellen sollen, dass zukünftige Entwicklungen den strengen ethischen Standards entsprechen. Diese Initiativen sind entscheidend: Insbesondere in sensiblen Branchen wie der Cybersicherheit sollte sichergestellt werden, dass jeder technologische Fortschritt von grundlegenden ethischen Werten und nicht nur von kommerziellen Zielen oder technischen Überlegungen geleitet wird.

Über den Autor


Valère Rames, Deep Tech- und Algorithmus-Experte ist Partner bei der deutsch-französischen Venture Capital-Gesellschaft Hi Inov und unterstützt seine Portfolio-Unternehmen bei ihrer internationalen Expansion, rechtlichen Angelegenheiten, HR sowie Entwicklung. Valère hat ein Ingenieursdiplom in Informationstechnologie und einen Master in Corporate Finance. 

Startup-Jobs: Auf der Suche nach einer neuen Herausforderung? In der unserer Jobbörse findet Ihr Stellenanzeigen von Startups und Unternehmen.

Foto (oben): Shutterstock

Ping. Ping. Ping. Jeden Tag landen hunderte Pitchdecks von KI-Startups in den Postfächern von Venture Capitalists. Wie hoch ist da die Wahrscheinlichkeit, mit der eigenen Präsentation durchzukommen? Geschweige denn letztendlich ein Investment zu erhalten? Gering. Aber es ist nicht unmöglich. Folgende Aspekte sind meiner Erfahrung nach ausschlaggebend für die VC-Readiness von KI-Startups:

“AI-based”, aber bitte authentisch!

In einer Welt, in der der Begriff KI oft überstrapaziert wird, ist es für Startups essentiell, überzeugend darzulegen, wie ihre Lösung tatsächlich fortschrittliche KI-Modelle nutzt oder selbst entwickelt. Das bloße Label “KI-basiert” reicht nicht aus und es wird schnell durchschaut, wenn dahinter nur die Nutzung von ChatGPT fürs Schreiben von E-Mails steckt. Investor:innen suchen nach Unternehmen, die KI auf innovative Weise einsetzen, um echte Probleme zu lösen und einen klaren Wettbewerbsvorteil zu schaffen. “Novel AI” ist hier das Schlagwort der Stunde und meint, dass KI-Modelle neuartig eingesetzt oder gar entwickelt werden – und man als Startup nicht allein auf vorhandene LLMs aufsetzt. Eine transparente Darstellung der eigenen KI-Kompetenzen und -Anwendungen macht hier zusätzlich den Unterschied.

Keine Binse, sondern Fakt: Das Team entscheidet

Wo wir bei “Kompetenzen” sind: Die Zusammensetzung und Dynamik des Gründungsteams ist gerade bei KI-Startups von hoher Bedeutung. VCs investieren in Menschen so sehr wie in Ideen. Ein diversifiziertes Team mit ergänzenden Fähigkeiten, klarer Vision und der Fähigkeit zur Zusammenarbeit unterstreicht das Potenzial des Startups, Herausforderungen zu meistern und zu wachsen. Gerade im KI-Bereich ist etwa die Nähe zu Wissenschaft und Forschung bedeutsam, um die rasanten Entwicklungen mitzugehen oder gar mitzugestalten. Viele erfolgreiche Gründungsteams vereinen “Domain Expertise”, “AI Expertise” und “Business Expertise”, um mit der Technologie echte Probleme zu lösen und ein nachhaltiges Geschäftsmodell zu etablieren. Anders gesagt: Ein starkes, engagiertes Team, das sowohl technische bzw. technologische als auch branchenspezifische und geschäftliche Expertise vereint, hat bessere Chancen auf VC-Investitionen.

Die Gretchenfrage: Feature oder Produkt?

