Path:

Full text: Künstliche Intelligenz in Berlin und Brandenburg / Feser, Daniel

Eine Publikation der

Künstliche Intelligenz in
Berlin und Brandenburg
Daniel Feser

Impressum
Technologiestiftung Berlin 2018
Grunewaldstraße 61-62 · 10825 Berlin · Telefon +49 30 209 69 99-0
info@technologiestiftung-berlin.de · technologiestiftung-berlin.de

Autor
Dr. Daniel Feser
Gestaltung
Lippert Studios, Berlin
Druck
LM Druck und Medien GmbH, Freudenberg
Titelbild
Kindersps

Dieses Projekt wird von der Senatsverwaltung für Wirtschaft, Energie und Betriebe
und der Investitionsbank Berlin aus Mitteln des Landes Berlin gefördert.

Danksagung: Die Daten zur KI in Brandenburg wurden in einem gesonderten Projekt im Auftrag der Wirtschaftsförderung Land
Brandenburg GmbH (WFBB) im Cluster IKT, Medien und Kreativwirtschaft mit Mitteln des Europäischen Fonds für Regionale
Entwicklung (EFRE) und des Landes Brandenburg ermittelt. Die Nutzung der Daten in diesem Report erfolgt mit freundlicher
Genehmigung der WFBB.

Textinhalte, Tabellen und Abbildungen dieses Werkes mit

Wo an Tabellen und Abbildungen Quellen angegeben sind,

Ausnahme des Titelbildes können genutzt und geteilt werden

sind diese ebenfalls als Quelle zu nennen.

unter einer Creative Commons – Lizenz Namensnennung –
Weitergabe
land

unter

(Details

Deutsch-

Der Autor weiß um die Bedeutung einer geschlechtergerechten

http://creativecommons.org/licenses/

Sprache und befürwortet grundsätzlich den Gebrauch von Paral-

gleichen

siehe:

Bedingungen

3.0

lelformulierungen. Von einer durchgehenden Benennung beider

by-sa/3.0/de/).

Geschlechter bzw. der konsequenten Verwendung geschlechterAls Namensnennung ist anzugeben: Daniel Feser, Künstliche Intelli-

neutraler Bezeichnungen wurde im vorliegenden Text dennoch

genz in Berlin und Brandenburg, Technologiestiftung Berlin, 2018.

abgesehen, weil die Lesbarkeit deutlich erschwert würde.
2

Inhalt
Vorwort

5

Zusammenfassung

6

Executive Summary

8

1.

Einleitung

9

2.

Methodik

11

2.1

Begriffserklärungen

11

2.2

Vorgehensweise und Datenbasis

14

3.

4.

5.

6.

Wirtschaftliche Rahmenbedingungen für KI in Berlin-Brandenburg

15

3.1

Berlin-Brandenburg und Deutschland im Vergleich

15

3.2

Gründungsgeschehen in Berlin-Brandenburg

17

3.3

Venture Capital-Finanzierung von KI-Unternehmen im internationalen Vergleich

18

Die Berlin-Brandenburger KI-Wirtschaft

22

4.1

23

Kerngebiete von Berlin-Brandenburger KI-Unternehmen

Exkurs: Patentaktivitäten im internationalen Vergleich

24

4.2

Kunden und Märkte der KI-Unternehmen in Berlin-Brandenburg

25

4.2

4.2.1

Bauen/Immobilien

26

4.2

4.2.2

Business Intelligence und Prozessmanagement

27

4.2

4.2.3

Finanzierung

27

4.2

4.2.4

Entertainment

27

4.2

4.2.5

Health

28

4.2

4.2.6

Handel

28

4.2

4.2.7

Industrie/Robotik

28

4.2

4.2.8

Mobilität

28

4.3

Nutzer

29

4.4

Projektion der zukünftigen Entwicklung der KI-Unternehmen in Berlin-Brandenburg

31

Die Forschungs- und Wissenschaftslandschaft in Berlin-Brandenburg

33

5.1

Lehre zu KI in Berlin-Brandenburg

33

5.2

Forschung an Hochschulen und außeruniversitären Forschungseinrichtungen

34

5.3

Forschungs- und Innovationsförderung am Beispiel der Bundesförderung

35

Empfehlungen

40

6.1

Berlin-Brandenburg benötigt eine strategische Ausrichtung im KI-Umfeld

41

6.2

KI-Spezialisten als Wissensträger

41

6.3

Einsatz von finanziellen Ressourcen

42

6.4

Datenverfügbarkeit, Transparenz und Openness

43

6.5

Nutzung von KI-Systemen durch öffentliche Verwaltungen

44

6.6

KI-Wissen und seine Sichtbarkeit

44

6.7

Übersicht über die Handlungsempfehlungen

45

Interviewpartner

47

Literatur

48
3

4

Vorwort

Künstliche Intelligenz als Treiber für
die Wirtschaft in Berlin-Brandenburg
Die Rolle Künstlicher Intelligenz als Game Changer wird nicht

Die IKT-Branche, insbesondere die Digitalwirtschaft, trägt

nur für Wirtschaft und Wissenschaft, sondern auch bezüglich

erheblich zur Wertschöpfung in der Hauptstadtregion bei.

der Auswirkungen für die Zivilgesellschaft diskutiert. Was

Der Einsatz von KI-Systemen kann Treiber für die Weiterent-

dürfen Maschinen? Wie verändern Mensch-Maschinen-Interak-

wicklung der Branche und die Modernisierung der Wirtschaft

tionen die Selbstwahrnehmung des Menschen? Was passiert,

sein. Die Diskussion zum Einsatz von KI bedarf einer sachlichen

wenn Maschinen für Menschen entscheiden? Die Diskussionen

empirischen Analyse, um den gegenwärtigen Stand der Technik

zeichnet wahlweise überschwänglicher Optimismus oder dysto-

zur Kenntnis nehmen, Einsatzmöglichkeiten der KI-Systeme

pischer Pessimimus aus. Der aktuelle Stand der technischen

verstehen und zukünftigen Einfluss auf die Entwicklung der

Möglichkeiten Künstlicher Intelligenz (KI) findet währenddessen

Region abschätzen zu können.

wenig Beachtung.
Die Studie der Technologiestiftung legt eine Bestandsaufnahme
KI – einst ein Nischenfach der Informatik – hat in den letzten

der Aktivitäten von Wissenschaft und Wirtschaft in der Region

Jahren

Rechnerleistung,

vor. Die Studie gibt Antworten auf Basis empirischer Daten:

Cloud Computing und Open Source Algorithmen erstaunliche

Wie ist die Wirtschaft im Bereich KI aufgestellt? Wie sieht die

Fortschritte erzielen können. Wo digitale Daten für verschiedene

Forschungslandschaft in Berlin-Brandenburg aus? Wie ist die

Funktionen menschlicher Intelligenz oder Sensorik - etwa die

Region im bundesweiten und internationalen Vergleich aufge-

Einordnung von Wissen, Sehen, Hören - vorliegen, können

stellt? Welche Rolle kann KI zukünftig spielen?

durch

mehr

Daten,

verbesserte

KI-Systeme diese Leistungen imitieren. Insbesondere sprachverBerlin-Brandenburg besitzt eine gute Basis für Wirtschaft und

stehende Systeme haben sich im Alltag vieler Nutzer etabliert.

Wissenschaft, um nicht nur in Deutschland, sondern auch auf
Die Digitalisierung, bis jetzt überwiegend als Digitalisierung

das europäische KI-Ökosystem einen erheblichen Einfluss

analoger Daten, Prozesse und Dienstleistungen verstanden,

haben zu können.

kann durch Anwendung von KI erheblich erweitert werden.
KI-Systeme, z.B. in den Bereichen der Wissensorganisation,
Logistik oder Kundenbeziehung, haben das Potenzial, innerbetriebliche Prozesse effizienter zu gestalten, die Transaktions-

Nicolas Zimmer

kosten zwischen Unternehmen zu senken sowie neue Dienst-

Vorstandsvorsitzender

leistungen für Endkonsumenten anzubieten.

Technologiestiftung Berlin

5

Zusammenfassung

Künstliche Intelligenz (KI) ist ein Fachgebiet der Informatik,

ternehmen mit den größten VC-Finanzierungen sind in den

welches sich mit der Imitation menschlicher Intelligenz durch

Bereichen Gesundheit, Business Intelligence und Prozessma-

maschinelle

nagement sowie der Robotik tätig.

Verfahren

beschäftigt.

