Dieses Transkript wurde maschinell erstellt. Wenn dir ein Fehler auffällt, schreib uns gerne zu diesem unter redaktion@digitalkompakt.de.
Erik Pfannmöller: Hallo und herzlich willkommen zu einem neuen AI Unplugged Podcast von digitalkompakt. Mein Name ist Erik Pfannmöller, aber mich kennt ihr ja schon hier im Podcast nach gut zwei Jahren Moderatoren-Tätigkeit. Wir sind im Jahr 2021 und wir schauen auf ein besonderes und ereignisreiches Jahr 2020 zurück. Wie in jedem neuen Jahr gibt es auch Veränderungen und neue Pläne. Für mich persönlich heißt das, dass ich leider, denn KI ist meine Passion und ich leite ja auch eine KI-Firma, dieses Format als Moderator in diesem Jahr 2021 und mit dieser Folge abgeben werde. Bevor ihr nun denkt, Oh, wie geht es weiter? Lasst mich das direkt beantworten. Es gibt nicht nur einen neuen Moderator, es gibt ein Duo Infernale aus zwei sehr erfahrenen Experten, die ich beide schon seit vielen Jahren kenne und sicher bin, dass sie dieses Format sogar noch besser machen können und auf die nächste Ebene heben. Heute haben wir natürlich auch inhaltlich ein spannendes Thema und zwar KI und KI Investment Trends 2021 pünktlich zum Jahresstart und ich habe meine neuen Moderatoren als Gäste eingeladen. Nun, seid ihr sicherlich schon ganz gespannt. Und daher spanne ich euch auch nicht länger auf die Folter.
Heute bei mir sind Jasper Masemann, ein VC-Investor, der in KI-Startups investiert. Jasper war sechs Jahre Berater bei der Boston Consulting Group und hat dann eine eigene Firma gebootstrapped und verkauft. Die hieß damals GreatContent.com. Heute ist er Partner bei HV Capital mit einem Fokus auf Software und KI. Und eine seiner Portfolio-Firmen, Verbit, hat zum Beispiel gerade 60 Millionen von Sapphire Ventures geraced. Jasper schätze ich, weil er ein Experte ist und aus der Vogelperspektive, ist ja auch sein Beruf als Investor, auf das Thema KI schauen kann. Nun zum zweiten Moderator, Rasmus Rothe. Rasmus ist ein KI-Unternehmer, der KI-Startups gründet, also sozusagen genau das Gegenstück zum Jasper.
Und wer ein fleißiger Hörer ist bei AI Unplugged, Rasmus war schon mal bei uns im Podcast, und zwar in Episode 5 zum Thema Neural Networks. Und dass er ein Experte dazu ist, ist auch klar, denn er hat sein PhD in Deep Learning an der ETH Zürich gemacht und vorher in Oxford und Princeton studiert. Rasmus ist außerdem Gründungsmitglied und Vorstand vom KI-Bundesverband und Gründer von Merantix, einem Venture-Studio für künstliche Intelligenz. Liebe Hörer, wie ihr also seht, ich habe nicht nur zwei ganz besondere Gäste heute hier, sondern auch zwei echt erfahrene Co-Moderatoren. Und mit diesem Intro würde ich direkt einsteigen und würde sozusagen an die neuen Moderatoren übergeben. Herzlich willkommen, Rasmus. Herzlich willkommen, Jasper.
Rasmus Rothe: Danke, Erik. Danke für die nette Einführung.
Jasper Masemann: Dankeschön, Erik.
Erik Pfannmöller: Da ihr die Stimme noch nicht kennt, der Erste, der sich gemeldet, war Rasmus. Und ich würde direkt starten, Rasmus. Stell dir doch mal vor, was machst du und was macht vor allem Arantix, die Firma, die du leitest?
Rasmus Rothe: Danke, Erik. Ja, du hast mich ja gerade schon gut vorgestellt. Ich würde trotzdem gerne noch was zu Merantix sagen. Wir sind ein KI-Venture-Studio in Berlin. Was wir machen ist, wir inkubieren KI-Firmen. Das heißt, wir arbeiten mit Gründerinnen und Gründern zusammen, testen und validieren viele verschiedene Ideen, bis wir eine gefunden haben, die uns gefällt und gründen diese dann aus als eigenständiges Unternehmen und unterstützen diese auch als Investor in den ersten ein, zwei Jahren. Und das machen wir in sehr unterschiedlichen Industrien. Also wir haben zum Beispiel eine Firma Vara angeschoben, die im Bereich Brustkrebsfrüherkennung unterwegs ist. Zia Search, die sich mit dem Thema Data Management beschäftigt und jetzt seit Neuestem Causa und Cambrium. Causa, die versuchen KPI-Veränderungen zu erklären und Cambrium, die im Bereich der synthetischen Biologie aktiv sind. Also ziemlich breit und als Venture-Studio schieben wir diese Firmen nicht nur an, sondern versuchen auch möglichst starke Synergien zwischen diesen zu heben.
Erik Pfannmöller: Sehr spannend und soweit ich weiß, arbeitet ihr auch am KI-Campus in Berlin hier.
Rasmus Rothe: Genau. Wir haben schon seit Anfang an alle unsere Firmen im gleichen Office co-located, weil wir sehr an diesen Austausch zwischen den Unternehmen glauben. Und dann kam letztes Jahr die Idee zu sagen, wieso übertragen wir das nicht aufs breitere Ökosystem? Und ja, dann haben wir gesagt, okay, wir bauen einen KI-Campus und diesen machen wir im Frühjahr nächsten Jahres auf. Der wird Platz haben für über 400 Leute und das Ziel ist wirklich nicht nur KI-Startups, sondern auch größere Corporates, andere Startups, vielleicht auch Leute aus der Verwaltung, aus Thinktanks, die sich mit dem Thema KI beschäftigen, an einem Ort zusammenzubringen, damit diese zusammenarbeiten können, sich austauschen können. auch miteinander Business machen können. Und das wird auf jeden Fall eine ziemlich spannende Sache.
Erik Pfannmöller: Sehr gut. Man hört also, Rasmus kommt wirklich sozusagen von der Front und hat schon nicht nur KI-Erfahrung, sondern auch schon einige KI-Firmen mit seiner Firma Marantix, einem Venture-Studio, ausgegründet und angeschoben. Nun rüber zu Jasper. Jasper, was macht eigentlich HV Capital und wie bist du dazu gekommen?
Jasper Masemann: Ja, danke, Erik. HV Capital, wie der Name schon sagt, oder HV Capital, hat Kapital. Also wir sind ein Venture Capital Fund. Ursprünglich kennt man uns vielleicht noch als Holzbrink Ventures. Wir haben uns rebranded im Neudeutschen vor ein paar Wochen. Einfach aus dem Grund, dass wir ursprünglich die ersten zehn Jahre mit der Verlagsgruppe Holzbrink gearbeitet haben. Die haben uns damals 99.000, 2000.000 angeschoben, haben uns also sehr viel Vertrauen gegeben auch. auch nachdem diese ganze Internetblase geplatzt ist, dass wir das Ökosystem in Deutschland mit Kapital unterstützen konnten. Und da sind wir denen sehr dankbar. Deswegen haben wir den Namen auch sehr, sehr lange gehalten, über 20 Jahre. Und haben uns natürlich mittlerweile davon emanzipiert, seit zehn Jahren unabhängiger Fund mit externen Investoren. Das heißt, was machen wir im Endeffekt? Wir sammeln Geld ein von zum Beispiel Universitätsfonds, also amerikanischen Universitäten vor allen Dingen, Pension Funds, da gibt es dann Feuerwehrleute, die zum Beispiel ihr Geld irgendwo angelegt haben wollen, um nachher eine Pension zu haben. Und dann investieren wir es in Startups. Also gar nicht so unähnlich zu dem, was zum Teil auch Merantix macht. Wir gehen allerdings eher später rein. Das heißt, bei uns, wir gucken schon, dass die Gründer eine Idee haben, dass die schon ein bisschen was zeigen können, weil wir natürlich fremdes Geld auch verwalten. Wir müssen natürlich auch schauen, dass da was draus wird, weil unsere Investoren haben sehr, sehr hohe Renditeerwartungen. Und das machen wir de facto. Und Firmen, die man kennt, sind zum Beispiel Zalando, Delivery Hero, da waren wir erste Investoren, oder Flixbus oder SumUp. Also viel hier aus Deutschland, zum Teil auch aus dem Ausland.
