Digital Business & Startups

Warum viele Startups die falschen Probleme lösen – und worauf Investoren jetzt achten

Die Dynamik im KI-Markt ist ungebrochen. Neue Modelle, neue Tools, neue Versprechen – kaum ein Bereich entwickelt sich derzeit schneller. Gleichzeitig zeigt sich in der Praxis ein anderes Bild: Viele Unternehmen experimentieren zwar mit KI, schaffen es aber nicht, diese nachhaltig in ihre Abläufe zu integrieren.

Aktuelle Studien von McKinsey & Company zeigen, dass viele KI-Initiativen nicht über die Pilotphase hinauskommen oder nur begrenzten wirtschaftlichen Effekt erzielen. Ähnliche Beobachtungen macht Boston Consulting Group: Der Schritt von der Demo in den produktiven Einsatz bleibt für viele Organisationen die größte Hürde. Genau hier entsteht aktuell die entscheidende Verschiebung im Markt.

Vom Hype zur Realität: Unternehmen suchen keine Tools, sondern Lösungen

In der frühen Phase der KI stand vor allem die Frage im Mittelpunkt, was technologisch möglich ist. Heute hat sich der Fokus verschoben: Unternehmen fragen deutlich konkreter, was im Alltag tatsächlich funktioniert. In der Praxis zeigt sich immer häufiger:

Ein leistungsfähiges Modell ersetzt keinen funktionierenden Prozess
Eine gute Demo ist kein Beweis für Skalierbarkeit
Technische Leistungsfähigkeit allein schafft keinen wirtschaftlichen Nutzen

Das verändert auch die Anforderungen an Startups fundamental.

Warum viele KI-Ansätze in der Umsetzung scheitern

Ein zentraler Grund für das Scheitern vieler Projekte liegt weniger in der Technologie selbst, sondern in der Komplexität der Umgebung, in der sie eingesetzt wird.

Unternehmen arbeiten mit:

historisch gewachsenen IT-Strukturen
proprietären und häufig fragmentierten Datenquellen
regulatorischen Anforderungen
individuellen, oft schwer standardisierbaren Prozessen

Vor diesem Hintergrund ist die Vorstellung von „Plug & Play KI“ in vielen Fällen nicht realistisch. Gartner geht davon aus, dass ein erheblicher Teil von KI-Projekten nicht über die Pilotphase hinauskommt oder an fehlender Operationalisierung, unklaren Verantwortlichkeiten und mangelnder Datenqualität scheitert. Für Startups bedeutet das: Technologie allein reicht nicht – entscheidend ist die Fähigkeit zur Integration.

Der unterschätzte Engpass: Zugriff auf relevantes Wissen

Ein wiederkehrendes Problem in der Praxis ist der fehlende Zugang zu kontextrelevanten Informationen. Viele KI-Anwendungen – insbesondere im Bereich generativer KI – liefern nur dann verlässliche Ergebnisse, wenn sie auf aktuelle, unternehmensspezifische Daten zugreifen können. Genau hier setzen neue Infrastrukturansätze an.

Technologien rund um semantische Suche und Retrieval-Systeme – etwa von Anbietern wie Qdrant – ermöglichen es, große Datenmengen kontextuell nutzbar zu machen und in Echtzeit in Anwendungen einzubinden.

Was zunächst wie ein technisches Detail wirkt, ist in der Praxis ein zentraler Erfolgsfaktor: Ohne strukturierten Datenzugriff bleibt KI oft unzuverlässig – und damit schwer produktiv einsetzbar.

Warum Kontrolle und Governance zum Wettbewerbsfaktor werden

Parallel steigt die Bedeutung von Steuerbarkeit. Je breiter KI im Unternehmen eingesetzt wird, desto relevanter werden Fragen wie:

Wer greift auf welche Daten zu?
Welche Systeme werden genutzt?
Wie lassen sich Ergebnisse nachvollziehen und kontrollieren?

Viele Organisationen stehen hier noch am Anfang. Entsprechend häufig entsteht eine fragmentierte Nutzung von KI-Tools – mit Risiken für Sicherheit, Compliance und Effizienz. Eine neue Generation von Plattformanbietern adressiert genau dieses Problem. Startups wie Neuland AI entwickeln KI-Unternehmensplattformen, die verschiedene KI-Anwendungen bündeln, Datenquellen integrieren und eine kontrollierte Nutzung ermöglichen. Diese Plattformen haben den Vorteil, dass sie:

Eine sichere und GDPR-konforme Umgebung für KI-Anwendungen im Unternehmen bieten,
„Guerilla-KI“, bei der jeder Mitarbeiter unkontrolliert auf verfügbare KI-Modelle zugreift vermeiden,
Unternehmenswissen der KI strukturiert zugänglich machen und
Viele verschiedene Use Cases auf einer gemeinsamen Plattform abbilden und vernetzen können.

