Statistik-Modell sagt Potenzial von Startups vorher

Nicht alle neu gegründeten Unternehmen werden erfolgreich sein und entsprechend wachsen, wie ein neues statistisches Verfahren vorhersagt, das am Massachusetts Institute of Technology (MIT) für Hightech-Start-ups entwickelt wurde und einer empirischen Überprüfung standhält. [...]

„Die Möglichkeit, unter den Neugründungen zwischen der ‚kleinen Pizzeria ums Eck‘ und Startups im Hightech-Bereich zu differenzieren, ist ein wichtiger Beitrag, denn nur bei einem kleinen Prozentsatz handelt es sich um Startups mit Wachstumspotenzial“, kommentiert Oliver Holle, Gründer und Geschäftsführer des Venture-Capital-Fonds speedinvest, im Gespräch mit dem Nachrichtenportal pressetext.

Die Berücksichtigung von Faktoren wie der Registrierung eines Unternehmens, ihrer Suche nach Investoren oder dem Ausmaß, in dem es schon früh für Schlagzeilen sorgt, ermöglichen Aussagen über die Wahrscheinlichkeit größeren Wachstums. Ebenso relevant ist, wer ein Unternehmen gründet, wo es sich niederlässt, aber beispielsweise auch, welcher Firmenname gewählt wird. Die Namen der Gründer im Firmennamen etwa deuten eher auf kleine Handelsunternehmen als auf Hightech-basierte Startups mit Wachstumspotenzial hin.

Auch für die Bewertung eines einzelnen Startups – etwa für Investoren – sind laut Holle algorithmische Zugänge wie die der Forscher am MIT grundsätzlich sehr nützlich, „vor allem in der Frühphase der Unternehmensgründungen, in der wir tätig sind“, erklärt der Branchenkenner. Die Forschungsansätze müssten aber weiter elaboriert werden, um die Treffsicherheit ihrer Prognosen über einzelne Unternehmen zu verbessern.

Die Studie mit dem Titel „Where is Silicon Valley?“, die im Wissenschaftsmagazin „Science“ veröffentlicht wurde, soll vor allem auch der Politik als Orientierungshilfe dienen. Wenn die Daten über den Ort der Ansiedlungen sortiert werden, werden sogenannte Ökosysteme sichtbar – Plätze, an denen sich vermehrt einschlägige Startups ansiedeln.

Will man die Entstehung oder Weiterentwicklung solcher Ökosysteme gezielt fördern, sollte berücksichtigt werden, in welchem Ausmaß einschlägige Unternehmen angesiedelt sind und in welchen Entwicklungsstadien sie sich befinden. Von der Verfügbarkeit kombinierter Information über Qualität und Quantität versprechen sich die Wissenschaftler großen Nutzen für Praxis und Forschung. (pte)


Mehr Artikel

News

Große Sprachmodelle und Data Security: Sicherheitsfragen rund um LLMs

Bei der Entwicklung von Strategien zur Verbesserung der Datensicherheit in KI-Workloads ist es entscheidend, die Perspektive zu ändern und KI als eine Person zu betrachten, die anfällig für Social-Engineering-Angriffe ist. Diese Analogie kann Unternehmen helfen, die Schwachstellen und Bedrohungen, denen KI-Systeme ausgesetzt sind, besser zu verstehen und robustere Sicherheitsmaßnahmen zu entwickeln. […]

Be the first to comment

Leave a Reply

Your email address will not be published.


*