MMC-Bericht: 40 Prozent der KI-Startups in Europa entwickeln gar keine KI

Marketing statt Wirklichkeit: Laut einem Bericht der Firma MMC scheinen 40 Prozent der europäischen KI-Startups gar nichts mit künstlicher Intelligenz zu tun zu haben. Dass die betroffenen Unternehmen das nicht richtigstellen, hat wohl einen Grund: Geld.

Artikel veröffentlicht am 5. März 2019, 17:01 Uhr, Oliver Nickel

Wenn doch alle Lügen so einfach zu erkennen wären ... (Bild: Pixabay.com/CC0 1.0)

Laut eines Berichtes der britischen Investmentfirma MMC haben etwa 40 Prozent aller sogenannten KI-Startups in Europa eigentlich gar keine Berührungspunkte mit KI und Machine Learning. Das berichtet das Branchenmagazin Forbes mit Berufung auf Seite 99 des langen Berichtes (PDF). Demnach seien aus 2.830 Startups nur 1.580 als Unternehmen mit KI-Fokus anzusehen. Bei den restlichen 1.250 Firmen sei die Klassifizierung einfach falsch, heißt es. Untersucht wurden Unternehmen aus Großbritannien, Deutschland, Frankreich, Spanien, Italien und vielen anderen Ländern.

"Wir haben uns jedes Unternehmen, deren Produkte und Webseite angeschaut", sagt David Kelnar, MMC-Forschungsleiter. "In 40 Prozent der Fälle fanden wir keine Erwähnung oder Beweise für KI." Das Problem ist wohl, dass sich die gefragten Unternehmen nicht selbst als solche Unternehmen einstufen, sondern vielmehr von anderen Organisationen als solche eingestuft werden.

KI im Namen bringt Kapital

Dass die Unternehmen Aussagen wie diese nicht korrigieren, scheint dabei eine Taktik zu sein: Laut Kelnar erhalten Startups im Bereich der künstlichen Intelligenz von Investoren im Durchschnitt 15 bis 50 Prozent mehr Kapital. "Ich denke, in den meisten Fällen werden sich die Unternehmen bewusst sein, wie sie eingestuft werden", sagt er - ohne Beispiele nennen zu wollen. Investoren setzen dabei wohl gern auf bekannte Analyse-Plattformen wie etwa Crunchbase und CB Insights.

Ähnlich wie Blockchain scheint auch künstliche Intelligenz zu einer Art Marketing-Begriff zu werden, der Kapital anzieht. Teilweise scheint es dabei egal zu sein, wie sinnvoll der Einsatz der Technik ist. Ein Problem ist auch: Gerade Machine Learning braucht zum einen gute Entwickler und zum anderen eine große IT-Infrastruktur, wie sie meist eher große Unternehmen wie Google, IBM, Microsoft und AWS bieten. Beliebte Einsatzgebiete für Machine Learning sind dabei Text-to-Speech, Bilderkennung, aber auch Mustererkennung aus einer großen Menge von Kundendaten.