„Als junges Deep-Tech-Startup braucht man ein Netzwerk“
Sie gestalten mit Ihren Startups aktiv die Zukunft Ihrer Branche. Gab es einen Moment, in dem Ihnen klar wurde: „Das ist das Problem, das ich lösen möchte“?
I. K.: Mein Co-Founder Oleh und ich sind beide Data Scientists, daher entstand die Idee für LUML aus unserer eigenen Erfahrung. Wir haben selbst erlebt, wie viel Zeit und Aufwand in die Aufgaben des Machine Learnings fließen und wie viele dieser Prozesse effizienter gestaltet werden könnten. Wir haben beschlossen, ein Tool zu entwickeln, das nicht nur den Arbeitsalltag von Data Scientists erleichtert, sondern auch Teams dabei unterstützt, hochwertige Ergebnisse zu liefern. Mit LUML bieten wir eine Plattform, auf der Data Scientists mit KI-Agenten zusammenarbeiten können – von der Experimentierphase bis hin zur Produktion.
A. B.: Bei uns kam die entscheidende Idee von Geschäftsführer Hr. Harold Artès. Wir haben uns gefragt, warum Saugroboter im professionellen Reinigungsbereich eigentlich nicht viel stärker eingesetzt werden. Bei näherer Betrachtung sind wir auf einige Herausforderungen gestoßen: die technische Wartung, die hohen Anschaffungskosten, die Größe der Roboter, die es oft unmöglich macht, unter Schreibtischen zu reinigen, und die Frage der Überwachung im laufenden Betrieb. Wir haben erkannt, dass es nicht reicht, einfach einen Saugroboter aus dem privaten Bereich in ein professionelles Umfeld zu stellen. Aus dieser Überlegung heraus ist unsere Geschäftsidee entstanden: Wir wollten Robotik für den professionellen Reinigungsbereich attraktiver, praxistauglicher und wirtschaftlich sinnvoller gestalten.
Romy Robotics setzt auf ein Schwarm-System aus Reinigungsrobotern. Wie funktioniert dieses Konzept in der Praxis?
A. B.: Unser Schwarm-System bedeutet vereinfacht gesagt: Nicht ein einzelner Roboter muss eine große Fläche bewältigen, sondern mehrere Roboter teilen sich die Arbeit. Das ist gerade bei größeren Objekten interessant, weil wir dadurch mehrere Bereiche gleichzeitig abdecken können. Fällt ein Roboter aus, muss nicht gleich die gesamte Reinigung ausfallen. Andere Roboter können einspringen und einen Teil seiner Fläche übernehmen. Ein großer Vorteil zeigt sich auch bei der Segmentierung von Gebäuden. Geschlossene Türen können dazu führen, dass ein einzelner Roboter nicht überall hinkommt. Mit mehreren Robotern können wir solche Bereiche besser abdecken.
Reinigung gehört zu jenen Bereichen, in denen der Personalmangel besonders spürbar ist. Trotzdem besteht oft die Sorge, dass Roboter Arbeitsplätze ersetzen. Wie begegnen Sie dieser Diskussion?
A. B.: Diese Sorge hören wir sehr häufig – vor allem von Menschen, die gar nicht selbst in der Reinigung arbeiten. Wenn wir mit den Reinigungskräften sprechen, erleben wir die Situation häufig ganz anders. Die Unterstützung durch einen Roboter wird vielfach sehr positiv aufgenommen. Denn das eigentliche Problem ist oft nicht, dass zu wenig Arbeit da wäre, sondern dass für die vorhandene Arbeit zu wenig Zeit zur Verfügung steht. Eine Reinigungskraft muss heute in einer bestimmten Zeit eine bestimmte Fläche schaffen. Wenn ein Roboter einen Teil übernimmt, bedeutet das für sie vor allem Entlastung. Für viele von ihnen ist die Frage nicht: „Nimmt mir der Roboter meinen Arbeitsplatz weg?“, sondern eher: „Kann er mir einen Teil dieser anstrengenden Arbeit abnehmen?“
KI verändert unsere Arbeitswelt kontinuierlich. Welche Fähigkeiten werden Ihrer Meinung nach in Zukunft wichtiger – und welche könnten an Bedeutung verlieren?
I. K.: Ich glaube, die wichtigste Fähigkeit ist Anpassungsfähigkeit. Erfolgreich werden vor allem Menschen sein, die neugierig und kreativ sind, gerne experimentieren und Veränderungen als Chance und nicht als Bedrohung sehen. Bestimmte Tools und Techniken werden kommen und gehen. Menschen, die über solide Grundlagen verfügen und gleichzeitig die Fähigkeit besitzen, sich anzupassen, werden aber immer ihren Platz finden.
