David DeSanto, CEO von Anaconda – Interview-Serie

David DeSanto ist Chief Executive Officer bei Anaconda, wo er die Mission des Unternehmens leitet, die Welt der Datenwissenschaft und künstlichen Intelligenz durch Open-Source-Innovationen und sichere Unternehmenslösungen zu stärken. Als erfahrener Produkt- und Technologie-Executive bringt David mehr als zwei Jahrzehnte Erfahrung in den Bereichen Cybersicherheit, Entwicklerplattformen und Unternehmenssoftware mit.

Zuletzt war David als Chief Product Officer bei GitLab tätig, wo er die globale Produktorganisation leitete und eine umfassende, AI-native DevSecOps-Plattform mit über 50 Millionen registrierten Benutzern weltweit bereitstellte. Während seiner sechs Jahre bei dem Unternehmen half er, GitLab von einem hochwachsenden Startup in ein börsennotiertes, branchenbestimmendes Unternehmen der DevOps-Plattform-Kategorie zu verwandeln.

Anaconda ist eine führende Open-Source-Plattform für Datenwissenschaft, Maschinelles Lernen und künstliche Intelligenz, die auf der Python-Programmiersprache aufbaut und von beiden individuellen Entwicklern und großen Unternehmen weit verbreitet ist. Ursprünglich 2012 gestartet, bietet sie eine umfassende Umgebung, die Tools für Codierung, Paketverwaltung über Conda und Zugriff auf Tausende von vorgefertigten Bibliotheken wie NumPy, pandas und TensorFlow umfasst, sodass Benutzer AI-Modelle effizient entwickeln, testen und bereitstellen können.

Im Laufe der Zeit hat sich Anaconda zu einer vollständigen Unternehmens-AI-Plattform entwickelt, die Organisationen hilft, den gesamten AI-Lebenszyklus zu verwalten – von der Beschaffung und Sicherung von Open-Source-Paketen bis hin zum Aufbau, der Governance und der Bereitstellung von Anwendungen in Cloud- und On-Premise-Umgebungen. Mit Zehnmillionen von Benutzern und einer Verbreitung in einem großen Teil der Fortune-500-Unternehmen ist sie zu einer grundlegenden Schicht für die moderne AI-Entwicklung geworden, wobei Open-Source-Innovation, Skalierbarkeit und sichere, reproduzierbare Workflows im Vordergrund stehen.

Sie haben fast sechs Jahre bei GitLab verbracht, davon über drei als Chief Product Officer, und halfen, eine AI-native DevSecOps-Plattform auf über 50 Millionen Benutzer zu skalieren. Wie hat diese Erfahrung Ihre Prioritäten jetzt als CEO von Anaconda geprägt, und was fühlt sich grundlegend anders an, wenn man ein Unternehmen leitet im Vergleich zum Leiten von Produkten?

Meine Zeit bei GitLab hat mir einige Prinzipien vermittelt, die jetzt zentral für meine Herangehensweise bei Anaconda sind. Erstens ist da das verantwortungsvolle Wachstum – das Skalieren von Teams, Produkten und Umsatz auf eine Weise, die nachhaltig ist. Bei GitLab sind wir auf über 50 Millionen Benutzer gewachsen, und die Tatsache, dass GitLab Ultimate über die Hälfte des Umsatzes des Unternehmens ausmacht, zeigt, wie wichtig es ist, den Produktwert mit langfristigen Geschäftsauswirkungen in Einklang zu bringen.

Zweitens ist da die Einstellung, Ergebnisse und Effizienz über Prozess und Struktur zu stellen. Es ist okay, etwas zu veröffentlichen, das gut genug ist und eine Richtung zeigt, um das Rad der Kundenfeedback in Gang zu setzen. Die schnelle Lieferung von echtem Wert ist unerlässlich, aber man muss auch überlegen, wie man skaliert. Das hängt eng mit dem dritten Pfeiler zusammen: Kundenzentrierung und wirklich den Benutzern begegnen, wo sie sind. Ich habe mein ganzes Berufsleben damit verbracht, Entwickler- und Sicherheitstools zu bauen, und als ehemaliger Entwickler selbst weiß ich, wie sehr gute (oder schlechte) Tools die Produktivität und Zufriedenheit beeinflussen können.

Und schließlich Transparenz mit Zweck. Dieser Kernwert von Anaconda ermöglicht es allen Beteiligten, am Unternehmen und seinen Angeboten mitzuarbeiten und sie zu verbessern. Ich freue mich darauf, diesen Wert weiter auszubauen, um sicherzustellen, dass wir unserer Community geben, was sie benötigt, um erfolgreich zu sein.

