{"id":58928,"date":"2019-05-07T10:00:48","date_gmt":"2019-05-07T08:00:48","guid":{"rendered":"https:\/\/www.hiig.de\/?p=58928"},"modified":"2021-02-10T16:35:04","modified_gmt":"2021-02-10T15:35:04","slug":"quo-vadis-what-types-of-ai-are-produced-in-germany","status":"publish","type":"post","link":"https:\/\/www.hiig.de\/en\/quo-vadis-what-types-of-ai-are-produced-in-germany\/","title":{"rendered":"Quo vadis \u2013 what types of AI are produced in Germany?"},"content":{"rendered":"\n

AI startups in Germany are an important driver to fully exploiting the economic potential of AI through innovative products, services and business models. In this blog post, <\/span><\/i>Jessica Schmeiss<\/i><\/b> and <\/span><\/i>Nicolas Friederici<\/i><\/b> analyse the German AI startup scene and conclude that currently about two thirds of German AI startups focus on \u201cAI as a service\u201d, that is, optimising existing value creation processes with the help of AI. Only one third develop \u201cAI as a solution\u201d: comprehensive solutions that have the potential to open up new areas of value creation. The article is part of the HIIG study “Demystifying AI in entrepreneurship\u201d, to be published in 2019.<\/span><\/i><\/p>\n\n\n\n

K\u00fcnstliche Intelligenz (KI) kann in den kommenden Jahren einen wichtigen Beitrag zum Wirtschaftswachstum in Deutschland leisten. KI-Startups tragen dabei zur Wertsch\u00f6pfung nicht nur durch die Produktion von neuer Technologie bei, sondern auch durch die Entwicklung neuer Gesch\u00e4ftsmodelle<\/a> und die Transformation von Lieferketten und -netzwerken. Der deutsche KI-Sektor ist dabei gefragt, zukunftsf\u00e4hige, skalierbare und exportf\u00e4hige L\u00f6sungen \u201cmade in Germany\u201d zu entwickeln. Jedoch ist momentan noch unklar, inwieweit das tats\u00e4chlich gelingt und welche H\u00fcrden dem im Weg stehen. <\/p>\n\n\n\n

Unsere Studie<\/a> setzt hier an und versucht zun\u00e4chst zu verstehen, welche Arten von Technologien von KI-Startups in Deutschland produziert werden und wie sich diese in bestehende Branchenstrukturen und Wertsch\u00f6pfungsketten der deutschen Wirtschaft einf\u00fcgen. Es geht also darum, das Zusammenspiel von KI-Technologie-Produktion und der Anwendung von KI in Unternehmen zu verstehen. In diesem Blogpost geben wir einen Ausblick und teilen Zwischenergebnisse bis dato.<\/p>\n\n\n\n

Die deutsche KI-Startup Landschaft<\/strong><\/h3>\n\n\n\n

Unsere Analyse beginnt mit einem \u00dcberblick \u00fcber die KI-Startup-Landschaft. Nach einer umfassenden Erhebung von AppliedAI<\/a> gibt es momentan insgesamt 138 KI-Startups. Alle diese Unternehmen wurden nach 2008 gegr\u00fcndet, haben ihren Hauptsitz in Deutschland und nutzen Machine Learning Technologie als zentralen Bestandteil ihres Angebots. Verschiedene andere Studien zeigen eine \u00e4hnliche Anzahl. Zum Beispiel identifiziert das Projekt Lernende Systeme<\/a> 123 Startups, die gemeinsame Studie von Asgard Venture Capital<\/a> und Roland Berger nennt 106. Die genaue Anzahl variiert, da zum einen unterschiedliche KI-Definitionen verwendet werden und zum anderen Neugr\u00fcndungen nicht immer direkt erfasst werden. Im internationalen Vergleich<\/a> liegt Deutschland mit 138 KI-Startups auf Platz 5, hinter den USA (1393), China (382), Israel (362) und dem Vereinigten K\u00f6nigreich (245). Obwohl also die Anzahl der Neugr\u00fcndungen in Deutschland in den letzten 3 Jahren um 80% gestiegen ist, gibt es weiterhin Aufholbedarf. Geographisch konzentrieren sich Startups und Investoren auf die Hubs Berlin (40%) und M\u00fcnchen (25%); die restlichen 35% verteilen sich \u00fcber ganz Deutschland. Interessant ist hierbei, dass sich bekanntlich ein Gro\u00dfteil der deutschen Wirtschaftskraft auf andere Regionen verteilt (z.B. Baden-W\u00fcrttemberg) und auch f\u00fchrende Forschungszentren finden sich in anderen Regionen (z.B. Aachen). <\/p>\n\n\n\n