Als

General

Purpose

Technology besteht derzeit ein Hype um KI als wesentlicher
Treiber für die Modernisierung der Wirtschaft. In diesem Zusam-

·

Insgesamt

wurden

in

Berlin-Brandenburg

223

KI-

menhang werden auch gravierende Auswirkungen auf relevante

Unternehmen mit einem auf KI entfallenden Umsatz von

Bereiche des gesellschaftlichen Zusammenlebens diskutiert.

knapp 0,5 Mrd. Euro identifiziert. Das entspricht rund 8 % des

International wird das Geschehen überwiegend durch Investi-

Gesamtumsatzes der Branche der Software- und Datendienst-

tionen in China und USA bestimmt, wo private Unternehmen

leister. Die KI-Unternehmen beschäftigen 4.900 Mitarbeiter.

maßgeblich Einfluss auf die Entwicklungen haben. Über KI als

83 % der Mitarbeiter sind bei Klein- und Kleinstunternehmen

Bestandteil des digitalen Ökosystems in Berlin-Brandenburg ist

beschäftigt.

bislang wenig bekannt.
·

Die KI-Unternehmen der Region zeichnen sich dadurch

Die vorliegende Studie der Technologiestiftung Berlin unter-

aus, klar definierte Probleme mithilfe von KI-Systemen für

sucht die regionalwirtschaftliche Bedeutung von KI für die

andere Unternehmen zu lösen (schwache KI). 80 % der KI-

Hauptstadtregion Berlin-Brandenburg. Mittels der Auswertung

Unternehmen in Berlin-Brandenburg sind im Business-to-

von Veröffentlichungen, Datenbanken und leitfadengestützten

Business-Bereich tätig. Mit 36 % ist der größte Anteil der KI-

Experteninterviews werden die Rahmenbedingungen für das

Unternehmen dem Anwendungsfeld „Business Intelligence und

regionale KI-Ökosystem untersucht, die handelnden Akteure

Prozessmanagement“

aus Wirtschaft und Wissenschaft vorgestellt und Handlungs-

Region setzen am häufigsten wissensbasierte Expertensysteme

empfehlungen ausgesprochen.

und sprachverstehende Systeme ein. Praktische Anwendungen

zuzuordnen. Die KI-Unternehmen der

sogenannter starker KI konnten weder regional noch überre· Berlin-Brandenburg ist im deutschlandweiten Vergleich ein

gional identifiziert werden, auch Forschung und Entwicklung

maßgeblicher Standort für KI. Seit Mitte der 2000er Jahre

dazu konnten in der Region nicht nachgewiesen werden.

haben sich in Berlin-Brandenburg vermehrt Unternehmen aus
dem KI-Umfeld angesiedelt. Insgesamt sind 28 % der deutschen

· Die Modernisierung der Wirtschaft kann nachhaltig durch

Unternehmen aus dem KI-Umfeld in Berlin-Brandenburg

KI-Unternehmen beeinflusst werden. Projektionen auf Basis

angesiedelt. Zudem wurden im Zeitraum zwischen 2012 und

unterschiedlicher Veröffentlichungen zur Entwicklung des

2017 im deutschlandweiten Vergleich 48 % der KI-Startups in

Umsatzes der KI-Unternehmen zeigen, dass KI-Unternehmen

Berlin-Brandenburg gegründet.

in 2025 bei gleichbleibender Wachstumsdynamik ein Umsatzpotenzial von 840 Mio. bis zu optimistischen 8,5 Mrd. Euro in

· Es konnten 231 Mio. Euro Venture Capital Finanzierung in

Berlin-Brandenburg haben werden. Als realistisch erscheint

KI-Unternehmen aus Berlin-Brandenburg identifiziert werden.

ein geschätzter Umsatz von 2 Mrd. Euro von KI-Unternehmen

Die Hauptstadtregion ist somit mit 45 % Anteil an der deutschen

in Berlin-Brandenburg. Das Wachstum des Umsatzpotenzials

VC-Finanzierungssumme für KI-Unternehmen ein wichtiger

hängt stark von den internationalen, nationalen und regionalen

Standort für VC-Finanzierung von KI-Unternehmen. Die KI-Un-

Rahmenbedingungen ab.

6

Im Zeitraum 2007 bis 2017 konnten insgesamt 273 KI-

· Finanzmittel: Verbesserung von Transfermöglichkeiten im

relevante durch Bundesministerien geförderte Forschungspro-

Rahmen öffentlich geförderter Forschungsprojekte, Erhöhung

·

jekte mit insgesamt 117 Mio. Euro Förderrahmen in Berlin-Bran-

der FuE-Ausgaben der regionalen Wirtschaft für KI-Anwen-

denburg identifiziert werden.

dungen, Initiierung und Förderung regionaler Leuchtturmprojekte zur Erhaltung und Weiterentwicklung von wissen-

·

schaftlichem Know-How

In Berlin-Brandenburg gibt es aktuell 50-65 Professoren,

· Öffentliche Verwaltungen: Initiierung von Projekten zur

die zu KI-relevanten Themen an Universitäten, Hochschulen
und außeruniversitären Forschungseinrichtungen forschen und

Nutzung von KI-Systemen in der öffentlichen Verwaltung

lehren. Es wird in interdisziplinären Verbünden unter anderem

· Daten und Transparenz: Bereitstellung von mehr und

zu spracherkennenden Systemen und kollaborativen Robotern

einfach auffindbaren Open Data für KI-Systeme, Unter-

geforscht.

stützung von Open Source zur Erhöhung der gesellschaftlichen Akzeptanz, Erhöhung der gesellschaftlichen Akzeptanz

In der Studie werden Empfehlungen in sechs Handlungs-

durch klare Kommunikation über spezifischen Einsatz von

feldern formuliert, die einen wesentlichen Einfluss auf die

KI-Systemen, insbesondere bei Bereitstellung automati-

·

sierter Informationen oder Entscheidungen durch KI-

zukünftige Entwicklung von KI in Berlin-Brandenburg haben:

Systeme und Möglichkeit zum Einspruch gegen diese

· Regionale KI-Strategie: Entwicklung strategischer Leitlinien,
inklusive Zielsetzung und unterstützender Maßnahmen

· Sichtbarkeit: Hervorhebung regionaler Aktivitäten der

für ausgewählte Anwendungsfelder der KI, Aufnahme eines

Wissenschaft und Wirtschaft mit praktischen Anwendungs-

Handlungsfeldes KI in das Cluster „IKT, Medien und Kreativ-

beispielen, auch im internationalen Kontext

wirtschaft“ der gemeinsamen Innovationsstrategie InnoBB
der Länder Berlin und Brandenburg
· KI-Spezialisten: Kontinuität der KI-Forschung sichern, um
Perspektiven

für

KI-Wissenschaftler

am

Standort

zu

schaffen; Diskussion über Anforderungen an Ausbildung von
KI-Spezialisten zwischen Wirtschaft und Wissenschaft,
Erhebung zu Verbleib von Absolventen und zur Herkunft
von KI-Personal

7

Executive Summary

Artificial Intelligence (AI) is a field of computer science that deals

· AI companies can impact the modernization of the economy.

with the imitation of human intelligence by machine processes.

Projections based on different publications of the development

Currently, a hype about AI as general purpose technology can

of the turnover of AI companies show that the turnover of AI

be perceived. The modernization of the economy with AI led

companies in Berlin-Brandenburg could potentially grow to

to a discussion about societal impacts. Internationally, private

840 million up to an optimistic 8.5 billion euros in 2025 with

investments in China and the USA serve as driver of the field of

constant growth dynamics, while the estimated turnover of 2

AI, in particular also R&D. Little is known about AI as part of the

billion euros for AI companies in Berlin-Brandenburg appears

digital ecosystem in Berlin-Brandenburg.

more realistic. Nevertheless, the growth of the AI-businesses
in Berlin-Brandenburg depends heavily on the international,
national and regional circumstances.

The Technology Foundation Berlin analyzes the role of AI for
the metropolitan region Berlin-Brandenburg. Based on the
evaluation of publications, databases and semi-structured

· In the period 2007 to 2017, the report identified 273

expert interviews, the report examines the regional AI ecosystem

AI-relevant research projects in Berlin-Brandenburg granted by

including portraits of the stakeholders from the business sector

the federal government. These projects received 117 million

and scientific institutions and gives recommendations.

euros funding.

