Lohnt sich KI jetzt endlich? Mit Nicole Büttner und Jan Oberhauser

00:00:02:

00:00:10: Jetzt ist Schluss mit dem Experimentieren.

00:00:12: Künstliche Intelligenz hat die Phase des Wir-Tests mal verlassen heißt es, jetzt müssen Unternehmen damit nämlich auch Geld erwirtschaften.

00:00:19: Wer das sagt?

00:00:20: Warum und vor allem wie gut das klappt?

00:00:22: darüber sprechen wir heute

00:00:24: Und auch über die Frage, was das denn für deutsche KI-Unternehmen bedeutet und welche sich weiter durchsetzen können – auch wenn sie nicht mehr einfach so mal zum Ausprobieren da sind.

00:00:32: Das besprechen wir mit den Kolb-Büttnern, Unternehmerinnen, KI-Verstärkern und Investoren.

00:00:37: Sein Unternehmen ist mehr als fünf Milliarden Dollar wert aber die Chance, dass Sie seinen Namen noch nicht gehört haben, die ist groß!

00:00:42: Bei uns zu Gast ist heute Jan Oberhauser einer der erfolgreichsten Tech & KI Gründer Deutschlands.

00:00:48: Warum er bisher noch keinen Exit angestrebt hat und was sein Unternehmen NADN so besonders macht, darüber sprechen wir gleich.

00:00:55: Und damit herzlich willkommen zu dieser CEO Edition von Table Today an diesem Samstag dem fünften September!

00:01:01: Ich bin Alex Hofmann und bei mir ist meine Kollege Nina Klotz –

00:01:04: legen wir los?

00:01:21: Das war Jensen Wang, der CEO von NVIDIA.

00:01:23: Einem der wertvollsten Unternehmen in der Welt.

00:01:25: Allein im letzten Quartal hat NVIDia zu einem Umsatz umsetzt.

00:01:30: Und in dem Earnings-Call am sechsenzwanzigsten August als NVIDA seine Zahlen für das zweite Quartall des Geschäftsjahrs zwanzig vierundzwanziger präsentiert hat, hat Jensen Wangen eben genau das gesagt.

00:01:39: KI habe ihr und ist das Zitat Wendepunkt also den Tipping Point erreicht.

00:01:44: Sie leistet inzwischen nützliche Arbeit, die Tokens sein produktiv und profitabel und Rechenleistung sei Umsatz.

00:01:52: Das ist natürlich zunächst einmal eine ziemlich gute Nachricht für ihn selbst und für Nvidia – deshalb hat er das auch vor der versammelten Wirtschafts- und Finanzpresse im Call gesagt.

00:02:02: Das stützt die Investmenthese für Nvidia selbst, denn Nvidia verdient ja sein Geld damit, dass Unternehmen, Cloudanbieter und Kailabore immer mehr Rechenleistungen brauchen!

00:02:11: Aber interessant ist die Aussage eben nicht nur für Nvidia.

00:02:14: Huang bringt damit ziemlich gut auf den Punkt, was gerade in vielen Unternehmen passieren soll.

00:02:18: Der KI-Boom bewegt sich zumindest seiner Darstellung nach von der experimentellen Phase in eine wirtschaftlich produktive Phase.

00:02:26: also Unternehmen spielen nicht mehr so irgendwie ein bisschen mit KI herum und versuchen rauszufinden was geht und was nicht geht sondern die Systeme sollen jetzt tatsächlich Aufgaben erledigen, Produkte ermöglichen, Prozesse schneller machen und am Ende eben wirtschaftlichen Mehrwert erzeugen.

00:02:41: Also in der Theorie zumindest!

00:02:44: Die Aussage, jetzt ist Schluss mit dem Humexperimentieren.

00:02:47: Jetzt machen wir mal richtig Sachen damit!

00:02:49: Das haben wir in der Form tatsächlich auch schon häufiger aus deutschen Unternehmen gehört.

00:02:53: Wir haben beispielsweise vor einigen Wochen einmal mit mehreren CFOs gesprochen die ziemlich genau das gesagt haben.

00:02:58: Wir sind lange genug experimentiert und jetzt muss sich die KI endlich rechnen Denn in manchen Unternehmen gab es zwischenseitlich so etwas wie einen kleinen KI-Kosten.

00:03:07: Schock, da hat man festgestellt!

00:03:08: Wir geben ziemlich viel Geld für KI Anwendungen aus und für Tools und Software aber irgendwie bringt uns das gar nicht so viel Geld und auch gar keinen zusätzlichen Umsatz und wir machen damit eigentlich ein Minusgeschäft.

00:03:19: Jetzt ist natürlich der älteste Trick jedes Sief auszusagen okay?

00:03:22: Da kommt nicht genug rein.

00:03:23: dann müssen wir halt weniger ausgeben.

00:03:26: Auf KI verzichten können wir natürlich nicht ganz.