Erik Pfannmöller: Das sind ja dann Namen, die man kennt und man sieht sozusagen, dass ihr bei Hotspring oder jetzt HV Capital einiges an Erfahrung habt. Liebe Hörer, was ich spannend finde, wenn man das vielleicht so hört, dass wir einerseits Rasmus hier haben, der wirklich aus dem täglichen Leben kommt und wirklich Firmen anschiebt und dann gleichzeitig auch Jasper, der sozusagen als VC-Investor diese Vogelperspektive drauf hat. Und diese Kombination, ich weiß, dass die beiden sich nicht nur schon gut kennen und gut verstehen, ist wirklich extrem bereichernd und ich freue mich schon auf das Gespräch gleich. Bevor wir aber einsteigen, Rasmus, noch eine Frage zu dir und noch eine Frage zu Jasper danach. Du hast ja den KI-Bundesverband gegründet. Wie kam es dazu?
Rasmus Rothe: Ja, wir hatten vor drei Jahren einige Gespräche mit Politikern und waren damals ziemlich entsetzt, dass es keine deutsche KI-Strategie gibt. Und als wir dann im Austausch waren und gefragt haben, ja, woran liegt das? Können wir irgendwie unterstützen? Wurde uns gesagt, dass es als einzelne Personen oder Unternehmer relativ schwierig ist. Aber wenn wir sozusagen eine unabhängige Perspektive haben und eben auch noch ein paar mehr Unternehmer und Unternehmerinnen mobilisieren in einem Verband, dann wäre das um einiges einfacher. Und dann haben wir gesagt, okay, dann gründen wir einfach einen Verband. Und daraus ist der KI-Bundesverband geworden. Wir sind jetzt mittlerweile über 250 Unternehmen und haben eigentlich zwei Aufgaben. Das eine ist den Austausch Richtung Politik und Verwaltung. Das heißt, da zu schauen, dass Regulierung zum Beispiel im Bereich KI sinnvoll umgesetzt wird und auch klar umgesetzt wird. Aber andererseits auch die KI-Startup-Szene untereinander zu vernetzen, dass man sich gegenseitig hilft und weiterbringt. den Standort.
Erik Pfannmöller: Und ich habe das ja verfolgt als selbst sozusagen Geschäftsführer einer KI-Firma, sozusagen von Tag 1 beim KI-Bundesverband dabei und es ist richtig und wichtig, denn das Internet ist kein Neuland mehr für uns, sondern wir müssen schon den nächsten Schritt in Deutschland weiterdenken und Rasmus macht da die Veränderung des Umdenkens auch in der Politik natürlich möglich. Jasper, nochmal zu dir. Du warst ja Unternehmer und bist jetzt Investor geworden. Was hat dich bewegt, die Seiten zu wechseln? Von der guten Seite der Macht auf die, naja, auf die Seite des Geldes.
Jasper Masemann: Ich mag Star Wars total gerne. Ich finde die Differenzierung ja ein bisschen komisch, weil wir geben ja Leuten Geld, um damit hoffentlich Gutes zu tun, Firmen zu bauen. Also deswegen, ich glaube, wir sind hoffentlich beide auf der guten Seite.
Erik Pfannmöller: Ich mache natürlich noch Witze.
Jasper Masemann: Gutmache als Berater, das ist immer, man kommt ja immer neu rein und muss erstmal ganz viel lernen und hat eigentlich nicht so viel Erfahrung. Und ich hatte einfach Lust, mal so ein bisschen im Feuer zu stehen. Deswegen habe ich auch gebootstrapped, also mit eigenem Geld und meinem Geschäftspartner. Wir hatten kein externes Funding. Wir haben immer darauf geachtet, dass wir cashflow-positiv laufen. Dann haben wir viel aufgebaut, viele Länder, also viele Sprachen und irgendwann war ich gefühlt fertig, also auch mit dem Produkt und mein Team sagte immer, Jasper, es ist super, was du für tolle Ideen hast und was du alles Neues machen willst, aber wir müssen erstmal das, was wir hier haben, gut machen und vielleicht auch mal ein bisschen Stabilität reinbringen. Und ich merkte einfach so über die Zeit, dass ich irgendwie immer unwichtiger wurde in meinem eigenen Unternehmen und ich hatte sehr tolle Leute, die das tausendmal besser gemacht haben als ich und auch bessere Ideen und habe mich dann quasi so ein bisschen selber ersetzt. Und ich wollte eigentlich frei machen, ein halbes Jahr, bis mein Sohn kam und meine Frau hatte gesagt, wenn du noch in einem Monat einen Job findest, darfst du ihn gerne machen, ansonsten musst du warten. Und dann hat Holzbrink hier das Berliner Büro angemietet ohne Mitarbeiter, hat das auf Facebook gepostet, ich habe es gesehen, habe mich gemeldet, eine Woche später gefühlt, eine Woche später. Später hatte ich den Job und für mich ist das die perfekte Kombination von meinem Berater-Dasein, meinem Wunsch, vieles parallel zu machen, vieles Neues zu sehen und gleichzeitig irgendwie Leuten zu helfen, aber eben nicht zu operativ zu sein. Ich bin nicht so wahnsinnig gut da drin, jede Woche alle Sachen ein bisschen besser zu machen.
Erik Pfannmöller: Finde ich spannend. Das ist ja auch eine Entscheidung, in welcher Rolle man sich am besten fühlt. Und ich finde es spannend, dass du gesagt hast, da war das Büro und da kam das einfach. Weil für die guten Leute sind die guten Dinge einfach da, wenn man sie braucht. Eine Sache, die ich gelernt habe.
Jasper Masemann: Super. Ja, auch VCs sind manchmal ein bisschen unternehmerisch. Da hat der eine Kollege einfach gesagt, wir müssen das jetzt machen in Berlin und hat dieses Büro gefunden und gemacht. Ich glaube, das ist genauso, wie man es machen sollte manchmal.
Erik Pfannmöller: Klar, es ist wie mit Minimobile Biproduct. Wenn man es nicht chippt und es einem später nicht leid tut, dass man es schon so früh gelauncht hat, dann ist man zu spät live gegangen. Ja, wir wollten aber heute über das Thema nach dieser Intro-Runde über das Thema KI-Investments sprechen. Und interessanterweise macht ja sowohl Rasmus mit seinem Venture-Studio Merantix als auch HV Capital beide eine Art Investments. Das heißt, Rasmus entscheidet sich, eine Firma anzustoßen, ein Team zu suchen und wirklich das Go-To-Market zu machen, was ein Inkubator-Zeit- aber auch Geld-Investment ist. Und Jasper nimmt sozusagen schon etwas weitere größer gediegene Ideen. wo schon was da ist und investiert Geld, um die weiter größer zu machen. Das heißt, ihr beide seid in gewisser Art und Weise Investoren und ihr entscheidet, welche Themen vorangebracht werden. Ich würde zuallererst in dem Podcast jetzt mal euch ein paar Fragen stellen, wie ihr das sozusagen macht und dann inhaltlich an euch übergeben, weil da wird sicherlich gleich ein spannendes Gespräch zwischen den beiden Seiten entstehen. Ich würde loslegen und einfach mal fragen, wie sucht ihr euch neue Themen?
