Darren Kimura, CEO und Präsident von AI Squared – Interviewreihe

Darren Kimura ist ein erfahrener Unternehmer, Erfinder und Investor und derzeit Präsident und CEO von AI Squared. Mit über 25 Jahren Führungserfahrung in den Bereichen Technologie und saubere Energie leitete er Unternehmen wie Energy Industries Corporation, Sopogy und LiveAction und war Mitbegründer der Risikokapitalgesellschaft Enerdigm Ventures. Kimura ist bekannt für die Erfindung der MicroCSP-Solartechnologie und spielte eine Schlüsselrolle bei der Skalierung von Unternehmen, die sich auf Edge Computing, KI und SaaS-basierte Lösungen konzentrieren.

KI im Quadrat ist eine Low-Code-Plattform, die Unternehmen dabei unterstützt, KI-Erkenntnisse direkt in ihre bereits genutzten Tools wie Salesforce, Slack, Google Sheets und ServiceNow zu integrieren. Durch die vereinfachte KI-Bereitstellung und die Möglichkeit zur Entscheidungsfindung in Echtzeit ermöglicht die Plattform Teams in Entwicklung, Vertrieb und Betrieb, messbaren Geschäftswert zu erschließen. AI Squared betreut Kunden aus den Bereichen Finanzen, Lieferkette und öffentliche Verwaltung und beschleunigt die Einführung von KI in Unternehmen, indem es sie nahtlos, kontextbezogen und umsetzbar macht.

Sie haben mehrere Unternehmen aus verschiedenen Branchen geleitet. Was hat Sie dazu inspiriert, AI Squared beizutreten und schließlich die Leitung zu übernehmen?

Ich habe mich schon immer für die Lösung schwieriger, realer Probleme interessiert, die tiefes Technologieverständnis und eine reibungslose Umsetzung erfordern. Meine Karriere begann im Bereich Energieeffizienz und erneuerbare Energien, wo ich Maschinendaten in großem Umfang erfasste und Menschen half, diese zu verstehen und entsprechend zu handeln. Im Laufe der Zeit entwickelte sich daraus eine Verlagerung der Datenverarbeitung näher an den Ort der Arbeit – an die Peripherie, in sichere Systeme oder in Unternehmensabläufe.

Als ich AI Squared zum ersten Mal begegnete, erkannte ich sofort, dass sie sich einer sehr realen und dringenden Herausforderung stellten: der Überführung von KI aus dem Labor in den Alltag. Die meisten Unternehmen konzentrieren sich noch immer auf die Erstellung von Modellen. AI Squared konzentrierte sich auf die Implementierung.

Was mich noch mehr überzeugte, war ihre Gründung. Das Unternehmen entstand innerhalb der NSA und hat sich in den letzten sechs Jahren das Vertrauen des Verteidigungsministeriums, der Geheimdienste, der Raumfahrt und einiger der größten Fortune-500-Unternehmen durch reale Projekte und bedeutende Ergebnisse erarbeitet, die Jahr für Jahr weiter wachsen. Das zeigte mir zweierlei: Erstens, dass sie es mit Sicherheit, Compliance und Wirkung ernst meinten. Und zweitens, dass sie ein Team waren, dem ich vertrauen konnte.

Wie haben Ihre Erfahrungen mit der Skalierung von ZEDEDA und Ihrer Arbeit im Risikokapitalbereich Ihren Ansatz für den KI-Einsatz auf Unternehmensebene geprägt?

Bei ZEDEDA arbeiteten wir als Betriebssystem an der äußersten Grenze der Open-Source-Community. Dadurch musste ich die realen Herausforderungen unserer Kunden bei der digitalen Transformation genau verstehen. Wir hatten dort ein erstklassiges Entwicklungsteam von Cisco, Sun Microsystems, Juniper und Arista, das mir aber auch zeigte, wie wichtig es ist, diese technische Exzellenz mit einer starken Markteinführungsstrategie zu verbinden.

Auf der Venture-Seite gewann ich andere Einblicke. Ich sah, wie Deep-Tech-Unternehmen skalieren – zunächst langsamer, aber schneller, wenn man auf einem starken Fundament aufbaut. Das hat mich gelehrt, systemisch zu denken: Marktzeitpunkt, Produktreife, Kundenreife und Kapitalstrategie müssen alle aufeinander abgestimmt sein. Diese Perspektive habe ich in den KI-Einsatz bei AI Squared eingebracht. Es geht nicht darum, Modelle zu liefern, sondern Ergebnisse zu liefern, denen Unternehmen vertrauen, die sie messen und skalieren können.

AI Squared legt Wert auf die Einbettung von KI in bereits genutzte Systeme. Wie sieht die Lösung der „letzten Meile“ der KI in der Praxis aus?

87 % der KI-Projekte erreichen nie die Produktion, da die Integration langsam, komplex und vom Endnutzer getrennt ist. AI Squared löst dieses Problem durch die Entwicklung einer nationalen, sicherheitsgerechten Datenintegrationspipeline, die KI/ML-Modelle mit Datenquellen wie Databricks oder Snowflake und den von diesen Unternehmen bereits genutzten Systemen wie CRMs, ERPs und benutzerdefinierten Apps verbindet.

Wie hilft Ihre Plattform dabei, die Lücke zwischen Data-Science-Teams und Geschäftsanwendern zu schließen?

