17 Minuten
Künstliche Intelligenz hat sich von einer Nischen-Disziplin der Wissenschaft zu einer weitreichenden kommerziellen Kraft entwickelt, die globale Märkte, Branchen und Wettbewerbsdynamiken neu formt. Für Gründer in frühen Phasen bedeutet das gleichermaßen Chance und potenzielle Existenzbedrohung. Diese Spannung stand im Zentrum des Going Global 5-Panels mit dem Titel „To AI or Not to AI: Is Your Startup Already Doomed Without It?”. Moderiert von Ron Schmelzer, langjähriger KI-Journalist bei Forbes und Moderator des AI Today-Podcasts, brachte die Diskussion vier Praktiker aus verschiedenen Bereichen des KI-Ökosystems zusammen.
Zu den Sprecherinnen und Sprechern gehörten Mahdi Shariff, Mitgründer von Humble AI in London und Gastprofessor für KI an der ISM University in Vilnius; Simona Vasytė-Kudakauskė, CEO und Gründerin von Perfection42; Rokas Stankevičius, Gründer von AI Clicks; sowie Egidijus Pilypas, Director of Product and Marketing bei Exacaster. Gemeinsam boten sie ein breites Spektrum an Perspektiven darauf, ob der heutige KI-Boom einen nachhaltigen technologischen Wendepunkt darstellt oder eine überhitzte Blase, angetrieben von Hype und spekulativen Investitionen.
Obwohl jede Gründerpersönlichkeit sehr unterschiedliche Produktstrategien und Kundensegmente beschrieb, teilten sie ähnliche Sorgen hinsichtlich Marktgeschwindigkeit, Wettbewerbsdruck und der Notwendigkeit für Unternehmen, sich schneller anzupassen als bei früheren Technologiewellen. Im Verlauf des Panels diskutierten sie die globale KI-Investitionslandschaft, die Herausforderung, verantwortungsvolle KI zu skalieren, die Schwierigkeit, mit einem Markt Schritt zu halten, der sich alle paar Wochen neu erfindet, sowie die breiteren menschlichen und gesellschaftlichen Implikationen schneller Automatisierung.
Im Folgenden finden Sie eine detaillierte, chronologische und analytische Nacherzählung des Gesprächs, strukturiert für Klarheit und Tiefe. Dieser ausführliche Bericht zielt darauf ab, Gründern, Investoren und KI-Beobachtern ein möglichst vollständiges Bild der Panel-Insights zu geben, um besser zu verstehen, wohin sich die Branche entwickelt.
1. Eröffnungsbemerkungen: Eine Branche, die schneller ist als ihre Teilnehmer
Moderator Ron Schmelzer eröffnete das Panel mit leichter Heiterkeit über seinen ersten Besuch in Vilnius und die litauische Tradition der rosa Suppe. Seine Einführung wandelte sich jedoch schnell zu einer ernsten Einordnung der globalen KI-Landschaft.
Schmelzer schreibt seit 2018 über KI für Forbes und beschrieb diesen Zeitraum als Übergang von „Data Science und Machine-Learning-Engineering“ hin zu der heutigen Mainstream-Explosion getrieben von generativer KI. Sein persönlicher Wendepunkt sei der Moment gewesen, als ihm seine Mutter Ende 2022 eine ChatGPT-Interaktion schickte. Für ihn war das das Zeichen, dass KI aus den technischen Nischen in die breite Bevölkerung vorgedrungen war.
Anschließend skizzierte er eine der dringlichsten makroökonomischen Sorgen, die Investorengespräche prägt: die Angst vor einer KI-Investitionsblase. Der meteoritische Aufstieg von NVIDIA, so bemerkte er, ist inzwischen so verflochten mit den globalen Aktienmärkten, dass ein enttäuschendes Quartal die großen Indizes destabilisieren könnte. Er hob die Reaktion von BlackRock-Vertretern auf Jensen Huangs Prognose hervor, dass die weltweiten Ausgaben für KI-Infrastruktur in den nächsten Jahren 3–4 Billionen USD erreichen könnten. Die Mathematik, wie der BlackRock-Analyst es formulierte, wirkt beunruhigend: Eine Branche, die 100 Milliarden USD Jahresumsatz erzielt, würde 40 Jahre benötigen, um einen zweijährigen Investitionszyklus zu begleichen.
