German AI Startup Landscape 2020

Andrew Ng, einer der renommiertesten KI-Forscher, sagt: „KI ist die neue Elektrizität.“ Wir können uns nur vorstellen, welchen Einfluss KI auf unser tägliches Leben in zehn Jahren haben wird. Als Allzwecktechnologie kann KI unbegrenzt angewendet werden. Viele Anwendungen haben das Potenzial, die menschlichen Fähigkeiten zu erweitern, die Qualität von Produkten und Dienstleistungen erheblich zu verbessern, Prozesse effizienter und umweltfreundlicher zu gestalten und uns letztlich von vielen lästigen Aufgaben zu befreien.

Derzeit sind die USA und China führend bei der Einführung von KI. Daher ist es keine Überraschung, dass die meisten der 100 besten KI-Start-ups der Welt aus den USA oder China kommen (siehe CB Insights AI 100). Obwohl Deutschland eine der weltweit stärksten Industrienationen ist und über ein besonders starkes Netzwerk von KMUs verfügt, ist es bei den besten KI-Start-ups unterrepräsentiert.

Im Jahr 2018 war kein einziges deutsches KI-Start-up in der Liste vertreten. Im Jahr 2019 schaffte es ein einziges Berliner Start-up (Twenty Billion Neurons) in die „AI 100“-Liste. Das ist alarmierend, denn Start-ups spiegeln die Innovationskraft eines Landes wider. Deutschland muss viel mehr tun, um nicht zurückzufallen. Wie Alan Kay sagte: „Der beste Weg, die Zukunft vorherzusagen, ist, sie zu erfinden.“ Deshalb hat sich appliedAI – gemeinsam mit unseren über 40 Partnern aus Wissenschaft, Regierung und Industrie – vorgenommen, ein Ökosystem zu schaffen, in dem KI-Start-ups gedeihen und die Zukunft der KI zum Nutzen der Gesellschaft mitgestalten.

Wir unterstützen deutsche KI-Startups, indem wir bei der Identifizierung von Pilotkunden, dem Zugang zu Daten, der Suche nach Talenten und der Auswahl von Hardware-Ressourcen helfen.

Gemeinsam mit unseren Mitwirkenden, den Technologieunternehmen NVIDIA und Google, sowie acht führenden Venture-Capital-Gesellschaften (Digital+ Partners, Earlybird Capital, eCAPITAL, High-Tech Gründerfonds, HV Holtzbrinck Ventures, Lakestar, Speedinvest und Unternehmertum Venture Capital Partners) haben wir mehr als 1000 Startups gescreent, um die besten KI-Startups in Deutschland zu finden. Die 247 KI-Startups, die herausstachen, sind in der folgenden Landschaft dargestellt.

Lesen Sie hier den Handelsblatt-Artikel über die KI-Startup-Landschaft.

Die in die Landschaft aufgenommenen KI-Start-ups sind private Unternehmen, die nach 2009 gegründet wurden und ihren Hauptsitz oder zentrale Entwicklungsaktivitäten in Deutschland haben. Sie konzentrieren sich auf maschinelles Lernen (ML) oder nutzen ML signifikant. Der Auswahlprozess lässt sich wie folgt zusammenfassen:

• Die Start-ups werden aus verschiedenen öffentlichen (z. B. Crunchbase, LinkedIn) und privaten (VC-Netzwerk) Quellen zusammengetragen, um eine umfangreiche Longlist zu erstellen.

• Die Start-ups werden anhand von Daten, Talenten, KI-Methoden, Skalierbarkeit und Gesamtqualität bewertet und anschließend geclustert (siehe Logik für das Clustering).

• Die Start-ups werden zunächst von unseren KI-Ingenieuren und -Strategen bewertet („valide“, „aufsteigend“, „Longlist“ und „verworfen“), um eine Shortlist zu erstellen.

• Die Shortlist wird von unseren Mitwirkenden (Jury, bestehend aus Digital+ Partners, Earlybird Capital, eCAPITAL, Google, High-Tech Gründerfonds, HV Holtzbrinck Ventures, Lakestar, NVIDIA, Speedinvest und Unternehmertum Venture Capital Partners) unabhängig bewertet und beurteilt. Die Rückmeldungen werden synthetisiert und das Endergebnis wird visualisiert.

Die Logik für das Clustering basiert auf der Landscape for Machine Intelligence von Shivon Zilis. Sie wird aus der Sicht von Unternehmen entwickelt, die KI in ihrem Unternehmen einsetzen wollen:

• Enterprise Functions: Die Produktivität bestehender Aufgaben steigern – unterstütze deine Mitarbeitenden mit sofort einsatzbereiten, KI-fähigen Tools, die ihre tägliche Arbeit erleichtern und so die Produktivität steigern.

• Enterprise Intelligence: Neue Datenquellen nutzen – erschließe neue Einblicke, die mit herkömmlichen Methoden bisher zu schwierig oder zu teuer waren.

• AI Technology Stack: Produkte mit ML bauen – gib Entwicklern die Tools an die Hand, die sie benötigen, um Software für maschinelles Lernen zu erstellen, zu nutzen und daraus einen Wettbewerbsvorteil zu erzielen.

• Industries: „AI-first“-Produkte nutzen – nutze und kooperiere mit Start-ups, die mit maschinellem Lernen branchenbezogene Produkte und Dienstleistungen anbieten.