Bist du ein Mensch? 2   +   4   =  
Als Serial Entrepreneur zweier Machine Learning Startups und Gründer eines ML und Big Data Fonds versteht Bradford Cross ein bisschen von AI und Machine Learning. Das macht seine 5 Vorhersagen zu Artificial Intelligence Startups auch so lesenswert. Im großen und ganzen sagt er voraus, dass 2017 das Jahr der Abrechnung für Hype-Thema Künstliche Intelligenz wird. Die künstliche aufgeblasenen Themen werden als solche erkennbar werden. Umfassende AI Startups, die Industrie-Probleme in der vollen Bandbreite verstehen und in der Detailtiefe vollständig selbst lösen können, werden erfolgreich aus dem Jahr hervor gehen.

Wie sehen Cross Vorhersagen für AI Startups 2017 im Detail aus?

  1. Der Hype um Chatbots wird abnehmen, da die Nutzer zwar kurz Interesse an Bots zeigen, dann aber doch lieber wieder mit Menschen kommunizieren. Der Erfolg von Chatbots in einzelnen Plattformen wie Slack oder Weibo wird deswegen nur schwer auf andere Lösungen übertragen lassen. Bradford sieht Sprachinterfaces als zu ineffizient an und führt das nicht auf zu schlechte AI zurück, sondern schlechte Implementierung und dass Menschen keine Sprachschnittstellen wie Siri benutzen wollen.
  2. Deep Learning wird 2017 in den alltäglichen Gebrauch übergehen. Das Teilgebiet des Machine Learnings ist das meistgetriebene Hype-Thema und Unternehmenskäufe um an das Know-how zu gelangen sind im Deep Learning heute da, wo vor 5 Jahren die Käufe von iOS App-Startups waren und die Investitionen der Tech-Indsutrie werden langsam durch die konventionellen Unternehmen ersetzt, die auch etwas vom Deep Learning Kuchen abhaben wollen.
  3. AI Startups kümmern sich zu viel um die Technologie als um Kunden-Bedarf. Cross macht das an einem lesenswerten Vergleich von Cleantech und Atrificial Intelligence fest und kommt zu dem Schluss: „AI Startups sind derzeit Hammer, die in jedem Problem einen Nagel sehen.“ Er begründet das unter anderem dadurch, dass sich momentan jeder, der 3 Blogpostings über AI gelesen hat, auf LinkedIn als Experte bezeichnet und schlimmstenfalls ein AI Startup gründet. Da es nur eine kleine Gruppe an Leuten gibt, die seit 10 Jahren oder mehr an AI Startups arbeiten, wird es in den kommenden 12-24 Monaten für VCs sehr schwer festzustellen, wo echtes Potenzial besteht und wo nur heiße Luft drin steckt.
  4. Machine Learning as a Service wird nicht funktionieren. Und die Erklärung dafür ist so einfach wie verständlich: MLaaS hat eigentlich keine Kunden. Die Lösungen decken weder auf der Seite der kompetenten Experten einen Bedarf, noch können die in AI inkompetenten Kunden etwas mit MLaaS praktisch anfangen. Das hieße, wenn Nicht-Tech-Unternehmen Machine Learning mal eben schnell für ein Problem einsetzen wollen, müssten sie selber zu einem taten-getriebenen Tech-Unternehmen werden.
  5. AI Startups mit vollständigen Lösungen, die komplexe Probleme in speziellen Branchen lösen, werden erfolgreich sein. Dazu benötigen sie Technologie, spezialisierte Business-Expertise, einzigartige Datenpools und letztendlich ein Produkt, das mit AI die höchst industriespezifischen Kunden-Bedarfe deckt, die dafür auch immens hohes Wertschöpfungspotenzial bieten.

Diese in Punkt 5 beschrieben AI Startups sieht Cross derzeit in den Branchen FinTech, Life Sciences und Health Care, Energie und Verkehr, Maschinenbau, Landwirtschaft und Materialwirtschaft entstehen.

Ich bin gespannt, wie sich die Vorhersagen im Laufe des Jahres bewahrheiten werden oder auch nicht.
Zu Bradfords vollständigen Artikel geht es hier lang und auf Twitter könnt ihr ihm hier folgen.