Hier ist, was Sie über die Bewertung eines KI-Startups für Investitionen wissen sollten

von Salvatore Minetti, CEO, Fountech.Ventures

Das Interesse am Deep-Tech-Bereich ist in den letzten Jahren gewachsen, insbesondere innerhalb der Investorencommunity. Und von allen Branchen, die im Bereich Deep Tech operieren, ist künstliche Intelligenz (KI) zu einem aufstrebenden Markt geworden.

Laut Daten der National Venture Capital Association wurden 2019 allein in den USA 19,98 Milliarden Dollar von 1.509 KI-Unternehmen aufgebracht. Diese Zahl wird in den kommenden Jahren weiter ansteigen, auch wenn es aufgrund der Pandemie einen kurzfristigen Rückgang geben könnte. Tatsächlich könnten KI-Startups, die versprechen, uns bei der Bewältigung der Herausforderungen durch COVID-19 zu helfen, zu einer größeren Investition in diesem Bereich führen.

Für Venture-Capital-Gesellschaften (VCs), die in diesem Bereich Fuß fassen möchten, kann die Bewertung von KI-Startups für Investitionen einschüchtern. Nachfolgend sind einige wichtige Überlegungen, die bei der Suche nach dem besten KI-Talent zu berücksichtigen sind.

Die Ermittlung echter Deep-Tech-Technologien

Das erste Hindernis, mit dem viele Investoren konfrontiert werden, ist, wie man zwischen wirklich innovativen Lösungen und denen, die sich nur als solche ausgeben, unterscheiden kann. Schließlich ist KI ein Opfer ihres eigenen Erfolgs – viele Startups versuchen, ihr kommerzielles Angebot und ihre Attraktivität für Investoren zu verbessern, indem sie behaupten, von “KI angetrieben” zu sein, obwohl in Wirklichkeit keine fortschrittliche Nutzung der Technologie in ihrem Kerngeschäft vorhanden ist.

Darüber hinaus ist es wichtig, dass Investoren die Einschränkungen im Auge behalten, mit denen frühe Unternehmen konfrontiert sind, wenn sie sich im KI-Markt etablieren.

Maschinelles Lernen, öffentlich zugängliche Bibliotheken, vorgefertigte Modelle und APIs haben die Einstiegshürden für Unternehmer und Startups gesenkt. Unternehmen, die ein Produkt mit diesen Toolsets allein starten, werden wahrscheinlich in kürzester Zeit eine Vielzahl von Wettbewerbern haben. Natürlich birgt dies ein Risiko für Investoren.

Um dies zu mindern, würde ich VCs raten, nach Startups zu suchen, die auf wissenschaftlicher und anwendungsbezogener Ebene innovativ sind. Diese KI-Unternehmen werden neue KI für ihre Zwecke erfinden und die zugrunde liegende Infrastruktur aufbauen, während sie dies tun.

Dies erfordert notwendigerweise die Trennung von anwendungsbezogenen Unternehmen, die einfach Drittanbieter- APIs wiederholen, und denen, die intensive und einzigartige Forschung in ihrem Kern haben. Tatsächlich ist echte Deep-Tech neu und stellt einen bedeutenden Fortschritt gegenüber den derzeit verwendeten Technologien dar.

Diejenigen, die wenig vorherige Erfahrung in diesem Bereich haben, könnten besorgt sein, dass sie in der Lage sind, KI-Unternehmen zu bewerten und zu bestimmen, welche wirklich die Grenzen der Technologie vorantreiben. Es gibt mehrere Möglichkeiten, dies zu umgehen.

Um frühzeitig Zugang zu Deep-Tech zu erhalten und KI-Talent effektiv zu bewerten, könnten VCs ihre interne technische Expertise aufbauen. Dies würde bedeuten, einen PhD auf der Gehaltsliste zu haben, um die entsprechende technische Kompetenz zu bieten. Indem Investoren dies tun, schaffen sie die Fähigkeit, Unternehmen zu bewerten, bevor es ein Produkt und Marktzugang gibt.

Alternativ könnten sie nach Partnern suchen, die dies für sie tun. VCs haben die Möglichkeit, mit Investoren zu kooperieren, die bereits in-house-Wissenschaftler und ein solides Verständnis von Deep-Tech haben, um ihre Investitionen besser auszuwählen und angemessene technische Unterstützung in den frühen Stadien ihrer Reise zu bieten.

Welche Eigenschaften und Merkmale sollte ein Gründungsteam aufweisen?

Die zugrunde liegende Technologie ist ein kritischer Faktor bei der Bewertung eines KI-Startups. Investoren müssen sich sicher sein, dass ein Produkt wirklich innovativ ist, effektiv ein Markbedürfnis erfüllt und langfristig kommerziell tragfähig ist. Als Teil dessen muss auch die Architektur hinter der Lösung berücksichtigt werden, um sicherzustellen, dass sie zunehmende Datenmengen verarbeiten und über die Zeit skaliert werden kann.

Um sicherzustellen, dass alle oben genannten Punkte berücksichtigt werden, sollten Investoren sicherstellen, dass alle kritischen Rollen von Personen mit nachgewiesener Erfahrung und Kenntnissen in diesem Bereich besetzt sind. Die Systems Architecten, Data-Engineer, Data-Scientist und DevOps-Engineer des Teams sollten alle entsprechende Qualifikationen und vorherige Erfahrung in diesem Bereich nachweisen.

Darüber hinaus ist es wichtig, daran zu denken, dass KI nicht nur über Algorithmen und Daten geht. Es geht auch um Menschen. Deshalb sollten VCs die Eigenschaften und Merkmale, die Gründungsteams zeigen, genau betrachten. Es gibt kein festes Kriterium, dem man folgen kann, aber hier sind einige Eigenschaften, die wahrscheinlich den Erfolg eines KI-Unternehmens bestimmen.

Das erste ist ein gutes Bewusstsein für relative Stärken und Schwächen. Ein Gründer könnte beispielsweise eine überzeugende Vision und das erforderliche technische Wissen haben, um sie umzusetzen. Wie oft bei jungen Unternehmen jedoch fehlt dem Gründer möglicherweise das erforderliche Geschäftswissen, um gemeinsame Hürden zu überwinden.

Ein hochleistungsfähiges KI-Team wird in der Lage sein, eine Bereitschaft zu zeigen, Hilfe zu suchen und das richtige Talent aufzunehmen, um bestehende Fähigkeitslücken zu füllen. Die Kultur eines Unternehmens sollte auch von dem Wunsch getrieben sein, zu innovieren: ein Verlangen, kritische Rückmeldungen von Peers, Kunden und Experten zu suchen, wird einen großen Beitrag dazu leisten, technische und geschäftliche Herausforderungen zu überwinden, die auf dem Weg auftreten, und Teams dabei helfen, das große Bild zu sehen.

Am wichtigsten jedoch wird ein großartiges Team eine positive Einstellung zeigen: eine entscheidende Voraussetzung für jedes Unternehmen im wettbewerbsintensiven KI-Bereich. Eine Entschlossenheit, Dinge zum Funktionieren zu bringen, auch wenn es schwierig ist, wird Teams, die das Zeug haben, ein KI-Unternehmen zu skalieren, von denen unterscheiden, die es nicht tun.