ARTIFICIAL INTELLIGENCE

Mehr Forscher als Gründer in Deutschland
Ob Tech-Branche oder klassische Industrie: Künstliche Intelligenz ist das neue Lieblingsthema. Doch wie verdient man damit Geld? Wie Unternehmen in Deutschland an der KI-Zukunft arbeiten.
TEXT: INGO STEINHAUS

Künstliche Intelligenz (KI) scheint derzeit das Universalschlagwort „Digitale Transformation“ abzulösen. Zum Beispiel das Google-Tochterunternehmen Deep Mind: Das Unternehmen verkündet regelmäßig Durchbrüche. Mal hat eine KI den Weltmeister im Strategiespiel „Go“ geschlagen, mal rekonstruiert sie Gesichter aus grobkörnigem Pixelbrei. Die Google-KI gehört im Moment zu den besten Anwendungen ihrer Art. Doch die Konkurrenz schläft nicht. Facebook nutzt seit kur-zem ein KI-Verfahren, das Fotos beschreiben kann. Digitalassis-tenten wie Amazon Alexa oder Microsoft Cortana erkennen gesprochene Sprache und beantworten Fragen. 

"Die meisten Neugründungen stammen nicht zuletzt aufgrund der speziellen KI-Historie in Deutschland von Entwicklern und nicht von Betriebswirten." 

Nicht nur die Riesen aus den USA interessieren sich für das Thema. Auch in Deutschland sind zahlreiche Unternehmen in diesem Bereich aktiv. Bosch hat drei Forschungs- und Entwicklungsstandorte für KI aufgebaut, die in den nächsten fünf Jahren mit 300 Millionen Euro finanziert werden. Siemens investiert im selben Zeitraum 1 Milliarde Euro in die Konzerntochter Next 47, die mit Start-up-Methoden unter anderem KI-Innovationen ausbrüten soll. Und SAP hat Anfang Februar KI-gestützte Analytics-Funktionen für sein Cloud-Produkt angekündigt. Das soll aber erst der Anfang sein, SAP möchte bald Marktführer für KI-Software werden.

Doch nicht nur die Großen investieren in die Künstliche Intelligenz. Rund 80 bis 90 Start-ups befassen sich mit dem Thema. Europaweit gibt es etwa 700 KIStart- ups, in den USA ein paar mehr, und viele weitere gibt es in Indien, China und anderen Ländern. Genaue Zahlen sind schwer zu ermitteln, denn fast täglich wird irgendwo auf der Welt ein KI-Start-up gegründet.

ZU WENIGE INDUSTRIE-START-UPS

Möglich gemacht hat den KIBoom auch der Grafikkartenhersteller NVIDIA. Seine Grafikprozessoren können hintereinander geschaltet relativ kostengünstig KI-Arbeit verrichten. „Durch diese Standardkonfiguration sind die Kosten für ein KI-Start-up überschaubar. Mit einer sechsstelligen Summe können die Unternehmen schon unglaublich viel erreichen“, sagt Fabian Westerheide, CEO von Asgard, einem auf KI-Investments spezialisierten Risikokapitalfonds. „Das bringt viele KI-Experten auf die Idee, ein Unternehmen zu gründen.“ So ist inzwischen eine vielfältige Szene entstanden, die sich aber durch ein paar Eigenheiten auszeichnet, wie Westerheide in seiner Marktübersicht „The German AI Landscape“ deutlich macht.

Die meisten Neugründungen stammen nicht zuletzt aufgrund der speziellen KI-Historie in Deutschland (siehe Kasten Seite 22: KI-Forschung made in Germany) von Entwicklern und nicht von Betriebswirten. Das liegt auch in der KI-Natur: „Softwareentwickler haben ein besseres Verständnis der Technologie von Machine- Learning und Computer-Vision“, sagt Westerheide.

KI-FORSCHUNG MADE IN GERMANY

Auch wenn andere derzeit für die größeren Schlagzeilen sorgen: Deutschland gehört in der KI-Forschung zur Spitzengruppe. Vor allem das DFKI (Deutsches Forschungszentrum für Künstliche Intelligenz) ist weltweit führend. An drei Standorten in Kaiserslautern, Saarbrücken und Bremen werden alle möglichen KI-Technologien erforscht und entwickelt: Roboter, Industrie-4.0-Systeme, KI-Übersetzer, Spracherkennung und vieles mehr. Immerhin ist das DFKI attraktiv genug, um Google als Gesellschafter zu haben. Der Grund für den Vorsprung durch Forschung hängt mit dem „KI-Winter“ zusammen, der in den neunziger Jahren begann. Damals sollten regel- und wissensbasierte Expertensysteme beispielsweise in den Gesundheitsmarkt eindringen und eine KI-Diagnostik etablieren. Bekanntermaßen wurde daraus nichts, die Unternehmen scheiterten. Ungefähr zeitgleich begann der Boom der KI-Forschungsstellen und -Lehrstühle an den Universitäten – Überwinterung in Academia war angesagt. Das hat für enorme Fortschritte gesorgt, von den in Deutschland ausgebildeten Wissenschaftlern zehren Anbieter wie Amazon oder Google heute noch. Auch als KI nicht mehr „en vogue“ war, blieb das DFKI am Ball. Über einen langen Zeitraum brachte es das Projekt „Verbmobil“ zum Erfolg. Dabei ging es um die Echtzeiterkennung und -übersetzung von gesprochener Sprache in bestimmten Domänen wie Terminplanung oder Hotelreservierung. Daraus entwickelten sich dann schließlich weitere Projekte, etwa zur Sprachsteuerung in Autos.