00:03:28: Wir könnten aber zum Beispiel aufhören, erstens KI für Quatsch zu verwenden und Sachen zu Kaisieren die das überhaupt nicht nötig haben oder wir könnten schauen ob wir die KI nicht billiger einkaufen können.

00:03:39: Und das kann man tatsächlich.

00:03:40: also man könnte entweder auf günstige Modelle setzen und immer schauen dass man nicht immer das Neuste und das Allerbeste und das das letzte Modell hier auch für sich benutzt

00:03:51: weil das nämlich so, dass Modelle die jetzt vielleicht sechs oder sieben Monate alt sind.

00:03:56: Das wirkt erstmal wie eine alte Generation.

00:03:59: aber die Generationen unterscheiden sich halt auch immer weniger und auch Modelle, die ein halbes Jahr alt sind können viele Unternehmensaufgaben schon gut erledigen.

00:04:08: Das verändern natürlich auch die Frage, die Sie unternehmen stellen müssen nicht mehr nur welches ist gerade das beste Modell sondern welche KI brauche ich eigentlich für welche Aufgabe?

00:04:18: Im Grunde geht es längst nicht mehr um technische Aspekte, sondern es geht eher darum wie integriere ich denn KI jetzt wirklich gut in meine Prozesse.

00:04:25: Und vor allem wo entsteht denn dadurch auch ein messbarer Nutzen?

00:04:30: Das sagt zum Beispiel die Accenture-Dachschefin Kristina Raab mit der wir diese Woche gesprochen haben.

00:04:35: Ein Umsetzungsproblem hat Deutschland bei KI in ihrer Sicht gar nicht.

00:04:39: Es gibt praktisch keine Technologie und kein KI Modell das nicht irgendwo in einem Unternehmen schon läuft.

00:04:45: Das Problem liegt aus Ihrer Sicht vielmehr in der Skalierung, also daraus eben aus vielen Pilotprojekten auch wirklich eine nutzbare produktive Anwendung zu machen die im ganzen Unternehmen greift und die halt wirtschaftlich was einbringt.

00:04:57: Jetzt werde ich natürlich die logische Gedanke zu sagen, okay dann lassen wir den ganzen Quatsch mit der KI halt ganz.

00:05:01: Das geht aber natürlich nicht!

00:05:02: Kein Unternehmen kommt an dem Thema vorbei schon allein weil man die Angst haben muss dass der Wettbewerbs uns in einem vorbeizieht.

00:05:08: Der Digitalverband BITCOM hat dafür mehr als sechshundert Unternehmen ab zwanzig Beschäftige befragt und hat die Ergebnisse im März veröffentlicht wo nach forty-fünf Prozent der Unternehmen damals schon gesagt haben sie nutzen KI und achtundvierzig Prozent haben das ganz fest vor.

00:05:22: Im Vergleich dazu ein Jahr zuvor waren das nur siebzehn Prozent die KI im Einsatz hatten.

00:05:25: Also jedem ist klar, dass man da mitmachen muss!

00:05:29: Man muss also schon genauer hinschauen warum das nicht funktioniert und was man anders machen muss damit KI dann wirklich alles schneller macht und den Umsatz klingeln lässt.

00:05:38: Woran legt es, dass das oft noch nicht der Fall ist?

00:05:41: Die sich früh mit KI auseinandergesetzt haben, die sagen wer seine bestehenden Prozesse einfach von KI-Agenten abarbeiten lässt er zielt damit eher überschaubaren Effekt.

00:05:51: Dann lässt sich halt der Arbeitsaufwand ein bisschen reduzieren, weil KI einfach manuelle Aufgaben übernimmt.

00:05:56: Das ist nett aber das ist eben nicht der große Hebel!

00:05:59: Der liegt eher darin erst mal ohne einzelne Prozesse anzuschauen zu überlegen wo liegen denn interessante Daten die man verknüpfen kann?

00:06:07: Die bisher nicht zusammen liefen und wo man eben neu erkennt dass er rausziehen kann.

00:06:11: Einundsechzig Prozent der Unternehmen nutzen laut Bitkom das Potenzial ihrer eigenen Daten bis her kaum oder gar nicht.

00:06:18: Manchmal muss man dafür auch Teams neu zusammenbringen und ob das klappt, ist eine Frage von Führung Unternehmenskultur.

00:06:25: So oder so.

00:06:26: was ganz Interessantes wenn man mit Beratern und KI Experten spricht.

00:06:30: die kommen auf die Frage nach konkreten Maßnahmen oft mit eher allgemeinen Ansätzen.

00:06:34: Das zeigt deutlich wie sehr wir beim Thema KI in Unternehmen noch am Anfang stehen.

00:06:38: Wir haben jetzt über die Unternehmen gesprochen, bei denen Schluss ist mit der Experimentierphase.

