Die Zahl an KI-Start-ups in Deutschland ist in den letzten Jahren kontinuierlich gestiegen. Durchschnittlich erwirtschaften sie schon elf Monate nach ihrer Gründung den ersten Umsatz. Insbesondere der Fachkräftemangel verhindert jedoch ein stärkeres Wachstum der Branche. Das ergab die Studie „Das Ökosystem für KI-Startups in Deutschland“ zu Start-up-Bedingungen von KI-Unternehmen in Deutschland. Über 200 Start-ups haben sich daran beteiligt.

Fachkräftemangel größtes Hemmnis

Deutschland verfügt über eine ausgeprägte Start-up-Kultur im Bereich KI. Jedoch würde das Wachstum der Branche wesentlich höher ausfallen, wenn die Unternehmen ihre freien Positionen besetzen könnten. Gut ein Drittel der Start-ups konnte 2022/23 offene Positionen nicht füllen. Dabei waren Stellen aus allen Feldern betroffen, nicht nur spezialisierte KI- und IT-Jobs, sondern auch Positionen außerhalb davon. KI-Start-ups, die stark wachsen, haben häufiger offene Stellen. Das knappe Fachkräfteangebot stellt sie vor große Herausforderungen. Dies unterstreicht, dass der Fachkräftemangel insbesondere wachstumsstarke KI-Start-ups bei ihrer Expansion behindert.

Ideelle Werte wichtiger als Profit

Mit mehr als 3.000 jungen Unternehmen (2021) verfügt Deutschland über eine sehr große Start-up-Szene im Bereich Künstlicher Intelligenz. Die Szene ist gut vernetzt: Mehr als drei Viertel der Unternehmen zählen andere KI-Start-ups zu ihren Kunden. Die Ergebnisse zeigen, dass KI-Start-ups konkrete Probleme in Wirtschaft und Gesellschaft angehen wollen. Beiträge zur Lösung gesellschaftlicher Probleme fallen stärker ins Gewicht als schnelles Wachstum oder hohe Einkommen zu generieren.

Umsatz schon nach elf Monaten

Schon nach kurzer Zeit erwirtschaften Start-ups im Bereich KI Umsatz. Im Durchschnitt liegen elf Monate zwischen Gründung und ersten Erlösen. Neben dem Fachkräftemangel bestehen die größten Herausforderungen für KI-Start-ups in der Finanzierung neuer Projekte sowie rechtlichen Regularien zum Datenschutz. Dagegen spielt die IT-Infrastruktur in Deutschland in Form von Breitbandzugang und Zugriff zu Hochleistungsrechnern eine deutlich geringere Rolle.

Die Kontrolle und Transparenz der für KI-Modelle erhobenen und verwendeten Daten sind nicht nur im Interesse der Unternehmen, die sie anwenden, sondern auch wichtig für Gesellschaft, Wirtschaft und ganze Wirtschaftsräume.

Datenbasierte KI-Anwendungen stehen in einem Spannungsfeld zwischen den Potenzialen, die das Erheben und Teilen von Daten über Unternehmensgrenzen hinweg bietet, und der Herausforderung, die Datensouveränität der involvierten Personen zu wahren. Die Studie „Souveräner Datenaustausch als Enabler Künstlicher Intelligenz“ beleuchtet zum einen die Auswirkungen der Datensouveränität und die damit verbundenen aktuellen und kommenden Regularien für KI-Anwendungsfälle. Zum anderen zeigen Fallstudien aus Unternehmen Potenziale und Best Practices von KI-Anwendungsfällen mit überbetrieblichem Datenaustausch auf.

Rechtliche und organisatorische Herausforderungen werden bereits heute gemeistert

Lösungen wie EDI sowie cloudbasierte Schnittstellen und Datenbanken werden bereits heute produktiv eingesetzt. Unternehmen können auf bestehenden Standards und Initiativen aufsetzen. Auch technische Lösungsansätze werden beschrieben und diskutiert. Wo nötig, hilft externes Wissen Unternehmen langfristig weiter. Gewährleistung der Datensouveränität kann ein entscheidendes Mehrwertargument in entstehenden Datenmärkten sein und Geschäftskunden und -kundinnen sowie Endverbraucherinnen und -verbrauchern gleichermaßen zugutekommen.