In Deutschland gibt es zwei Typen von KI-Startups<\/strong><\/h3>\n\n\n\n

Als n\u00e4chstes versucht die Studie genauer zu verstehen, welche Arten von KI in Deutschland produziert werden. Dazu analysieren wir die AppliedAI<\/a> Datenbasis anhand von zwei Kriterien. Zum einen beleuchten die Position eines jeweiligen Startups in der Wertsch\u00f6pfungskette. Hier wird klar, dass sich KI-Technologien aktuell h\u00e4ufig in bestehende Wertsch\u00f6pfungsketten einf\u00fcgen<\/strong>, beispielsweise in die Produktentwicklung oder die Unterst\u00fctzung von bestehenden Gesch\u00e4ftsprozessen. Seltener produzieren KI-Startups in Deutschland schl\u00fcsselfertige KI-Endprodukte<\/strong>. Weiterhin analysieren wir die Reichweite der Anwendung von KI anhand des Branchenfokus. Die Reichweite ist umso h\u00f6her, je branchen\u00fcbergreifender die Anwendung ist.
<\/p>\n\n\n\n

Aus dem Zusammenspiel der Kriterien \u201cPosition in der Wertsch\u00f6pfungskette\u201d und \u201cReichweite\u201d identifizieren wir zwei Typen deutscher KI-Startups: AI as a Service <\/em>Startups und AI as a Solution <\/em>Startups (s. Abb1). Hier erl\u00e4utern wir diese Typen zun\u00e4chst im Allgemeinen. In zuk\u00fcnftigen Blog-Posts werden wir dann Fallstudien und Gr\u00fcnder-Interviews pr\u00e4sentieren, um die Startup-Typen anschaulicher zu machen.
<\/p>\n\n\n\n

\"\"
Abbildung 1: <\/strong>Typen deutscher KI-Startups<\/figcaption><\/figure>\n\n\n\n

AI as a Service<\/em> Startups<\/strong> fokussieren sich auf einen bestimmten Teil der Wertsch\u00f6pfungskette und produzieren KI-L\u00f6sungen, die anderen Unternehmen helfen, Endprodukte mit Hilfe von KI zu entwickeln oder diese zu vertreiben. Der Umfang der Wertsch\u00f6pfung ist dementsprechend sehr fokussiert, allerdings ist die Reichweite der Anwendungen h\u00e4ufig branchen\u00fcbergreifend. Diese Kategorie macht 71% aller KI-Startups in Deutschland aus. Dieser Trend passt in die globale Entwicklung von KI-L\u00f6sungen<\/a>. Momentan fokussieren sich viele Startups auf Gesch\u00e4ftsbereiche, in denen bereits gro\u00dfe Datens\u00e4tze vorhanden sind, da dies die Entwicklung von selbstlernenden KI-Systemen erleichtert. Interne Firmendaten wie Kunden- oder Buchhaltungsdaten sind meist bereits gut erfasst und k\u00f6nnen so leicht mit Hilfe von KI-Technologien verarbeitet werden.<\/p>\n\n\n\n

AI as a Service<\/em> Startups unterscheiden sich nochmals in zwei Untergruppen mit verschiedenen Positionen in der Wertsch\u00f6pfungskette. Technologieentwickler <\/em>machen 43% aller deutschen Startups aus und fokussieren sich auf die Entwicklung und Anwendung einer spezifischen KI-Technologie, beispielsweise Bilderkennung. In Zusammenarbeit mit bestehenden Unternehmen werden diese hochspezialisierten Technologien in neue Produkte, Dienstleistungen oder Prozesse eingebunden. Der Gro\u00dfteil dieser KI-L\u00f6sungen (79%) hat eine branchen\u00fcbergreifende Reichweite. Abbildung 2 zeigt die verschiedenen Arten von KI-Technologien, welche von AI as a Service<\/em> Startups entwickelt werden. Fortschrittliche Datenanalyse wird beispielsweise mit Bilderkennungs-Technologien kombiniert, um automatisierte L\u00f6sungen f\u00fcr die Dokumentenverarbeitung in der Finanz- und Versicherungsbranche zu erm\u00f6glichen. Ein anderer Anwendungsbereich ist die automatisierte Erstellung von 3D Karten einer geografischen Umgebung, welche von  Automobil- oder Roboterherstellern in der Produktentwicklung genutzt werden.<\/p>\n\n\n\n

\"\"
Abbildung 2:<\/strong> Anwendungen von KI-Technologieentwickler Startups<\/figcaption><\/figure>\n\n\n\n