Was unterscheidet LUML von anderen KI-Plattformen?
I. K.: Im Vergleich zu anderen Plattformen in diesem Bereich deckt LUML den gesamten Machine-Learning-Lebenszyklus ab und setzt auf ein souveränes, infrastrukturoffenes Modell ohne Vendor Lock-in. Unternehmen behalten die Kontrolle über ihre Daten, Modelle und Infrastruktur, anstatt von einem einzelnen Cloud- oder KI-Anbieter abhängig zu werden. Ein weiterer wichtiger Unterschied ist, dass LUML für die natürliche Zusammenarbeit zwischen Data Scientists und KI-Agenten entwickelt wurde. Gleichzeitig werden jedes Experiment, jedes Modell und jedes Ergebnis dokumentiert und reproduzierbar gemacht – entsprechend etablierten MLOps-Best-Practices. So können Unternehmen mit KI schneller arbeiten, ohne dabei Transparenz, Qualität oder Kontrolle aufzugeben.
Sie arbeiten beide in einem hochgradig technischen Bereich. Braucht die KI-Branche mehr weibliche Perspektiven?
I. K.: KI-Systeme spiegeln die Menschen wider, die sie entwickeln. Hinter jedem Modell stehen menschliche Entscheidungen: Welche Daten werden gesammelt? Welche Probleme sollen gelöst werden? Wenn die Menschen, die diese Entscheidungen treffen, ähnliche Hintergründe haben, können sich dieselben blinden Flecken auch im Produkt wiederfinden. Studien haben geschlechtsspezifische Verzerrungen in KI-Systemen festgestellt. Gleichzeitig beeinflussen diese Systeme zunehmend Bereiche wie Personalauswahl, Kreditvergabe und Gesundheitsversorgung – also Bereiche, die uns alle betreffen. Wenn eine Gruppe nicht an der Entwicklung eines Systems beteiligt ist, besteht die Gefahr, dass ihre Bedürfnisse übersehen werden. In unserem Team sind übrigens mehrheitlich Frauen vertreten. Das war nicht geplant – wir haben einfach die besten Menschen eingestellt, die wir finden konnten.
Gibt es Momente, in denen Sie bewusst sagen: Gerade als Frau bringe ich eine andere Perspektive in die Entwicklung von Technologie ein?
A. B.: Ja, gerade bei der Entwicklung von Spezifikationen und Use Cases habe ich manchmal das Gefühl, dass ich einen etwas weiteren Blick auf das Gesamtsystem einbringe. Ich denke nicht nur darüber nach, was technisch möglich ist, sondern auch darüber, wie eine Lösung später tatsächlich von den Menschen genutzt wird, welche unterschiedlichen Situationen auftreten können und was vielleicht auf den ersten Blick gar nicht offensichtlich ist.
Wie sind Sie zum ersten Mal mit tech2b in Kontakt gekommen?
A. B.: tech2b war für uns vor allem beim Aufbau unseres Netzwerks sehr hilfreich. Gerade als junges Deep-Tech-Startup ist es wichtig, die richtigen Kontakte zu bekommen und mit Menschen sprechen zu können, die Erfahrung mit Gründung und Innovation haben. Ein weiterer wichtiger Punkt war für uns, unser eigenes Profil zu schärfen: Was ist eigentlich unser konkreter USP? Was unterscheidet unsere Lösung von bestehenden Produkten und welchen Mehrwert bieten wir unseren Kunden? Diese Kombination aus Netzwerk, Sparring und der Unterstützung dabei, unsere Idee klar zu positionieren, war für uns besonders wertvoll.
I. K.: Wir sind zum ersten Mal mit tech2b in Kontakt gekommen, als wir uns mit unserer ursprünglichen Idee für das ACTIVATE-Programm beworben haben. Danach haben wir mit dem INCUBATE-Programm weitergemacht. Wir sind sehr technisch orientierte Gründerinnen und Gründer. Deshalb brauchten wir vor allem Unterstützung auf der geschäftlichen Seite – insbesondere in Bereichen wie Marketing, Vertrieb und Go-to-Market-Strategie. tech2b hat uns in diesen Bereichen begleitet und uns mit Mentorinnen, Mentoren und Expertinnen und Experten vernetzt, die über die Erfahrung verfügten, die uns zu diesem Zeitpunkt noch fehlte.
Das Startup-Ökosystem in Oberösterreich entwickelt sich dynamisch. Welche Rolle spielt ein Netzwerk wie tech2b für internationale Gründerinnen und Gründer?