Datenräume sollen mitgestaltet und genutzt werden

Unternehmen sollten nicht auf digitale Plattformen großer Anbieter mit Oligopol- oder Monopolstellung angewiesen sein, sondern in souveränen Datenräumen agieren können. Die mehrseitige, nicht voneinander abhängige Vernetzung der Beteiligten gilt bei Expertinnen und Experten wie bei Anwendenden als Erfolgsprinzip. Davon profitiert die Datenwirtschaft und damit die Entwicklung präziser und robuster KI-Modelle.

Im ersten Quartal 2021 schrieben Unternehmen und Forschungseinrichtungen deutschlandweit 11.537 KI-Stellenanzeigen aus. Allerdings sind die KI-Bedarfe in Deutschland auf einzelne Nachfrager konzentriert: Werden nur die KI-Stellenanzeigen ohne Vermittler betrachtet, entfallen auf einen Nachfrager durchschnittlich 3,9 KI-Stellenanzeigen im Jahr 2021. 291 Nachfrager, die mindestens fünf KI-Stellenanzeigen ausgeschrieben haben, sind für 66 Prozent der KI-Stellenanzeigen ohne Vermittler verantwortlich.

Metropolen bilden Leuchttürme der KI-Bedarfe in Deutschland

Auch räumlich zeigt sich eine starke Konzentration der KI-Stellenanzeigen, die vor allem für Standorte in Metropolen ausgeschrieben werden. In München werden am meisten KI-Stellenanzeigen ausgeschrieben, gefolgt von Frankfurt am Main, Stuttgart und Karlsruhe. Viele KI-Start-ups, eine hohe KI-Forschungsintensität der Hochschulen und der Unternehmen sowie eine gute Breitbandinfrastruktur begünstigen den Einsatz von KI in diesen Regionen und erklären somit die dortigen hohen KI-Bedarfe. Gleichzeitig ist die ansässige Branchenstruktur in hohem Maße ausschlaggebend für die KI-Bedarfe der Regionen: Viele der dortigen KI-Bedarfe gehen von größeren Unternehmensberatungen oder sonstigen IT-Dienstleistern sowie von großen Unternehmen aus dem Fahrzeugbau und Zuliefererbereich aus, die besonders viele KI-Patente anmelden.

Hohe KI-Bedarfe in Stadtstaaten und im Süd-Westen Deutschlands

Auf Ebene der Bundesländer werden die meisten KI-Stellenanzeigen in den Stadtstaaten Berlin und Hamburg sowie in Bayern, Hessen und Baden-Württemberg ausgeschrieben. Im Vergleich dazu werden in den östlichen Bundesländern ohne Berlin deutlich weniger KI-Stellenanzeigen geschaltet. Gründe können die generell angespanntere Fachkräftesituation in Digitalisierungsberufen, die schwächer ausgeprägte KI-Start-up-Intensität und KI-Forschungslandschaft sowie der Branchenfokus in den östlichen Bundesländern ohne Berlin sein.

Umgang mit Cloud-Plattformen und Data Science als Studiengang immer stärker gefragt

In den Anforderungsprofilen der KI-Stellenanzeigen sind Python und SQL zwischen 2019 und 2021 die am häufigsten geforderten Programmiersprachen. Kenntnisse zu Cloud-Umgebungen und dabei insbesondere der Umgang mit Cloud-Plattformen der großen amerikanischen Anbieter (Amazon, Microsoft und Google) werden immer bedeutender und Data Science als Studiengang immer gefragter. Der Trend zu einer abnehmenden Anforderung mehrjähriger Berufserfahrung deutet eine zunehmende Flexibilität auf Arbeitgeberseite sowie Effekte des vorliegenden Fachkräftemangels an.