Polen: 100 KI-Startups

Ich verfolge die polnische KI-Startup-Szene schon seit einiger Zeit und habe beschlossen, das Wissen zu strukturieren und eine Landschaft polnischer KI-Startups zu erstellen – ich habe 100 davon identifiziert!

Ziel dieser Landschaft ist es, innovative KI-Startups aus Polen zu identifizieren und zu kategorisieren. Ich hoffe auch, dass die Landschaft den vorgestellten Unternehmen den Zugang zu Kapital, Kunden und Talenten erleichtert.

In letzter Zeit gab es einen großen Hype um KI und fast jedes Startup behauptet, ein KI-Startup zu sein. Vor diesem Hintergrund habe ich mein Bestes getan, um nur Startups auszuwählen, die Lösungen anbieten, in denen KI ein fester Bestandteil ist. Mit anderen Worten: Wenn Sie die KI-Komponente aus der vom Unternehmen bereitgestellten Lösung entfernen können und der Wert der Lösung aus Sicht des Kunden nicht dramatisch sinkt, wird das Unternehmen von der Liste ausgeschlossen.

Polnisches KI-Ökosystem aus der Sicht eines Gründers

In den letzten Jahren habe ich einen erheblichen Anstieg des Bekanntheitsgrads und der Reife von KI-basierten Startups in Polen beobachtet. Für viele Unternehmen ist KI nicht mehr nur ein Schlagwort zur Gewinnung von Kunden und Investoren, sondern ein entscheidendes Unterscheidungsmerkmal der Wertschöpfung. Diese Tatsache, kombiniert mit dem außergewöhnlichen Niveau an technischen Fähigkeiten und Talenten, macht unsere Region zu einem sehr interessanten Ort für die Gründung, das Wachstum und die Skalierung KI-basierter Organisationen.

Kamils ​​Worte werden durch die Karte bestätigt, die Sie unten sehen können. In Polen gibt es bereits 100 KI-Startups und ich gehe davon aus, dass diese Zahl in den nächsten Jahren noch weiter steigen wird.

Gesundheitswesen und Chat/Sprache machen ein Drittel des Ökosystems aus

Wenn wir uns die Landschaft ansehen, sehen wir, dass die Kategorie Gesundheitswesen die meisten KI-Startups enthält. Dies ist nicht überraschend, da es sich dabei auch um die Kategorie handelt, die in Polen die meisten VC-Finanzierungen erhielt – 15 % der gesamten VC-Finanzierung in Polen gingen im Jahr 2022 an Start-ups im Gesundheitswesen . Eine weitere wichtige Kategorie ist Kundenservice, Chat und Sprache. Die beiden Kategorien enthalten einige der erfolgreichsten Startups aus der Liste: Infermedica (120 Mio. PLN Serie B im Jahr 2021) und Tido (109 Mio. PLN Serie B im Jahr 2022).

Trends bei KI-Anwendungen – weit mehr als generative KI

Generative KI ist heutzutage definitiv das heißeste KI-Thema, doch die unzähligen neuen Anwendungen, die sie eröffnet, rechtfertigen den Hype. Ich gehe davon aus, dass dank dieser Technologie viele neue Startups entstehen werden. Der Kundenservice ist wahrscheinlich die offensichtlichste Kategorie, die vom Fortschritt in der generativen KI betroffen sein wird, da die Interaktionen mit Kunden gesprächsähnlich sind und Tools wie Chat GPT innewohnen. Ich denke, wir werden auch viele neue Startups sehen, die an KI-basierten Marketingtools arbeiten , die eine kostengünstigere und schnellere Content-Generierung ermöglichen. Dies beschränkt sich nicht nur auf Text, da diese Lösungen auch durch die Erzeugung von Bildern und Videos unterstützt werden .

Auch die Kategorie der Entwicklertools wird in den kommenden Jahren voraussichtlich florieren. Wir haben bereits Anwendungen gesehen, die das Potenzial dieser Technologie ausreizen, z. B. Codex , der natürliche Sprache in Code umwandelt, oder Copilot, der Code in Echtzeit vorschlägt . Ich denke jedoch, dass wir noch viele neue Tools sehen müssen, die das Erstellen, Testen oder Debuggen von Software einfacher und schneller machen.

Außerdem sehe ich ein immenses Potenzial in Low-Code- oder No-Code-Lösungen , die es weniger versierten Benutzern ermöglichen, KI-Anwendungen zu erstellen. Dies wird durch die große Anzahl potenzieller KI-Anwendungsfälle, aber eine sehr begrenzte Anzahl von KI-Entwicklern befeuert.

