Der Start von ChatGPT im November 2022 hat unsere Welt in das Zeitalter der KI geführt, und die Technologiebranche wird nie mehr dieselbe sein.
Fast jedes Pitch Deck, das ich seit Dezember gesehen habe, hatte KI auf den ersten beiden Seiten.
Wie bei jeder neuen Technologie mussten Risikokapitalgeber wie ich jedoch schnell eine Strategie entwickeln, um die Start-ups mit hohem Potenzial von denen zu trennen, die größtenteils Hype-Unternehmen sind oder wahrscheinlich vor unüberwindbaren Herausforderungen stehen, die sie daran hindern, die Unternehmensgröße zu erreichen.
Um diesen Unterschied zu verstehen, müssen Sie die verschiedenen Ebenen des generativen KI-Wertestapels beherrschen, bestimmen, welche für Investitionen reif sind, und eine Due-Diligence-Strategie zur Bewertung der Risiken und Chancen eines bestimmten Startups erstellen.
Konkret besteht generative KI aus:
- Daten.
- Middleware.
- Fein abgestimmte Spezialmodelle.
- Die Cloud- und Infrastrukturschicht.
- Grundlegende Modelle.
- Die Anwendungsschicht.
Innerhalb dieses Tech-Stacks gibt es einige Bereiche, die wir für besonders investitionswürdig halten, während andere für ein Start-up-Unternehmen eine größere Herausforderung darstellen, sich im Wettbewerb zu behaupten. Hier erfahren Sie, wie wir alles aufschlüsseln.
Bereiche, die uns interessieren
Daten
Eine der größten Herausforderungen der generativen KI – und damit auch eines ihrer größten Chancen – ist die Genauigkeit und Zuverlässigkeit der von ihr bereitgestellten Informationen. Heutzutage basieren generative KI-Modelle auf riesigen Datensätzen, von denen einige so umfangreich sind wie das Internet selbst und sowohl relevante als auch nützliche Informationen und vieles mehr enthalten.
Wir glauben, dass die Galaxie generativer KI-Anwendungen, die in den kommenden Jahren entstehen wird, aus präziseren Daten oder Teilen verschiedener, spezialisierterer Modelle bestehen wird. Anstatt ein weites Netz auszuwerfen, nutzen diese spezialisierten Modelle proprietäre Daten, die für eine Domäne spezifisch sind, was dazu beiträgt, die Ausgabe der Anwendung zu personalisieren und Genauigkeit sicherzustellen.
Es gibt einige Bereiche, die unserer Meinung nach besonders investitionswürdig sind, während andere für ein Start-up-Unternehmen eine größere Herausforderung darstellen, im Wettbewerb zu bestehen.
Wenn proprietäre Daten in grundlegende Modelle einfließen – kombiniert mit der richtigen Middleware-Architektur – werden diese spezialisierten Modelle entstehen, von denen wir glauben, dass sie die Anwendungsschicht antreiben, mit der Verbraucher und Unternehmen interagieren.
Middleware
Die Datenschicht des generativen KI-Stacks wird von Middleware begleitet, die wir als Tools und Infrastruktur definieren, die die Entwicklung neuer generativer KI-Anwendungen unterstützen und den zweiten Teil unserer Investitionsthese in diesem Sektor darstellen.
Insbesondere sind wir optimistisch gegenüber Infrastruktur- und Werkzeugunternehmen, die Sicherheit, Genauigkeit und Datenschutz bei allen Modellergebnissen bewerten und gewährleisten; Inferenz über mehrere Modelle hinweg orchestrieren; und optimieren Sie die Integration proprietärer Daten in große Sprachmodelle (LLMs).