Was Sie über die Bewertung eines AI-Startups für Investitionen wissen sollten

Von Salvatore Minetti, CEO, Fountech.Ventures

Das Interesse am Deep-Tech-Bereich ist in den letzten Jahren, insbesondere innerhalb der Investorencommunity, gewachsen. Und von allen Sektoren, die im Bereich Deep Tech operieren, ist künstliche Intelligenz (AI) 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 AI-Unternehmen aufgebracht. Diese Zahl wird in den kommenden Jahren weiter steigen, auch wenn es aufgrund der Pandemie einen kurzfristigen Rückgang geben könnte. Tatsächlich könnten AI-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 diesen Bereich eintreten möchten, kann die Bewertung von AI-Startups für Investitionen schwierig sein. Nachfolgend sind einige wichtige Überlegungen, die bei der Suche nach den besten AI-Talenten zu beachten sind.

Die Identifizierung echter Deep-Tech-Technologien

Das erste Hindernis, mit dem viele Investoren konfrontiert werden, ist die Frage, wie man zwischen wirklich innovativen Lösungen und solchen unterscheidet, die sich nur als solche ausgeben. Schließlich ist AI ein Opfer seines eigenen Erfolgs – viele Startups versuchen, ihre kommerzielle Angebotspalette und ihre Attraktivität für Investoren zu erhöhen, indem sie behaupten, von “AI angetrieben” zu sein, obwohl in Wirklichkeit keine anspruchsvolle 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 AI-Markt etablieren möchten.

Machine Learning, öffentlich zugängliche Bibliotheken, vorgefertigte Modelle und APIs haben alle 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. Dies birgt ein Risiko für Investoren.

Um dies zu vermeiden, würde ich VCs raten, nach Startups zu suchen, die auf beiden Ebenen – Wissenschaft und Anwendung – innovativ sind. Diese AI-Unternehmen werden neue AI für ihre Zwecke erfinden und die zugrunde liegende Infrastruktur aufbauen, während sie dies tun.

Dies erfordert notwendigerweise die Trennung von Anwendungsebenen-Unternehmen, die einfach Drittanbieter-APIs wiederholen, und solchen, die eine 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 Erfahrung in diesem Bereich haben, könnten besorgt sein, dass sie nicht in der Lage sind, AI-Unternehmen zu bewerten und zu bestimmen, welche davon die Grenzen der Technologie wirklich vorantreiben. Es gibt mehrere Möglichkeiten, dies zu umgehen.

Um frühzeitig Zugang zu Deep Tech zu erhalten und AI-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. Auf diese Weise werden Investoren die Fähigkeit schaffen, Unternehmen zu bewerten, bevor es ein Produkt und einen Markt 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 man bei einem Gründungsteam suchen?

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

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

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

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 fehlt dem Gründer jedoch das erforderliche Geschäftswissen, um gemeinsame Hürden zu überwinden.

Ein Hochleistungs-AI-Team wird in der Lage sein, eine Bereitschaft zu demonstrieren, 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 weitreichend dazu beitragen, technische und geschäftliche Herausforderungen zu überwinden, die während der Reise auftreten, und Teams zu helfen, sich auf das große Bild zu konzentrieren.

Am wichtigsten jedoch wird ein großartiges Team eine positive Einstellung zeigen: eine entscheidende Anforderung für jedes Unternehmen im wettbewerbsintensiven AI-Bereich. Eine Entschlossenheit, Dinge zum Funktionieren zu bringen, auch wenn die Zeiten schwierig sind, wird Teams trennen, die das Zeug haben, ein AI-Unternehmen zu skalierten, und solche, die es nicht tun.