· Berlin-Brandenburg is a central location for AI-companies

· According to a qualified estimation, there are 50-65

in Germany. Since the mid-2000s, a growing number of

professors in Berlin-Brandenburg working on AI-relevant topics

AI-related companies have created their businesses in Berlin-

at universities and research institutions. Research in the region

Brandenburg. Altogether 28% of German AI-related companies

is carried out in interdisciplinary cooperations with focus on

have their headquarters in Berlin-Brandenburg. In addition,

speech-processing systems and collaborative robots.

48% of AI start-ups were founded between 2012 and 2017 in
· The study concludes with recommendations to support the

Berlin-Brandenburg.

development of AI in Berlin-Brandenburg:
·

· Regional AI strategy: Development of strategic guidelines,

Berlin-Brandenburg-based AI-companies received 231

including objectives and supporting measures for selected

million euros venture capital, meaning 45 % of the German
VC for AI companies flowed to Berlin-Brandenburg-based

fields of AI, including AI in the InnoBB strategy of the

AI-companies. The Berlin-Brandenburg-based AI companies

„ICT, Media and Creative Industries“ cluster.
· AI specialists: Providing continuity of research to improve

receiving the most VC are from the health, business intelligence

perspectives for AI scientists, initiating discussion about

and process management as well as robotics field.

requirements for training of AI specialists
·

· Financial resources: improving knowledge transfer within

In total, 223 AI companies were identified in Berlin-

Brandenburg with a turnover of almost half a billion euros. This

the framework of publicly funded research projects, initiating

corresponds to around 8 % of total turnover of the software

and promoting regional flagship projects to sustain and
enhance know-how about AI

and data services in Berlin-Brandenburg. AI companies employ

· Public administrations: Initiating projects using AI systems

4,900 people. 83% of employees work for small and micro

in public administration

enterprises.

· Data and transparency: Provision of easy-to-find open
AI companies are characterized by solving well-defined

data for AI systems, supporting open source to increase

problems for customer companies using AI systems. 80 % of the

social acceptance, increase societal acceptance through

·

AI companies in Berlin-Brandenburg operate in the business-to-

clear communication on the specific use of AI systems, in

business sector. The largest share of AI companies (36 %) can be

particular Provide automated information or decisions

allocated to the business intelligence and process management

through AI systems and opportunity to appeal against them

sector. AI companies use knowledge-based expert systems

· Visibility: Highlighting regional activities of scientific

and speech-processing systems most frequently. Applications

institutions and companies with examples of application,

of general AI could not be identified, neither regionally nor

also in an international environment

nationally, nor could associated R&D be proven in the region.

8

1. Einleitung

Die vorliegende Studie untersucht die Bedeutung von künst-

sich bis 2030 als Weltmarktführer für KI-Systeme etabliert zu

licher Intelligenz für Berlin-Brandenburg. Künstliche Intel-

haben. Bei der Umsetzung der Strategie kann China schon heute

ligenz (KI)-Systeme bezeichnen maschinelle Verfahren, die

als relevanter Akteur auf große Datenmengen und finanzielle

Teile menschlicher Intelligenz nachahmen. KI-Systeme werden

Ressourcen zurückgreifen (Knight 2017).

immer häufiger eingesetzt (Weber und Burchardt 2017). In
den letzten Jahren haben Fortschritte bei Sprach-und Fahras-

Merkliche Fortschritte der KI-Systeme wirken sich wirtschaftlich

sistenzsystemen sowie Chatbots eine erhebliche mediale

auf Berlin-Brandenburg aus, da die wirtschaftliche Entwicklung

Aufmerksamkeit erzeugt. Erste Prototypen, aber auch der

in Berlin-Brandenburg maßgeblich von der Informations- und

Einsatz von KI-Systemen u. a. in der Medizintechnik, Logistik

Kommunikations­technologie (IKT)-Branche profitiert, insbe-

und Robotik, führten dazu, dass ihr Einfluss auf die Gesellschaft

sondere von der schnell wachsenden digitalen Wirtschaft

und Wirtschaft diskutiert wird. Einerseits können KI-Systeme

(Pretzell 2018). Mit 65.657 tätigen Personen bei Software-

den Nutzern das Leben erleichtern, langweilige, sich wiederho-

und Datendienstleistern und einem Umsatz von 6 Mrd. Euro

lende Tätigkeiten automatisieren und die Qualität von Dienst-

in 2015, trugen die Unternehmen einen erheblichen Anteil zur

leistungen verbessern, andererseits können sich ökonomische

Wertschöpfung in Berlin und Brandenburg bei.1

Verteilungsmechanismen drastisch verändern. Außerdem wird
diskutiert,

ob

Mensch-Maschinen-Interaktionen

Probleme

Die kurzen Innovationszyklen in der Digitalwirtschaft erhöhen

erzeugen, die noch nicht absehbar sind (Brundage u. a. 2018).

die Dringlichkeit, technologische Entwicklungen im IT-Bereich
zu analysieren. Auch wenn die KI-Systeme am Anfang der

In der Vergangenheit wurde KI als Nischenfach der theoretischen

Kommerzialisierungsphase stecken, hat sich die Anzahl der

Informatik wahrgenommen. Der interessierten Öffentlichkeit

Unternehmen mit KI-Schwerpunkt vervielfacht. Hier sind nicht

war KI durch philosophische und popkulturelle Rezeption von

nur die großen Player GAFA (Google, Amazon, Facebook und

Science-Fiction-Zukunftsszenarien geläufig. Heutzutage ermög-

Apple) mit KI-Anwendungen aufgefallen, sondern auch viele

lichen substantielle Verbesserungen im Bereich der Speicher-

junge Unternehmen. Derzeit wird viel Aufmerksamkeit auf

kapazität und Rechenleistung die Verbreitung der KI-Systeme.

Unternehmensgründungen im Silicon Valley konzentriert. Über

Weiterentwicklungen im Bereich des Machine-Learning (ML)

KI-Aktivitäten in Berlin-Brandenburg ist vergleichsweise wenig

und Deep Learning lassen eine Vielzahl von Anwendungen

bekannt.

entstehen, die im Alltag zunehmende Nutzung finden. Das führt
dazu, dass diese technologischen Fortschritte auch auf politi-

Diese

scher Ebene beachtet werden. Neben den USA werden insbe-

Einschätzung der Relevanz des Themas für die Region. Welche

sondere chinesische Aktivitäten im KI-Bereich wahrgenommen.

Akteure gibt es in Berlin-Brandenburg, die an KI-Systemen

Die Volksrepublik China hat eine KI-Strategie ausgearbeitet, um

arbeiten? Für welche Zwecke werden Anwendungen entwickelt?

bis 2020 auf einem vergleichbaren technologischen Niveau

Vor diesem Hintergrund wird auf die Rahmenbedingungen für

mit den amerikanischen und europäischen Ländern zu sein,

Wirtschaft, Wissenschaft und Verwaltung eingegangen und

bis 2025 entscheidende technologische Fortschritte durch

Handlungsempfehlungen werden diskutiert.

Studie

dient

einer

ersten

Bestandsaufnahme

zur

chinesische Unternehmen und Wissenschaftler zu erzielen und

1

Definition der Software- und Datendienstleister bezieht sich auf Definition der IBB (Pretzell 2017) mit Unternehmen die klassifiziert sind nach WZ
2008 Kode: 58.2, 62.01, 62.02, 62.03, 62.09, 63.11, 63.12. Daten sind dem Amt für Statistik Berlin-Brandenburg entnommen und basieren auf
eigenen Berechnungen.
9

Öffentliche Wahrnehmung von KI-Systemen
In der Geschichte der KI gab es immer wieder Hype-Phasen,
welche gefolgt waren von Phasen der Ernüchterung, da
Zukunftsversprechungen nicht eingelöst werden konnten
und die Weiterentwicklung der KI-Systeme nicht im
gewünschten Maße gelang. Daraus hat sich der Begriff

„KI-Winter“ (Muehlhauser 2016) etabliert. In der Folge
wurden weniger Investitionen in die Erforschung der
KI-Systeme getätigt und das öffentliche Interesse am
Thema ließ nach.