Aus Investorensicht ist dieser Layer besonders relevant, weil er darüber entscheidet, ob KI isoliert eingesetzt wird oder tatsächlich skaliert.

Der eigentliche Wert entsteht in der Anwendung

Trotz aller technologischen Fortschritte bleibt eine Erkenntnis zentral: Der wirtschaftliche Wert von KI entsteht nicht durch das Modell selbst, sondern durch den Einsatz im konkreten Kontext.

Die erfolgreichsten Anwendungen zeichnen sich dadurch aus, dass sie:

bestehende Prozesse messbar verbessern
operative Entscheidungen unterstützen
reale Effizienzgewinne schaffen

Genau deshalb gewinnt Applied AI weiter an Bedeutung – also Lösungen, die klar definierte Probleme adressieren und in bestehende Abläufe integriert sind.

Was Investoren heute anders bewerten

Vor diesem Hintergrund hat sich auch die Perspektive von Investoren verändert. Neben technologischer Qualität rücken zunehmend andere Kriterien in den Fokus:

Integrationsfähigkeit in bestehende Systeme
Umgang mit unternehmensinternen Daten
Stabilität im operativen Einsatz
klare wirtschaftliche Effekte

Diese Faktoren sind häufig entscheidender als reine Modellperformance. Oder anders formuliert: Nicht die beste Technologie gewinnt – sondern die, die im Alltag funktioniert.

Fazit: Der Markt wird anspruchsvoller – und selektiver

Die aktuelle Phase der KI ist weniger von Möglichkeiten geprägt als von Umsetzung. Unternehmen erwarten zunehmend belastbare Lösungen statt Experimente. Investoren achten stärker auf reale Nutzung statt auf technologische Versprechen. Für Startups bedeutet das: Erfolg entsteht nicht allein durch Innovation, sondern durch die Fähigkeit, diese Innovation in funktionierende Systeme zu übersetzen. Die zentrale Frage hat sich damit verschoben: Nicht mehr was KI kann entscheidet, sondern was davon im Unternehmen tatsächlich funktioniert.

Über den Autor
Dr. Hauke Hansen ist Unternehmer, Investor und Experte für Künstliche Intelligenz (KI) mit über 20 Jahren internationaler Erfahrung an der Schnittstelle von Technologie, Kapital und Skalierung. Er ist Mitgründer von Raisults, einer auf KI- Strategie und -Implementierung spezialisierten Beratung, sowie des AI.FUND, einem auf KI fokussierten Risikokapitalfonds für Frühphasenunternehmen.

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

Foto (oben): KI

Source link

Verwandte Themen:achten Die falschen Investoren jetzt lösen Probleme startups und Viele Warum worauf

Up Next

Airbnb-Gründer erklärt das Ende klassischer Führungskräfte

Nicht verpassen

186.000 Firmen vor dem Wissens-Crash: Deutschlands Krise beginnt im Chefbüro

Digital Business & Startups

Mit diesem skurrilen Sneaker-Test erkennt ein Investor die besten Gründer

Instacart-Gründer verrät, warum schmutzige Sneaker für ihn ein überraschendes Signal für echte „Macher“-Qualitäten bei Startup-Foundern sind.

Ein kurzer Blick auf die Schuhe verrät Max Mullen fast alles, was er über einen Gründer wissen muss. Der Instacart-Mitgründer und Seed-Investor verriet am Donnerstag im Podcast „Uncapped with Jack Altman“ seinen besten Trick zur Bewertung von Gründern.

Mullen sagte, es sei schwer zu erkennen, wer in der Seed-Phase „der Wahre“ sei, und ab einem bestimmten Punkt habe er angefangen, „nach unten zu schauen“. „Wenn man sich einen Gründer ansieht und dieser schmutzige weiße Sneaker trägt“, sagte er, „dann ist er ein echter Macher.“

Schmutzige Sneaker = Hustle?

Er hat festgestellt, dass die Gründer, die weniger Wert auf ihr Äußeres legen, oft genau die sind, die im Büro schlafen und nonstop an ihren Startups arbeiten. „Sie haben keine Zeit, sich schicke Turnschuhe zu kaufen“, sagte Mullen. „Sie ziehen einfach immer dasselbe Paar Turnschuhe an, und die werden schmutzig.“

Mullen erzählte zum Beispiel, dass er in die KI-Automatisierungsplattform Gumloop investiert habe und einer der Gründer „so schmutzige Turnschuhe“ gehabt habe. „Sie fielen schon auseinander“, sagte Mullen und fügte hinzu, dass er dem Gründer neue Schuhe gekauft habe.