Als CEO sind Sie für das gesamte System verantwortlich – Strategie, Kultur, Betrieb und Ergebnisse. Ich bin immer noch eng mit dem Produkt verbunden, aber ich denke breiter und langfristiger. Ich muss sicherstellen, dass das Unternehmen verantwortungsvoll wächst, seine Mitarbeiter unterstützt und seinen Kunden in jeder Dimension des Geschäfts Wert bietet. Das sind die Prinzipien, die ich hier weiter aufbauen möchte.

Was hat Sie persönlich dazu bewogen, die Position des CEO bei Anaconda zu übernehmen, und was hat Sie davon überzeugt, dass dies die richtige Plattform ist, um das nächste Kapitel der Unternehmens-AI aufzubauen?

Ich sage jedem, dass es vier Gründe gab, warum ich mich darauf freute, als CEO zu Anaconda zu kommen. Erstens die Technologie. Als Entwickler kenne ich Anaconda seit Langem und weiß, wie leistungsstark es ist und sein kann. Die Plattform ermöglicht bereits so viel, und die Grundlage, die das Team geschaffen hat, wird uns die Möglichkeit geben, zu bestimmen, was als Nächstes in der AI-nativen Ära kommt!

Zweitens die Community. Ich glaube tief an die Macht der Open-Source-Community. Kaum ein Unternehmen hat eine Community, die so breit und engagiert ist wie die von Anaconda.

Drittens die Menschen. Es ist selten, ein solches Maß an Führungskräften an einem Ort zu finden. Das Führungsteam ist außergewöhnlich, und ihre Leidenschaft ist real. Wir bauen die Zukunft mit Open Source und AI, und Teil von etwas so Bedeutsamem und Einflussreichem zu sein, hat uns alle wirklich begeistert.

Und schließlich die Gelegenheit. Das war letztendlich der Entscheidungsfaktor für mich. Anaconda steht im Zentrum der Möglichkeit, AI zugänglicher zu machen, Unternehmen zu helfen, AI zu bauen, zu sichern, bereitzustellen und zu überwachen. Wenn man weltklasse-Technologie, eine lebendige Community und ein solches Team kombiniert, erhält man eine seltene Chance, zu bestimmen, wie AI und Datenwissenschaft aufgebaut und genutzt werden. Das hat mich angezogen.

Open Source treibt die Mehrheit der modernen AI-Entwicklung an, und dennoch haben viele Unternehmen Schwierigkeiten, ihr im großen Maßstab zu vertrauen. Warum glauben Sie, dass Open Source die leistungsstärkste Grundlage für AI bleibt, und wo wird sie Ihrer Meinung nach am meisten missverstanden?

Es gibt ein häufiges Missverständnis, dass der sicherste Code der ist, der versteckt ist, weil nur ausgewählte Personen ihn sehen können. Das ist, als ob ein Strauß sein Haupt in den Sand steckt, um sich zu verstecken. Open-Source-Software ist das Gegenteil davon. Open Source ist transparent, lädt jeden ein, beizutragen, und gibt Organisationen auf der ganzen Welt eine höhere Anzahl von Augen, um sicherzustellen, dass der Code sicher ist und wie erwartet funktioniert.

Wir haben noch keine Technologie gesehen, die so schnell gereift ist wie AI. Damit AI ihre Beschleunigung fortsetzen kann, benötigt man modernen Code, der so schnell wie möglich vorankommt. Open Source macht das möglich, und deshalb ist es die Grundlage für die moderne AI-Entwicklung.

Bei Anaconda setzen wir darauf. Unsere Kernfähigkeiten und das Python-Ökosystem sind Open Source, weil das die beste Möglichkeit für Teams ist, loszulegen und schnell zu innovieren. Darauf legen wir Unternehmensfähigkeiten auf, die Organisationen die Governance, Sicherheit und Zuverlässigkeit geben, die sie benötigen, um Open Source im großen Maßstab zu nutzen.

Die Ausfallraten von AI in Unternehmen bleiben hoch, insbesondere bei generativen AI-Pilotprojekten. Aus Ihrer Perspektive, was sind die Kerngründe, warum diese Initiativen ins Stocken geraten, und wie können Infrastrukturentscheidungen den langfristigen Erfolg machen oder brechen?