Abbildung 1
Google-Trends für „Künstliche Intelligenz“ (2004 - 1. Quartal 2018) in

Berlin und

Deutschland2

100
90
80
70
60
50
40
30
20
10
0
2004

2006

2008

2010

2012

2014

2016

Q1 2018

Quelle: Google Trends, eigene Berechnung und Darstellung

Derzeit lässt sich ein gesteigerter Hype um KI-Systeme
inklusive weitreichender Versprechungen wahrnehmen.
KI-Systeme sind gleich mehrfach mit Themen, wie „Autonomous Vehicles“, „Deep Learning“, „General Artificial
Intelligence“ und „Machine-Learning“ im Gartner HypeCycle vertreten (Gartner 2017). Zudem hat sich das
Interesse an KI-Themen bei den Google-Suchanfragen seit
2014 für Berlin und deutschlandweit enorm gesteigert.
Auch hat sich die Zahl der ausgeschriebenen Stellen für
KI-Spezialisten innerhalb eines Jahres mehr als verdoppelt (Schmidt 2017). Mit der Querschnittstechnologie KI
sind enorme Hoffnungen und Erwartungen an die zukünftige Entwicklung geknüpft, allerdings ist eine negative
Wahrnehmung der KI-Systeme erkennbar, die sich meist
auf einen der folgenden Gründe stützt:

2

· Fehlerhafte Programmierung beziehungsweise unzureichende Daten können dazu führen, dass KI-Systeme
Aufgaben nicht oder nicht zufriedenstellend erfüllen.
· Durch KI-Systeme können gezielt Anwendungen
ermöglicht werden, die sich unerwünscht auf Gesellschaften und Individuen auswirken. Ein umfassendes
Social Scoring ist ein hierzu diskutiertes Beispiel.
· KI-Anwendungen können trotz guter Intention zu einer
verstärkten Reproduktion auch negativer gesellschaftlicher Umstände führen. Selbst, wenn hochwertige
Daten, Algorithmen und ein nachvollziehbares Einsatzgebiet zur Verfügung stehen, können gesellschaftliche
Bias durch KI-Algorithmen reproduziert werden. Ein
Beispiel stellt das Predictive Policing dar. Hier zeigte
sich, dass rassistische Vorurteile durch die Anwendung
von KI-Systemen noch eher verfestigt wurden.

Die Google Trends sind auf einer Skala von 0-100 dargestellt. Die Werte sind relativ zum höchsten Wert 100 zu verstehen, der sich auf den höchsten
ermittelten Wert der Suchanfragen in einem Monat bezieht. Die höchsten Werte für Berlin und Deutschland im wurden im Monat November 2017
ermittelt. In der Abbildung handelt es sich um Durchschnittswerte für die Jahre 2004 bis 2017 beziehungsweise für das 1. Quartal 2018.
10

2. Methodik

2.1 Begriffserklärungen
KI ist eine Teildisziplin der Informatik, die große Schnittmengen
mit der Kognitionswissenschaft hat. Ursprünglich 1956 als Teilgebiet der Informatik bei der Konferenz von Dartmouth unter
anderem von John McCarthy begründet, hat die KI in der jungen
Forschungsgeschichte schon Hype- und Depressionsphasen
erlebt. Die Nachbildung von Teilen menschlicher Intelligenzsysteme steht im Mittelpunkt dieser jungen Disziplin.

heterogenen disziplinären Hintergründe der KI-Forscher*Innen
und unterschiedliche Anwendungsfelder der KI-Systeme. Auch
wenn die Informatik und Kognitionswissenschaft Kerngebiete der KI darstellen, wird zu Aspekten der KI-Systeme in
ingenieurwissenschaftlichen, linguistischen sowie neuro- und
biowissenschaftlichen Fächern geforscht. Immer relevanter
werden Grenzen des Einsatzes der KI und Auswirkungen auf die
gesellschaftliche Realität, welche in der Ökonomie, Philosophie,
Politikwissenschaft, Rechtswissenschaft und Soziologie diskutiert werden.

Eine eindeutige Definition der KI hat sich bis heute nicht etabliert (Weber und Burchardt 2017). Ursächlich dafür sind die

Abbildung 2
Interdisziplinäre Einbettung der KI

Ökonomie

Politikwissenschaft

Ingenieurwissenschaften

Linguistik
Psychologie

Mechatronik

KI

Informatik

Kognitionswissenschaft

Neurowissenschaften
Biowissenschaften

Rechtswissenschaft

Philosophie

Soziologie
Quelle: eigene Darstellung nach Wahlster (2017)

11

In der öffentlichen Diskussion wurde der Wettstreit zwischen
Mensch und Maschinen immer wieder aufgegriffen, wenn
KI-Systeme in unterschiedlichen Teilgebieten menschliche
Konkurrenten besiegten. Mediales Interesse haben zuletzt die
Siege der KI-Systeme im Schach (Kasparov 1997), Jeopardy
(IBM Watson 2011), Go (Google Alpha Go 2016) und Lesewettbewerbe (Alibaba/Microsoft 2018) hervorgerufen. Zudem
werden in jüngster Vergangenheit Erfolge durch schnelleres
Lernen wahrgenommen. Googles Alpha Go Zero, eine weiterentwickelte Variante des Alpha Go, konnte durch Spiele gegen
sich selbst Alpha Go nach nur 3 Tagen Training 100:0 besiegen
(Silver, Schrittwieser, u. a. 2017). Eine andere Version des Alpha
Go konnte neben Go auch Schach spielen (Silver, Hubert, u. a.
2017). Die Beispiele verdeutlichen, dass insbesondere in regelbasierten Umgebungen KI-Systeme menschlicher Intelligenz
überlegen sein können. Neue Versuche, KI-Systeme zu trainieren, um mit Menschen in den Wettstreit zu treten, stellen
u. a. die komplexeren Spiele Starcraft (Gibney 2016b) und
Curling (TU Berlin 2018a) dar.

dungen zu treffen und diese generell anzuwenden. Es wird der
auch als Singularität bezeichnete Zustand im Rahmen einer
allmächtigen, starken KI in philosophischen, kulturellen und
gesellschaftlichen Zusammenhängen diskutiert. Insbesondere
die Vorstellung einer starken KI, die in der Lage ist, sich selbst
zu optimieren und den Menschen in allen Fragen der Intelligenz
überlegen ist, wird in der Diskussion oftmals dystopisch dargestellt. Technische Systeme, die den Anforderungen der starken
KI-Systeme genügen, sind bisher noch nicht verfügbar. Auch
ist der Einsatz starker KI, wenn technisch überhaupt möglich,
derzeit noch nicht absehbar.
Schwache KI:
Schwache KI bezeichnet den Einsatz von KI-Systemen in hoch
spezialisierten Einsatzgebieten. In diesen unterstützen die
KI-Systeme den Menschen bei Entscheidungen, automatisieren
sich wiederholende Tätigkeiten oder führen einfache Tätigkeiten
selbständig aus. Derzeit ist der Transfer zwischen einem spezifischen Einsatzgebiet und einem anderen Einsatzgebiet nicht
ohne weiteren Aufwand sowie den Einsatz menschlicher Intelligenz möglich. KI-Systeme beschränken sich heutzutage auf
Anwendungsgebiete der schwachen KI. Im Kontext dieser Studie
werden als KI-Systeme zusätzlich zur Definition von Wahlster
(2018) auch wissensbasierte Expertensysteme betrachtet.

Starke KI und Singularität:
Starke KI kann auch als generelle künstliche Intelligenz
bezeichnet werden und beschreibt KI-Systeme, die in die
Lage versetzt worden sind, selbständig intelligente Entschei-

Abbildung 3
Kerngebiete und Einsatzfelder der KI

Sprachverstehende
Systeme

Bildverstehende
Systeme

Autonome
Systeme

Kollaborative
Systeme

Lern- und Inferenzbibliotheken
Subsymbolische Mustererkennung

Wissensrepräsentation
Wissensverarbeitung
· Suchen
· Inferieren
· Planen

KI-Hardware

Ontologien

Lernen

Wissenspräsentation
Wissensrepräsentationssprachen

MultiAgenten
Systeme

Intelligente
Trainings- und
Lernsysteme

Bots, Chatbots
und virtuelle
Charaktere

Ambiente
Intelligenz
Quelle: eigene Darstellung nach Wahlster (2017)

12

Es wird beim ML zwischen überwachtem (supervised) und
unüberwachtem (unsupervised) Lernen unterschieden. Das
überwachte Lernen wird durch einen Experten, der dem
ML-Programm vorgibt, wie Lernen funktioniert, durchgeführt.
Beispielsweise wird bei der Bilderkennung gezeigt, auf welchen
Bildern ein Hund zu finden ist und auf welchen nicht. Anhand
der Vorgabe kann dann durch ML auch auf neuen Bildern
erkannt werden, auf welchen Bildern sich Hunde befinden. Das
Vorliegen strukturierter Daten ist in diesem Fall essentiell für
die Anwendung des ML. Beim unüberwachten Lernen werden
dem Programm keine Lernziele vorgegeben, sondern es wird
dem Programm überlassen, Muster aus dem Datensatz zu
erkennen, die möglicherweise neue Informationen beinhalten
können (Weber und Burchardt 2017).