Schmelzer argumentierte, dass dies ein Hochdruckumfeld sowohl für große Technologieunternehmen als auch für Startups schafft. Bei solch außergewöhnlichen Investitionsanforderungen und unklaren Umsatzhorizonten lastet die Frage der Nachhaltigkeit stark auf der Branche.
Diese Einordnung leitete die erste Frage der Sitzung ein:
Was bauen die einzelnen Panelteilnehmer, und halten sie die aktuelle Lage für eine KI-Blase?
2. Was die Gründer bauen: Vier unterschiedliche Wege an die KI-Front
2.1. Mahdi Shariff: KI-Tools demokratisieren für die nächste Generation
Shariff begann damit, die Mission von Humble AI zu beschreiben: die nächste Generation von Entwicklern zu befähigen und mehr Inklusivität in das globale Tech-Ökosystem zu bringen. Seiner Ansicht nach ist zu viel der heutigen KI-Macht und -Einfluss in einem kleinen Cluster von Organisationen in San Francisco konzentriert. Humble AI möchte diesen Zugang verbreitern, indem es Werkzeuge bereitstellt, die es vielfältigen Innovatoren erlauben, sinnvolle Anwendungen zu bauen, ohne tiefe technische Expertise vorauszusetzen.
Zur Frage, ob KI in einer Blase sei, bot Shariff eine ausgewogene Sichtweise an. Einige Bereiche seien seiner Meinung nach stark überhypt, andere dagegen fundamental unterbewertet. Er betonte, dass Chancen über das gesamte Spektrum bestehen: Versierte Gründer müssen erkennen, wo echte Wertschöpfung entsteht und wo Spekulation dominiert. Technische Kompetenz, Marktzugang und ein klares Verständnis von Geschäftsmodellen bleiben zentrale Erfolgsfaktoren.
2.2. Simona Vasytė-Kudakauskė: Ein vertikaler Fokus auf die Möbelbranche
Simona Vasytė-Kudakauskė führte die Ursprünge ihres Unternehmens in eine Zeit zurück, bevor generative KI breite Aufmerksamkeit erhielt. Perfection42 begann mit frühen generativen gegnerischen Netzwerken (GAN) und entwickelte sich durch die vor-ChatGPT-Ära der Foundation-Modelle. Heute konzentriert sich das Unternehmen gezielt auf den Aufbau einer visuellen Betriebsplattform, die auf die Möbelbranche zugeschnitten ist.
Obwohl die zugrundeliegende Technologie Bilder für verschiedene Sektoren erzeugen kann – Mode, Hardware, Schreibwaren – entschied sich das Team bewusst dafür, in einer Branche dominant zu werden. Dieser Fokus, argumentierte sie, ermöglichte es dem Unternehmen, sogar finanzkräftigere Wettbewerber in Frankreich zu übertreffen, insbesondere beim Erzeugen und Verarbeiten tausender Bilder im industriellen Maßstab.
Perfection42 betreut bereits über 20 Kundinnen und Kunden und plant, in naher Zukunft 600.000 Bilder für den Möbelsektor zu produzieren. Für sie wiegt strategischer Fokus und tiefes Branchenverständnis mehr als die Versuchung, verallgemeinerte Werkzeuge zu entwickeln.
2.3. Rokas Stankevičius: Marken für KI-getriebene Entdeckung optimieren
Stankevičius erklärte, dass AI Clicks aus seinen Jahren der Arbeit entstanden sei, in denen er Unternehmen half, KI in reale Arbeitsabläufe zu integrieren. Ursprünglich mit Fokus auf Bildung und angewandte Beratung, entwickelt AI Clicks heute Tools, die Marken dabei unterstützen, ihre Präsenz in KI-getriebenen Suchschnittstellen wie ChatGPT, Perplexity und ähnlichen LLM-Ökosystemen zu optimieren.
Er beschrieb dies als natürliche Weiterentwicklung der Suchmaschinenoptimierung (SEO). Anstatt für Google-Anfragen zu optimieren, müssen Marken nun sicherstellen, dass sie in den konversationalen Antworten von KI-Assistenten auftauchen. Seine Plattform zielt darauf ab, dieses neu entstehende Bedürfnis zu bedienen und strukturelle Inhalte für LLMs bereitzustellen.
Zum Thema Hype argumentierte Stankevičius, dass sich KI von früheren Boom-Bust-Zyklen wie Blockchain unterscheidet. Unternehmen können bereits heute praktikablen, unmittelbaren Nutzen aus KI ziehen, ohne auf entfernte Reifephasen zu warten. Dennoch räumte er ein, dass Spekulation und unrealistische Erwartungen existieren.