AI Squared vereinfacht die Übergabe von der Modellentwicklung zur Produktion. Data-Science-Teams können Modelle sicher über unsere Plattform bereitstellen, während Geschäftsanwender Einblicke in Tools erhalten, die sie bereits in Salesforce, Teams, Slack oder anderen System-of-Record-Anwendungen nutzen.

Sie arbeiten mit der NSA, der US Navy und anderen Bundesbehörden zusammen. Wie beeinflussen Prioritäten wie Compliance, Transparenz und ethische Nutzung die Produkt-Roadmap von AI Squared?

Ethik, Compliance und Transparenz stehen bei unserer Roadmap an erster Stelle. Aus unserer Zusammenarbeit mit Bundesbehörden wissen wir, dass wir Rückverfolgbarkeit, Prüfbarkeit und Erklärbarkeit priorisieren müssen. Wir setzen auf Zero-Trust-Prinzipien, unterstützen sichere Einsatzumgebungen und klare Governance-Modelle.

Welche Rolle spielt Ihrer Meinung nach diskriminierende KI bei der Verbesserung der Entscheidungsfindung in Bundesbehörden?

Diskriminative KI ist präzise, interpretierbar und effizient. Sie eignet sich ideal für Umgebungen mit hohem Risiko, in denen klare Antworten benötigt werden: Ja oder Nein, Bedrohung oder keine Bedrohung. In Bundesbehörden ermöglicht sie eine schnellere Triage, Risikoerkennung und Priorisierung. Sie ergänzt generative Modelle durch strukturierte, validierte Ergebnisse, die kritische Entscheidungen unterstützen.

Wo sehen Sie im Hinblick auf die nationale Sicherheit das größte Risiko – und die größte Chance – bei der Einführung von KI?

Das größte Risiko ist die unkontrollierte Autonomie, also der Einsatz von KI-Systemen ohne Transparenz, Kontrolle oder Ausfallsicherung. Die Chance liegt in der Beschleunigung der Situationswahrnehmung und der Entscheidungsgeschwindigkeit. KI kann riesige Datenmengen in Echtzeit durchforsten und Muster aufdecken, die dem Menschen möglicherweise entgehen. Um diesen Nutzen zu erzielen, muss sie jedoch vertrauenswürdig, nachvollziehbar und in Human-in-the-Loop-Systeme integriert sein.

Welches sind die häufigsten Fehler, die Unternehmen bei der Bereitstellung von GenAI machen?

Der größte Fehler besteht darin, sich auf Neuheit statt auf Notwendigkeit zu konzentrieren. Zu viele Unternehmen setzen GenAI ohne klaren Anwendungsfall, Governance-Plan oder Erfolgsmetrik ein. Das führt zu Pilotmüdigkeit, nicht skalierbaren Prototypen und Vertrauensproblemen. GenAI ist leistungsstark, muss aber wie jede Technologie auf das Problem, den Benutzer und den Workflow abgestimmt sein.

Können Sie ein Beispiel nennen, bei dem AI Squared einem Unternehmen geholfen hat, das „Shiny Object Syndrome“ zu vermeiden und stattdessen messbare Ergebnisse zu erzielen?

Ein Unternehmen wollte ein individuelles LLM zur Klassifizierung von Kundenservice-Tickets entwickeln. Wir zeigten, wie ein einfacher, eingebetteter Klassifikator, der über unsere Plattform bereitgestellt wurde, in weniger als zwei Wochen eine Genauigkeit von 90 % in seinem CRM erreichen konnte. Keine neuen Schnittstellen, keine individuelle Schulung. Das ist die Stärke, das richtige Problem mit dem richtigen Tool zu lösen.

Auf welche neuen Trends im Bereich Enterprise-KI freuen Sie sich in den nächsten drei bis fünf Jahren am meisten?

Drei davon stechen hervor:

1. LLMs, die wirklich multimodal und auf spezifische Aufgaben fokussiert sind
2. Agentische KI-Systeme, die aktiv werden und nicht nur Inhalte generieren
3. Standardisierte Governance, die die Einführung von KI in regulierten Branchen ermöglicht

Diese Trends führen dazu, dass KI benutzerfreundlicher und vertrauenswürdiger wird und besser in den täglichen Betrieb integriert werden kann.

Wie entwickelt AI Squared seine Plattform weiter, um mit den sich schnell weiterentwickelnden LLMs und Modell-Ökosystemen Schritt zu halten?

Wir sind von Haus aus modellunabhängig. Ob Open-Source-Modell, kommerzielles LLM oder proprietäres diskriminatives Modell – unsere Plattform ermöglicht Unternehmen die sichere Bereitstellung und Verwaltung innerhalb ihrer bestehenden Workflows. Wir konzentrieren uns auf Orchestrierung, Versionskontrolle und Governance, damit sich der Modell-Stack weiterentwickeln kann, ohne die Benutzererfahrung zu beeinträchtigen.

Wie sieht der Erfolg für AI Squared im nächsten Kapitel unter Ihrer Führung aus?

Erfolg bedeutet, KI zum Standard für Unternehmen und Behörden zu machen. Das bedeutet, die Amortisierungszeit von Monaten auf Tage zu verkürzen und die KI-Bereitstellung so nahtlos und sicher zu gestalten wie die Einführung einer neuen Funktion. Unter meiner Führung konzentrieren wir uns auf Skalierung, Vertrauen und reale Ergebnisse – nicht nur auf Innovation um ihrer selbst willen, sondern auf Wirkung dort, wo sie am wichtigsten ist.

Vielen Dank für das tolle Interview, Leser, die mehr erfahren möchten, sollten vorbeischauen KI im Quadrat.