Auf diese Dinge musst du beim Deep-Tech-Startup achten

(Foto: Zapp2Photo / Shutterstock)
Ab und an wird ein neuer Begriff geprägt, der ein eigentlich nicht neuartiges Konzept schön zusammenfasst. „Deep-Tech“ ist beispielsweise solch ein Begriff. Ein kürzlich veröffentlichter BCG-Bericht beschreibt ihn folgendermaßen: „Deep-Tech-Innovationen werden als disruptive Lösungen definiert, die um einzigartige, geschützte oder kaum reproduzierbare Technologien oder wissenschaftliche Fortschritte geschaffen werden. Deep-Tech-Unternehmen haben einen starken Forschungshintergrund. Sie generieren Werte durch die Entwicklung neuer Lösungen und nicht nur durch disruptive Unternehmensmodelle.“
Einen besonders interessanten Hintergrund hat Deep-Tech im digitalen Technologiesektor. Dazu gehören Deep-Tech-Entwicklungen, wie künstliche Intelligenz (KI oder AI), Augmented Reality und Blockchain. Nachdem ich bereits mehr als 20 Jahre im Bereich Deep-Tech gearbeitet habe, möchte ich ein paar Erfahrungen weitergeben, die jeder Gründer beim Startup oder beim Wachstum seines Unternehmens im Bereich der Digitaltechnik im Hinterkopf behalten sollte. Bei Deep-Tech-Entrepreneurship geht es vor allem um Unternehmen, die eine differenzierende Technologie entwickelt haben.
Lektion 1: Forschung und Innovation ergänzen sich in Deep-Tech
Innovation und Forschung sind nicht ähnlich, sondern müssen in zwei Dimensionen betrachtet werden. Sie sind zueinander orthogonal. Entgegen der landläufigen Meinung führt „reine“ Forschung nicht zu „angewandter“ Forschung, die zwangsläufig zu Innovationen auf dem Markt führt.
Im Bereich Deep-Tech müssen sich unternehmerische Initiative, Innovation und Forschung ergänzen. Nur unter Berücksichtigung von Kundenwünschen (Produkt/Marktanpassung) und der notwendigen Hinzugabe von Technologie oder Forschungsergebnissen („Zutaten“), kann man eine technologisch tiefgreifende, marktrelevante Innovation hervorbringen. Es ist jedoch Vorsicht vor dem zunächst verlockenden „Technologie-Push” geboten, der aus einer Idee entspringt und für Techies manchmal eine Versuchung sein kann. Bei Deep-Tech-Entrepreneurship geht es, wie bei jeder anderen Art des Unternehmertums, erstmal um das Identifizieren und Adressieren einer Marktlücke. Nur dann können die Deep-Tech-„Zutaten“ sinnvoll hinzugefügt werden, um das Produkt zu differenzieren.

(Grafik: EIT Digital)
Lektion 2: Daten sind entscheidender als Technologien
Ich habe mal für einen größeren Software-Entwickler gearbeitet, bei dem ich für „Next-Generation-Analytics“ zuständig war. Wir präsentierten die Analytik als eine Möglichkeit, datengesteuerte Entscheidungen zu fällen. Bessere, beziehungsweise „informierte“ Entscheidungen führen zu einem optimierten Unternehmen, dies führt zu mehr Kunden, die mehr Transaktionen bedeuten, die wiederum mehr Daten schaffen. Der Kreislauf zwischen Analytik und Transaktion schafft eine positive Dynamik, die das Geschäft ankurbelt.
Auf ähnliche Weise sind alle modernen Software-Produkte datengesteuert. Daten sind direkt mit deinem Algorithmus verbunden und verbessern deine Technologie und dadurch dein Produkt. Ein besseres Produkt bedeutet mehr Nutzer, die mehr Daten als Teil eines positiven Kreislaufs produzieren. Dies ist der vertraute Netzwerkeffekt.
Daten besitzen daher eine strategische Bedeutung. Aus analytischer Sicht wissen wir, dass Kundendaten und Betriebsdaten Markteinblicke bieten. Deep-Tech geht einen Schritt weiter: Daten drängen hierbei die technologische Infrastruktur – die Cloud-Infrastruktur ist im Sinne der Dienstleistung lediglich eine Ware – und den Algorithmus in den Hintergrund.
Ironischerweise liegt im Deep-Tech der „unfaire Vorteil“ bei den Daten, also dem nicht kopier- oder kaufbaren Vorteil. Der Vorteil liegt nicht in der Technologie.

(Grafik: EIT Digital)
Lektion 3: Mach nur eine Sache, aber mach sie gut
Wissenschaft dreht sich im Grunde um Verallgemeinerungen, zum Beispiel die Entwicklung übergreifender Modelle aus spezifischen Beobachtungen. Aufgrund der wissenschaftlichen DNA der meisten Gründerteams ist es im Deep-Tech-Entrepreneurship eine klassische Stolperfalle, generische Produkte oder Produkte mit zu vielen Features oder ein Portfolio an zu vielen Produkten zu entwickeln. Eine dünne Schicht an Investitionen an verschiedenen Features, Produkten und Märkten ist eine Schwäche – das Zeichen, dass du versuchst Risiken einzudämmen, ohne dein genaues Ziel zu kennen.
Allgemein ist es im Gründertum und insbesondere im Deep-Tech-Bereich wichtig, einen klaren Fokus zu haben, auf ein Produkt zu setzen, das eine klar definierte Schwachstelle am Markt anspricht. Vertikale Märkte sind für Deep-Tech-Unternehmen am besten geeignet, im Gegensatz zu generischen horizontalen Plattformen, die teuer zu entwickeln, zu warten und dem Markt aufzuzwingen sind.
Lektion 4: Die Devise lautet Wachstum – Europa holt auf
Trotz Silicon Valleys digitaler Dominanz, ist Europa im Bereich Deep-Tech sehr gut positioniert. Fünf von zehn der besten globalen IT-Universitäten sind europäisch (Atomico). In den letzten paar Jahren wurden mehr als 1.000 Deep-Tech Startups in Europa gegründet und im Durchschnitt mehr als eine Millarde Euro jährlich in Deep-Tech-Unternehmen in Europa investiert. Amerikanische Tech-Giganten richten dazu sogar Forschungszentren in Europa ein.
Es ist ein offenes Geheimnis, dass starkes und schnelles Wachstum eine besondere Eigenschaft des Silicon Valleys ist. Trotz einiger öffentlicher Initiativen hat Europa die zentrale Bedeutung des schnellen Wachstums von Scaleups (im Gegensatz zur Gründung von Startups) erst spät erkannt. Ein Scaleup ist ein Startup, das sich nicht mehr in der frühesten Entwicklungsphase befindet – es hat bereits eine gewisse Produkt- beziehungsweise Marktreife erreicht, typischerweise für den nationalen Markt, und ist bereit für wirtschaftliches Wachstum jenseits der nationalen Grenzen.
Aber Europa holt zügig auf und es entstehen europäische Acceleratoren. Ein Beispiel ist das in München ansässige Scaleup Konux. Das 2014 gegründete Unternehmen ist in dem Bereich Industrial Internet of Things tätig. Sie stellen Sensoren und ein AI-System bereit, dass hilft die Auszeiten von Maschinen und Netzwerken zu prognostizieren. Konux expandierte sehr schnell weltweit: Es hat in diesem Jahr eine Fundraising-Runde in Höhe von 16 Millionen Euro abgeschlossen, gewann die Deutsche Bahn als Kunden und expandierte ins Silicon Valley.