Eine weitere Kategorie, von der ich erwarte, dass sie erheblich wachsen wird, ist KI im Gesundheitswesen. Dies ist bereits die größte Kategorie im polnischen Ökosystem, aber die zunehmende Menge an Gesundheitsdaten und die Demokratisierung des Zugangs ermöglichen ein weiteres schnelles Wachstum . Dank elektronischer Krankenakten, Versicherungsansprüchen, unzähligen Apps zur Gesundheitsüberwachung und Wearables explodieren die Gesundheitsdaten explosionsartig. Sie alle stellen Datenquellen für das Training von KI-Modellen bereit (einigen Schätzungen zufolge werden 30 % des weltweit generierten Datenvolumens von der Gesundheitsbranche generiert ). Außerdem werden digitale KI-Lösungen für das Gesundheitswesen dank der virtuellen und mobilen Pflege immer zugänglicher. Infolgedessen gewöhnen sich Patienten immer mehr an eine technologiegestützte Gesundheitsversorgung, die zunehmend auf KI-Unterstützung basieren wird.

Computer werden billiger, aber die Modellgrößen nehmen rapide zu

Ein wichtiger Trend, der allen KI-Anwendungen zugute kommen wird, sind die sinkenden Kosten für das Training und den Betrieb von KI-Modellen . Laut einer Studie von Stanford sind beispielsweise die Kosten für das Training eines Bildklassifizierungssystems seit 2018 um zwei Drittel gesunken, wobei die Zeit für das Modelltraining sogar noch stärker gesunken ist.

Eine Kostensenkung ist vor allem dank effizienterer KI-spezifischer Hardware wie den Tensor Processing Units (TPUs) von Google oder den Chips von Nvidia, z. B. dem A100 , möglich . Für KI-Unternehmen sind Cloud-Computing-Kosten in der Regel eine wichtige COGS-Komponente (Kosten der verkauften Waren). Wenn die Rechenkosten sinken, machen sie neue Anwendungen wirtschaftlich rentabel und ermöglichen so eine breitere kommerzielle KI-Einführung .

Allerdings werden KI-Modelle auch immer größer und daher teurer im Training (die geschätzten Trainingskosten für GPT-3 liegen bei bis zu 12 Mio. USD ). Dieser Trend kann den Effekt sinkender Recheneinheitskosten ausgleichen, allerdings betrifft dies hauptsächlich von Forschern veröffentlichte hochmoderne Modelle und nicht bereits kommerzialisierte Systeme.

Erklärbarkeit, Verzerrung und Qualitätsdaten sind große Herausforderungen

Der Black-Box-Charakter (dh die Unfähigkeit zu verstehen, wie ein Algorithmus Entscheidungen trifft) vieler KI-Systeme ist eines der wesentlichen Hindernisse für die Einführung von KI. Benutzer benötigen häufig eine Vorhersage des Algorithmus und eine Erklärung, wie die Vorhersage getroffen wurde. Diese Erklärung anzubieten ist für Algorithmen wie neuronale Netze äußerst schwierig, und das Fehlen der Erklärung kann einige Benutzer davon abhalten, KI-Lösungen zu übernehmen. Eine zunehmende Anzahl von Modellparametern verstärkt dieses Problem nur.

Eine weitere Herausforderung ist die Voreingenommenheit – die Tendenz des Algorithmus, im Trainingsdatensatz vorhandene menschliche Vorurteile widerzuspiegeln. Beispielsweise erzeugte ein generativer KI-Algorithmus, der Bilder von „einem armen Menschen“ und „Verbrecher“ erzeugen sollte, überwiegend Gesichter mit dunkler Haut. Wenn voreingenommene Algorithmen in großem Umfang eingesetzt werden, werden sie Stereotypen und Vorurteile verstärken, die bereits in unserer Gesellschaft vorhanden sind.

Auch die Verfügbarkeit hochwertiger Daten ist ein Problem. Trotz einer wachsenden Menge an weltweit generierten Daten sind die von Unternehmen gespeicherten Daten häufig von schlechter Qualität, was die Implementierung von KI-Systemen deutlich schwieriger macht.

Trotz dieser Herausforderungen bin ich davon überzeugt, dass den polnischen und globalen KI-Ökosystemen die besten Jahre bevorstehen. Ich kann es kaum erwarten, die neuen Startups zu sehen, die entstehen werden!

Wenn Sie ein Unternehmen kennen, das zur Liste hinzugefügt werden sollte, füllen Sie dieses Formular aus und lassen Sie es mich in den Kommentaren wissen!

Methodik:

1. Ich habe nur Produktunternehmen einbezogen, d. h. Unternehmen, die kundenspezifische KI-Software entwickeln, sind ausgeschlossen

2. Mein Ziel war es, nur Startups zu identifizieren, bei denen die KI-Komponente für das ordnungsgemäße Funktionieren der Lösung von entscheidender Bedeutung ist – mit anderen Worten: Der Ausschluss der KI-Komponente würde dazu führen, dass die Lösung den Großteil des den Kunden gebotenen Werts einbüßt

3. Ich habe die Karte je nach Anwendungstyp in drei Hauptkategorien unterteilt:

• Branchenübergreifende Anwendungen – Anwendungen, die von mehreren Branchen genutzt werden können, z. B. Cybersicherheitstools
• Branchenspezifische Anwendungen – Lösungen, die auf eine bestimmte Branche abzielen, z. B. das Gesundheitswesen
• Entwicklertools – Tools, die bei KI-bezogener Forschung und Entwicklung verwendet werden können, oder KI-basierte Tools zur Unterstützung der Softwareentwicklung