Rasmus Rothe: Ja, ich kann gerne mal anfangen. Wir sind ja ein bisschen früher im Funnel als Jasper. Bei uns ist es sehr um die Leute zentriert. Also wir bringen Founder in Residence bei Merantix rein, arbeiten mit diesen sechs bis zwölf Monaten. Und wenn die zu Merantix kommen, ist es oft so, dass sie noch keine konkrete Idee haben, dass vielleicht durch ihren Hintergrund, durch ihre Industrieerfahrung oder ihre Erfahrungen in der Forschung schon irgendwie klar ist, dass sie sich auf jeden Fall mit Natural Language Processing beschäftigen werden oder auf jeden Fall was im Bereich Biologie und Machine Learning machen. Aber es ist noch nicht so, dass es dann ein konkretes Thema gibt. Und Dann ist es so, dass in diesen sechs bis zwölf Monaten, wo wir mit den Gründerinnen und Gründern arbeiten, wir uns sehr, sehr viele Ideen parallel anschauen. Viele von den Gründerinnen und Gründern haben bis zu 50 Themen gesehen, bis sie wirklich dann ein Thema ausgründen. Und diese Themen versuchen wir dann möglichst stark zu testen und zu validieren, bevor wir sie zu einer Ausgründung bringen. Das heißt, wir sprechen mit potenziellen Kunden, setzen auch vielleicht mal Pilotprojekte um, bauen Prototypen, wenn wir uns irgendwo technisch nicht ganz sicher sind, ob das funktioniert und versuchen da möglichst viel zu validieren und sagen auch, wir nehmen uns lieber nochmal einen Monat länger Zeit, weil natürlich die Kosten ganz andere sind, wenn man ein Gehalt bezahlt versus wenn man dann ein Team von 20 Leuten hat und dann merkt, okay, der Kunde braucht das Produkt vielleicht doch nicht so. Und deswegen ist diese erste Phase für uns ganz, ganz wichtig, wo die Gründerinnen und Gründer sich auch gegenseitig sehr stark unterstützen und wir natürlich auch mit unseren bestehenden Ventures zusammenarbeiten. eng zusammenarbeiten, um da auch alle Learnings, die wir so in den letzten Jahren gemacht zu haben, weiterzugeben. Und daraus ergeben sich dann im Endeffekt die Themen, die wir dann wirklich als eigenständige Firmen inkubieren.
Erik Pfannmöller: Wie sieht das bei dir aus, Jasper?
Jasper Masemann: Ja, bei uns ist das so ein bisschen, glaube ich, wie in der Wissenschaft. Ich habe auch mal so einen PhD versucht wie Rasmus, aber ich habe ihn nicht fertig gemacht. Also es ist erstmal sehr explorativ am Anfang. Es gibt auch unterschiedliche Herangehensweisen bei VCs. Bei uns ist es eher so, dass wir Gründer folgen. Also wir versuchen, tolle Leute zu entdecken und mit denen zusammen zu verstehen, wie das große Geschäftsmodelle sein können. Nichtsdestotrotz müssen wir natürlich ein bisschen up to speed sein, wenn gerade im AI-Bereich oder anderen speziellen Bereichen was kommt. Das heißt, viel lesen, explorativ Themen verstehen, nicht so tief, wie das definitiv Mirantix tut, aber schon richtige Newsletter auch mit Experten immer mal wieder sprechen, um zu wissen, das könnte wirklich ein konkreter Trend sein. Und wenn wir dann Menschen treffen, mit denen dann eher über die Risiken des Geschäftsmodells zu sprechen, wo sind eigentlich die Herausforderungen? vielleicht technischer Seite, um einfach auch dem Gründer so ein bisschen da helfen zu können. Aber wir versuchen natürlich immer zu schauen, was könnte eine Firma werden, die man in acht bis zehn Jahren vielleicht wieder verkaufen kann. Das ist also viel mehr produktfokussiert, was natürlich Mirantix auch macht, aber wir wollen dann schon sehr konkret verstehen, was nachher herauskommt. Wir haben jetzt der neue Fund, sind 535 Millionen. Wer so ein bisschen die VC-Metrics kennt, weiß, dass wir dann eher, also die Firma muss dann eher ein paar Milliarden groß sein, dass dass sich das für uns lohnt im Exitfall.
Erik Pfannmöller: Man sieht sozusagen wieder die Vogelperspektive und die sozusagen von unten heraus. Der eine schaut sich den Gründer an und entwickelt die Idee und der andere möchte sozusagen die Idee skalieren. Das finde ich spannend. Ihr habt ja beide schon so ein bisschen über Kriterien eurer Auswahl gesprochen und ich kenne mich ja auch in dem Bereich aus, habe ja selbst Venture Capital finanzierte Firmen gegründet. Ganz im Kern steht natürlich das Team, das ist klar. Danach kommt die Idee, die man sozusagen hat, die mit dem Kunden validiert wird. Und ich würde gerne an euch nochmal den Ball übergeben und sagen, darüber hinaus, über Idee und Team, welche Kriterien habt ihr? Und im Speziellen unterscheidet sich das eigentlich stark von Nicht-KI-Themen.
Jasper Masemann: Bei uns ist ja immer so ein bisschen die Frage des Market-Timings. Also ich meine, ein schönes Beispiel ist Flixbus. Es gab eine Deregulierung, der Busmarkt öffnete sich und du wächst halt eine der Firmen mit dem hoffentlich besten Team. Das ist beim KI, beim AI-Bereich kann das auch sein. Das heißt, was ist anders als zum Beispiel im Software-Bereich, wobei wir auch da schauen, also ich mache auch Software-Investments, aber wir Wir müssen halt schon wissen, ist die Technik eigentlich ausgereift genug, ist die Erfahrung im Markt ausgereift genug, dass man daraus ein Produkt bauen kann, was stabil ist. Also je nachdem, was ich für Kunden natürlich nachher adressiere. Enterprise-grade Großkunden ist nochmal ein bisschen was anderes als zum Beispiel kleinere. Aber da schauen wir ganz, ganz stark drauf. Und dann trotzdem muss ich jetzt das Team erwähnen. Es ist natürlich wichtig, dass das Team das schon mal in irgendwelchen Bereichen gemacht hat. Also wenn man jetzt sagt, ich habe das im Studium gehabt und ich bringe mir das jetzt in einen anderen Bereich. Also ich sage mal, ich komme jetzt aus dem ASR-Bereich und dann gehe ich vielleicht in, ich weiß nicht, ob es ein gutes Beispiel ist, NLP-Bereich. Bringen wir das jetzt selber bei. Das finden wir so ein bisschen kritisch, weil AI ja schon noch sehr experimentell ist. Ich muss die Daten mir anschauen und gucken, was rauskommt und dann sollte ich schon ein bisschen Ahnung haben, wo ich da jetzt tweake an den Modellen, welche Modelle die richtigen sind, mit wem ich spreche und so weiter.
Erik Pfannmöller: An dem Punkt möchte ich kurz mal eingehen. Man merkt, dass Jasper ein Profi ist. Er hat nämlich ASR und NLP benutzt. ASR, Automatic Speech Recognition und NLP, Natural Language Processing. Du kannst gleich weitermachen. Ich würde nur sagen, wenn man investiert in KI-Themen, muss man sich in der Materie deutlich auskennen, weil die ist halt nicht so oberflächlich das B2C-Geschäftsmodell, sondern diese Frage, funktioniert das wirklich, finde ich gut, dass du darauf eingehst. Aber machen wir weiter.