Viele Organisationen haben Pilotprojekte durchgeführt. Einige haben solide Proof-of-Concept-Projekte, und andere haben eine Handvoll intern entwickelter Tools, die Teams tatsächlich Zeit sparen. Aber nur wenige haben AI in echte Produktion überführt, die über das gesamte Geschäft läuft. Es gibt einen großen Unterschied zwischen “wir experimentieren” und “so arbeiten wir jetzt”. Diese Lücke ist der Punkt, an dem die meisten Unternehmen stecken bleiben – und es liegt nicht daran, dass die Technologie nicht funktioniert.

Das Demo sieht fast immer gut aus, aber das Problem zeigt sich, wenn man versucht, das Demo im Unternehmensmaßstab zu reproduzieren. Plötzlich muss man mit Fragen der Datenverwaltung, Sicherheitsbedenken, Zuverlässigkeitsproblemen und einem grundlegenden Vertrauensproblem konfrontiert werden: Wird diese Anwendung zuverlässig funktionieren und unsere Daten sicher halten? Diese Probleme treten im Demo nicht auf und werden daher für Unternehmen zu einem Nachgedanken.

Die Barriere zum AI-Erfolg ist nicht die Fähigkeit, sondern die Infrastruktur- und Prozessreife. Die Unternehmen, die vorne liegen, sind von denen angeführt, die sich entscheiden, in moderne Grundlagen zu investieren, in denen Vertrauen und Geschwindigkeit koexistieren und in denen eingebaute Sicherheit und Governance die Geschwindigkeit beschleunigen, anstatt sie zu behindern. Fragmentierte Werkzeugketten und Umgebungen zwingen Sie, zwischen beidem zu wählen, aber moderne, einheitliche Infrastruktur und moderne AI-Prozesse lassen Sie beides haben. Heute besteht der Wettbewerbsvorteil darin, Engpässe zu beseitigen. Dies ist nicht nur ein technisches Ziel, sondern ein Geschäftsziel, um im heutigen Markt zu konkurrieren und zu überleben. Der Erfolg wird durch diejenigen erhöht, die in Sicherheit und Governance investieren.

Sie haben Teams in den Bereichen Cybersicherheit, Produkt und Entwicklerplattformen geleitet. Wie bringen Sie diese sicherheitsorientierte Denkweise in Anacondas Strategie rund um Abhängigkeitsverwaltung, Umgebungsreproduzierbarkeit und Lieferkettenrisiko ein?

Mein Weg in die Sicherheit begann im Gesundheitswesen, wo ich genau sah, was damals als “sicher” galt. Ich tauchte voll in die Sicherheit ein, und sie wurde zu einer Leidenschaft. Da AI-Workloads, -Modelle, -Agenten und -Integrationen komplexer werden, werden Sicherheitsrisiken schneller multipliziert, als die Governance nachkommen kann. Und selbst wenn das Sicherheitsrisiko gemanagt wird, wird die Umgebung selbst zu einem Hindernis.

Sicherheit und Compliance bei AI sind herausfordernd, insbesondere wenn man echte Sichtbarkeit in Risiken über Entwicklung und Produktion hinweg benötigt. Dort konzentrieren wir uns. Wir bauen tiefergehende Sicherheitsfunktionen in die Umgebungsverwaltung ein, zusätzliche Governance rund um AI-Pakete außerhalb des Python-Ökosystems und helfen, Risiken mit AI-Modellen durch Sicherheitsprüfungen ihrer Haltung zu reduzieren. Das Ziel ist einfach: Unternehmen helfen, schneller mit AI voranzukommen, während sie die Sichtbarkeit, Privatsphäre und Widerstandsfähigkeit aufrechterhalten, die sie benötigen, um AI im großen Maßstab zu vertrauen.

Es gibt wachsende Skepsis um die ROI von AI, neben einem Anstieg von Experimentierfreudigkeit und “Vibe-Coding”. Wie unterscheiden Sie zwischen produktiver Experimentierfreudigkeit und unternehmensreifen AI-Systemen, die tatsächlich messbaren Wert liefern?

Dieses Jahr könnte tatsächlich das erste Jahr sein, in dem die ROI von AI gut gemessen wird. Jeder in der Branche behandelt “Effizienz” als gesparte Zeit, aber das ist nicht der beste Leistungsindikator. Organisationen, die sich die Zeit nehmen, maßgeschneiderte Leistungsindikatoren zu erstellen, die direkt mit dem verbunden sind, was für sie am wichtigsten ist, werden bessere Ergebnisse erzielen. Das kann reduzierte Zeit in Code-Review für das Entwicklungsteam oder die Qualität der Lead-Generierung für das Go-to-Market-Team sein. Zeit allein und die Messung von Token-Verbrauch signalisieren Effizienz nicht direkt.

