Erklärende Künstliche Intelligenz filtert Start-ups mit Erfolgspotenzial heraus

KI-basierte Systeme sind die Treiber der Digitalisierung. Damit der Mensch die Oberhoheit behält, müssen KI-Modelle nachvollziehbar und interpretierbar sein. „Explainable Artificial Intelligence“ (XAI), also erklärbare KI, beschäftigt sich daher mit der zentralen Frage, ob Lernalgorithmen für Künstliche Intelligenz nicht nur die Genauigkeit von Prognosen verbessern, sondern zugleich auch Interpretationen zum besserem Verständnis der Korrektur liefern können. Denn Erklärbarkeit sichert das nötige Vertrauen in Entscheidungen.

Die Fehler nur anzustreichen hilft nicht

Das Prinzip XAI lässt sich überall dort anwenden, wo solides Basiswissen über das zu lösende Problem vorhanden ist. „Man verwendet einen konventionellen, erklärbaren Algorithmus und gibt nur so viel KI dazu, als für eine verbesserte Prognose notwendig ist. Die Voraussagen werden damit nicht besser, aber qualitativ erklärt. Wie dem Schulkind, das von der Lehrkraft den korrigierten Aufsatz erhält, hilft es wenig, dass die Fehler angestrichen sind. Das Kind lernt nichts daraus. Ergänzt man die Info, wie man den Fehler nächstes Mal vermeiden kann, bringt das den entscheidenden Mehrwert. Deshalb korrigieren wir nicht das Modell, sondern beschreiben die Veränderung“, verrät Projektleiter Florian Sobieczky aus Kerschbaum, Senior Researcher Data Science am SCCH, das Erfolgsrezept. 

Was Start-ups für den Erfolg prädestiniert

Die Speedinvest Heroes Consulting GmbH suchte nach einer Möglichkeit, durch Vorhersage der Erfolgswahrscheinlichkeit von Start-up-Unternehmen unter Berücksichtigung psychologischer Profile die Entscheidung für das zielführendste Investment abzusichern. So wurde im Projekt inAIco der neue Ansatz auf diese Fragestellung angewendet, um bestmögliche Empfehlungen abgeben zu können. „Die Voraussetzung ist, dass das Geschäftsmodell gut aufgestellt ist. Daneben sind kognitive Fähigkeiten für die Verarbeitung von Informationen, Entscheidungsfindung und Lernen von grundlegender Bedeutung. Auch eine hohe Leistungsmotivation ist signifikant für eine langfristige positive Entwicklung.

Investments in Start-ups absichern

Darüber hinaus gehen wir davon aus, dass neben den Key Value Performance Indikatoren des Start-ups auch psychometrische Charakteristika im Persönlichkeitsprofil der GründerInnen Einfluss auf den Erfolg mit ihrem Business haben. Denn Studien zufolge können Unternehmer trotz finanzieller Unterstützung, einer überzeugenden Idee sowie einer ausgezeichneten Qualifikation scheitern, wenn die notwendigen Persönlichkeitsmerkmale nicht vorhanden sind.

Unternehmerpersönlichkeiten gesucht

Wir suchen die Doér, die Entrepreneure, die Anatomie erfolgreicher GründerInnen und versuchen die Gemeinsamkeiten in Form von Mustern zu erkennen. In der ersten Studie wurden erste Ergebnisse dazu gesammelt. Erste Erfolgsfaktoren konnten ebenso festgestellt werden, wie Besonderheiten in der gesamten Start-up-Szene. Die Ergebnisse findet man auf www.speedinvest-heroes.com. Als nächstes wollen wir diese Studie europaweit ausrollen. All diese Daten sind die Basis, um GründerInnen besser zu coachen, zu begleiten und die richtigen Founder mit den richtigen Start-ups zum richtigen Zeitpunkt zu matchen“, erklärt Geschäftsführer Lukas Rippitsch MSc. von Speedinvest Heroes Consulting.

„Das ist eine hervorragende Anwendung für unseren Ansatz und ein wichtiger Schritt für den Brückenschlag zwischen den Modellen für wirtschaftspsychologische und marktwirtschaftliche Daten. Dieser Grundstein wurde in enger Zusammenarbeit mit Speedinvest Heroes Consulting zu einem belastbaren Vorhersagemodell verdichtet“, freut sich Mag. Markus Manz, CEO des SCCH.

SCCH fördert junge Forscherinnen

„Das SCCH ist prädestiniert, die Forschung der sogenannten XAI voranzutreiben. Die Expertise, die unsere ForscherInnen auf dem Gebiet von Deep Learning und hoch performantem Machine Learning haben, ermöglicht uns die beste KI für die jeweilige Problemstellung auszuwählen.  Bei der Klärung der Frage, welche KI am besten zu welchen Basismodellen passt, hat uns Post-Doktorandin Manuela Geiß mit ihrer Expertise auf dem Gebiet der mathematischen Lernmodelle unterstützt, so dass auch die Anwendbarkeit des Ansatzes auf verschiedenste Lebensbereiche ermöglicht wird (z.B. Autonomes Fahren)“, so Sobieczky.