Rasmus Rothe: Ja, vielleicht würde ich da direkt nochmal ergänzen, diese ersten beiden Punkte von Jasper, weil das sehen wir auch so. Also das Thema Timing ist super wichtig. Nur weil es irgendwo in der Forschung eine Demo gibt, die funktioniert, heißt es noch lange nicht, dass es robust genug ist für ein Produkt. Das heißt so, diese Differenzierung zu machen, okay, da gibt es ein Research Paper zu, das ist wirklich was, was auch schon robust genug als Produkt funktioniert und was wir jetzt bauen können. Oder es ist was, wo wir vielleicht noch zwei, drei Jahre warten müssen, ist, glaube ich, eine super wichtige Entscheidung. Und da muss man eben auch sehr stark in die Details reingehen. Und das Zweite zum Thema Team. Das ist, glaube ich, auch ein sehr, sehr guter Punkt, den Jasper da gebracht hat, weil wir machen es auch nicht so, dass wir ein Team zusammenstellen von zwei, drei Leuten und dann die wild Ideen suchen lassen, sondern dass wir im Gegenteil eine einzige Person haben, die eben sich Themen anschaut und auch grundsätzlich in dem Bereich, wo sie Expertise hat und dann abhängig von dem genauen Business Case dann auch erst den zweiten Co-Founder dazu sozusagen sourcen. weil wir eben auch glauben, dass gerade für viele KI-Themen man ein sehr tiefes Domänenwissen braucht und deswegen abhängig von der Idee auch das Gründerteam ganz anders aussehen muss. Zum Beispiel im Bereich Ware unserer Medical Imaging Firma, da haben wir einen KI-Experten dabei. Da ist einer, der eben kommerziell in dem ganzen medizinischen Umfeld gut verkaufen kann. Da ist ein Arzt dabei, da ist jemand dabei, der sich mit dem Regulatorischen auskennt. Und das muss man halt alles von Anfang an wirklich auch dabei haben, sonst hat man da oft gar keine Chance. Man kommt da vielleicht die ersten Schritte, aber kriegt dann nicht kein richtiges Produkt in den Markt.
Jasper Masemann: Ja, und gutes Beispiel jetzt auch, glaube ich, du hattest den Michael Brehm da, Erik. Da ist ja bei i2x ein Teil des Teams, hat für Yandex den ganzen Voice-Bereich aufgebaut. Und das hat dann natürlich so ein bisschen so einen Headstart gebracht für i2x, weil du die Leute einfach nicht gefunden hattest in Berlin. Genau, und dann ist das Thema Daten, da bin ich auch auf Rasmus' Meinung sehr gespannt. Das Thema Daten natürlich total wichtig. Also klar, ich habe Zugang zu Daten. Öffentliche Daten, zum Beispiel die ESA, stellt ja viele Imaging-Daten aus dem Weltraum zur Verfügung. Ich kann aber auch Daten selber akquirieren. Und dann ist natürlich immer so ein bisschen die Frage, lohnt es sich, die Daten selber zu akquirieren? Das ist natürlich teuer und aufwendig und kostet Zeit. Oder gehe ich auf öffentliche Daten? Wie verteidigbar sind dann diese Daten? Müssen die überhaupt verteidigbar sein? Weil auf der einen Seite ist erstmal das Labeling der Daten ja sehr wichtig. Also, dass ich überhaupt verstehe, was in den Daten drin ist, damit das Modell damit arbeiten kann. Dann ist die Frage, muss ich das selber labeln? Oder macht das vielleicht sogar der Kunde für mich? Ist natürlich immer besser, wenn der Kunde das macht. Dann ist es günstiger. Geht auch schneller und ist skalierbar. Und wenn ich die Daten mir selber besorgen muss, welche Qualität von Daten bekomme ich da eigentlich? Es gibt so ein bisschen die Frage immer der Cases, die ich damit abdecke, weil das Modell ist ja nur eine Prediction auf Basis von historischen Daten, die ich habe. Das heißt, wenn ich jetzt eine Longtail-Verteilung habe und im Longtail unterwegs bin, wie viel vom Longtail decke ich ab? Habe ich damit eigentlich ein Produkt, was repräsentativ ist für neue Kunden, die ich akquiriere oder funktioniert das Produkt dann nicht mehr? Das ist schon sehr, sehr im Detail. Das mache ich auch nie alleine. Da frage ich auch andere Leute. Ich bin mir sicher, Erasmus hat noch mehr Menschen, die er da fragen kann.
Rasmus Rothe: Ja, das ist auch wieder ein guter Punkt. Also bei den Daten schauen wir sehr stark danach, ob es einen Grund gibt, wieso die Daten standardisierbar sind oder standardisiert sind. Weil gerade wenn jeder Kunde die Daten in einem unterschiedlichen Format hat, ist es halt sehr, sehr schwierig, schnell zu skalieren. Und Standardisierung kann es aus verschiedenen Gründen geben. Zum Beispiel im Bereich Medical Imaging. Breast Cancer ist es so, dass es halt global eine Regulierung gibt, die definiert, wie das Brustkrebs-Screening ablaufen muss und deswegen diese Daten global standardisiert sind. In anderen Bereichen vielleicht Celones zum Beispiel als Beispiel, die setzen sich eben auf SAP drauf und haben deswegen da eine Standardschnittstelle, mit der sie arbeiten können. Aber ich glaube, immer wenn man irgendwie so einen Standard hat, hilft das, schneller das Produkt zu skalieren. Und ich glaube, das Zweite, was super wichtig ist, ist eben diese Longtail, die Jasper auch angesprochen hat. Auch wie der Beispiel Medical Imaging. Es ist ja mittlerweile relativ einfach, einen Algorithmus zu trainieren auf ein paar medizinischen Bilddaten. Das macht man im Zweifel an einem Nachmittag. Jetzt aber was zu bauen, was wirklich ein robustes Produkt ist, was auch mit allen Edge-Cases wirklich gut umgehen kann und was man auch mit gutem Gewissen als Medizinprodukt zulassen kann, ist eine ganz andere Geschichte und sage ich mal auch hundertmal so viel wahrscheinlich Aufwand gewesen. Und da ist dann wirklich der Teufel im Detail, wo man sehr genau arbeiten muss, sich sehr genau seine Daten anschauen muss, damit das wirklich funktioniert.
Erik Pfannmöller: Und an diesem Punkt gibt es ja auch sozusagen vielleicht bei KI-Themen so diesen Zwischenlayer. Es gibt ja die Idee bei einer normalen Geschäftsidee und dann gibt es den Produkt-Market-Fit, den man so schön hört. Und zumindest, wie ich das erlebt habe, gibt es noch so einen Algorithmus-Fit dazwischen. Das heißt, bevor man ein Produkt bauen kann, jetzt im Bereich Medical Imaging, wie du das sagst, muss ja der Algorithmus Ergebnisse liefern. Und dann muss ich basierend auf dem Ergebnis des Algorithmus, also dem algorithmischen Fit, ein Produkt entwickeln, das jemand kaufen kann in gewisser Art und Weise. Auch wenn das nur eine API ist, die jemand benutzt, ist es ein Produkt, das ich rundherum und ein Geschäftsmodell entwickle. Und das finde ich sozusagen ganz spannend, dass man diesen Komplexitätslayer hat, wo sowohl Jasper als auch Erasmus gesagt haben, man muss tiefer reinschauen, nämlich nicht nur von außen auf, wie kann ich vielleicht dieses Brustkrebs-Screening verkaufen, ist das ein Markt, sondern dieses tiefer, wie funktioniert das und funktioniert das überhaupt? Und diesen Schritt zu machen von, ich fand dieses Research Paper zu sozusagen auch algorithmischen Fit und Produktfit, einen Dreischritt, Nur weil wir wissen, dass Computer Vision funktioniert, heißt das noch nicht, dass wir selbstfahrende Autos haben, was das endgültige Produkt wäre. Da gibt es einen langen, langen, langen Weg dazwischen. Und diesen langen Weg zu beschreiben, da gibt es ja auch Risiken. Wie würdet ihr diese Risiken along this journey beschreiben?