00:06:45: Was heißt das aber für die Anbieter von KI?

00:06:48: Für auch deutsche und europäische Start-ups, die KI Tools und Anwendungen anbieten?

00:06:54: denn wenn jetzt die Unternehmen sagen wir wollen gar nichts mehr ausprobieren dann heißt es ja vielleicht auch dass sie sagen wir verzichten künftig auf diese oder jene Lizenz für KI Software die wir uns gegönnt haben.

00:07:05: Darüber sprechen wir jetzt mit Nicole Büttner.

00:07:07: Sie ist Unternehmerin und Partnerin beim Berliner KI Investomerantics Capital, sie hat auch lange im Vorstand des Starterverbandes sich mit genau diesen KI-Themen beschäftigt, ich habe das Amt dann aber im Mai dieses Jahres niedergelegt als sie zur Generalsekretärin der FDP gewählt wurde.

00:07:22: Nicole schön dass du hier bist!

00:07:24: Hallo guten Morgen, danke für die Einladung.

00:07:26: Man hat jetzt Versuch gemacht, manche sind vielleicht auch irgendwo auf die Nase gefallen und unzufrieden mit den Ergebnissen.

00:07:31: Wie wird das jetzt weitergehen?

00:07:32: Wie wird KI in den nächsten Jahren im deutschen Unternehmen umgesetzt und eingesetzt werden?

00:07:37: Na ich glaube das erste Mal zu sagen also wir wollen das!

00:07:41: Ganz krass, also ich glaube so das war auch schon für uns.

00:07:43: Also wir haben damit früh angefangen.

00:07:45: Für uns ja da waren auch einige gesagt, denn es funktioniert alles noch nicht.

00:07:49: Das geht auch wieder vorbei und ich glaube dieses Bewusstsein ist jetzt schon angekommen dass das an vielmehr eben nicht vorbeigehen wird, sondern wirklich grundlegend ganze Geschäftsmodelle und Sektoren auf den Kopf stellt oder man sich darauf einstellen muss.

00:08:02: Das ist schon mal so die Realisation zu haben und zu merken okay wir sind in diesem Jahr auch globalen Wettlauf darum, diese Sektoren wieder neu zu gewinnen und diese Geschäftsmodelle.

00:08:12: Das ist glaube ich total wichtig um auch die Dringlichkeit klarzumachen noch zu sagen hey und auch die Dringlichkeit in die Organisation zu bringen weil das ist ja dann sozusagen das nächste zu verstehen wie bringe ich das in meine gesamte Organisation?

00:08:25: dass jeder Mitarbeiter oder zumindest genug Mitarbeiter damit umgehen können und damit dann auch Ideen entwickeln und das auch umsetzen.

00:08:33: also das ist sozusagen dieses Adoptions Gap, dass man sagt okay man hat ganz viele Tools und wie bringt man jetzt die PS dann auch wirklich auf die Straße?

00:08:41: Das ist ja dann die Frage Wie kann das jeder Mitarbeiter dann auch umsetzen für sich.

00:08:45: Lass uns mal noch auf die andere Seite schauen.

00:08:47: was bedeutet das denn jetzt für deutschen europäische Start-ups Die KI Lösungen, KI Tools anbieten wenn die jetzt sagen wir hatten im letzten Jahr wahnsinnig im Wachstum unser ARR ist gigantisch.

00:09:00: aber Jetzt kommen die Firmen und realisieren das hat uns gar nicht so viel Gewinn gebracht, wie wir eigentlich gehofft haben.

00:09:06: Das machen wir nächstes Jahr nicht

00:09:07: mehr.".

00:09:08: Ich glaube das ist ein Trend,

00:09:10: das ist jetzt nicht

00:09:11: zum ersten Mal dass es passiert in der Geschichte von Technologie, dass wir sehen okay Firmen kaufen Sachen ein und können vielleicht nicht immer den gesamten Wert realisieren.

00:09:20: Und das mag manchmal an Versprechen liegen von Technologianbietern die sie nicht ganz halten können.

00:09:25: Aber ich sage mal ein Beispiel.

00:09:27: Wenn ich jetzt sozusagen als KI-Startup sage, okay, ich mache deine Prognose besser im Lager?

00:09:32: Ich kann besser um deine Lagerhaltung zu optimieren.

00:09:35: Ich kann dir genau sagen wann wird welches Produkt wo gebraucht?

00:09:39: und ich mach diese Schätzung einfach deutlich besser zweimal besser.

00:09:44: Und dann könntest du theoretisch was ich fünfzig Prozent des Inventars sparen oder der Kosten entsparen.

00:09:50: Dann ist ja immer noch einen Die Frage, was mache ich mit dieser Schätzung?

00:09:54: Kann ich die dann in meiner gesamten Lieferkette umsetzen können.

00:09:57: Die Lagerarbeiter so schnell reagieren kann nicht meine Lieferanten so flexibel gestalten.