2.4. Egidijus Pilypas: Eine Belegschaft durch KI auto-augmentieren
Pilypas nähere sich dem Thema aus einem anderen Blickwinkel. Bei Exacaster besteht seine Hauptmission in den vergangenen sechs Monaten darin, seine eigene Rolle als Director of Global Marketing zu automatisieren. Er schätzt, dass er bereits zu „95 Prozent“ automatisiert ist, wobei KI-Tools zentrale Aufgaben übernehmen, die er zuvor manuell erledigt hat.
Das langfristige Ziel von Exacaster ist, KI-Augmentationsschichten für jede Funktion in der etwa 100-köpfigen Firma zu schaffen. Für Pilypas ähnelt der KI-Boom einem „Big Bang“, der sowohl Chaos als auch Chancen freisetzt. Für große Konzerne, die Billionen investieren, sind die Risiken hoch. Für kleine, wendige Unternehmen bieten Disruptionsphasen dagegen seltene Fenster, um schnell aufzuholen oder vorauszuspringen.
3. Befinden wir uns in einer KI-Blase oder einem KI-Big Bang?
Als die Panelteilnehmer ihre Vorstellungen darlegten, räumte Schmelzer ein, dass der Begriff „Big Bang“ sowohl die Chance als auch die Gefahr des aktuellen Moments einfange. Er verglich die heutige Landschaft mit den frühen Jahren des Internets in den 1990er Jahren. Der Dotcom-Crash habe zwar viele Unternehmen zerstört, aber gleichzeitig die Grundlage für den Aufstieg von Google, Facebook und das breitere digitale Ökosystem gelegt, das danach entstand.
Er bemerkte, dass Innovation heute in einem Tempo stattfindet, das Journalisten kaum noch vollständig abbilden können. Mit neuen Modellen wie Gemini 3 und OpenAIs GPT-5.1, die innerhalb weniger Monate auf den Markt kommen, besteht die Herausforderung längst nicht mehr nur darin, neue Produkte zu bauen, sondern die Aufmerksamkeit der Kundschaft lange genug zu halten, damit diese die Angebote versteht und annimmt.
Das führte zur nächsten zentralen Frage:
Wie planen Gründer, wenn sich der Boden alle paar Wochen neu verschiebt?
4. Das Planungsproblem: Bauen in einem Markt, der sich selbst neu erfindet
Schmelzer zitierte den Head of Growth des schnell wachsenden KI-Startups Lovable, der Product-Market-Fit als bewegliches Ziel beschrieb, das täglich neu entdeckt werden müsse. Das Unternehmen plane nicht mehr als sechs Monate im Voraus.
Er fragte die Panelisten, wie sie in einem derart volatilen Umfeld Iteration, Planung und Kundenbereitschaft handhaben.
4.1. Mahdi Shariff: Der Mensch ist der begrenzende Faktor
Shariff betonte, dass die größte Herausforderung nicht die technologische Beschleunigung, sondern die Überforderung der Menschen sei. Die schnelle Verbreitung von KI-Tools erzeugt Lärm, Unsicherheit und Angst bei Individuen und Organisationen. Er warnte, die Gesellschaft könne Stabilität verlieren, wenn die Innovation die Anpassungsfähigkeit der Bevölkerung überholt.
Statt sich ausschließlich auf Technologie zu konzentrieren, plädiert Shariff dafür, dass Unternehmen Upskilling, nutzerzentriertes Design und inklusive Zugangsmodelle priorisieren. Ohne Hoffnung und Handlungsmöglichkeiten könnten sich Menschen zurückziehen oder automatisierungsfeindlich reagieren.
Seine Perspektive lenkte die Diskussion auf einen entscheidenden Punkt: Planung für KI müsse mit der Planung für Menschen beginnen.
4.2. Simona Vasytė-Kudakauskė: Fokus schlägt Geschwindigkeit
Für Vasytė-Kudakauskė besteht der Weg durch raschen Marktwandel darin, den Umfang des eigenen Produkts klar zu begrenzen. Perfection42 hätte dutzende Anwendungsfälle verfolgen können, entschied sich aber bewusst für ein Segment mit hoher industrieller Nachfrage. Indem sie sich in diese Vertikale einbetteten – durch Teilnahme an Branchenveranstaltungen, Partnerschaften und maßgeschneiderte Werkzeuge – schadeten sie sich weniger durch die Unruhe allgemeiner KI-Trends.
