Machine Learning steht inzwischen in vielen Branchen als Problemlöser auf dem Plan. Auch die Startup- und Investorenszene hat offenbar KI-Lösungen für sich entdeckt. Dass sich Businesspläne und Informationen aus dem Internet dazu nutzen lassen, um mit einem hohen Grad an Zuverlässigkeit, wie die Gründer versprechen, den Erfolg von Startups vorauszusagen, ist indes neu.

Ein französisches KI-Startup namens Skopai hat eine Lösung vorgestellt, mit der sich Unternehmen auf Basis von Kriterien wie Technologie, Markt und Finanzen charakterisieren lassen. Das Unternehmen erklärt, sie seien in der Lage, die Fähigkeit eines Startups, Investitionen und Investoren für sich anzuziehen, ausschließlich auf der Basis von öffentlich zugänglichen Daten vorauszusagen. Hinzu kommen Brancheninformationen, die ebenfalls öffentlich zugänglich sind. Man könne dadurch Vorhersageergebnisse erzielen, die „mit denen vergleichbar sind, die auch strukturierte Daten aus privaten Datenbanken nutzen“, erklärt das Startup aus Grenoble gegenüber Techcrunch.

Und die Analyse ist natürlich auch deutlich schneller möglich, was dazu beiträgt, dass in kürzerer Zeit mehr Unternehmen unter die Lupe genommen werden können. So könne man die Datenfülle des Internets in der Wirtschaftsrecherche beherrschbar machen. Das 2017 gegründete Unternehmen analysiert etwa Informationen, die von Akteuren wie Inkubatoren, Investoren oder Fachzeitschriften, die über sie berichten, im Netz sowie in sozialen Netzwerken auffindbar sind. Skopai fokussiert sich dabei auf jene Daten, die für Innovationsexperten und potenzielle Investoren interessant sind.

Der Versuch, aus Daten über ein Unternehmen Wahrscheinlichkeitsberechnungen für deren Attraktivität und Geschäftschancen zu errechnen, ist nicht neu – und verschiedene Venture-Capital-Unternehmen wie Correlation Ventures, EQT Ventures und Signalfire sollen Algorithmen für die Aussteuerung von Investitionen heranziehen. Die Gartner-Group schließlich schätzt, dass schon 2025 drei von vier VC in Investitionsentscheidungen KI-Elemente einfließen lassen. Bisher sind es gerade einmal fünf Prozent der Investoren.

Klar ist aber auch, dass ein solcher Algorithmus in seiner Beurteilung nur so gut und unvoreingenommen sein kann wie diejenigen, die ihn programmieren. Denn in der Vergangenheit hatten Wissenschaftler mehrfach eine Überbewertung weißer männlicher Investoren ermittelt. Dennoch seien solche Algorithmen treffsicherer als unerfahrene Investoren, was nicht viel heißen muss. Es dürfte somit in den nächsten Jahren vor allem Aufgabe der IT-Ethiker sein, solche Vorurteile von Machine-Learning-Lösungen zu relativieren.