00:10:02: Meine Lieferantenbeziehungen und so weiter.

00:10:04: also da ist ja noch ein ganzer Ratenschwanz zwischen dem was Technologie ich sage jetzt mal als eine Schätzung zum Beispiel leistet in dem Fall und dem was dann wirklich in der wirklichen Welt umgesetzt werden kann um das mal haptisch zu machen und dass es eben auch etwas was man was wir oft Leben das dann eben, das wirklich umzusetzen nochmal über KI hinausgeht.

00:10:25: Dann geht es auch aus dem rechtlichen Fragen darum wie spielen die Mitarbeiter mit?

00:10:29: Wie können wir Workflows umstellen Arbeitsprozesse auch flexibler gestalten?

00:10:34: und da sieht man dass das eben auch so systemische Veränderungen verlangt.

00:10:39: Was glaube so sind die Start-ups, die KI-Anbieter, die Substanz haben?

00:10:44: Die wirklich bleiben werden und vor allem auch das Vermögen haben sich von den großen amerikanischen oder vielleicht doch chinesischen Anbietern abzusetzen.

00:10:52: Also ich glaube dass wir reden ja ganz oft über die ganzen großen Modelle und die Hyperscalers und Foundationmodelle und das ist natürlich ein etwas schwieriges Feld.

00:11:00: Das ist einfach ein sehr ressourcenintensives Feld, das sprichst du gerade an, dass da ein großer Vorsprung ist Und wir sind sehr überzeugt, dass in dieser Anwendungsbereich ein spannender Bereich ist.

00:11:11: Der weniger kapitalintensiv ist, näher am Nutzer gewonnen wird und da hier in Europa eben auch große Stärken sitzt.

00:11:18: Also ich sag jetzt mal spezialisierte Cluster so was wie München in Produktions-Ki, Barcelona bei Gesundheit ja, gewisse Städte bei Fintech Und was wir eben auch beobachten, ist das kleinere domänspezifische Modelle.

00:11:35: Auch oft diese generischen Modelle in Fachgebieten wie Medizin oder Ingenieurwesen schlagen.

00:11:40: Das heißt dass sich da auch Spezialisierung bei der Modellperformance zeigt und das ist glaube ich auch eine Riesen Chance für Europa und dieser Tage werden wir uns ja immer bewusster nach den Exportkontrollen auch im Sommer, dass es eben auch einen gewissen Wert hat Teile dieser Wertschutzkette wirklich zu kontrollieren.

00:12:00: Ja, weil was passiert dann wie damals mit dem Faber-Modell wenn das abgeschaltet wird und gar nicht mehr zugänglich ist?

00:12:08: Und dann stellen sich auf einmal ganz andere Fragen.

00:12:11: Aber große Sprachmodelle alternativen haben wir ja nicht in Europa.

00:12:15: Es gibt natürlich einige Open Source Sprachmodelle.

00:12:19: die sind natürlich dann zugänglig Und da muss man dann sozusagen auch unterscheiden zwischen Open Source und Open Wades.

00:12:25: Also was kann ich nutzen auf eigener Infrastruktur betreiben?

00:12:29: Und Open Wates, was verstehe ich ja wirklich?

00:12:31: Wo kann ich denn in diese Blackbox rein gucken und nachvollziehen wie ist das gebaut?

00:12:36: Und finde ich das irgendwie gut!

00:12:39: Aber es gibt natürlich Open Source-Modelle, es gibt schon Möglichkeiten sozusagen sich Modelle zu bedienen.

00:12:45: Die Frage ist eben immer eine von Wie gut ist das Modell für das, was ich machen möchte?

00:12:51: Da brauchst du eine gewisse Expertise.

00:12:53: und dann, was eben für viele Firmen und konkrete Anwender eine Rolle spielt ist.

00:12:57: Wie kompliziert kann ich mir das?

00:13:00: Also wie kompliziert es ist das Modell zu nutzen.

00:13:03: Diese großen Modelle die wir kennen sind einfach in sehr intuitive Benutzeroberflächen eingebunden.

00:13:08: Die kann ich als Firma irgendwie gut via API ansteuern im ganzen Textex.

00:13:14: Also da wird mir das Leben sozusagen einfach gemacht.

00:13:17: Ich habe ja schon viele Fragen und Probleme, die ich habe wenn ich KI anbinden möchte.

00:13:21: Wie bringe ich meine Mitarbeiter dazu?

00:13:23: Wie generell ich wert usw.

00:13:24: Und dann nehmen einem eben die großen Technologieanbieter diese zusätzliche Frage ab und sagen okay, da musst du dir keine Sorgen

00:13:30: machen.".

00:13:30: Das macht es natürlich auch oft deutlich bequemer.

00:13:34: An der Frontier sind diese Modelle natürlich sehr performativ.