Jasper Masemann: Also ich glaube, die sind massiv, wenn du startest, noch keine Daten hast, Erfahrung hast, sage ich mal, in einem sehr kleinen Bereich von der Anwendung, also von der KI-Anwendung und die nehmen ab, wenn man also erst das Produkt gebaut hat, was auf Basis des Modells auch funktioniert, also Mehrwert für den Kunden bringt und dann kommen so das nächste Herausforderung, Risiko, was ich ja beschrieben habe, wenn du wechselst auf den nächsten Kunden und funktioniert mein Modell noch, nächster Kunde und so weiter, muss ich jedes Modell einzeln maintainen, habe ich irgendwelche Transfer Learning oder also Also Synergien zwischen den Modellen, kann ich ein generelles Modell bauen? Also du hast eigentlich erst genau dieses Model-Fit oder vielleicht ist es auch einfach eine Anwendung, also die Frage der richtigen Anwendung für das Produkt als Risiko. Und das zweite ist einfach ein Skalierungsrisiko. Und die kann man beide irgendwo bewerten, aber auf der anderen Seite weiß man es halt noch nicht so richtig. Das ist halt auch das, wofür wir Geld geben als VC.
Rasmus Rothe: Ja, ich meine, bei manchen Use Cases kommen wir sehr stark von der technischen Seite, dass wir zum Beispiel sagen, es gibt hier irgendwie eine neue Technologie, ein neues Paper, einen neuen Research Trend und dann denken wir eben Richtung, okay, was sind Probleme, wo das einen Unterschied machen könnte. Und teils kommen wir auch von der anderen Seite, dass wir sagen, okay, dieser ganze Space ist irgendwie spannend, dieses Business Problem ist spannend und gehen dann zurück und überlegen, welche Tools wir nutzen. Und ja, eigentlich unsere Entrepreneurs in Residence kommen von der einen und von der anderen Seite und das trifft sich dann irgendwann in der Mitte und dann entsteht halt eine Idee, die wir wirklich aufbauen.
Erik Pfannmöller: Bevor wir sozusagen überleiten zu dem Thema Trends 2021, würde mich nochmal interessieren, ihr habt ja nun beide entweder Firmen gegründet oder in KI-Firmen investiert. Nennt mir doch mal so zwei, drei Beispiele und was euch daran eigentlich begeistert in der Idee.
Rasmus Rothe: Okay, gut, ich fange an. Auf jeden Fall Vara als unsere erste Firma, die wir inkubiert haben. Vara ist im Bereich Brustkrebs-Screening und Ich glaube, das ist super spannend, weil der Nutzen einfach für die Menschen sehr, sehr groß ist. Es werden zurzeit 20 bis 25 Prozent der Brustkrebse übersehen, die man eigentlich hätte sehen können. Und eine KI kann da um ein Vielfaches besser sein. Und so diesen Challenge, da wirklich ein Produkt in den Markt zu bringen, was eben um einiges besser performt als der Arzt in Kombination, ist auf jeden Fall was sehr Antreibendes. Eine zweite Firma, Zia Search, die wir gestartet haben, die sind im Bereich Data Management. Das heißt, die helfen einem, große Mengen Petabyte an Sensordaten, vor allem im Bereich Computer Vision, besser zu nutzen und enablen so im Prinzip viele Entwickler, sei es im autonomes Fahren, sei es irgendwie im Bereich Surveillance, Remote Sensing, eigene Anwendungen zu bauen. Also so ein Enabling-Layer zu bauen, finde ich super spannend, weil du dadurch eben nicht ein konkretes Problem löst, sondern viele hunderttausende Leute idealerweise damit enablest, KI-Anwendungen zu schaffen. Und sonst eben auch jetzt die neuen Firmen, die wir starten, die neuen Ideen, an denen wir arbeiten. Da ist vieles, was gerade auch in der Pipeline ist, wo ich noch nicht viel drüber sagen kann, aber wo ich mich sehr freue, was dann in den nächsten Monaten kommt.
Erik Pfannmöller: Da hört man den Unternehmer raus und den Weltverbesserungsantrieb. Jasper, über zu dir.
Jasper Masemann: Ich mag zwei Themen sehr gerne. Das eine ist im Prinzip Service-Industrien durch AI teilzuautomatisieren und das andere ist einfach die Arbeit von Menschen zu verbessern. Du hattest ja den Michael Brehm auch da. Im Endeffekt, was macht der? Der coacht ja Agenten, die im Callcenter sitzen, durch Automatic Speech Recognition und sagt ihnen während des Gesprächs, was sie besser machen können und hilft ihnen einfach. Das nimmt Stresslevel. Das hilft natürlich auch bei der Conversion. Und wir haben auch noch in eine zweite Firma investiert, die so ein bisschen auch in deinem Bereich ist, Customer Care Ultimate AI in Berlin und Helsinki und die das ähnliche machen. Also der Agent bekommt eine Chatnachricht, bekommt eine E-Mail und bekommt vom System vorgeschlagen über Natural Language Understanding und Processing, was er denn antworten sollte auf Basis der besten Antworten der Vergangenheit. Also das nimmt einfach Stress. raus und macht im Prinzip für alle etwas besser. Ich glaube, im Medical-Bereich sind wir noch nicht so weit, aber ich will ja eigentlich den besten Arzt der Welt für mein Problem und nicht irgendeinen Arzt. Und das versuchen die beide zu lösen. Und die anderen beiden Firmen, Zeitgold und Verbit, hattest du ja erwähnt, Verbit, die gehen im Endeffekt an eine Industrie, wo sehr viel manuell gemacht wurde. Also Zeitgold ist einfach Buchhaltung, was mit der Hand eingetippt wird, erkannt wird, mit dem Also der Sicht der Augen und dann mit den Fingern eingetippt wird. Und das kann man viel über AI abbilden und automatisieren. Die kommen auf 80% Automatisierung, was wirklich krass ist. Das hat auch keiner bisher geschafft. Oder Verbit, die das eben im Bereich Transcription machen. Da hören Leute sich eben Audio-Files wie unser Audio-File an und machen daraus Text. Das ist total relevant in Universitäten, wo Menschen einfach nicht gut hören können, wenn sie zum Beispiel eine Behinderung haben oder wenn sie zum Beispiel gar nicht hören können oder im Bereich Legal, also in den USA sehr aktiv, wo Zeugenaussagen getroffen werden. Und das machen alles noch Menschen. Und das ist eine Interaktion zwischen AI und Menschen. Das heißt, die AI arbeitet vor und der Mensch arbeitet nach. Und ich glaube, dieses Hybrid-Modell finde ich super, super spannend. Da wird halt einfach noch viel in Zukunft passieren, weil was wir so merken, das sind halt viele Arbeiten, wo die Menschen sagen, das finde ich super, dass mir das von der AI abgenommen wird, weil ich habe da ehrlich gesagt keine Lust zu und ich könnte noch ganz andere Sachen machen, wenn ich das nicht immer jeden Tag machen müsste. Also das finde ich super, super spannend für die Zukunft.
Erik Pfannmöller: Mensch-Maschine-Interaktion ist ganz klar sozusagen ein Trend. Nicht nur vollständige Automation, sondern Mensch-Maschine-Augumentation. Stimme ich dir vollkommen zu. Und das war eigentlich schon eine sehr gute Überleitung zu euch beiden als Moderatoren und auch zu dem Thema Trends 2021. Ich würde sozusagen jetzt so ein bisschen visuell auch den Staffelstab an Rasmus und Jasper übergeben. Ich weiß, ihr habt spannende Themen zu den KI-Investment-Trends 2021 überlegt und freue mich und übergebe euch einfach mal das Wort.
