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.

Erst kürzlich war David als Chief Product Officer bei GitLab (GTLB ) tätig, wo er die globale Produktorganisation leitete und eine umfassende, künstliche Intelligenz-basierte 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 basiert und von Einzuentwicklern und großen Unternehmen gleichermaßen genutzt wird. 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 zur Erstellung, Verwaltung und 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 gearbeitet, davon über drei Jahre als Chief Product Officer, und halfen, eine künstliche Intelligenz-basierte DevSecOps-Plattform für Zehnmillionen von Benutzern zu skalieren. Wie hat diese Erfahrung Ihre Prioritäten als CEO von Anaconda geprägt, und was unterscheidet sich grundlegend darin, ein Unternehmen zu leiten im Vergleich zum Leiten von Produkten?

Meine Zeit bei GitLab hat mir einige Prinzipien verdeutlicht, die nun zentral für meine Herangehensweise bei Anaconda sind. Erstens ist es das Prinzip des verantwortungsvollen Wachstums – das Skalieren von Teams, Produkten und Umsatz auf eine Weise, die nachhaltig ist. Bei GitLab haben wir gesehen, wie sich das Unternehmen zu einem Unternehmen mit Zehnmillionen von Benutzern entwickelte, und wie wichtig es ist, den Produktwert mit langfristigen Geschäftsergebnissen in Einklang zu bringen.

Zweitens ist es die Einstellung, Ergebnisse und Effizienz über Prozesse und Strukturen zu stellen. Es ist okay, etwas zu veröffentlichen, das gut genug ist und eine Richtung zeigt, um den Prozess des Kundenfeedbacks in Gang zu setzen. Die schnelle Bereitstellung von echtem Wert ist wichtig, aber man muss auch bedacht sein, wie man skaliert. Das hängt eng mit dem dritten Pfeiler zusammen: der Kundenzentrierung und dem Treffen der Benutzer dort, wo sie sind. Ich habe mein Berufsleben damit verbracht, Entwickler- und Sicherheitstools zu bauen, und als ehemaliger Entwickler weiß ich, wie sehr gute (oder schlechte) Werkzeuge die Produktivität und Zufriedenheit beeinflussen können.

Und schließlich ist da die Transparenz mit Zweck. Dieser Kernwert von Anaconda ermöglicht es allen Beteiligten, teilzunehmen und zusammenzuarbeiten, um das Unternehmen und seine Angebote zu verbessern. Ich freue mich darauf, diesen Wert weiter auszubauen, um sicherzustellen, dass wir unserer Gemeinschaft geben, was sie braucht, um erfolgreich zu sein.

Als CEO bin ich 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 Menschen unterstützt und Wert für unsere Kunden in allen Dimensionen des Geschäfts bereitstellt. Diese Prinzipien will ich hier weiterentwickeln.

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 zu bauen?

Ich sage immer, dass es vier Gründe gab, warum ich mich auf die Position des CEO bei Anaconda gefreut habe. Erstens die Technologie. Als Entwickler kenne ich Anaconda seit Langem und weiß, wie leistungsfähig es ist und sein kann. Die Plattform ermöglicht bereits so viel, und die Grundlage, die das Team geschaffen hat, gibt uns die Chance, zu gestalten, was als Nächstes in der AI-nativen Ära kommt!

Zweitens die Gemeinschaft. Ich glaube tief an die Macht der Open-Source-Gemeinschaft. Nur wenige Unternehmen haben eine Gemeinschaft, 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 echt. 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 Entwicklung, um künstliche Intelligenz für Unternehmen zugänglicher zu machen, und hilft Unternehmen, AI zu bauen, zu sichern, bereitzustellen und zu überwachen. Wenn man weltklasse-Technologie, eine lebendige Gemeinschaft und ein solches Team kombiniert, erhält man eine seltene Chance, zu gestalten, wie AI und Datenwissenschaft aufgebaut und genutzt werden. Das hat mich angezogen.

Open Source ist die Grundlage für die meisten modernen AI-Entwicklungen, doch viele Unternehmen haben Schwierigkeiten, ihr im großen Maßstab zu vertrauen. Warum glauben Sie, dass Open Source immer noch die leistungsfähigste Grundlage für AI ist, und wo wird sie Ihrer Meinung nach am meisten missverstanden?

Es gibt ein weit verbreitetes Missverständnis, dass der sicherste Code der ist, der verborgen ist, weil nur ausgewählte Personen ihn sehen können. Das ist, als ob ein Strauß seinen Kopf 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 ein höheres Maß an Augen, um sicherzustellen, dass der Code sicher ist und wie erwartet funktioniert.

Wir haben noch nicht gesehen, dass sich eine Technologie so schnell entwickelt hat wie künstliche Intelligenz. Um die Beschleunigung von AI fortzusetzen, benötigt man modernen Code, der so schnell wie möglich voranschreitet. Open Source tut dies, und deshalb ist es die Grundlage für die moderne AI-Entwicklung.

Bei Anaconda setzen wir auf diese Grundlage. Unsere Kernfähigkeiten und das Python-Ökosystem sind Open Source, weil dies die beste Möglichkeit für Teams ist, schnell zu starten und zu innovieren. Darauf bauen wir Unternehmensfähigkeiten auf, um Organisationen die notwendige Governance, Sicherheit und Zuverlässigkeit zu bieten, um Open Source im großen Maßstab zu nutzen.