00:13:37: Zuerst erstmal ist nochmal Investition gefragt was glaubst du wann werden Unternehmen flächendeckend von KI profitieren können so dass sie's wirklich in ihrer Bilanz sehen?

00:13:47: Wir sehen das ja heute schon.

00:13:50: Da möchte ich auch noch mal aufräumen, wir sehen schon heute Firmen die massiv von KI profitieren und die da in der Wertschöpfung drin sind.

00:13:59: Sie ist was wie Bosch anschaut, sie haben mehr als zwei Tausend vernetzte Produktionslinien mit KI gestützter Qualitätskontrolle.

00:14:06: Die haben Ramp-Up Zeiten um fünfzehnundzwanzig Prozent verkürzt.

00:14:10: in der Inspektionszeiten pro Teil gesenkt.

00:14:14: Es gibt schon viele Anwendungen, die heute auch schon Wert generieren.

00:14:18: ganz konkret.

00:14:19: Das sehen wir auch bei uns im Portfolio.

00:14:21: und wenn wir anscheinend Montage linien haben eine Firma Almetra, die hilft das sozusagen mit Computer Vision auch für da.

00:14:27: wirklich echt ist also auch barre Münze zu sparen weil sonst haben diese Startups eben auch Probleme überhaupt ihre Produkte loszutreten.

00:14:35: Das ist eben dann wieder sehr vertikalisiert und so sehr spezialisiert.

00:14:40: Also, es ist ein Logistik-Disponenten zum Beispiel.

00:14:44: Ja also das ist jetzt nicht was wo man einfach Claude promptet sondern da ist eine spezialisierte Lösung.

00:14:49: die ist super fit in Logistika kann wirklich schauen dass die Flotte optimal genutzt wird, dass da Probleme gut ausgesteuert werden.

00:14:57: Deswegen lohnt sich diese Spezialisierung.

00:14:59: Da sehen wir, dass es viel realistischer ist und dass da eben auch viele Firmen schon Wert realisieren auch

00:15:05: heute.

00:15:06: Liebe Nicole!

00:15:07: Vielen herzlichen Dank für deine Zeit.

00:15:09: Ich danke dir vielmals.

00:15:14: Also ja, da sind Chancen für KI-Mate in Germany und da sind auch sogar schon fertige Erfolgsgeschichten die von Jan Oberhause zum Beispiel.

00:15:22: ich weiß jetzt nicht bei wie vielen von ihnen da sofort was klingelt.

00:15:25: Hidden Champions können wir halt also zumindest den Hiddenteil kriegen wir ganz gut hin in Deutschland.

00:15:30: Dabei ist Jan Oberhauser, Gründer und CEO eines deutschen KI-Startups das inzwischen immerhin mit fünf Komma zwei Milliarden Dollar bewertet ist.

00:15:39: Die Firma heißt NHN und sitzt in Berlin.

00:15:42: NHN baut eine Plattform mit der Unternehmen Arbeitsabläufe automatisieren und auch KI-Agenden und unterschiedliche KI Systeme miteinander verbinden und steuern können.

00:15:52: Und die Geschichte von Jan Oberhauser, die ist nämlich ziemlich ungewöhnlich.

00:15:56: Er kommt ursprünglich aus dem Allgäu und hat keine klassische Informatiker-Karriere hinter sich, sondern er hat Audiovisuelle Medien studiert und viele Jahre in der Filmbranche gearbeitet.

00:16:05: Unter anderem hat er bei so bekannten Filmen wie Pirates of the Caribbean, Maleficent und Ender's Game mitgewirkt.

00:16:12: Und dann im Jahr zwei Tausend Neunzehn hat Oberhause NATN gegründet quasi ein KI-Startup, bevor die meisten Leute überhaupt über KI gesprochen haben.

00:16:19: Und vielleicht erklärt auch das genau warum ein ganz wichtiger Investor das Potenzial früher erkannt hat als die meisten Deutschen?

00:16:34: Der hat unter anderem Firmen wie Apple, Google, Airbnb und WhatsApp finanziert.

00:16:41: Also jemand der wirklich Potenzial früh erkennt.

00:16:44: Und er hat in der Seedrunde also ganz am Anfang US dollar investiert.

00:16:50: Dann folgten etliche andere Runden.

00:16:52: uns kam auch immer mehr internationale und wichtige amerikanische Investoren dazu.

00:16:56: Excel zum Beispiel ist auch bei net n eingestiegen und dann irgendwann kam SAP.

00:17:01: Es heißt, SAP hätte NLTN eigentlich auch ganz gerne gekauft.

00:17:04: Aber daran hatte Jan Oberhauser kein Interesse und so kam es dann zu einer Kooperation mit einer strategischen Beteiligung auf eine ziemlich stattlichen nach der NLtn-Bewertung von eben fünf Komma zwei Milliarden Dollar hat.

00:17:16: Das klingt nach einer verrückten Zahl!

