Ein Algorithmus, der erfolgreiche Start-ups präziser vorhersagen kann, als der durchschnittliche Investor: Andre Retterath, ein 28-Jähriger Doktorand an der TU München, will so ein Vorhersagemodell entwickelt haben. Laut Informationen des Handelsblatt arbeitet Retterath seit dreieinhalb Jahren mit dem Start-up-Investor Earlybird zusammen, um mithilfe von Machine Learning die Unicorns von morgen zu finden. 

Während sich menschliche Investoren in vielen Entscheidungen immer noch auf ihre Instinkte verlassen müssen, kann KI dieses Bauchgefühl in Datenströmen quantifizieren. Welche Faktoren häufiger zu einem erfolgreichen Börsengang oder gewinnbringenden Verkäufen führen, weiß Andre Retteraths Algorithmus beispielsweise besser als seine menschlichen Kollegen: In einem Experiment, in dem Retteraths System gegen 111 professionelle Investoren antrat, zeigte die KI ihre Überlegenheit. Die Kontrahenten bekamen zehn anonymisierte One-Pagers von europäischen Unternehmen vorgelegt und sollten sich auf dieser Basis für die fünf vielversprechendsten Firmen für ein Investment entscheiden. Der Algorithmus performte in der Studie durchschnittlich 25% besser als die Investment-Profis und sortierte weniger häufig ein erfolgreiches Unternehmen aus. Letzteres ist ein entscheidender Punkt, denn: „Es geht weder um das Aussuchen der Richtigen noch um das Aussortieren der Falschen, sondern um das Nicht-Aussortieren der Richtigen“ so Retterath gegenüber dem Handelsblatt. 

 

Daten, Daten, Daten

An der Börse wird der Umgang mit Machine Learning als Prognosewerkzeug schon lange diskutiert. In einer 2019 veröffentlichten Studie zum maschinellen Lernen im Asset Management, macht Autor Dr. Bernd Scherer deutlich, dass es bei korrekten Vorhersagen auf dem Finanzmarkt vor allem um eins geht: Daten. Die nimmt auch Andre Retterath kritisch unter die Lupe. Denn viele VCs nutzen Datenbanken wie Crunchbase, CB Insights, Angellist, Venturesource, Dealroom und Pitchbook, um ihre Entscheidungen zu treffen. Doch die seien nicht immer zuverlässig. Auf den Seiten kann fast jeder Angaben abändern und hinzufügen, es kommt vor, dass einzelne Datenbanken komplett unterschiedliche Informationen angeben. Nach Untersuchungen von Retterath sind VentureSource, Pitchbook und Crunchbase die genauesten und umfassendsten Quellen. Die KI soll hier helfen, relevante Daten zu filtern und zu kombinieren. Nicht nur aufgrund von diesen öffentlichen, sondern auch mithilfe Earlybirds internen Datenbanken und Plattformen wie LinkedIn, trifft der Algorithmus schließlich seine Entscheidungen. 

 

Sind Maschinen die besseren Investoren? 

Trotz der vielversprechenden Ergebnisse plädiert Retterath aber nicht dafür, menschliche Investoren mit KI auszutauschen: „Ich schlage nicht vor, Menschen mit auf Machine Learning basierenden Ansätzen zu ersetzen, sondern empfehle eine erweiterte Lösung, bei der intelligente Algorithmen den oberen Teil des Deal-Flow Trichters verkleinern und so den VC Investments Profis erlauben, ihre manuelle Arbeit auf den unteren Teil des Trichters zu fokussieren.“ So der KI-Experte in seiner Studie. Auf diese Weise könnten Investoren auf eine skalierbare und objektive Vorsortierung vertrauen und so ihre Ressourcen auf die vielversprechendsten Chancen fokussieren. Für Earlybird scheint die Rechnung aufzugehen: Informationen von Gründerszene zufolge konnte der Investor mithilfe der Ansätze von Retterath die Gesamtzahl der finanzierungsfähigen Startups von 8.000 auf 12.000 erhöhen.