Jasper Masemann: Danke schön, Erik. Ja, ich fange mal an, Rasmus, weil ich habe ja nicht so viel Zeit. Du hast ja viel mehr Zeit als ich, dir die ganzen Sachen nochmal durchzulesen und sprichst mit so vielen Leuten.
Rasmus Rothe: Ich weiß nicht, ob das so stimmt, aber ja.
Jasper Masemann: Und ich will ja mal wissen, what's the next big thing? Also natürlich jetzt gerade im KI-Bereich. Das heißt also, welche technischen Trends siehst du eigentlich so 2021, die dann auch wirklich nutzbar wären für zum Beispiel Startups?
Rasmus Rothe: Ja, super spannend. Also die Frage stellen wir uns auch jeden Tag. Die endgültige Antwort haben wir da, glaube ich, auch noch nicht. Aber es gibt definitiv ein paar Themen, auf die wir uns sehr freuen im nächsten Jahr und an denen wir auch gerade schon arbeiten. Also ein großes Thema ist sicher die ganzen Fortschritte in den letzten Monaten im Bereich Natural Language Processing, Natural Language Understanding, also mit GPT-3 von OpenAI. Das haben ja wahrscheinlich viele von euch auch im Sommer gesehen, die da echt tolle Ergebnisse präsentiert haben. Das ist alles zurzeit noch Ja, sehr forschungsnah und man merkt auch, wenn man das in der Praxis ausprobiert, dass es noch nicht an allen Ecken und Enden super funktioniert. Aber ich glaube, grundsätzlich wird es trotzdem viele spannende Business Opportunities geben im nächsten Jahr im Bereich Natural Language Understanding, diese Modelle natürlich weiterzuentwickeln. Ich glaube, da passiert noch einiges in der Forschung, aber diese dann eben auch in die Anwendung zu bringen, weil ich meine, im Endeffekt, wir als Menschen sind so ein bisschen glorified text processing machines. Wir lesen super viel Text, wir schreiben super viel Text im täglichen und da gibt es natürlich viele Anwendungen, wie du auch schon gesagt hast, Jasper, wo man den Menschen eben das Leben auch leichter machen kann und Arbeit abnehmen kann, die vielleicht nicht so viel Spaß macht. Das ist ein Thema. Ich glaube, ein zweites großes Thema.
Jasper Masemann: Lass uns vielleicht kurz, ich spiele jetzt mal Erik, ich übe jetzt mal ein bisschen, weil vielleicht nicht alle wissen, was GPT-3 ist, OpenAI. Kannst du uns vielleicht kurz sagen, was die da machen, was das denn wirklich bringt und was so mögliche Anwendungen sein könnten für die Zuhörer?
Rasmus Rothe: Ja, genau. Ja, klar, gerne. Es ist ja so, dass man vor ein paar Jahren Language-Modelle noch sehr spezifisch auf eine Anwendung trainiert hat. Also man hat gesagt, ich möchte irgendwie ein Modell haben, was besonders gut Legal Text versteht und dann habe ich ein Modell genau für diesen Kontext trainiert. Und das ist einerseits gut, aber heißt natürlich auch, das haben wir vorhin ja auch schon so ein bisschen angesprochen, dass man Trainingsdaten braucht und die hat man nicht immer so. Und was sie jetzt bei OpenAI und mit GPT-3 gemacht haben, ist, dass sie diese Modelle im Prinzip auf allen Text im Internet trainiert haben, ohne das Ganze für einen spezifischen Task sozusagen zu optimieren. Also im Prinzip allen Text, den du im Internet finden kannst, in dieses Modell reingeschmissen und damit im Prinzip daraus dann gelernt, wie Text funktioniert, wie Sätze funktionieren, wie Zusammenhänge sind. Und das Spannende ist jetzt, dass man dieses eine Modell hat, was im Prinzip für jeglichen Use Case trainiert ist und jetzt nehmen kann und einfach nur ein bisschen Kontext gibt und sagt, hey, ich brauche hier eine Zusammenfassung oder beantworte mir diese Frage und dann das Modell im Prinzip aus dem ganzen Wissen, was es im Internet gelesen hat, dann versucht eben, dir eine Zusammenfassung zu generieren oder deine Frage zu beantworten. Zusätzlich kann man natürlich diese Modelle auch noch feintunen, aber es ist halt schon sehr beeindruckend. Ich meine, im Internet steht so viel Text, also es stehen so viele Informationen. Das alles sozusagen in ein Modell zu packen, ist super spannend. Und es gibt viele, viele spannende Beispiele im Internet, wo eben dieses Modell dann angewendet wurde. Und ja, sehr beeindruckende Ergebnisse. Und ich glaube Man merkt natürlich an manchen Ecken und Enden, dass dann trotzdem noch ein bisschen Quatsch rauskommt und dass irgendwo manchmal dann doch ein bisschen der Kontext fehlt. Aber ich glaube, da wird eben jetzt genau in den nächsten Monaten noch weitere Fortschritte passieren. Da sind sehr viele Forscher, die da gerade dran arbeiten, weil es auch eins der heißesten Felder gerade ist auf der Forschungsseite. Das heißt, es ist sehr viel Brainpower dran, diese Modelle weiterzuentwickeln. Und ich glaube, dann werden die nochmal eine Stufe robuster.
Jasper Masemann: Ich glaube, so Liebesbriefe schreiben kann GPT-3 auch ganz gut. Kann man ja mal ausprobieren.
Rasmus Rothe: Das wäre doch ein Business Case, ja?
Jasper Masemann: Ja, ich zahle dafür. Was siehst du noch? Vielleicht irgendwas, was ein bisschen ferner sogar ist, aber wo du auf jeden Fall einen Fortschritt siehst technisch?
Rasmus Rothe: Ein spannender Bereich ist jetzt auch diese Language-Sachen zum Beispiel im Bereich Biologie anzuwenden. Also du hast ja in der Biologie dadurch, dass DNA-Sequencing-Kosten in den letzten Monaten und Jahren immer weiter runtergegangen sind, im Prinzip jetzt halt die Möglichkeit, diese DNA-Sequenzen wirklich in großen Mengen zu sammeln. Und das sind viele Terabyte oder Petabyte an Daten, wo du irgendwie zum Beispiel Proteine analysierst. Und diese Sequenzen sind im Prinzip auch Text. Das sind im Prinzip ja auch Buchstabenfolgen. Und jetzt gibt es gerade in den letzten Monaten einige sehr, sehr spannende Paper, die im Prinzip diese GPT-3-Ansätze genommen haben und auch andere Ansätze im Bereich NLP und in der Biologie anwenden, wo man sagt, okay, das ist Text, den kann eigentlich kein Mensch verstehen, aber es ist halt strukturell von den Daten ähnlich und Ich glaube, das ist super spannend, weil das sind so zwei Welten, die da gerade zusammengebracht werden, die ja vorher eigentlich nichts miteinander zu tun haben. Die einen haben sich mit menschlichem Text, den irgendwie Menschen geschrieben haben, beschäftigt und die anderen waren im Labor. Und da merkt man jetzt, dass irgendwie diese zwei Welten zusammenkommen. Ich glaube, das ist so ein Bereich, wo wir noch viel sehen, wo jetzt gerade in den nächsten Monaten und Jahren noch sehr viel von den neuen Methoden einfach dann in der Biologie angewendet wird.
Jasper Masemann: Das heißt, das nächste Impfmittel machen wir dann einfach mit AI und dann geht es noch schneller?