Wissensbasierte Expertensysteme
Wissensbasierte Expertensysteme sind die am weitesten
verbreiteten und ältesten Anwendungen aus dem KI-Bereich.
Diese Systeme stellen Wissen in definierten Fachgebieten bereit.
Sie assistieren in unterschiedlichen Feldern durch Wissen, das
in Datenbanken gespeichert wurde. Expertensysteme können
durch Anwendung definierter Regeln bereits bekannte Problemstellungen lösen. Die seit den 80er und 90er Jahren in
Anwendung befindlichen Systeme haben durch eine verbesserte Datenverfügbarkeit vielfältige Anwendungsbereiche
(Weber und Burchardt 2017), z. B. in der Rechtwissenschaft
oder der Medizin.
Maschinelles Lernen und Deep Learning
ML ist eine Basisanwendung, auf der viele KI-Anwendungen
beruhen. Es können durch ML Ergebnisse produziert werden,
ohne dass jede einzelne Operation vorab festgelegt werden
muss. Zentral ist es beim maschinellen Lernen, KI-Systeme
durch Daten zu trainieren, Muster zu erkennen und die Erkenntnisse wiederum auf neue Daten anzuwenden. Durch den Einsatz
von neuen Daten kann das KI-System bestimmte Aufgaben, wie
z. B. Sprach- oder Bilderkennung, besser durchführen.

ML beruht weitgehend auf neuronalen Netzen. Neuronale Netze
bilden dabei mehr oder weniger vereinfachte Nervensysteme
nach, um komplexe Probleme zu lösen. Bei der Verwendung
von Neuronalen Netzen mit vielen unterschiedlichen Schichten
wird auch von Deep Learning gesprochen.

13

2.2 Vorgehensweise und Datenbasis

In dieser Studie wird eine Übersicht über KI-Aktivitäten in
Berlin-Brandenburg mit Schwerpunkt auf wirtschaftlichen
und wissenschaftlichen Aktivitäten dargestellt. Die Anwendungsbereiche von KI-Systemen zeichnen sich durch eine
hohe Heterogenität aus. Dies zeigt auch eine umfangreiche Veröffentlichung des Branchenverbandes Bitkom und
des Forschungsinstituts DFKI anhand der Darstellung der
Handlungsfelder und Rahmenbedingungen für KI in einem
gesamtdeutschen Überblick (Weber und Burchardt 2017).

KI-Umfeld meistens relativ jung und oft noch nicht in Unternehmensdatenbanken zu finden. Zweitens handelt es sich
bei KI-Systemen um Querschnittstechnologien. Diese sind
dementsprechend nicht in der Kategorisierung der amtlichen
Statistik erfasst. Auch wenn ein Großteil der Unternehmen den
Daten- und Softwaredienstleistern zuzurechnen ist, kommen
KI-Systeme in unterschiedlichen Branchen zur Anwendung und
ein informatorischer Mehrwert durch die herkömmliche Klassifizierung (WZ 2008) ist nicht absehbar. Drittens handelt es sich
insbesondere bei neugeründeten KI-Unternehmen um kleine
Unternehmen, die noch nicht in Datenbanken erfasst sind, da
sie nicht der Veröffentlichungspflicht unterliegen oder mit
einschlägigen Schlagwörtern versehen sind.

Als empirische Grundlage werden zur Darstellung des
wirtschaftlichen Potenzials von KI in Berlin Brandenburg Datenbanken zu KI-Unternehmen, VC-Finanzierung, Innovations- und
Forschungsförderung analysiert und leitfadengestützte Experteninterviews durchgeführt. Zusätzlich werden aktuelle
Veröffentlichungen und Anwendungsbeispiele zu KI-Aktivitäten
in Berlin-Brandenburg ausgewertet.

In Kapitel 3.1 wurden „Unternehmen im KI-Umfeld“, im Kapitel
3.2 „KI-Startups“, im Kapitel 3.3 „KI-Unternehmen“, die VCKapital erhalten haben und im Kapitel 4 „KI Unternehmen“ aus
jeweils unterschiedlichen Datenbanken ausgewertet, die im
Vergleich untereinander nicht vollständig deckungsgleich sind.
Für die Datenanalyse wurden die Unternehmensdatenbanken
von Spotfolio, Crunchbase und die KI-Unternehmensdatenbank
der Firma Asgard (Westerheide 2017) ausgewertet. „Unternehmen im KI-Umfeld“ beinhaltet Unternehmen jeglicher
Beschäftigung mit künstlicher Intelligenz, die per Stichwortsuche identifiziert werden konnten. Hier ist eine Bandbreite von
unterschiedlichsten Anwendern, Intermediär- und Anbieterfirmen enthalten. Die Identifizierung der KI-Startups beinhaltet
Unternehmen mit dem Schlagwort „Artificial Intelligence“ und
Gründung im Zeitraum zwischen 2012 und 2017. Zur internationalen Vergleichbarkeit wurden Datenbanken zur Venture
Capital Finanzierung und zu Patentdaten der Mapegy GmbH
ausgewertet.

Im Wissenschafts- und Forschungsbereich zeigt die Studie,
in welchen Zusammenhängen Lehre sowie Forschung stattfinden beziehungsweise in welchem Rahmen Innovationen und
Forschung gefördert werden. Als Indikator für die Einwerbung
von Fördermitteln von außerhalb der Region wird die Bundesförderung in Berlin-Brandenburg dargestellt. Hierzu gibt es
eine systematische Erfassung des FÖKAT. Anhand des Förderkatalogs FÖKAT wird exemplarisch die Förderung im KI-Bereich
anhand der Definition von Wahlster (2018) ausgewertet.
Der FÖKAT erfasst nur Förderprojekte des Bundes und kann
keine gesamte Erfassung liefern. Allerdings stellt der FÖKAT
eine umfassende Datenbank zu Förderprojekten KI-relevanter
Fragestellungen dar (Kreuchauff und Bälz 2016). Zur Projektförderung der EU konnte keine ähnlich detailliert abgrenzbare
Datenquelle identifiziert werden. Grundfinanzierungen für
Hochschulen und Forschungseinrichtung und Mittel aus den
Projektförderprogrammen der Länder sind ebenfalls nicht mit
ausreichender Detailschärfe auf die auf KI entfallenden Mittel
abzugrenzen und wurden nicht weiter untersucht.

Für die detailliertere Analyse der wirtschaftlichen und technologischen Bedeutung der KI-Unternehmen in Berlin-Brandenburg
wurden die Ergebnisse der Datenbanken mit weiteren KIUnternehmen, welche von Experten benannt wurden, ergänzt
und analysiert. Dazu wurden mithilfe der MARKUS-Datenbank
das Umsatzpotenzial (Umsätze der verfügbaren Unternehmen
(27 % der Unternehmen), Schätzung der Unternehmen nach
durchschnittlichem Umsatz in Größenklasse, anteilige Berechnung des Umsatzes von Unternehmen mit mehr als 100
Mitarbeitern) und die Zahl der Arbeitsplätze ermittelt. Zusätzlich wurden während der Experteninterviews Hinweise für
weitere Firmen und Institutionen sowie weitere KI-Experten
aufgenommen.

Die Analyse der wirtschaftlichen Aktivitäten gestaltet sich
durch die unbestimmte Definition, was ein KI-Unternehmen ist,
schwierig. In der Regel werden Firmen mit einem Fokus auf die
KI-Tätigkeiten darunter definiert. Im Folgenden wird im Einklang
mit der sozialwissenschaftlichen Innovationsforschung die
Selbstbeschreibung der Unternehmen sowie die Expertenzuschreibung als KI-Unternehmen zur Zuordnung genutzt. Dies
stellt aus dreierlei Gründen die derzeit vielversprechendste
Forschungsstrategie dar: Erstens sind die Unternehmen im

14

3. Wirtschaftliche Rahmenbedingungen für
KI in Berlin-Brandenburg
3.1 Berlin-Brandenburg und Deutschland
im Vergleich
Aufbauend auf den Ergebnissen des relativ jungen Forschungsfeldes KI gelang es schon ab Mitte der 70er Jahre, wissensbasierte
Expertensysteme zu kommerzialisieren (Mainzer 2016). In
Deutschland ist seit Anfang der 90er Jahre eine relevante
Anzahl von Unternehmen mit KI-Bezug zu finden. In der Region
Berlin-Brandenburg hat sich parallel zu einer international
beachteten Startup-Szene und einer dynamischen Digitalwirtschaft ein Ökosystem von KI-Unternehmen entwickelt.