Gesch\u00e4ftsprozesstransformatoren <\/em>hingegen gehen einen Schritt weiter in der Wertsch\u00f6pfungskette und entwickeln L\u00f6sungen, um bestehende Prozesse in Unternehmen mit Hilfe von KI zu automatisieren und zu optimieren. Diese KI-L\u00f6sungen sind ebenfalls gr\u00f6\u00dftenteils branchen\u00fcbergreifend (82%). Viele dieser Startups fokussieren sich also auf die Entwicklung von Technologien, die auf \u00e4hnliche Anwendungsf\u00e4lle in verschiedenen Industrien anwendbar sind. Da selbst die gleiche Art von Gesch\u00e4ftsprozess (zB. Kundenbeziehungsmanagement) \u00fcber verschiedene Industrien hinweg variieren kann, erfolgt die genaue Ausgestaltung der L\u00f6sung meist in enger Abstimmung mit dem Kunden.<\/p>\n\n\n\n

Gerade f\u00fcr Unternehmen, die sich aktuell im Prozess der Digitalisierung befinden, kann die Zusammenarbeit mit dieser Art von Startups sehr vielversprechend sein. Abbildung 3 zeigt, welche Gesch\u00e4ftsbereiche typischerweise adressiert werden. Auch hier ist zu sehen, dass KI-L\u00f6sungen sich tendenziell auf Gesch\u00e4ftsprozesse fokussieren, welche bereits eine gut strukturierte Datenbasis haben, z.B. Kundenservice und Marketing. Dabei kommen wiederum bereits hoch entwickelte und weit verbreitete KI-Technologien zum Einsatz. Text- und Spracherkennung ist beispielsweise ist ein wichtiger Bestandteil f\u00fcr die Entwicklung von KI-basierten Kundenservicel\u00f6sungen. Chatbots nutzen ausgereifte Texterkennungstechnologie um typische Kundenanfragen schnell zu beantworten. Auch in Gespr\u00e4chen zwischen Servicemitarbeitenden und KundInnen kommt h\u00e4ufig Spracherkennungstechnologie zum Einsatz, um zum Beispiel Gespr\u00e4che in Echtzeit zu analysieren und direkte Empfehlungen an Mitarbeitende zu geben. Datenerhebung und -analyse ist wiederum ein erprobter Anwendungsfall f\u00fcr die automatisierte Optimierung von Online-Marketing-Kampagnen, besonders im Bereich E-Commerce. <\/p>\n\n\n\n

\"\"
Abbildung 3:<\/strong> Bereiche, die von Gesch\u00e4ftsprozesstransformatoren optimiert werden
<\/figcaption><\/figure>\n\n\n\n

AI as a Solution<\/em> Startups <\/strong>machen 29% aller deutschen KI-Startups aus. Sie stellen KI-basierte Produkte her, die meist mit einer eigenst\u00e4ndigen Marke direkt an private Endnutzende vertrieben werden. Der Umfang der Wertsch\u00f6pfung ist so deutlich n\u00e4her an den KundInnen, als bei AI as a Service Startups. Dahingegen ist die Reichweite der Anwendung meist auf eine bestimmte Branche fokussiert, um dort ein konkretes Problem l\u00f6sen zu k\u00f6nnen. Abbildung 4 zeigt eine \u00dcbersicht der Branchen, in denen bereits AI as a Solution <\/em>Startups arbeiten. Wiederum ist klar zu erkennen, dass der Fokus auf Branchen liegt, in denen Daten zur Verf\u00fcgung stehen. In der Automobilbranche gibt es bereits viele KI-Startups, die KI-basierte Mobilit\u00e4tsl\u00f6sungen entwickeln, beispielsweise KI-basierte Assistenten, die w\u00e4hrend der Autofahrt Auskunft geben oder Anwendungen, bei denen bestehende Applikationen kombiniert werden, um den k\u00fcrzesten Weg von T\u00fcr zu T\u00fcr f\u00fcr Nutzende zu finden. In der Gesundheitsbranche entstehen ebenfalls viele innovative L\u00f6sungen, beispielsweise Gesundheitsassistenten, die bei gesundheitlichen Fragen Rat geben und helfen, Gesundheitsparameter zu verfolgen. In anderen wirtschaftsstarken Branchen, wie beispielsweise Maschinenbau oder Chemie, gibt es dagegen bisher weniger umfassende L\u00f6sungen. In diesen Bereichen fokussieren sich KI-Startups momentan noch sehr auf AI as a Service <\/em>Modelle, welche sich in bestehende Wertsch\u00f6pfungsstrukturen dieser Branchen einf\u00fcgen.<\/p>\n\n\n\n