Die Ausfallraten von AI in Unternehmen bleiben hoch, insbesondere bei generativen AI-Pilotprojekten. Aus Ihrer Sicht, was sind die Hauptgründe, warum diese Initiativen ins Stocken geraten, und wie können Infrastruktur-Entscheidungen 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 wirklich Zeit sparen. Aber nur wenige haben AI in echte Produktion gebracht, die über das gesamte Geschäft läuft. Es gibt einen großen Unterschied zwischen “wir experimentieren” und “so arbeiten wir jetzt”. Diese Lücke ist, wo 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 hat man es mit Fragen der Datenverwaltung, Sicherheitsbedenken, Zuverlässigkeitsproblemen und einem grundlegenden Vertrauensproblem zu tun: Funktioniert diese Anwendung zuverlässig und hält unsere Daten sicher? 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 diejenigen, die in moderne Grundlagen investieren, in denen Vertrauen und Geschwindigkeit zusammenkommen und in denen eingebaute Sicherheit und Governance die Beschleunigung fördern, anstatt sie zu behindern. Fragmentierte Werkzeugketten und Umgebungen zwingen Sie, zwischen den beiden 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 eine technische Ambition, sondern ein Geschäfts-imperativ, um im heutigen Markt zu konkurrieren und zu überleben. Der Erfolg wird durch Investitionen in Sicherheit und Governance von Grund auf erhöht.

Sie haben Teams in den Bereichen Cybersicherheit, Produkt und Entwicklerplattformen geleitet. Wie bringen Sie diese Sicherheits-First-Einstellung in Anacondas Strategie um die Abhängigkeitsverwaltung, Umgebungsreproduzierbarkeit und Lieferkettenrisiken 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, multiplizieren sich Sicherheitsrisiken schneller, als die Governance Schritt halten kann. Und selbst wenn Sicherheitsrisiken gemanagt werden, wird die Umgebung selbst zu einem Hindernis.

Sicherheit und Compliance mit AI sind herausfordernd, insbesondere wenn es um echte Sichtbarkeit von Risiken in Entwicklung und Produktion geht. Darauf konzentrieren wir uns. Wir bauen tiefere Sicherheitsfähigkeiten in die Umgebungsverwaltung ein, zusätzliche Governance um AI-Pakete außerhalb des Python-Ökosystems und helfen, Risiken mit AI-Modellen durch Sicherheitsprüfungen ihrer Haltung zu reduzieren. Das Ziel ist einfach: Organisationen helfen, schneller mit AI voranzukommen, während sie die Sichtbarkeit, Privatsphäre und Widerstandsfähigkeit behalten, 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 Zeitersparnis, aber das ist nicht der beste KPI. Organisationen, die sich die Zeit nehmen, maßgeschneiderte KPIs zu erstellen, die direkt an das geknüpft sind, was für sie am wichtigsten ist, werden bessere Ergebnisse erzielen. Dies kann die reduzierte Zeit in Code-Reviews für das Entwicklerteam oder die Qualität der Lead-Generierung für das Go-to-Market-Team sein. Zeit allein und die Messung von Token-Verbrauch signalisieren nicht direkt Effizienz.

Anaconda steht im Zentrum der Python-basierten AI-Entwicklung. Wie sehen Sie die Rolle von Python-Umgebungen in der Zukunft, wenn Organisationen von Experimenten zu vollständig verwalteten, 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 Popularität. Organisationen benötigen Werkzeuge, die sich entwickeln und native Leistungs- und Skalierungsprobleme angehen, um AI-Agenten zu ermöglichen, unternehmensreife Anwendungen und Dienste zu erstellen. Ich erwarte, dass Organisationen in universelle Bausteine investieren, die den AI-Wert und die Adoption beschleunigen. Das wird sie am besten in die Lage versetzen, die ständig evolvierende Lexikons von Codiersprachen zu navigieren, die die Infrastruktur von AI antreiben.

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

Unternehmens-AI und AI-nativen 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-nativen Entwicklungsprinzipien, 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, was passiert, wenn verantwortungsvolle AI-nativen Prinzipien in durchsetzbare Plattform-Steuerungen, klare Rechenschaftspflicht und kontinuierliche Nachvollziehbarkeit und Herkunft aller AI-Komponenten übersetzt werden. Es geht über Richtlinien und Checklisten hinaus, die in DevOps-Praktiken funktionieren.

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 soll die bevorzugte Unternehmens-AI-nativen Entwicklungsplattform für den Bau, die Sicherung und die Bereitstellung von AI-nativen Anwendungen und Diensten sein. Unsere Kunden passen sich ständig an, um ihren Bedürfnissen gerecht zu werden, und wir passen uns mit ihnen an. Deshalb sind wir nicht mehr nur ein Datenwissenschaft-Toolkit, sondern eine umfassende Plattform für Unternehmens-AI. Jede Investition, sei es in Produkte, Partnerschaften oder Übernahmen, wird an einer Frage gemessen: “Bringt uns dies näher dazu, die Plattform zu sein, die Unternehmen benötigen, um in der neuen AI-nativen Welt erfolgreich zu sein?” Wir sind ein kundenorientiertes Unternehmen, und alles, was wir tun, ist für unsere Kunden.

Als jemand, der half, eine öffentlich gehandelte Entwicklerplattform zu skalieren, was haben Sie gelernt, wenn es darum geht, für Praktiker zu bauen, während Sie auch CTOs, CIOs und Chief-AI-Offiziere 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 internen Metriken zu verfangen (wie viele Stunden in ein Projekt investiert wurden, ob ein Launch vordefinierte Ziele erreicht), anstatt eine wichtigere Frage zu stellen: Macht dies unsere Kunden tatsächlich erfolgreicher? Führungskräfte sagen vielleicht, ein völlig neues Produkt sei erforderlich, wenn in Wirklichkeit es vielleicht nur darum geht, das, was Sie bereits haben, zu verfeinern (etwa ein Produkt benutzerfreundlicher zu machen), und dann erhalten Sie das Ergebnis, nach dem Sie gesucht haben. 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.