Insgesamt konnten deutschlandweit 458 Unternehmen im KI
Umfeld identifiziert werden, davon sind 28 % der Unternehmen
aus Berlin-Brandenburg3. Vermehrte Gründungen im KI-Umfeld
gibt es in Berlin-Brandenburg ab Mitte der 2000er Jahre. Seit
2005 ist der Anteil der Berlin-Brandenburger Unternehmen im
KI-Umfeld im deutschlandweiten Vergleich von 9 % auf 28 %
in 2017 angewachsen. Kleinere Häufungen von Unternehmen
im KI-Umfeld sind insbesondere in Bayern und NordrheinWestfalen zu finden.

Abbildung 4
Gründungen (summiert) von Unternehmen im KI-Umfeld (1990-2017) in

Berlin-Brandenburg und

Deutschland

500

458

450
400
350
300
250
200
131

150
100
50
0
1990

1992

1994

1996

1998

2000

2002

2004

2006

2008

2010

2012

2014

2016

Quelle: Crunchbase, Spotfolio, Westerheide, eigene Berechnung und Darstellung

3

Zur Abgrenzug der „Unternehmen im KI-Umfeld“, „KI-Startups“ und „KI-Unternehmen“ bezeichneten Grundgesamtheiten vgl. S. 14.
15

Abbildung 5
Unternehmen im KI-Umfeld nach Unternehmenssitz (n=478)
28 %

17 %

16 %

15 %
10 %

8%
6%

BerlinBrandenburg

Bayern

NordrheinWestfalen

BadenWürttemberg

Hamburg

Hessen

Bundesländer
unter 5 %

Quelle: Crunchbase, Spotfolio, Westerheide, eigene Berechnung und Darstellung

Die Unternehmen aus Berlin-Brandenburg bestehen im
Vergleich zu Gesamtdeutschland wegen der überdurchschnittlich hohen Anzahl von Unternehmen mit bis zu 10 Mitarbeitern
zu einem größeren Anteil aus Klein- und Kleinstunternehmen.
Zudem gibt es in Berlin-Brandenburg nur einen sehr kleinen
Anteil an Großunternehmen mit mehr als 250 Mitarbeitern.

Einen Erklärungsansatz kann das relativ junge Lebensalter der
Unternehmen aus dem KI-Umfeld bieten. Die Unternehmen
aus dem KI-Ökosystem in Berlin-Brandenburg sind im Median
zwei Jahre jünger als im Bundesvergleich. Jedes zweite Unternehmen wurde 2014 beziehungsweise später gegründet.
Je später die Gründung, desto kleiner sind die Unternehmen.

Abbildung 6
Unternehmen im KI-Umfeld nach Größenklasse in

49 %

Berlin-Brandenburg und

Deutschland (n=478)

49 %

37 %
33 %

11 %

10 %
2%

1-10 Mitarbeiter

11-50 Mitarbeiter

51-250 Mitarbeiter

6%

>250 Mitarbeiter

1%

2%

keine Angabe

Quelle: Crunchbase, Spotfolio, Westerheide, eigene Berechnung und Darstellung

16

3.2 Gründungsgeschehen in BerlinBrandenburg
Im Zeitraum 2012 bis 2017 konnten 139 Gründungen von
KI-Unternehmen in Deutschland identifiziert werden. 48 %
dieser Unternehmen wurden in Berlin Brandenburg gegründet.
Zusätzlich gibt es auch in Bayern, Nordrhein-Westfalen und
Hamburg eine Häufung von Gründungen von KI-Unternehmen.

Die Zahl der Gründungen in Deutschland wurde in den letzten
Jahren maßgeblich durch Berlin-Brandenburg beeinflusst.
Ähnliche Untersuchungen kommen zu vergleichbaren Ergebnissen (appliedAI 2018, Westerheide 2017).

Abbildung 7
KI-Startups nach Unternehmenssitz (n=139)
48 %

19 %

15 %

BerlinBrandenburg

Bayern

10 %

7%

NordrheinWestfalen

Hamburg

Sonstige

Quelle: Crunchbase, Spotfolio, Westerheide, eigene Berechnung und Darstellung

Mehr als 75 % der Startups sowohl in Berlin-Brandenburg als
auch im deutschlandweiten Durchschnitt bieten Lösungen im
Business-to-Business Bereich an. Die starke industrielle Basis in
Deutschland als Kunde für KI-Startups stellt einen Erklärungsansatz dar für die Strategie der Startups, unternehmensnahe
Dienstleistungen anzubieten. In dieser Fokussierung unterscheiden sich die KI-Startups in Berlin Brandenburg wesentlich
von den allgemein bekannten amerikanischen KI-Unternehmen.

Auf Basis der öffentlichen Angaben der KI-Startups wurde die
Branchenlösung der KI-Anwendungen der KI-Startups untersucht. In Berlin-Brandenburg hat sich nahezu jedes zweite
Unternehmen auf eine bestimmte Branche als Kunde festgelegt.
Im deutschlandweiten Durchschnitt ohne Berlin-Brandenburg bieten nur 40 % der Unternehmen Dienstleistungen oder
Produkte für jeweils eine spezifische Branche. Es zeigt sich,
dass es durch die vielen Anbieter im Berlin-Brandenburger
KI-Ökosystem wichtig scheint, sich auf bestimmte Zielmärkte
zu spezialisieren.

Abbildung 8
Summierte Gründungen KI-Startups 2012-2017 (n=139) in

Berlin-Brandenburg und

Deutschland

160
139

140
120
100
80

64

60
40
20
0
2012

2013

2014

2015

2016

2017

Quelle: Crunchbase, Spotfolio, Westerheide, eigene Berechnung und Darstellung

17

3.3 Venture Capital-Finanzierung von KIUnternehmen4 im internationalen Vergleich
Venture Capital Finanzierung ist maßgeblich für Unternehmen
bei der Entwicklung neuer Produkte und der Kommerzialisierung innovativer Produkte und Dienstleistungen (Kahl und
Scheuplein 2016). Als Innovationsindikator gibt diese Finanzierungsart Hinweise darauf, wie risikofreudige Investoren
Standorte und Branchen wahrnehmen beziehungsweise an
welchen Standorten sich die VC-finanzierten Unternehmen
ansiedeln. VC-Investitionen in KI-Systeme zeichnet eine hohe
Komplexität aus.

städten einen wesentlich höheren Anteil der VC-Finanzierung
(London: 83 %, Paris: 77 %) im landesweiten Vergleich.
Die Struktur der VC-finanzierten Berlin-Brandenburger
KI-Unternehmen unterscheidet sich spürbar von Gesamtdeutschland. Auf Unternehmen bis 50 Mitarbeiter entfällt ca.
18 % der VC-Finanzierung in Berlin-Brandenburg (Deutschland
28 %). Berlin-Brandenburger Unternehmen in der Größenklasse 51–100 Mitarbeiter erhalten 61 % der VC-Finanzierung
(Deutschland 48 %). In Frankreich und Großbritannien erhalten
schwerpunktmäßig KI-Unternehmen der Größenklasse 11–50
Mitarbeiter VC-Finanzierung mit jeweils 43 % Anteil an der
gesamten VC-Finanzierungssumme.

Der Datensatz mit 3.152 KI-Unternehmen der Mapegy GmbH
umfasst ein Finanzierungsvolumen von 3.795 Mio. Euro. Mit
knapp 26 Mrd. Euro erhielten 1751 Unternehmen aus den
USA den größten Anteil an VC-Finanzierung, gefolgt von VCInvestitionen in chinesische KI-Unternehmen mit 5.600 Mio.
Euro (82 Unternehmen). In Europa wurden 3.066 Mio. Euro
VC-Finanzierung für KI-Unternehmen identifiziert (729 Unternehmen). Im internationalen Vergleich gab es in Deutschland
Investitionen in Höhe von 505 Mio. Euro (83 Unternehmen) und
somit 45 Mio. Euro mehr VC-Kapital als im Vergleich zu VCInvestitionen in Frankreich (460 Mio. Euro/86 Unternehmen).
Britische KI-Unternehmen (1.223 Mio. Euro/241 Unternehmen)
erhielten deutlich mehr VC-Kapital.

