Duplikat von Duplikat von Duplikat von Duplikat von E-Lyte: die perfekte Elektrolyt-Lösung für jede Batterie (This content is only available in German.)

Idee und Motivation

Was hat euch inspiriert, Unternehmen dabei zu unterstützen KI-Projekte umzusetzen?

Haris Yalcinkaya: Das Forschungsfeld der KI selbst. Es ist so unglaublich spannend und vielseitig und wird uns Menschen und unserem Planeten mit Sicherheit noch unfassbare Mehrwerte liefern. Es ist eine Science-Fiction-Technologie, deren Frühling wir in unseren Lebzeiten miterleben dürfen. Unser CTO Enes und ich haben beide unseren Master in Informatik abgeschlossen und an KI-Ansätzen in unseren Abschlussarbeiten geforscht. Auch in der Industrie konnten wir unser KI-Wissen einsetzen. Und jetzt gemeinsam mit Unternehmen KI in deren Prozesse zu integrieren und diese zu optimieren bzw. sogar manchmal automatisieren – das ist für uns ein absoluter Traumjob.

Warum habt ihr euch für den Standort NRW entschieden?

Haris Yalcinkaya: Sehr spannende Frage; ich war sogar im Ausland in der KI-Forschung und -Entwicklung tätig als wir uns für NRW entschieden.

Unsere Entscheidung war vor allem eine sehr persönliche. Wir sind alle in NRW geboren und aufgewachsen, haben hier unsere Uni-Abschlüsse erlangt. Zudem haben wir über die Jahre ein starkes Alumni-Netzwerk aufbauen können. Meine beiden Co-Founder wohnten noch in NRW und da das zeitlich mit dem Gründungsstipendium NRW auch perfekt gepasst hat, haben wir uns für NRW entschieden; ich bin dann aus dem Ausland zurückgezogen.

Die Unternehmen in unserer Region bei der KI-Transformation zu unterstützen ist somit quasi unsere Mission geworden. Das Dortmunder Ökosystem ist natürlich ein super starker Bonus!

Technologie und Innovation

Wie funktioniert eure KI-Pipeline DatenLabel, und was unterscheidet sie von anderen Ansätzen? 

Haris Yalcinkaya: DatenLabel ist eine Plattform zur Verwaltung und Umsetzung von KI-Projekten. Unsere Software-Pipeline DatenLabel hilft Unternehmen, aus Rohdaten einsatzbereite KI-Modelle zu entwickeln – von der Identifikation relevanter Anwendungsfälle über das Labeling bis hin zur Erstellung optimierter Datensätze. Ein zentrales Problem vieler Unternehmen sind Datensilos – isolierte Datensammlungen, die eine effiziente Nutzung erschweren. DatenLabel hilft, diese aufzubrechen und hochwertige Trainingsdaten für KI-Modelle bereitzustellen.

Der DatenLabel IdeaHub ermöglicht die unternehmensweite Sammlung und Qualifizierung von KI-Ideen. Mit dem integrierten Labeling-Editor – unserem Kronjuwel – können die Rohdaten mit zusätzlichen Informationen angereichert werden, damit die KI darauf trainieren kann. Das besondere an unserem Editor ist die Erweiterbarkeit: wir haben erkannt, dass Daten in KI-Projekten oft ganz individuelle Ansprüche besitzen und keine der bestehenden Alternativen sich auf diese Ansprüche einstellen konnte. Unser einzigartiges Plugin-System ermöglicht es Firmen, den Editor ihren Bedürfnissen entsprechend anzupassen. 

Ein weiterer Baustein, den wir bei vergleichbaren Lösungen nicht finden konnten, ist der Aufbau von Unternehmensontologien, welche eine fundierte KI-Transformation ermöglicht. Jeder KI-Anwendungsfall trägt dazu bei, das Wissen des Unternehmens weiterzuentwickeln. So entsteht eine intelligente, langfristige Grundlage, die es ermöglicht, die KI-Transformation strategisch und nachhaltig voranzutreiben.

Welche Herausforderungen habt ihr bei der Entwicklung eurer Technologie bewältigt?