Rasmus Rothe: Hoffentlich, ja. Cool. Vielleicht mal eine Frage von mir. Jasper und Erik, ihr seid ja beide im Customer-Care-Bereich aktiv. Jasper, du als Investor, Erik, du als Unternehmer. Das ist ja auch schon ein Bereich, wo jetzt seit einigen Jahren KI-Anwendungen genutzt werden und es auch einige Firmen gibt. Was seht ihr so als Trends jetzt auch für die nächsten Jahre und vor allem im nächsten Jahr da kommen? Was wird sich verändern? Was wird gleich bleiben? Würde mich gerne eure beiden Meinungen interessieren.
Erik Pfannmöller: Vielleicht von meiner Seite an der Stelle. Ich glaube, 2021 wird das Jahr der Bots werden. Ich habe da letztens schon auf der Rise of AI-Konferenz darüber gesprochen. Es gibt ja diesen typischen Hype-Cycle, nämlich eine neue Technologie kommt, alle finden das super toll, man überschätzt das, was es wirklich kann. Und dann kommt sozusagen dieses Plateau der Produktivität. Und wir bei Solvemet, wir haben ja an Chatbots schon gearbeitet, bevor das Wort Chatbot erfunden wurde, bevor die auf Facebook Messenger das erste Mal live gingen im April 2016. Und wir sehen sozusagen, dass wir nicht nur unsere Plattform seit knapp fünf Jahren entwickelt haben, sondern dass auch der Markt sozusagen die Mehrheit des Marktes versteht, dass sie jetzt handeln müssen, dass es keine Option mehr ist, nicht zu handeln. Und unsere Technologie ist auch mehr ausgereift. Es gibt mehr Firmen, die das zeigen können. Ich glaube, der größte Trend ist, wenn man sich jetzt das Thema KI und Kundenservice anschaut. Es geht um Automation und Bots, die Endkonsumenten gerichtet sind, sind ganz stark. Und dann, da werde ich wahrscheinlich gleich zu Jasper übergeben, das Thema, also ich persönlich trenne das zwischen Automation und Augmentation. Und ich glaube, Automation ganz fest an das Thema. Die Marktpenetrierung ist vielleicht bei 5% mit guten Bots und es wird auf 20% gehen. Das heißt, liebe Leiter Kundenservice, denkt an Bots. Das ist ein ganz wichtiges Thema. Ich glaube auch ganz fest, dass es andere Tools gibt, die sozusagen andere Algorithmen haben, um auch Agenten zu helfen. Und ich glaube, das ist eine gute Überleitung zu Jasper.
Jasper Masemann: Ich sehe eigentlich zwei ganz starke Trends. Den einen hatte Erik auch auf der Rise of AI angesprochen. Ich glaube, das macht ja auch bei Softmade zukünftig das Thema Voice. Weil wenn man sich jetzt mal den Markt anschaut von Customer Care Agents, da ist immer noch sehr, sehr viel Telefon. Und das hat unterschiedliche Gründe. Also einmal historisch bedingt, ist aber auch zum Teil einfach für bestimmte Cases sinnvoller, gerade wenn, sage ich mal, ein bisschen Stress involviert ist, man auch eine gute Kundenerfahrung haben möchte. Das heißt, dort wird mehr passieren, einfach weil die ASR, die Automatic Speech Recognition, besser wird, aber auch die ganzen Modelle dahinter, die die Lösung anbieten. Und der Markt ist einfach immer noch, also ich habe jetzt irgendeine Zahl im Kopf, 80 Prozent, müsste man mal verifizieren, von diesen Hunderten von Milliarden jedes Jahr, die da an Gehältern ausgegeben werden. Ich glaube, da werden wir einfach wahnsinnig viel sehen. Das ist auch super spannend.
Rasmus Rothe: Ja, das bleibt ja super spannend. Dann müssen wir eigentlich in einem Jahr dazu nochmal sprechen und gucken, was dann wirklich auch passiert ist, oder? Also scheint so, dass nächstes Jahr auf jeden Fall ein wichtiges Jahr für Customer Care wird.
Jasper Masemann: Und vielleicht noch eine kurze Sache. Ich glaube, es wird auch eine Verschmelzung geben, weil Erik das angesprochen hat, weil wir wollen ja eigentlich eine Lösung haben. Wir wollen nicht mit einem Bot reden oder mit einem Menschen oder auf einer Webseite lesen. Eigentlich wollen wir einen Zugang haben und einfach unsere Lösung bekommen. Das heißt, dieses Thema Augmentation mit Bots, ich glaube, wir werden einfach irgendwann nicht mehr trennen. Und die Maschine entscheidet, ob der Mensch da antwortet, der Bot antwortet. Das wird sehr seamless werden, weil dann einfach die Kundenerfahrung angenehmer ist. Ob das nächstes Jahr passiert, mal gucken. Ich glaube, das ist eher eine Produktfrage als wahrscheinlich eher als eine Modellfrage, aber das ist nicht trivial.
Rasmus Rothe: Ja, das ist wahrscheinlich auch ein Trend in anderen Bereichen von KI, oder? Dass es im Endeffekt der Kunde eine gute Lösung braucht, die seamless funktioniert und ob dahinter dann KI ist, das sollte man idealerweise gar nicht so merken, sondern es sollte einfach ein gutes Produkt sein und das kann dann vielleicht mit KI gebaut sein, aber man muss die KI da gar nicht so in den Vordergrund rücken, weil es ja eigentlich nur ein Mittel zum Zweck ist. Wir haben jetzt ja bisher so ein bisschen eher darüber geredet, was Themen sind, die gehypt werden nächstes Jahr, wo viel passieren wird in der Forschung. Jasper, an dich die Frage, was sind denn vielleicht auch Themen, die du nächstes Jahr nicht anfassen willst oder wo du sehr skeptisch bist? Also gibt es auch so Antithemen, wo du vielleicht auch aus deinen Beobachtungen aus den letzten ein, zwei, drei Jahren sagst, da glaube ich nicht mehr so dran oder noch nicht dran, weil es vielleicht auch zu früh ist?
Jasper Masemann: Ja, also ich würde das dann vielleicht auch irgendwann mal an dich sogar zurückgeben, die Frage. Ich finde Quantencomputer total spannend und ich lese immer so gemischte Meinungen dazu. Eigentlich, wenn man also aus meiner unwissenschaftlichen Perspektive draufschaut, viele Themen bei Machine Learning kann ich sicherlich über Hardware erschlagen und auch gute Algorithmen und Weiterentwicklung. Aber der Quantencomputer hätte natürlich schon irgendwelche Möglichkeiten, die man jetzt mit den normalen Computern nicht hätte. Das haben wir jetzt aber schon so lange und es wird halt immer noch sehr, sehr viel in Grundlagenforschung investiert, wahnsinnig viel VC-Geld. Und ich glaube nicht, dass das nächstes Jahr ein Thema ist, was jedenfalls wir als HP Capital anfassen würden. Nichtsdestotrotz beobachten wir das sehr eng, weil wenn es dann passiert, wird es, glaube ich, super relevant.
Erik Pfannmöller: Kleiner Sidekick zum Thema Quantencomputer. Vier Folgen vor uns. Die Folge Nummer 18 hat ein Dozent von der LMU München alles über Quantencomputer erklärt. für den begeisterten Hörer, der nochmal zurück scrollen will. Das Wort zurück zu euch.
Rasmus Rothe: Ja, spannend. Jasper, gibt es noch ein weiteres Thema, wo du sagst, das findest du nicht so spannend?