Wenn ein Unternehmen in einer Nische best-in-class wird, argumentierte sie, lässt sich skalieren deutlich vorhersehbarer als für Unternehmen, die versuchen, allen zu dienen.
4.3. Rokas Stankevičius: Praktische Anwendungsfälle sind entscheidend
Stankevičius bekräftigte, dass Unternehmen Abstraktion vermeiden müssen. Die erfolgreichsten KI-Lösungen sind jene, die direkt zu praktischen Verbesserungen von Arbeitsabläufen führen. Durch die enge Zusammenarbeit mit Kundinnen und Kunden in den letzten drei Jahren beobachtete er, dass Organisationen Werkzeuge schätzen, die klare, unmittelbare Probleme lösen – nicht Produkte, die Schlagzeilen hinterherlaufen.
Für AI Clicks bedeutete das eine Ausrichtung auf KI-Suchoptimierung, ein Problemfeld, das es vor zwei Jahren in dieser Form nicht gab, das aber nun schnell wächst, da immer mehr Nutzer LLMs statt Google befragen.
4.4. Egidijus Pilypas: Erst automatisieren, dann neu definieren
Pilypas beschrieb eine radikale, aber zunehmend verbreitete Strategie: das Unternehmen von innen heraus neu zu gestalten. Statt auf externe Marktvolatilität zu reagieren, begann Exacaster damit, interne Rollen zu automatisieren. Sobald Kernprozesse KI-augmentiert sind, wird das Unternehmen per Design flexibel und kann auf äußere Veränderungen flüssiger reagieren.
Er argumentierte, dass kleine Unternehmen sich vor der Geschwindigkeit der Transformation nicht fürchten sollten. Schnelle Disruption verteilt Chancen neu. Die Gewinner werden jene Organisationen sein, die ihre internen Fähigkeiten jetzt vorbereiten, bevor es zu einer massenhaften Konsolidierung kommt.
5. Marktdynamik: Lärm, Sättigung und der Kampf um Aufmerksamkeit
Schmelzer kehrte zur breiteren Perspektive zurück und betonte das nahezu unmögliche Signal‑Rausch‑Verhältnis, das sowohl Startups als auch Käufer belastet. Täglich erscheinen neue KI-Ankündigungen. Dieses erhöhte Tempo erschwert es Gründern, Sichtbarkeit zu gewinnen, und Käufern, zu erkennen, welche Lösungen wirklich relevant sind.
Er verglich die Situation mit den frühen Internetjahren. Netscape, Yahoo und AOL dominierten den Markt während des Dotcom-Booms, doch keine dieser Firmen wurde zum langfristigen Gewinner. Stattdessen entstanden die robustesten Unternehmen nach dem Crash, indem sie das zurückgelassene Ökosystem nutzten.
Die Schlussfolgerung war deutlich:
Gründer, die beständig, fokussiert und agil bleiben, könnten die überzogenen Erwartungen von heute überdauern.
6. Der menschliche Faktor: Angst, Chance und die psychologische Ebene der KI-Adoption
Ein wiederkehrendes Thema in mehreren Antworten war: Menschen sind überfordert.
Shariffs Betonung der psychologischen Auswirkungen von KI fand Resonanz beim Publikum. Er argumentierte, dass jede technologische Revolution emotionale Folgen hat. Wenn sich Teile der Gesellschaft abgehängt fühlen, erodiert die Legitimität von Innovation.
Pilypas bestätigte dies indirekt. Indem er seine eigene Position automatisierte, demonstrierte er sowohl die Unumkehrbarkeit des Wandels als auch die Chancen, die sich dadurch eröffnen. Dennoch müsse eine solche Transformation innerhalb von Organisationen sorgfältig kommuniziert werden, um Angst und Widerstand zu vermeiden.
Dieser menschenzentrierte Faden verlieh einer Diskussion Tiefe, die oft von technischen und ökonomischen Rahmenbedingungen dominiert wird.
7. Vertikalisierung, Spezialisierung und das Ende der „Allgemeinen KI‑Startups“
Eine der stärksten Erkenntnisse aus der Diskussion, besonders in Vasytė-Kudakauskės Ausführungen, war die wachsende Bedeutung vertikaler Spezialisierung. Mit Tausenden von KI-Startups weltweit werden generische Lösungen zunehmend ununterscheidbar. Investoren und Kunden suchen vermehrt nach fokussierten Werkzeugen, die domänenspezifische Probleme lösen.