Neue Schuhe vom Investor

„Mein Mitgründer Rahul sieht keinen Sinn darin, neue Schuhe oder Hemden zu kaufen, also hat Max ihm ein neues Paar gekauft“, erzählte Max Brodeur-Urbas von Gumloop.

Mullen kaufte einem der Gumloop-Gründer ein neues Paar Turnschuhe, weil seine schon völlig abgetragen waren.

„Ich habe einfach festgestellt, dass die echten Macher auch so aussehen“, sagte Mullen zu Altman.

Externer Inhalt nicht verfügbar

Um eingebettete Inhalte anzuzeigen, ist deine jederzeit widerrufliche Einwilligung (über den Schalter oder über „Widerruf Tracking und Cookies“ am Seitenende) zur Verarbeitung personenbezogener Daten nötig. Dabei können Daten in Drittländer wie die USA übermittelt werden (Art. 49 Abs. 1 lit. a DSGVO). Mit dem Umschalten auf „an“ stimmst du zu. Weitere Infos findest du in unserer Datenschutzerklärung.

Source link

Digital Business & Startups

Airbnb-Gründer erklärt das Ende klassischer Führungskräfte

Airbnb-Gründer Brian Chesky sagt, dass klassische „People Manager“ im Zeitalter der KI überflüssig werden könnten.

Airbnb-CEO Brian Chesky sagt, dass sogenannte „People Manager“ im Zeitalter der Künstlichen Intelligenz überflüssig werden könnten. Er reiht sich damit in eine wachsende Gruppe von Tech-Managern ein, die vor dem Bedeutungsverlust klassischer Managementrollen warnen. Am Dienstag kündigte Coinbase an, alle sogenannten „Pure Manager“-Positionen im Unternehmen abzubauen.

Chesky reiht sich damit in eine wachsende Zahl von Tech-Führungskräften ein, die die Rolle reiner Manager für überholt halten. In einem Umfeld aus KI-Umbruch, Umstrukturierungen und Stellenabbau gerät insbesondere mittleres Management zunehmend unter Druck.

In einigen Städten können Reisende bald über Airbnb ein Hotelzimmer buchen.

„Pure Manager“ verschwinden aus Unternehmen

Airbnb hatte zuletzt während der Pandemie im Mai 2020 größere Entlassungen durchgeführt. Ein Sprecher sagte, dass derzeit keine weiteren Entlassungen geplant seien. Die Quartalszahlen sollen am Donnerstag veröffentlicht werden.

Coinbase-CEO Brian Armstrong erklärte am Dienstag, dass es künftig keine „Pure Manager“ mehr im Unternehmen geben werde. Gleichzeitig kündigte Coinbase einen Stellenabbau von 14 Prozent an. Die Organisationsstruktur werde auf maximal fünf Ebenen unter CEO/COO reduziert.

Auch andere Tech-Unternehmen setzen auf flachere Hierarchien. Block-Chef Jack Dorsey schrieb bereits im März gemeinsam mit Sequoia-Partner Roelof Botha, dass eine dauerhafte mittlere Managementebene nicht mehr notwendig sei. Meta-CEO Mark Zuckerberg verfolgt diesen Ansatz seit Jahren.

Chesky sagte, Manager müssten künftig stärker in die eigentliche Arbeit eingebunden sein, um in der KI-Ära zu bestehen.

„Man managt nicht mehr Menschen, sondern die Arbeit“, sagte Chesky. Wer etwa als Jurist arbeite, müsse sich aktiv mit Fallrecht beschäftigen und inhaltlich tief involviert sein.

Wie Coinbase-CEO Brian Armstrong es formulierte, sollten Manager im KI-Zeitalter eher zu „Player-Coaches“ werden – also Führungskräfte, die selbst operativ mitarbeiten.

Lest den Originalartikel auf Business Insider US.

Source link

Digital Business & Startups

186.000 Firmen vor dem Wissens-Crash: Deutschlands Krise beginnt im Chefbüro

186.000 Firmen stehen vor der Nachfolge – und riskieren dabei den Verlust ihres wichtigsten Wissens. Ein Gründer will das mit KI verhindern.

Deutschland steuert auf eine Nachfolgewelle zu: Bis 2030 suchen rund 186.000 Unternehmen einen neuen CEO. Für Unternehmen und den deutschen Mittelstand ist das eine Herausforderung. Denn: Wer eine Firma übernimmt, sieht in der Regel nur die expliziten Daten: CRM-Listen, Auftragsbestände und operative KPIs.

Doch das kritische interne Wissen ist oft nicht sichtbar. Warum ein Kunde bestimmte Sonderkonditionen habe, wie informelle Entscheidungswege den Arbeitsalltag prägen würden oder warum ein Prozess gut laufe – bleibe für den neuen CEO meist unsichtbar. „Das gesamte Know-how einer Firma erfasst keine KI-Suche, weil es in den Köpfen der Menschen steckt“, sagt Oliver Diekmann.