Anfang dieses Jahrzehnts war die Kaltzeit vorbei. Das hat zwei Gründe: Erstens gibt es heute extrem leistungsfähige Hardware, die neuronale Netzwerke zu überschaubaren Kosten praktikabel macht. Diese galten zwar seit langem als vielversprechend, scheiterten aber an der kargen Hardware früherer Zeiten. Zweitens gibt es endlich ausreichend Daten, um die Netze mit Lehrmaterial zu füttern. Denn das zurzeit erfolgreichste KI-Verfahren setzt auf Maschinenlernen mit enorm vielen Daten, das sogenannte Deep Learning. So gibt es erst seit wenigen Jahren ausreichend frei verfügbare und beweisbar korrekte Übersetzungspaare als Trainingsmaterial in Dateiform: gemeinfreie Bücher und EU-Dokumentkonvolute in mehreren Sprachen. Ähnliches gilt auch für die Bilderkennung, hier haben Google und Facebook durch den Fundus auf ihren Servern die Nase vorn.

Eine weitere Besonderheit: Sehr viele Neugründungen kümmern sich um Support, Vertrieb, Marketing und Kommunikation. Nach Einschätzung von Westerheide gibt es dagegen viel zu wenige Gründer in den Bereichen Automobil, Industrie, Logistik, Sicherheit und Maschinenbau. „Leider fehlen vielen die Einblicke in die Wertschöpfungsketten dieser Industrien“, sagt der Berliner VC. „Daher entwickeln sie zu selten passende KI-Lösungen, obwohl der Bedarf besteht.“

Außerdem gibt es sehr viele Start-ups, die Deep Learning für Bilderkennung einsetzen. Denn es ist das älteste KI-Thema mit den meisten verfügbaren Daten sowie erprobten Frameworks und Modellen. Doch nur ausgesuchte Industrien haben hier den größten KI-Bedarf.

"Im Moment gibt es noch nicht viele nachhaltige Geschäftsmodelle, die eine echte Wertschöpfung bringen."

Und es gibt noch mehr Hürden. Neben der relativen Unterfinanzierung von Unternehmen, die der Frühphase entwachsen, ist ein weiteres Problem die Gewinnung und Bindung von Fachkräften. Traditionshäusern wie Siemens oder Bosch fällt es nicht leicht, KI-Experten aus der Forschung und den Universitäten anzuziehen, weil diese lieber ein eigenes Start-up gründen. Die deutschen Start-ups wiederum haben Schwierigkeiten, gute Leute zu binden, weil das Silicon Valley mit deutlich höheren Gehältern lockt.

GESCHÄFTSMODELLE GESUCHT

So gibt es im Moment noch nicht viele nachhaltige Geschäftsmodelle, die eine echte Wertschöpfung bringen. Die gesamte KI-Branche ist noch in einem sehr frühen Stadium. Schlagzeilen machen bislang vor allem B2C-Anwendungen. Digitale Assistenten aller Art wie beispielsweise Amazon Alexa sind in Deutschland in der Einführungsphase, scheinen aber international recht erfolgreich zu sein. Wie sich dieser Anwendungsbereich weiterentwickelt, hängt in erster Linie von den smarten Services („Skills“ im Amazon-Sprech) ab, die zusätzlich auf dem Gerät angeboten werden – von der Heizungssteuerung über die Taxiorder bis hin zur Lebensmittelbestellung. Zahlreiche andere B2C-Geschäftsmodelle wie der Google Translator sind pro bono oder erweitern vorhandene Produkte wie die Bildbeschreibungs- KIs.

Im B2B-Sektor wird KI im Moment nur in ausgesuchten Bereichen produktiv eingesetzt – etwa für die Betrugserkennung bei Versicherungen und im E-Commerce oder für vorausschauende Wartung in der Industrie. Doch der Phantasie sind wenige Grenzen gesetzt. Die kommenden erfolgreichen Geschäftsmodelle dürften Chatbots im Produktsupport sein und flexible Industrieroboter, die mit Menschen im Team zusammenarbeiten. Auch alle Arten von Datenanalysen können durch KI-Verfahren verbessert werden, etwa durch die automatische Auswertung von Geschäftsdokumenten. Zudem können inzwischen einige Prozesse mit KI automatisiert werden, etwa die Bearbeitung von Schadensmeldungen bei Versicherungen. Kurz vor dem Durchbruch steht die KI in der Medizin, wo sie deutlich präzisere Diagnosen auf der Basis von bildgebenden Verfahren erlaubt.