\"\"
Abbildung 4:<\/strong> Branchen, in denen AI as a Solution<\/em>-Startups aktiv sind<\/figcaption><\/figure>\n\n\n\n

F\u00fcr wahre KI-Innovationen ist mehr Kooperation gefragt<\/strong><\/h3>\n\n\n\n

Insgesamt stellt unsere Studie fest, dass deutsche KI-Startups bereits viele innovative L\u00f6sungen entwickeln. Diese decken ein Spektrum ab von Technologie-Entwicklung (z.B. 3D Visualisierung von geographischen Karten) \u00fcber Produktivit\u00e4ts- und Effizienzsteigerung im Vertrieb bestehender Produkte (z.B. durch Optimierung des Online-Marketings)  bis hin zur Entwicklung von KI-basierten Endprodukten (z.B. Gesundheitsassistenten). Zwei Drittel der KI-Startups in Deutschland fokussiert sich hierbei aktuell auf KI-basierte L\u00f6sungen innerhalb bestehender Wirtschafts- und Gesch\u00e4ftsstrukturen (AI as a Service). Die Optimierung bestehender Wertsch\u00f6pfungsprozesse kann so zu einem Produktivit\u00e4tszuwachs<\/a> in allen Branchen f\u00fchren. <\/p>\n\n\n\n

Jedoch kann das volle Potential KI-basierter Anwendungen sich nur entfalten, wenn auch zus\u00e4tzliche Wertsch\u00f6pfung durch g\u00e4nzlich neue KI-basierte Produkte, Dienstleistungen und dazu passende Gesch\u00e4ftsmodelle entsteht. Bisher fokussieren sich allerdings nur ein Drittel der deutschen KI-Startups auf eben solche schl\u00fcsselfertigen L\u00f6sungen (AI as a Solution<\/em>). Dies ist nicht verwunderlich vor dem Hintergrund, dass AI as a Service <\/em>L\u00f6sungen auf bestehenden Datenstrukturen aufbauen k\u00f6nnen und somit h\u00e4ufig ein \u201eQuick Win\u201c sein k\u00f6nnen. Dabei bleibt es allerdings fraglich, wie nachhaltig, transformativ und international konkurrenzf\u00e4hig solche Ans\u00e4tze sein k\u00f6nnen. In Zukunft sollten Startups und etablierte Unternehmen in Schl\u00fcsselbranchen, wie z.B. Maschinenbau oder Chemie, eng mit Partner und Forschungseinrichtungen zusammenarbeiten, um ein Umfeld zu schaffen, in dem KI-Innovationen entstehen k\u00f6nnen. Nur so k\u00f6nnen langfristig  disruptive KI-Produkte, Dienstleistungen und Gesch\u00e4ftsmodelle \u201emade in Germany\u201c entstehen. Eine wichtige Rolle kommt hierbei auch Investoren und \u00f6ffentlichen F\u00f6rdereinrichtungen zu, um derartige Projekte aktiv zu unterst\u00fctzen.<\/p>\n\n\n\n

Beide Arten von KI-Startups (AI as a Service <\/em>und AI as a Solution<\/em>) haben nachhaltige Auswirkungen auf die Wirtschaft und Gesellschaft in Deutschland. Durch die Automatisierung und Optimierung von Produktentwicklung und Prozessen werden sich die Jobprofile und Arten der Zusammenarbeit in vielen Organisationen \u00e4ndern. Gleichzeitig k\u00f6nnen durch innovative KI-Produkte v\u00f6llig neue Wertsch\u00f6pfungsbereiche entstehen. Um KI in Deutschland wirklich zu entmystifizieren, ist es daher nur ein erster Schritt, die Startup-Landschaft zu verstehen und deren KI-Anwendungsfelder zu betrachten.<\/p>\n\n\n\n

Im n\u00e4chsten Schritt ist es wichtig zu er\u00f6rtern, durch welche Gesch\u00e4ftsmodelle konkrete Produkte und Dienstleistungen auch monetarisiert werden k\u00f6nnen. In den kommenden Beitr\u00e4gen der Demystifying AI in entrepreneurship <\/em>Reihe stellen wir daher drei Beispiele deutscher KI-Startups im Detail vor. Wir beschreiben jeweils in einem Blogpost, welche KI-Technologien verwendet werden und welche Gesch\u00e4ftsmodelle dahinter stehen. In Podcast-Interviews geben die Gr\u00fcnder zudem ihre Motivation und Sicht auf KI in Deutschland wieder. <\/p>\n\n\n\n

Hier geht’s weiter zur ersten Case Study eines deutschen KI-Startups<\/a>
<\/p>\n