KI-Unternehmen
aus
Berlin-Brandenburg
profitieren
durchschnittlich von einer höheren Finanzierung als im deutschlandweiten Vergleich. Im Vergleich zum VC-Report (Kahl und
Scheuplein 2016), in dem alle Branchen abgedeckt wurden, liegt
die durchschnittliche Finanzierungssumme je KI-Unternehmen
leicht über dem deutschen Durchschnitt, allerdings niedriger als
im regionalen Vergleich.
Im europäischen Vergleich erhalten die Unternehmen in
Berlin die höchste durchschnittliche Finanzierungssumme. Die
durchschnittlich höhere VC-Finanzierung pro Unternehmen
lässt sich auf eine höhere durchschnittliche VC-Finanzierung
der Unternehmen mit mehr als 50 Mitarbeitern zurückführen.
Klein- und Kleinstunternehmen mit bis zu 50 Mitarbeitern
aus Berlin-Brandenburg empfingen im Durchschnitt weniger
VC-Finanzierung.

In Berlin-Brandenburg konnten 36 KI-Unternehmen mit insgesamt 231 Mio. Euro VC-Kapitalfinanzierung identifiziert werden.
Das bedeutet: 45 % der deutschen VC-finanzierten KI-Unternehmen sind in Berlin-Brandenburg ansässig. International
hingegen erhalten in den zentralistischer organisierten Ländern
Frankreich und Großbritannien KI-Unternehmen in den Haupt-

Abbildung 9
VC-Finanzierung für KI-Unternehmen in Europa (in Mio. Euro)
1.229

505

460

231

BerlinBrandenburg

Deutschland

Frankreich

Großbritannien

Quelle: Mapegy GmbH, eigene Berechnung und Darstellung

4

In der Finanzierung sind Venture Capital Finanzierung für jüngere Unternehmen in der Wachstumsphase und Private Equity Finanzierung für ältere
Unternehmen in der Expansionsphase enthalten. Fremdkapitalbasierte Finanzierung ist hier nicht enthalten.
18

Abbildung 10
Durchschnittliche VC-Finanzierung pro Unternehmen im Vergleich (in Mio. Euro)
9

6,4

6,1

Berlin-Brandenburg
VC Report

Deutschland
VC Report

KI
Berlin-Brandenburg

6,1

KI
Deutschland

Quelle: Kahl und Scheuplein (2016), Mapegy GmbH, eigene Berechnung und Darstellung

Abbildung 11
Durchschnittliche Finanzierung pro KI-Unternehmen (in Mio. Euro)
6,4

BerlinBrandenburg

6,1

Deutschland

5,3

5,1

Frankreich

Großbritannien

Quelle: Mapegy GmbH, eigene Berechnung und Darstellung

Abbildung 12
Durchschnittliche Finanzierung pro KI-Unternehmen mit 1-10 Mitarbeiter (in Mio. Euro)

0,27

0,35

BerlinBrandenburg

Deutschland

0,88

Frankreich

1,28

Großbritannien

Quelle: Mapegy GmbH, eigene Berechnung und Darstellung

19

Abbildung 13
Durchschnittliche Finanzierung pro KI-Unternehmen mit 11-50 Mitarbeiter (in Mio. Euro)

4,67

4,77

Frankreich

Großbritannien

3,67
2,71

BerlinBrandenburg

Deutschland

Quelle: Mapegy GmbH, eigene Berechnung und Darstellung

Abbildung 14
Durchschnittliche Finanzierung pro KI-Unternehmen mit 51-100 Mitarbeiter (in Mio. Euro)
21,66

21,28
20,2

12,92

BerlinBrandenburg

Deutschland

Frankreich

Großbritannien

Quelle: Mapegy GmbH, eigene Berechnung und Darstellung

20

Während die durchschnittlichen Investitionssummen den Stand
im überregionalen Vergleich zeigen, erklärt der Blick auf die
einzelnen Finanzierungen in der Region, warum die Finanzierungshöhen nach Größenklassen sich so deutlich unterscheiden.
Ein Blick auf die einzelnen Finanzierungen zeigt, dass mehr

als 70 % der identifizierten VC-Summe für KI-Systeme in
Berlin-Brandenburg auf die fünf größten VC-Investitionen für
KI-Unternehmen zurückzuführen sind. Die Unternehmen bieten
KI-Systeme für den Gesundheitsbereich, die Robotik, die Business Intelligence und das Prozessmanagement an.

Tabelle 1
VC-Investitionen für KI-Unternehmen

Rang

Unternehmensname

Ort

Geschäftsfeld

1

Ada Health GmbH

Berlin

Gesundheit

2

Acrolinx GmbH

Berlin

Business Intelligence und Prozessmanagement

3

ReWalk Robotics GmbH

Berlin

Robotik, Gesundheit

4

Seerene GmbH

Potsdam

Business Intelligence und Prozessmanagement

5

LEVERTON GmbH

Berlin

Business Intelligence und Prozessmanagement
Quelle: Mapegy GmbH, eigene Berechnung und Darstellung

21

4. Die Berlin-Brandenburger KI-Wirtschaft

Insgesamt konnten 223 KI-Unternehmen5 in Berlin-Brandenburg identifiziert werden. Durch Recherchen und
Expertenbefragungen konnten auch Unternehmen in das
Datenset aufgenommen werden, die normalerweise nicht in
gängigen Datenbanken erfasst werden, da sie das Label „Künstliche Intelligenz“ nicht für sich reklamieren, trotzdem aber in
Teilgebieten der KI tätig sind.

Die Berlin-Brandenburger KI-Unternehmen sind durch Kleinund Kleinstunternehmen geprägt. 83 % der KI-Unternehmen
haben bis zu 50 Mitarbeiter. Allerdings gibt es auch 14 Großunternehmen (5 %), die an KI-Systemen arbeiten. In den
identifizierten Unternehmen sind 4.900 Mitarbeiter tätig.6
Die meisten Mitarbeiter arbeiten in Unternehmen der Größenklasse 11-50 Mitarbeiter. Während die geringste Anzahl der
Mitarbeiter in Unternehmen von 1-10 Mitarbeitern arbeitet,
verteilen sich die restlichen Mitarbeiter in Unternehmen der
Größenklassen ab 51 Mitarbeitern relativ gleichmäßig.

Abbildung 15
Anzahl der KI-Unternehmen in Berlin-Brandenburg nach Unternehmensgröße (n=223)
49 %

34 %

1-10 Mitarbeiter

11-50 Mitarbeiter

8%

4%

51-100 Mitarbeiter

101-250 Mitarbeiter

5%
>250 Mitarbeiter

Quelle: eigene Berechnung und Darstellung

Abbildung 16
Mitarbeiteranzahl nach Unternehmensgröße (n=4.900)
35 %

20 %

22 %
13 %

9%

1-10 Mitarbeiter

11-50 Mitarbeiter

51-100 Mitarbeiter

101-250 Mitarbeiter

>250 Mitarbeiter

Quelle: eigene Berechnung und Darstellung

5
6

Zur Abgrenzug der „Unternehmen im KI-Umfeld“, „KI-Startups“ und „KI-Unternehmen“ bezeichneten Grundgesamtheiten vgl. S. 14.
Bei Großunternehmen wurden auf Basis der Expertenbefragung und zusätzlichen Recherchen Mitarbeiter anteilig ihrer Tätigkeit in KI-relevanten
Projekten zugerechnet.
22

Der geschätzte Gesamtumsatz von KI-Unternehmen in der
Region Berlin-Brandenburg liegt bei 490 Mio. Euro. Der größte
Umsatzanteil wird bei Großunternehmen mit mehr als 250
Mitarbeitern generiert. Obwohl jedes zweite Unternehmen in
der Größenklasse von 1-10 Mitarbeitern liegt, machen diese
nur 5 % des Gesamtumsatzes aus. Das liegt daran, dass im
Mittel dieser Unternehmen ein Umsatz von 50.200 Euro pro
Mitarbeiter, im Mittelwert aller Unternehmen aber, 71.200 Euro

pro Mitarbeiter erzielt wurden und dass in dieser Größenklasse
die wenigsten Mitarbeiter tätig sind. Die Software- und Datendienstleister aus Berlin-Brandenburg erreichten im Vergleich
dazu einen durchschnittlichen Wert von 100.300 Euro Umsatz
pro Mitarbeiter im Jahr 2015.7 Dieser Wert wird nur von den
KI-Unternehmen mit mehr als 100 Mitarbeitern übertroffen.