00:17:18: Und darüber wollen wir sprechen.

00:17:19: lieber Jan.

00:17:20: Schön dass du hier bist.

00:17:21: Danke für die Einlagen.

00:17:22: freue mich jetzt.

00:17:22: sein.

00:17:24: NLN ist inzwischen das wertvollste deutsche KI-Startup.

00:17:28: Im Mai hat SAP bei euch investiert und ihr habt eine Bewertung von fünf Komma zwei Milliarden Dollar dabei erreicht.

00:17:34: Das ist, finde ich ja irgendwie ne relativ absurde Zahl.

00:17:37: also sagt dir diese Zahl noch irgendwas?

00:17:39: gibt dir das was?

00:17:41: Stimmt so es ist ne krassen Nummer vor allem was sie überlegt irgendwie wie viel andere Unternehmen wird's denn keine Ahnung damit ein Klappenjahr bewertet wie Puma oder ein Six oder was anderes?

00:17:50: also von dem ist es ziemlich absurd.

00:17:52: Aber die Zahl zeigt natürlich im Endeffekt quasi das Potenzial, dass die Investoren sehen und vor allem das was wir auch erreicht haben.

00:17:59: Keine Ahnung, wir haben es ein bis zwei Millionen User.

00:18:02: Wir haben über ca.

00:18:03: fourteenhundert Enterprise Clients.

00:18:06: Wir wachsen schnell!

00:18:07: Wir haben es weit über hundert Millionen in Revenue, wir wachsen weiter schnell.

00:18:11: Das heißt ist einfach unglaublich viel Potenziale da deswegen.

00:18:13: Es sind nur mal unglaublich groß und es sind abartig große, aber im Endefekt ist vielleicht einfach auch das Unglaublich viel potenzial da ist im Endefall.

00:18:21: Seid ihr die eine KI-Hoffnung, die sich so viele Menschen hier in Europa wünschen?

00:18:26: Nein.

00:18:27: Ich glaube, die einen wird es auch wahrscheinlich nie geben.

00:18:30: Auch in Amerika gibt's nicht die KI-Firma und das wird's auch in Deutschland oder Europa nicht geben.

00:18:35: Wir sind hoffentlich eine davon und wir wollen noch langfristig da bleiben ab dem Anfang.

00:18:40: Man braucht, glaub ich, um auch erfolgreich zu brauchen – einfach viele Firmen, die zusammenarbeiten, Wo quasi geht die Firma nicht für sich selbst arbeiten, sondern wo einfach viele zusammen das ein Netzwerk auch bauen oder eine... Also die auch natürlich quasi vergrößern, wo man eine quasi aufeinander aufbauen kann.

00:18:59: Deswegen brauchen wir relativ viele Firmen um da eben was zu haben wie man es eben auch in Amerika sieht.

00:19:03: Da ist ja nicht nur Google gibt's auch Apple und die vor KI Und jetzt hat man gerade nur eine andere Firmen die quasi alles gegeneinander aber auch natürlich miteinander arbeiten, wo wir das Talent auch aufbaut und dann infectt das ganze Ecosystem stärker macht.

00:19:18: Jetzt hast du die großen Namen schon angesprochen.

00:19:20: Um zu verstehen wie du dich behaupten kannst gegen solche Giganten müssen wir vielleicht ganz kurz einmal nachvollziehen, was NADN genau macht und dann eben auch was ihr anders macht oder was ein Open-Mail eigentlich einfach kopieren kann.

00:19:32: Sicher, also im Endeffekt ist es eine KI-Orchesteringsplattform.

00:19:35: Also wie man sich das vorstellen kann?

00:19:37: Die meisten Leute haben ein einfaches Beispiel.

00:19:40: Die meisten Leuten haben E-Mails bekommen einen Anhang.

00:19:44: Was man mit innen machen kann... Im simplesten Fall wäre irgendwie ich bekommen die E-mail und die hatten den Anhang und den anderen speichere ich direkt auf keine andere Dropbox hoch.

00:19:54: Das ist ein einfacher Automatisierungsuse-Case, den es immer gab und auch vor AI.

00:19:58: Man kann das aber natürlich auch unendlich viel komplexer machen.

00:20:00: Man könnte sagen hey die mir kommt an ich analysiere was drin steht je nach Inhalt.

00:20:06: nur redet die E-Mail oder ich gehe verschiedene Pfad hier runter.

00:20:10: in einem Fahrt sage ich Hey Der Anhang ist unglaublich wichtig, den analysiere ich noch mal.

00:20:14: Die Daten werden extrahiert und direkt in ein System eingegeben, wird dann eine Person weitergeleitet, die Person kann da noch irgendwas machen oder irgendwie approven.

00:20:24: Und dann geht es zum nächsten Step runter als.

00:20:25: man kann unglaubliche Prozesse eben von Anfang bis Ende durchautomatisieren und dann eben wo's auch Sinn macht eben auch KI mit reinbringen.