Anaconda sitzt im Zentrum der Python-basierten AI-Entwicklung. Wie sehen Sie die Rolle von Python-Umgebungen in der Zukunft, wenn Unternehmen von Experimenten zu vollständig regulierten, produktionsreifen AI-Systemen übergehen?

Python ist die führende Sprache für AI, und obwohl ich nicht erwarte, dass sich das in naher Zukunft ändert, kommen und gehen Sprachen immer in der Popularität. Unternehmen benötigen Tools, die sich entwickeln und native Leistungs- und Skalierungsprobleme angehen, um AI-Agenten zu ermöglichen, unternehmensreife Anwendungen und Dienste erfolgreich zu erstellen. Ich erwarte, dass Unternehmen beginnen werden, in universelle Bausteine zu investieren, die den AI-Wert und die Adoption beschleunigen. Das wird sie am besten in die Lage versetzen, die ständig wechselnde Lexikons von Codiersprachen zu navigieren, die die Infrastruktur von AI antreiben.

Sie haben in der Vergangenheit eng mit regulierten Branchen und sicherheitsbewussten Unternehmen zusammengearbeitet. Was sieht die unternehmensreife AI-Governance in der Praxis aus, jenseits von Richtlinien und Compliance-Checklisten?

Unternehmens-AI und AI-native-Anwendungen sind etwas völlig anderes als traditionelle Software-Entwicklung. Wenn man AI wie traditionelle Entwicklung behandelt, endet man mit gebrochener Sicherheit und Governance, was die Innovation behindert. Unternehmens-AI benötigt AI-native-Entwicklungsbest-Praktiken, bei denen das AI-Modell die primäre Komponente ist, die die Versionierung antreibt, und alles andere darum herum sekundär ist.

AI-Governance ist der Unterschied zwischen erfolgreichem Skalieren und Ins-Stallen-Geraten. Unternehmensreife AI-Governance ist das, was passiert, wenn verantwortungsvolle AI-native-Prinzipien in durchsetzbare Plattformkontrollen, klare Verantwortlichkeit und kontinuierliche Nachvollziehbarkeit und Herkunft aller AI-Komponenten übersetzt werden. Sie geht über Richtlinien und Checklisten hinaus, die in DevOps-Praktiken funktioniert haben.

Mit der jüngsten Finanzierung und dem Unternehmensschub von Anaconda, was sind Ihre kurzfristigen Wachstumsprioritäten, und wo investieren Sie am aggressivsten in den nächsten 12 bis 18 Monaten?

Unser Ziel ist klar: Anaconda wird die bevorzugte Unternehmens-AI-Entwicklungsplattform für den Aufbau, die Sicherung und die Bereitstellung von AI-nativen Anwendungen und Diensten sein. Unsere Kunden passen sich ständig an, um ihre Bedürfnisse zu erfüllen, und wir passen uns mit ihnen an. Deshalb sind wir nicht mehr nur ein Data-Science-Toolkit, sondern eine umfassende Plattform für Unternehmens-AI. Jede Investition, sei es in Produkte, Partnerschaften oder M&A, wird anhand einer einzigen Frage bewertet: “Bringt uns das näher daran, die Plattform zu sein, die Unternehmen benötigen, um im neuen AI-nativen Umfeld erfolgreich zu sein?” Wir sind ein kundenorientiertes Unternehmen, und alles, was wir tun, tun wir für unsere Kunden.

Als jemand, der geholfen hat, eine börsennotierte Entwicklerplattform zu skalieren, was haben Sie gelernt über das Bauen für Praktiker, während Sie auch CTOs, CIOs und Chief-AI-Officer auf der Führungsebene bedienen?

Erfolg kommt immer zurück auf den Kunden und die Unterstützung der Ergebnisse, die sie zu erreichen versuchen. Es klingt einfach, aber es ist leicht für Teams, sich in interne Metriken (wie viele Stunden in ein Projekt investiert wurden, ob ein Launch vordefinierte Ziele erreicht) zu verstricken, anstatt eine wichtigere Frage zu stellen: Macht das unseren Kunden tatsächlich erfolgreicher? Führungskräfte sagen vielleicht, ein völlig neues Produkt sei erforderlich, wenn es in Wirklichkeit nur darum geht, das, was man bereits hat, zu verfeinern (etwa ein Produkt benutzerfreundlicher zu machen), und dann erhält man das Ergebnis, nach dem man gesucht hat. Wenn die Kunden zufrieden und erfolgreich sind, dann sind wir alle zufrieden und erfolgreich.

Vielen Dank für das großartige Interview. Leser, die mehr erfahren möchten, sollten Anaconda besuchen.