Haris Yalcinkaya: Im Grunde geht es oft nicht um die Technologie selbst, sondern um die Menschen dahinter, die mit ihr arbeiten. Unsere größte Herausforderung besteht darin, sie mitzunehmen und ihnen den Zugang zur leistungsstarken Welt der Künstlichen Intelligenz zu erleichtern, das ist unsere zentrale Challenge. Auf technischer Ebene galt es, die passende Softwarearchitektur zu entwickeln und das Produkt schrittweise an die spezifischen Anforderungen anzupassen.

Gründung und Aufbau

Wie verlief euer Weg von der Idee zur Gründung?

Haris Yalcinkaya: Während meiner Zeit im Ausland habe ich große KI-Projekte geleitet und immer wieder gesehen, wie Reibungspunkte in KI- und Data-Science-Teams die Ergebnisse massiv beeinträchtigen – oft stand das gesamte Projekt auf der Kippe. Daraus entstand die Idee für DatenLabel, um den Entwicklungsprozess effizienter und erfolgreicher zu gestalten.

Im November 2022 bin ich zurück nach NRW gezogen, wo wir mit unserem Team zunächst das Gründungsstipendium NRW und dann das EXIST-Gründungsstipendium vom Bundesministerium für Wirtschaft und Klimaschutz erhielten. So konnten wir Ziya gründen, erste Kunden gewinnen und uns Ende 2024 bundesweit als eines der ersten Start-ups für die zweite Phase der EXIST-Förderung für innovative KI-Projekte qualifizieren. Seitdem treiben wir unsere Lösung und das Unternehmen konsequent voran.

Gab es schwierige Momente, und wie habt ihr diese gemeistert?

Haris Yalcinkaya: Eine der größten Herausforderungen für uns als junges Start-up war es, ohne Referenzen in großen Konzernen Fuß zu fassen. Am Ende war es die Kommunikation – den Unternehmen die Mehrwerte klar aufzeigen zu können –, was uns deutlich nach vorne gebracht hat. 

Wichtig hierbei ist der Drang eigene Ziele verfolgen zu wollen und die wirklich wichtigen Probleme lösen zu dürfen: das hat uns die nötige Selbstdisziplin gegeben, um Schritt für Schritt auch noch unzählige weitere Herausforderungen zu meistern.

Wie habt ihr die Finanzierung organisiert, und welche Unterstützung habt ihr erhalten?

Haris Yalcinkaya: Gründungsstipendium NRW, EXIST-Gründungsstipendium und die zweite Phase EXIST Forschungstransfer für KI Vorhaben. Uns war es wichtig, dass wir uns Schritt für Schritt aufbauen und ein funktionierendes Businessmodell entwickeln, bevor wir uns auch nur ansatzweise über Investments Gedanken machen. Jemand hat uns mal gesagt „Money kills Start-ups“ und auch wenn das erstmal verkehrt klingt, hat diese Aussage sehr viel Wahres in sich.

Erfolge und Zukunft

Auf welchen Erfolg seid ihr besonders stolz?

Haris Yalcinkaya: Es gibt so vieles; bundesweit eines der ersten Start-ups in der neuen EXIST-Förderung für innovative KI-Projekte zu sein, ein Platz auf dem Siegertreppchen im bundesweiten start2grow-Wettbewerb oder der erste Kunde, der uns sein Vertrauen schenkte und uns die ersten Umsätze erbrachte. Aber ich glaube 100 Prozent daran, dass unser größter Erfolg unser Team ist: wir haben die gleiche Vision und sind auch in den besonders schwierigen Zeiten gemeinsam diesen Weg gegangen. Wir sind super anpassungsfähig, resilient gegenüber Rückschlägen, und auch wenn einer mal einen schlechten Tag hat, sind die anderen da um weiter zu ziehen.

Welche Ziele habt ihr für die nächsten Jahre?

Haris Yalcinkaya: Die KI-Transformation unserer Unternehmen in Deutschland ist die möglicherweise größte und wichtigste Herausforderung unserer Zeit. Wenn wir in Deutschland den Anschluss verpassen, werden wir weltweit abgehängt. Da entgegenzuwirken, unsere Unternehmen hierzulande bei der KI-Transformation zu unterstützen und wichtige Automatisierungen für die Mitarbeiter einzuführen, das ist unser wichtigstes Ziel.