00:20:34: Was unser Ansatz ist eben, dass wir sagen KI ist unglaubig wichtig und man braucht das auch aber man braucht es nicht bei allem.

00:20:42: Und deswegen ist ja auch der Unterschied von uns zu anderen KI-Unternehmen, dass wir eben sagen hey, KI ist eben wichtig.

00:20:47: Aber was man eben auch braucht ist diese Conditional Logic.

00:20:49: also im Endeffekt... Wir haben beim Programmieren auch irgendwie if wenn etwas größer ist für Fünfzig mal macht die eine Sache, wenn es klein ist macht das etwas anderes und auch noch eben human in the loop.

00:20:59: und eben wenn man eben KI eben die Menschen noch mit rein bringt und eben diese Condition Logic kann man eben Sachen automatisieren, die eben auch nicht nur irgendwie der Verlief funktioniert, sondern wirklich hundert Prozent der Fälle und so ein eben auch Business Critical Use-Case.

00:21:13: Also Sachen die wirklich im Zentrum des Unternehmens sind, die unglaublich wenigstens eben auch automatisieren und das machen wir eben.

00:21:19: Euch gibt es ja schon seit zwei tausend neunzehnt in KI Zeitalter eine richtig lange Zeit.

00:21:24: war das für euch ein Schockmoment als die großen KI's aus den USA dann plötzlich kamen?

00:21:29: oder hast du das als jemand der diese Szene überblickt eh schon kommen sehen?

00:21:33: Ja also im Endeffekt als Judgeability am Anfang erschien was definitiv... Eine Überraschung, also ich habe das auch nicht erwartet.

00:21:39: Anfang war ich auch noch nicht ganz sicher was es für uns bedeutet.

00:21:41: Es wurde aber relativ schnell klar dass es eben auch für uns ziemlich gefährlich sein kann ehrlich gesagt und wir haben dann auch überlegt irgendwie was das für uns bedeutet gibt in dieser Zukunft mit KI?

00:21:53: gibt's da noch ein Need for NNN oder werden wir gar nicht mehr gebraucht?

00:21:57: Und dann haben wir uns überlegt was können wir machen dass wir nicht nur in der Zukunft noch existieren, sondern auch sicherstellen zu können.

00:22:05: Dass wir ein wichtiger Teil dieser Zukunft sind und vor allem auch an die Zukunft wirklich partizipizieren.

00:22:11: Partizipi...partizipitieren?

00:22:13: Das sage ich!

00:22:14: Mein Deutsch hat immer schlimmer.

00:22:16: Das darf man auch teilhaben und eben auch mit diesen, mit diese Optionen, die eben wachsen.

00:22:21: Meinst du das war ein Vorteil oder ein Nachteil?

00:22:23: ist ihr relativ langsam gewachsens seid also vergleichsweise?

00:22:27: Ja also im Endeffekt ist es witziger als wenn man sich unsere keine Ahnung, wer mir der User Growth anguckt sieht es natürlich wenn man rauszoomt anders hätten wir die ersten Jahre wahrscheinlich gar nichts gemacht.

00:22:36: Für einen Rheinsund sind wir immer noch relativ schnell gewachsen ist natürlich ein anderer Growth Faktor wie wir dann im Zeitteil von zwanzig und danach hatten.

00:22:44: ich glaube aber dass das unglaublich hilfreich war weil wir hatten nicht dieses irgendwie up to the right vom Anfang wie sehr viele KI-Firmen heutzutage haben was uns eben erlaubt hat uns auf die wichtigen Sachen zu konzentrieren und auch vor allem bisschen langfristiger zu denken.

00:23:00: Und insofern hatten wir auch die Gelegenheit, irgendwie nicht nur, success zu sehen.

00:23:06: Sondern eben auch hartere Zeiten wo man dann eben genau überlegt mussten wie irgendwie bauen wir die Firma auf?

00:23:11: Dass wir einfach nicht immer Geld für alles... also das ist die Lösung für jedes Problem war, sondern dass sie lang vor sich denken mussten.

00:23:19: Deswegen heißt es, wir haben lange nicht unglaublich schnell eingestellt.

00:23:23: Wir haben Leute eigentlich schon beim WSG gebraucht haben Und genau überlegt, wo wir genau investieren.

00:23:28: Wie unser Zukunft aussieht und einfach nicht nur irgendwie wie es eben heutzutage passiert, stellt unglaublich schnell ein.

00:23:34: Man lässt auch die Leute unglaublich schneller wiedergehen und man guckt einfach, wo ist das Nächstes?

00:23:38: Wir haben einfach sehr langfristig planen können was für uns heutzudage bedeutet dass wir eine Firma sind, die eben profitabel ist.

00:23:45: also wir haben den Vorteil, dass wir jetzt sehr viel Geld eingenommen haben durch Investoren.