I. K.: Für internationale Gründerinnen und Gründer ist so ein Netzwerk besonders wertvoll, weil es dabei hilft, das lokale Ökosystem wesentlich schneller zu verstehen und sich darin zurechtzufinden. Es verbindet einen mit Mentorinnen und Mentoren, Expertinnen und Experten sowie anderen Gründerinnen und Gründern und ermöglicht Zugang zu Wissen, dessen Aufbau ansonsten sehr viel Zeit in Anspruch nehmen würde.
Was zeichnet den Standort Oberösterreich aus Ihrer Sicht für technologieorientierte Gründungen besonders aus?
A. B.: Ich sehe einen großen Vorteil darin, dass Oberösterreich stark industriell und technologisch geprägt ist. Es gibt hier viel technisches Know-how und viele Unternehmen, die offen für neue Technologien sind. Gerade für ein Deep-Tech-Startup ist dieses Umfeld sehr wertvoll, weil man Technologie nicht nur entwickeln, sondern auch mit Unternehmen in der Praxis testen und weiterentwickeln kann. Dazu kommt ein gutes Netzwerk aus Unternehmen, Forschung und Gründungsinitiativen. Diese Verbindung aus Technologie, Industrie und Praxis ist für mich eine große Stärke Oberösterreichs.
Wie sehen Sie die Entwicklung von KI in Europa im Vergleich zu den USA und Asien? Welche Chancen ergeben sich daraus für europäische Startups?
I. K.: Die USA investieren enorme Summen in KI und konzentrieren sich stark auf Skalierung und große, universell einsetzbare Modelle. China hat die Leistungslücke nahezu geschlossen und ist insbesondere bei Open-Weight-Modellen stark.
Europa verfügt nicht über diese Größenordnung an Investitionen. Seine Stärke liegt in der Spezialisierung: kleinere, fokussierte Modelle, die große Modelle in einem bestimmten Bereich übertreffen. NXAI’s TiRex aus Österreich ist dafür ein gutes Beispiel. Es handelt sich um ein Zeitreihenmodell mit nur 35 Millionen Parametern. Bei seiner Veröffentlichung erreichte es den ersten Platz in internationalen Forecasting-Benchmarks und lag damit vor deutlich größeren Modellen großer US-Technologieunternehmen.
Für europäische Startups liegt darin eine große Chance: einen bestimmten Bereich auszuwählen, auf Europas industrielle Expertise aufzubauen und darin zu den Besten zu gehören.
Stellen wir uns vor, wir führen dieses Gespräch in 5 Jahren noch einmal: Welche Veränderung wünschen Sie sich bis dahin für Frauen in Technologie, Innovation und Unternehmertum?
A. B.: Ich wünsche mir, dass wir in fünf Jahren darüber viel weniger sprechen müssen. Dass es ganz selbstverständlich ist, dass Frauen Technologie entwickeln, Unternehmen gründen und in technischen Führungspositionen arbeiten. Nicht weil sie eine Frau sind, sondern weil ihre Ideen, ihre Fähigkeiten und ihre Leistungen zählen.
Was würden Sie jungen Frauen sagen, die mit einer innovativen Geschäftsidee spielen, sich aber den Schritt in die Gründung noch nicht zutrauen?
A. B.: Ich frage mich bei solchen Entscheidungen immer: Was ist das Schlimmste, das passieren kann? Was habe ich zu verlieren? Und: Wie sehr will ich es eigentlich? Was bin ich bereit, dafür zu tun? Eine Garantie für das Gelingen gibt es nicht. Aber eines ist garantiert: Man lernt enorm viel dazu. Genau das würde ich jungen Frauen mitgeben. Traut euch, Dinge auszuprobieren. Holt euch Unterstützung, wägt die Risiken ab, aber lasst euch nicht von der Angst vor dem Scheitern davon abhalten, es überhaupt zu versuchen.
I. K.: Selbstvertrauen entsteht meistens durch das Tun. Deshalb sollte man nicht darauf warten, sich vollkommen bereit zu fühlen, bevor man anfängt. Den perfekten Zeitpunkt gibt es nicht. Man lernt sehr schnell aus Erfahrungen – auch aus Fehlern und Absagen. Gerade am Anfang kann es sein, dass man selbst die einzige Person ist, die wirklich an die eigene Idee glaubt. Aber je mehr Fortschritte man macht, desto mehr Menschen werden ebenfalls daran glauben. Diese Unterstützung und die eigenen Erfahrungen stärken mit der Zeit das Selbstvertrauen.