Natürlich wollen Gründer:innen ihr Unternehmen irgendwann an der Börse oder ihr Gesicht auf dem Times Magazine sehen – gesunder Größenwahn ist absolut erlaubt. Aber: VCs suchen nach Startups, die nicht nur eine innovative Lösung bieten, sondern auch das Potenzial haben, skalierbare und nachhaltige Geschäftsmodelle zu entwickeln. Ein häufiges Dilemma für KI-Startups ist die Frage, ob sie lediglich ein Feature oder ein tatsächlich eigenständiges Produkt anbieten. Features, die in bestehende Plattformen oder Ökosysteme größerer Unternehmen integriert werden können, sind zwar attraktiv, aber oft begrenzt in ihrem Wachstumspotenzial. Ein eigenständiges Produkt hingegen, das ein klar definiertes Problem löst und einen signifikanten Markt adressiert, ist für VCs weitaus interessanter, da es die Möglichkeit bietet, eine dominante Position in einem neuen oder bestehenden Markt zu erobern. 

Durch die Brille der Kund:innen schauen – und handeln

Entsprechend wichtig ist das Verständnis der Marktnachfrage und die Einbeziehung von Kundenfeedback in die Produktentwicklung. KI-Startups, die zeigen können, dass sie nicht nur eine innovative Lösung entwickelt haben, sondern auch eine echte Marktnachfrage bedienen, stehen bei VCs hoch im Kurs. Regelmäßiges Feedback von Frühnutzenden und die agile Anpassung des Produkts an die Bedürfnisse des Marktes sind entscheidende Indikatoren für die Fähigkeit des Startups, zu lernen und zu iterieren. “Lösung sucht Problem” ist allemal die Falle, in die kein Startup tappen sollte. 

Ökosysteme nutzen, Netzwerke schmieden

Ist die Frage: Woher bekommt man möglichst hochwertiges Feedback? Und Kontakte zu relevanten Testkund:innen? Ein oft unterschätzter, aber entscheidender Faktor für KI-Startups auf dem Weg, VC-ready zu werden, ist der Vorteil, der aus direkten Kontaktempfehlungen durch etablierte Ökosysteme und Netzwerke resultiert. Der Zugang zu einem robusten Netzwerk, das Industrieexpert:innen, Mentor:innen und bereits erfolgreiche Gründer:innen umfasst, kann die Türen zu Venture-Capital-Geber:innen wesentlich leichter öffnen. Solche Empfehlungen wirken als Vertrauensbeweis und können die Glaubwürdigkeit des Startups signifikant steigern. Die aktive Teilnahme an Branchenveranstaltungen, Inkubator- und Accelerator-Programmen sowie der Aufbau von Beziehungen zu Schlüsselpersonen in der KI-Szene sind essentiell, um von diesem Netzwerkeffekt zu profitieren. Direkte Empfehlungen können nicht nur die Sichtbarkeit erhöhen, sondern auch die Chance auf eine erfolgreiche VC-Finanzierung deutlich verbessern, indem sie die Einzigartigkeit des Startups hervorheben und direkt an diejenigen kommunizieren, die über die Mittel und das Interesse verfügen, in die nächste Generation von KI-Innovationen zu investieren.

Für KI-Startups, die VC-ready werden wollen, geht es darum, überzeugend darzulegen, dass ihre Lösung nicht nur innovativ, sondern auch marktrelevant, skalierbar und von einem kompetenten, wissenschaftsnahen Team unterstützt wird. Die Kombination aus technologischer Innovation, Marktnachfrage, authentischer Anwendung von KI und einem starken Team bildet die Grundlage für den Erfolg in der dynamischen Welt der Venture-Capital-Finanzierung. Wer die genannten Aspekte beherzigt, kann den Hype um KI nachhaltig zum Vorteil nutzen und sich als attraktive Investitionsmöglichkeiten für VCs positionieren.

Über die Autorin


Laura Möller ist erfahrene VC-Investorin und Direktorin des Künstliche Intelligenz Entrepreneurship Zentrum K.I.E.Z.

Startup-Jobs: Auf der Suche nach einer neuen Herausforderung? In der unserer Jobbörse findet Ihr Stellenanzeigen von Startups und Unternehmen.

Foto (oben): Bing Image Creator – DALL·E 3 / Shutterstock