Mit seinem Startup Wingmaite setzt Diekmann genau dort an: Es entwickelt eine KI-Plattform, die implizites Unternehmenswissen – also das Know-how aus den Köpfen der Mitarbeiter – erfasst, strukturiert und für Nachfolger nutzbar macht, um Wissensverluste bei Übergaben zu verhindern.

Warum das Wissen bei der Übergabe verloren geht

Das Risiko für den Verlust wichtigen Wissens sei in den vergangenen Jahren stark gewachsen. Früher wäre die interne Nachfolge der Standard gewesen: Der Sohn oder die Tochter wuchs über Jahre in das Geschäft hinein, kannte die Kunden beim Namen und hatte die informellen Abläufe im Gedächtnis. Heute allerdings würden fast 50 Prozent der Nachfolger aus dem externen Bereich stammen.

Viele wollen sofort etwas ändern, und das ist der größte Fehler, weil sie das Unternehmen selbst noch nicht wirklich verstehen.

Oliver Diekmann

Gründer Wingmaite

Laut Diekmann würden viele Nachfolger beim Eintritt in ihre neue Rolle dann einen entscheidenden Fehler machen: Sie kommen in das Unternehmen, betrachten die Bilanz, scannen die Kennzahlen und beginnen sofort damit, die bestehenden Strukturen aufzubrechen. „Viele wollen sofort etwas ändern, und das ist der größte Fehler, weil sie das Unternehmen selbst noch nicht wirklich verstehen“, sagt er.

„Wenn ein Inhaber 40 Jahre lang das CRM quasi im Kopf und per Handy geführt hat, gibt es für den Nachfolger keinerlei Dokumentation darüber, welche Erfahrungen zu bestimmten Entscheidungen geführt haben“, so Diekmann. Dieser Wissensverlust sei für Unternehmen nicht nur ein organisatorisches Problem, sondern ein reales wirtschaftliches Risiko. Die operative Basis der Firma könne mit dem Ausscheiden des Gründers verloren gehen.

Vier Tipps für eine erfolgreiche Übergabe

Damit bei der Übergabe wichtiges Wissen nicht verloren gehe, sondern Basis für den nächsten Wachstumsschritt sei, sollten Nachfolger laut Diekmann folgende vier Punkte berücksichtigen:

Erst verstehen, dann transformieren: Ein neuer Inhaber sollte sich bewusst sechs bis neun Monate Zeit nehmen, bevor er große Transformationen oder Kurswechsel anstößt, meint Diekmann. Erst wenn die informellen Entscheidungsbäume und die kulturellen Feinheiten der Belegschaft verinnerlicht worden sein, ließe sich Dinge sinnvoll und respektvoll verändern, ohne das Vertrauen der Mitarbeiter zu beschädigen.
Implizites Wissen systematisch sichern: Prozesse in gewachsenen Unternehmen funktionieren oft nach dem ungeschriebenen Gesetz: „Das haben wir schon immer so gemacht.“ Wer dieses Wissen nicht aktiv abfrage, laufe blind in Probleme, sagt Diekmann. Hier helfe es, Mitarbeitende einfach „laut denken“ zu lassen, um die Logik hinter täglichen Entscheidungen zu protokollieren, statt nur die Ergebnisse zu dokumentieren.
Wissenstransfer als Prozess, nicht als Event: Auch wenn der Gründer per Beratervertrag noch für ein Jahr an Bord bleibe, reiche die bloße Anwesenheit oft nicht aus, um tiefes Kontextwissen zu übertragen. Ein sauberer Übergabeprozess müsse über Monate geplant werden – unterstützt durch Werkzeuge, die über klassische Wissensdatenbanken hinausgehen und das implizite Wissen greifbar machen.
Fokus über den CEO hinaus: Das wertvolle Wissen liege niemals allein beim Gründer, sondern verteile sich über alle Schlüsselrollen. Wer bei der Übergabe nur den Chef befrage, verliere essenzielle Informationen aus dem Vertrieb, dem Einkauf oder der Produktion, die für die langfristige Kundenbindung entscheidend sind, meint Diekmann.

Technologie als Brücke zwischen den Generationen

Tools, wie der von Diekmann entwickelte „Context-Layer“, könnten hier helfen, um die Hemmschwellen bei der Sicherung des Wissens zu senken. Der Context Layer sei dabei ein Tool, das aus bloßen Daten das nötige Firmenwissen und den Zusammenhang dahinter herstelle. Mitarbeiter könnten hier ihr Wissen für die nachfolgende Generation „ablagern“. „Wir sehen, dass Leute mit einer KI offener und detaillierter sprechen als mit ihrem direkten Vorgesetzten, weil sie nicht in einer Rechtfertigungshaltung sind“, sagt Diekmann.

Source link