Perfection42 dient als Modell für diesen Trend. Anstatt ein allgemeines Bildgenerierungssystem wie Midjourney zu entwickeln, optimierte das Unternehmen für die Produktionsworkflows von Möbelhändlern und -herstellern.
Das ermöglichte ihnen, größere Wettbewerber nicht durch mehr Kapital, sondern durch ein tieferes Branchenverständnis zu übertreffen.
Ähnliche Logik gilt für AI Clicks, das sich auf das entstehende Feld der „AI SEO“ konzentriert, und für Exacasters unternehmensweite interne Automatisierungssysteme.
Das Panel deutete an, dass die nächste Welle von KI-Gewinnern spezialisiert sein wird, nicht generalistisch.
8. Strategische Planung in einer Welt ohne langfristige Prognose
Eines der gewichtigen Themen war die Unmöglichkeit langfristiger Planung. Schmelzer stellte fest, dass selbst die am schnellsten wachsenden KI-Startups inzwischen nicht mehr als sechs Monate vorausplanen, weil sich der Markt zu schnell neu definiert.
Wie sollten Gründer in diesem Umfeld Strategie entwickeln?
8.1. Kurze Planungszyklen
Konsens war, dass Unternehmen iterative, wöchentliche oder monatliche Planungszyklen einführen müssen statt jährlicher Roadmaps.
8.2. Ständige Ausrichtung mit Kundinnen und Kunden
Auch Kundenseiten sind überfordert und oft unsicher, wie sie KI übernehmen sollen. Startups sollten sie durch schrittweise Verbesserungen führen, statt langfristige Visionen zu verkaufen, die schwer greifbar sind.
8.3. Zuerst interne KI‑Adoption
Der Aufbau KI-augmentierter interner Teams hilft Unternehmen, anpassungsfähig zu bleiben und schneller externe Chancen zu nutzen.
8.4. Fokussierte, enge Märkte
Spezialisierung reduziert die Anfälligkeit gegenüber makroökonomischer Volatilität.
Diese Strategien bilden zusammen ein neues Handbuch, um das Chaos der frühen KI-Phase zu überstehen: Fokus, Iteration, Kundennähe und interne Transformation.
9. Die weitergehenden Implikationen: Ein neuer industrieller Wandel
Gegen Ende der Diskussion weitete sich der Blick, um die historische Dimension der aktuellen KI-Welle zu reflektieren. Vergleiche zu früheren technologischen Revolutionen – Industrialisierung, Elektrifizierung, Internet – zogen sich implizit durch das Panel.
Die Sprecher porträtierten KI gemeinsam nicht nur als weitere Plattformverschiebung, sondern als strukturelle Neuausrichtung von Arbeit, Kreativität, Produktivität und Wettbewerbsvorteil.
Pilypas’ Beschreibung des „AI Big Bang“ fasste dieses Gefühl epochaler Transformation zusammen. Und Shariffs Erinnerung an die „menschliche Ebene“ verankerte die Diskussion in Fragen der sozialen Verantwortung und des verantwortungsvollen Technologieeinsatzes.
10. Fazit: Ist Ihr Startup ohne KI dem Untergang geweiht?
Das Panel beantwortete die Frage nie kategorisch, doch der Subtext war klar.
Ein Startup ist nicht automatisch dem Untergang geweiht, nur weil es KI einsetzt oder nicht einsetzt. Untergang entsteht eher durch ein Missverständnis der Lage:
KI einzusetzen ohne Strategie ist sinnlos.
KI völlig zu ignorieren ist ebenso riskant.
Die Gewinner werden Gründer sein, die verstehen:
• wo KI tatsächlich Wert schafft
• wie man sie in menschenzentrierte Arbeitsabläufe integriert
• wie man in kurzen, iterativen Zyklen plant
• wie man sich auf bestimmte Branchen spezialisiert
• wie man intern automatisiert, bevor man extern skaliert
• wie man flexibel bleibt inmitten chaotischer Marktveränderungen
In diesem komplexen Umfeld ist KI keine Erfolgsgarantie, aber mangelnde KI‑Kompetenz wird zunehmend zur Verwundbarkeit.
Das Going Global 5-Panel erinnerte daran, dass die globale KI-Transformation noch in den frühen Stadien steckt. Ob sie zur Blase oder zum Big Bang wird: Die Startups, die überleben, sind jene, die Geschwindigkeit mit Fokus, Innovation mit Verantwortung und Ambition mit Realismus ausbalancieren.
Quelle: smarti
Kommentar hinterlassen