Jasper Masemann: Ich finde AI-Tooling total spannend im Sinne von, es wird einfach größer, es muss mehr Zugang geschaffen werden. Ich persönlich bin nicht so ein Fan von diesen Crowdsourced-Modellen, weil ich glaube, das ist nur ein temporärer Effekt. Also Scale AI, super Firma, verdient wahnsinnig viel Geld. Ich glaube, das wird halt commoditized und es geht uns ja mehr darum, was ist eigentlich so das Produkt, was auch einen unfairen Vorteil, einen verteidigbaren Vorteil aufbaut. Deswegen, ich glaube mehr an Software als an diese ganzen Massen-Menschen-Management-Systeme, die aber auch ihre Berechtigung haben. Aber schauen wir mal, was da kommt. Ich glaube, ihr habt da einige bei euch bei Merantex. Ich finde das unglaublich spannend, was man da machen kann.
Rasmus Rothe: Ja, das ist ein guter Punkt. Also das ist auch sicher eins der Themen, die wir sehr spannend finden, weil ich glaube so in den letzten Jahren ist natürlich jetzt super viel Open Source auf den Markt gekommen. Also man kann im Prinzip für jegliches Problem irgendwo einen Open Source Repository finden, mit dem man eine schnelle Demo baut. Aber gerade wenn es dann so um diesen Enterprise-Kontext geht, wo man wirklich eine robuste Anwendung braucht, dann muss man halt viele Sachen nochmal irgendwie von scratch neu erfinden. Und das ist auch nicht unbedingt was, was entweder die Open Source Community erschlägt oder die großen Cloud-Provider out of the box. Und das heißt, ich glaube, genau dazwischen wird es eben so ein Segment geben an so AI-Tooling, was eben hilft, meine Daten besser zu managen, meine Daten besser zu labeln, meine Modelle in Production zu monitoren, weil klar, wenn ich ein Modell in Production habe, ist es relativ einfach zu gucken, ob das noch funktioniert, wenn ich halt 500 Modelle in Production habe und schauen muss, dass die alle keinen Drift haben, also sich irgendwie verändern über Zeit, nicht irgendwelche komischen Biases entwickeln und auch alle noch von der Performance irgendwie da sind, dann wird das total unübersichtlich. und dann brauche ich eben Tools. und ich glaube, deswegen wird dieser ganze AI-Tooling-Markt super spannend. in den nächsten Jahren und damit auch vor allem eben Leute enablen, vor allem in der Longtail ihre eigenen Anwendungen zu bauen, weil klar, es gibt einige Anwendungen, da kannst du ein Produkt bauen und das dann alle verkaufen, aber es gibt halt auch viele, gerade nehmen wir irgendwie mal Beispiel Manufacturing Visual Quality Control, also wo ich am Ende von so einer Manufacturing Line irgendwie versuche zu erkennen, Ist das Teil, was ich produziert habe, heile oder kaputt? Da ist es so, dass natürlich jede Fabrik im Zweifel was anderes produziert. Das heißt, ich brauche irgendwie Tools, die ich anpassen kann an meine Fabrik. Und da wird es nicht ein Produkt geben, das das alles erschlägt, sondern eben auch was, wo Leute Sachen customizen können. Und deswegen wird, glaube ich, dieser Tooling-Markt auch in so welchen Bereichen sehr, sehr spannend werden.
Jasper Masemann: Und vielleicht ein Hinweis an die Hörer. Also wenn ihr eine große Firma bauen wollt, unsere Erfahrung ist, es geht, genau wie du es gerade sagst, Rasmus, es geht mehr um die Anwendung, dass ich da eine Lösung finde, als wirklich das Beste. Modell den besten Ansatz zu finden. Also nehmen wir mal Verbit. Ich sage jetzt gar nicht, dass die schlechte ASR haben, aber die, und ich kann ja per Google auch meine Transcription machen, aber Verbit garantiert Qualität. Verbit hat Prozesse, Workflows, Tools, genau für den Bereich Universitäten und für den Bereich Legal und noch ein paar andere. Und das ist das, was den Kunden interessiert. Die wollen halt nicht sich selber ihre Modelle da zusammenbasteln und über SDKs arbeiten. Und ich glaube, da sollte man sich eher darauf fokussieren, als einfach zu sagen, ich brauche das generelle AI-Tool, das jetzt alle AI anwenden können.
Rasmus Rothe: Jasper, wollen wir vielleicht noch etwas darüber sagen, was wir so in den nächsten Monaten und Jahren planen und den Leuten vielleicht schon mal so einen kleinen Snick-Preview geben? Was haben wir vor, Jasper?
Jasper Masemann: Erzähl mal. Also wir wollen natürlich ein bisschen das kopieren, was der Erik so erfolgreich schon gemacht hat. Ich glaube, das bietet sich wahnsinnig an. Wir würden natürlich sehr gerne weitermachen, mit Experten sprechen aus dem Bereich, also aus allen Bereichen, dass ihr einen gesamten Überblick bekommt, was gerade passiert. gerade Trends sind, was passiert, aber vor allem, was funktioniert. Also das ist unser beider Interesse, ja auch Rasmus. Wir möchten gerne Leute motivieren, mehr AI oder KI in Praxis anzuwenden, aber auch Fehler zu vermeiden. Das ist so die eine Sache. Dann würden wir gerne natürlich so ein bisschen von euch hören, was euch interessiert und in vielleicht kürzeren Sessions einfach mal Fragen beantworten. Was beschäftigt euch gerade? Wo seht ihr Herausforderungen? Was interessiert euch? Und das ist vielleicht genauso, wie ich das vorhin gemacht habe, einfach mal den Rasmus fragen, bevor man sich das alles durchliest.
Rasmus Rothe: Genau, sehr gut. Ja, sonst haben wir auch noch eine Gemeinsamkeit. Wir kommen beide aus Bremen und wir sind ja beide sehr AI-interessiert. Also es gibt da schon mal gewisse Gemeinsamkeiten. Auch wenn ich Borussia Dortmund-Fan bin. Ich weiß gar nicht, du bist ja auf der Werder-Bremen-Seite, glaube ich.
Jasper Masemann: Ehrlich gesagt, ich finde Fußball ziemlich langweilig. Also ich gucke mir eigentlich auch nur wirklich gute Spiele an. Nee, ich mag gerne Basketball. Von daher ist das völlig in Ordnung. Dortmund ist, glaube ich, die Stimmung auch besser. Aktuell jedenfalls. Genau, und was uns vor allem wichtig ist, also ich glaube, man kann wahnsinnig viel Quatsch erzählen in allen Bereichen. Wir wollen das nicht. Also vielleicht kommt das so ein bisschen aus unserer Heimat. Aber wir versuchen hier eher die Straight Shooter zu sein. Ihr könnt uns auch gerne mal kontroverse Themen geben. Ihr bekommt immer eine Meinung von uns und wir freuen uns auch über eure Meinung.
Rasmus Rothe: Ja, genau. Und wir wollen wirklich einerseits natürlich mit Unternehmern reden, aber auch mit Forschern, Investoren, vielleicht auch mal ein größeres Unternehmen einladen und auch das Thema AI Policy angehen, weil das sicher auch wichtig ist und auch noch wichtiger wird in den nächsten Jahren. Was kann man da machen? Digital Sovereignty, Regulierung und so Themen und Von daher hoffen wir, dass ihr dabei bleibt, dass ihr auch in unserer nächsten Folge uns zuhört und bedanken uns nochmal für Erik für die nette Anmoderation und Übergabe heute. Vielen Dank.
Jasper Masemann: Erik, du hast das mega geil gemacht. Vielen, vielen Dank.
Erik Pfannmöller: Und ich danke euch, Rasmus und Jasper und wünsche euch das Beste für die Zukunft und die beste Grüße. Dankeschön an die Hörer, danke an euch und viele Grüße.
Jasper Masemann: Tschüss.