In diesem Zuge setzen wir darauf, DatenLabel als zentrales Produkt der KI-Transformation zu etablieren und unser Software as a Service-Angebot aus Deutschland heraus erfolgreich auf den internationalen Markt zu bringen. 

Gleichzeitig wollen wir uns auch sozial einsetzen und dafür sorgen, dass mehr Menschen sich mit dem Thema Start-ups und Gründung auseinandersetzen. Zum Teil haben wir damit bereits begonnen: Wir teilen unsere Erfahrungen, Herausforderungen und Lösungen mit unserem Umfeld, unseren ehemaligen Kommilitonen und anderen Start-ups.

Welche Trends seht ihr in der Branche, speziell im Kontext KI-Projekte in Unternehmen zu implementieren?

Haris Yalcinkaya: Hier gibt es viele sehr wichtige Trends, die man nicht aus den Augen verlieren darf; erstens das Thema Open-Source: Diese Modelle werden immer stärker und gewinnen zunehmend an Bedeutung auch im Business-Kontext. Gleichzeitig und direkt damit verbunden das Thema Ressourcen: Mächtige Modelle können zunehmend auf herkömmlicher Hardware ausgeführt werden. Und abschließend das wohl wichtigste Thema der KI-Kultur: KI darf nicht auf eine einmalige Heldenaktion reduziert werden. Unternehmen müssen KI als Kernkompetenz etablieren und im Stande sein, kontinuierlich ihre Prozesse mit KI zu automatisieren oder zumindest zu erweitern.

Gibt es Hürden/Herausforderungen KI Anwendungen in Unternehmen zu integrieren?

Haris Yalcinkaya: Ich denke weltweit gesehen ist gerade Deutschland beim Thema KI viel zu langsam und viel zu vorsichtig. Das muss sich ändern. Wenn deutsche Start-ups im Ausland Kunden suchen, weil diese ausländischen Kunden einfach schneller und zielorientierter arbeiten, dann läuft hier was ganz falsch.

Und ich sehe die DSGVO und den EU-AI-Act als sehr wichtige und richtige Schritte zum Schutz unserer Bürger – nicht als komplette Blockaden. Allerdings werden sie von Unternehmen häufig als Vorwand genutzt, um Entscheidungen hinauszuzögern, anstatt aktiv in die Umsetzung zu gehen. 

Tipps für Gründerinnen und Gründer

Was war die wichtigste Lektion, die ihr als Gründer gelernt habt?

Haris Yalcinkaya: Man läuft die ganze Zeit entlang eines Abgrundes, oft auf Wegen die keiner so vor dir beschritten hat und muss ständig schnelle Entscheidungen treffen. Einfach cooler zu werden ist vielleicht die beste Antwort auf all diese Herausforderungen. Das bleibt nach wie vor für mich die größte Challenge – bei den richtigen Dingen einfach gelassener zu werden. Am Ende funktioniert es doch alles und man hätte sich den Stress sparen können. Aber die Antwort hängt auch stark ab, wer von uns dreien gefragt wird.

Mein Co-Founder Enes sagt: „Einfach dranbleiben, überleben.“

Welche Tipps habt ihr für andere, die im Bereich KI gründen möchten? 

Haris Yalcinkaya: Je besser man das Thema KI versteht, desto besser kann man Lösungen entwickeln, die Menschen wirklich weiterbringen. Allerdings reicht es für viele Use-Cases mittlerweile aus, bestehende Methoden und Werkzeuge einfach richtig gut verstehen und einsetzen zu können. Und wenn diese Grundlage gegeben ist wird man sicherlich über Herausforderungen stolpern, bei denen man sich denkt: „Das kann ich mit KI lösen.“

Wichtig finde ich es dabei beim Problem anzufangen und dann eine Lösung zu entwickeln, nicht eine clevere Lösung erarbeiten und dann Probleme suchen, die man damit lösen könnte.