00:23:49: Es ist auch Geld verdienen in unserem Bank Account wächst momentan, also wir verdienen Geld was eben heißt.

00:23:56: Wir können eben auch sehr langfristig denken.

00:23:59: als Firma die die Geld von den Investoren erhalten hat muss man normalerweise immer sehr kurzfristig danken.

00:24:02: hey ich brauche

00:24:03: ich

00:24:04: brauch die nächste Finanzierungsrunde meistens in ungefähr achtzehn Monaten.

00:24:06: das heißt sie muss gucken dass meine Zahlen schön aussehen in zwölf bis acht zehn Monaten damit ich der Geld neues Geld reisen kann war es natürlich nicht immer.

00:24:13: die richtigen Entscheidungen sind langfristige.

00:24:16: dadurch dass wir eben jetzt profitabel sind, können wir einfach sehr langfristig denken.

00:24:19: Was ich glaube gerade vor allem in der KI-Zeit, wo man natürlich nie weiß irgendwie geht es langfristiges nach oben oder irgendwann gibt's noch mal irgendwie das Awakening kann man glaube ich einfach sehr viel besser agieren und haben da dementsprechend auch eine bessere Zukunft für uns aus.

00:24:33: Ich bin relativ froh dass wir da ein bisschen langsamer gewachsen sind und auch vor allem vor KI gestartet sind.

00:24:38: Die Ruhe haben aber nicht alle Investoren.

00:24:40: also gibt sie durchaus auch welche die sagen ich hätte gerne Revenue.

00:24:42: warum ist das bei euch nicht der Fall?

00:24:44: Es ist natürlich die Frage, wo kommt das Geld her?

00:24:47: Wir hatten von Anfang an sehr viele US-Investoren.

00:24:50: Die deutschen Investoren waren damals nicht so interessiert, traurigerweise.

00:24:54: Und sie denken auch ein bisschen langfristig.

00:24:55: Das heißt wir konnten in den ersten Jahren sehr stark konzentriert ein tolles Produkt zu bauen und eine tolle Community und alle Leute anzustellen und dann eben die Revenues erst zu generieren.

00:25:07: Jetzt haben wir die Reventues.

00:25:11: Wo geht das alles hin?

00:25:13: Gibt es einen Exit, ein IPO wird die Firma aufgekauft.

00:25:17: Irgendwann wollen natürlich die Fans auch dementsprechend meistens sieben plus Jahre laufen, die in irgendwann Geld zurücksehen wollen.

00:25:24: aber muss sagen Gott sei Dank in der heutigen Welt wollen die Investoren natürlich irgendwann die Returns sehen dass quasi ein Investor von dem anderen Investor die Anteile abkauft, das ist momentan relativ gut.

00:25:36: Das heißt man kann da relativ viel machen, dass man eben die Seedstage Investoren, die eben früh investieren, die Anteil verkaufen und dann eben die Latestage Investoren in den Series CD und so weiter investieren.

00:25:47: Dann die kaufen und dann kann man eben auch die Exits führen also ihre Anteiler liquidieren ohne eben dass das die Firma exit haben

00:25:54: muss.

00:25:56: Wenn wir in fünf Jahren noch mal sprechen würden, woran würdest du dann messen dass NLN erfolgreich war?

00:26:02: Wenn es für dich jetzt eben nicht unbedingt der Exit oder der IPO das eine Ziel ist, dass du ganz klar anstrippst und befolgst.

00:26:09: Im Endeffekt haben wir immer das Ziel gesetzt.

00:26:11: also unsere Mission ist erbedeutete Computer Tech ein Super-Pause.

00:26:15: Also es ist ein Wort im Nebarment.

00:26:16: Wir wollen, dass die Leute wirklich Sachen machen und diese davon nicht konnten.

00:26:21: Das machen wir, indem wir eine Plattform haben, die genau das erlaubt.

00:26:25: In fünf Jahren kann man heute sagen, ich Google etwas.

00:26:29: Es ist ein Synonym für Sachen im Web-Suchen.

00:26:32: Wenn wir dafür sind, dass Leute etwas automatisieren und KI bauen, dann sind wir relativ nah dran.

00:26:41: Vielen herzlichen Dank Jan!

00:26:49: Und damit sind wir am Ende dieser Ausgabe.

00:26:51: Wenn man aus den Gesprächen heute was mitnehmen kann, dann vielleicht das die große KI-Frage laudet inzwischen weniger.

00:26:57: Ob Unternehmen die Technologie einsetzen werden, sondern vielmehr wo sie wirklich mehr wert schafft und sich rechnet.

00:27:03: Und dass in Sachen KI auch aus Deutschland ziemlich spannende Unternehmen kommen!

00:27:08: Das war's von uns für heute.

00:27:09: vielen Dank fürs Zuhören und bis zur nächsten Ausgabe.