Abbildung 17
Umsatz nach Größenklasse (Gesamtvolumen 490 Mio. Euro)
34 %

23 %

22 %
16 %

5%
1-10 Mitarbeiter

11-50 Mitarbeiter

51-100 Mitarbeiter

101-250 Mitarbeiter

>250 Mitarbeiter

Quelle: eigene Berechnung und Darstellung

Die meisten KI-Unternehmen stammen aus dem Bereich
“J - Information und Kommunikation der WZ 2008 Kodierung”, davon sind die meisten KI-Unternehmen der Branche
der Software- und Datendienstleister zuzurechnen. Der Umsatz
der KI-Unternehmen beträgt nur 7 % des Umsatzes der Software- und Datendienstleister in Berlin-Brandenburg in 2015.
Im Vergleich zu einer bundesweiten Befragung, in der 15 %
der IKT-Unternehmen angaben, Projekte mit KI-Systemen
durchzuführen (BMWi 2017), ist dieser Wert auf den ersten

7

Blick unterdurchschnittlich. Einen Erklärungsansatz bietet die
Struktur der Unternehmen. Sie bestehen zum großen Teil aus
sehr jungen Firmen beziehungsweise aus den Innovationsprojekten in etablierten Unternehmen, deren Umsetzung noch
am Anfang steht. Die Monetarisierung der KI-Aktivitäten wird
häufig erst nach diesem Schritt für die Zukunft eingeplant, da
der Erfolg der Geschäftstätigkeiten mit KI-Systemen mit der
Datenverfügbarkeit und –qualität korreliert.

Eigene Berechnung basierend auf den statistischen Berichten des Amtes für Statistik Berlin-Brandenburg
23

4.1 Kerngebiete von Berlin-Brandenburger
KI-Unternehmen
Welche Technologien bei KI-Unternehmen eingesetzt werden,
kann wegen fehlender Daten nur explorativ dargestellt werden.
Da Patente bei Berlin-Brandenburger KI-Unternehmen eine
relativ geringe Rolle spielen (siehe Exkurs), gibt die systematische Auswertung von Patenten wenig Auskunft über
die genutzten Technologien. Belastbarere Hinweise ergibt
die Auswertung der öffentlichen Quellen (Presseveröffentlichungen, Websites, Medien) von oder über Unternehmen. Bei
rund einem Drittel der Unternehmen war eine Zuordnung nach

Kerngebiet nicht möglich. Vom zuordenbaren Rest benutzen
die meisten Unternehmen wissensbasierte Expertensysteme mit spezialisierten Anwendungen, um genau definierte
Probleme (teil)automatisiert lösen zu können. Auch sprachsowie bildverstehende Systeme werden von KI-Unternehmen
in Berlin-Brandenburg eingesetzt. Am wenigsten sind KIUnternehmen im Bereich kollaborativer Robotersysteme tätig.
Die KI-Unternehmen setzten insbesondere intelligente Trainings- und Lernsysteme ein.

Abbildung 18
Kerngebiete der KI-Unternehmen in Berlin-Brandenburg (n=223)
30 %
26 %
21 %
15 %
9%

Expertensysteme

Sprachverstehende
Systeme

Bildverstehende
Systeme

Kollaborative
Systeme

Keine Angabe

Quelle: eigene Berechnung und Darstellung

24

Exkurs: Patentaktivitäten im internationalen
Vergleich
Patente dienen als Indikator für Innovationsaktivitäten, insbesondere bei Anwendungen aus dem industriellen Bereich. Im
Dienstleistungsbereich, in den die überwiegende Anzahl der
Berlin-Brandenburger KI-Unternehmen einzuordnen ist, gibt
es eine geringere Neigung, Patente anzumelden. Außerdem
lassen Patente aufgrund der langen Vorlaufzeit bis zur rechtskräftigen Anmeldung und des hohen finanziellen Aufwandes
nur eingeschränkt Rückschlüsse auf die Innovationstätigkeiten
der KI-Unternehmen aus Berlin-Brandenburg zu, die im Durchschnitt jünger sind als im deutschlandweiten Vergleich.

eine Berliner oder Brandenburger Adresse haben. 28 % dieser
Patente sind derzeit noch aktiv, 54 % inaktiv, 12 % noch in
der Patenanmeldung und bei 6 % der Patente kann der Status
nicht festgestellt werden. Die Unternehmen mit den meisten
Patentfamilien mit Erfindern/Anmeldern aus Berlin-Brandenburg sind die ABB Group und die Deutsche Telekom mit 18
Patentfamilien, gefolgt von Siemens, Sony Deutschland und der
Volkswagengruppe mit jeweils 7 Patentfamilien. Eine Textanalyse der Patente zeigt, dass ein Schwerpunkt im Bereich der
Robotik und der Spracherkennung identifiziert werden kann.
Die Robotik wird in 55 und die Spracherkennung in 46 Patentfamilien erwähnt.

Es gibt im Bereich der KI-Systeme8 190 Patentfamilien mit 321
Patenten (Stichtag: 19.03.2018), deren Anmelder oder Erfinder

Abbildung 19
Textanalyse der KI-Patentfamilien in Berlin-Brandenburg

Series
Patient

Natural
Language

Search

Simulator

Data
Mining

Machine
Learning

Measurement

Speech
Behavior

Quality

Robotic
Information
Prediction

Epigenetic
Features

Parameter

Action
ABB Group

Platform
Deutsche Telekom

Siemens

Sony Deutschland

End
Effector

Volkswagen Group

Andere Unternehmen

Quelle: Mapegy GmbH, eigene Darstellung

8

Als Patentfamilien im KI-Bereich wurden Patentfamilien identifiziert, die folgende Begriffe in Titel, Abstrakt und Patentanspruch bei der Patentanmeldung beinhalten: „Artificial intelligence“, „Computer Vision“, „Intelligent Systems“, „Machine Learning“, „Natural Language Processing“,
„Predictive Analytics“, „Speech Recognition“, „Text Analytics“, „Robotics“ oder „Data Mining“.
25

4.2 Kunden und Märkte der
KI-Unternehmen in Berlin-Brandenburg
80 % der in Berlin-Brandenburg ansässigen KI-Unternehmen
bieten Ihre Lösungen im Business-to-Business-Kontext an und
nur 20 % stellen Lösungen direkt für Endkunden bereit.

Am häufigsten bieten die Unternehmen Lösungen im Bereich
der Business Intelligence und im Prozessmanagement an. Am
zweithäufigsten erscheint die Gruppe Sonstige, der in dieser
Studie u. a. Unternehmen aus dem Bereich der Beratung,
Softwareentwicklung ohne Angabe der spezifischen Anwendungsfelder sowie Märkte mit nur wenigen KI-Unternehmen in
Berlin-Brandenburg zugeordnet wurden.

Die Zuordnung der Unternehmen zu Branchen oder Märkten
erfolgt hier unabhängig von ihrer Branchenzugehörigkeit
gemäß der amtlichen Statistik. Einem Anwendungsfeld wurden
für die Auswertung sowohl Unternehmen zugeordnet, die
selbst der Softwarebranche angehören, deren Produkte aber
auf das jeweils genannte Anwendungsfeld spezialisiert sind
als auch Unternehmen, die einer dem Anwendungsfeld zugehörigen Branche angehören aber selbst KI-Lösungen für ihre
eigene Geschäftstätigkeit entwickeln.

Je nach Markt unterscheiden sich die Umsätze erheblich. Dies
liegt an unterschiedlicher Wirtschaftsstruktur der Anwendungsfelder. So sind in einigen Anwendungsfeldern die
KI-Unternehmen überwiegend in Forschung und Entwicklung
tätig, während in anderen Anwendungsfeldern KI-Systeme
schon erfolgreich eingesetzt und kommerzialisiert werden.
Auch die Kapitalintensität der Anwendungsfelder wirkt sich auf
die Umsätze der KI-Unternehmen in Berlin-Brandenburg aus.

Abbildung 20
KI-Unternehmen in Berlin-Brandenburg nach Kundenorientierung (n=223) (in %)

Business-to-Business

80
20

Endkunde

Quelle: eigene Berechnung und Darstellung

Abbildung 21
Anzahl der KI-Unternehmen in Berlin-Brandenburg nach Anwendungsfeld (n=223) (in %)

Bauen/Immobilien

4

Business Intelligence/
Prozessmanagement
Finanzierung
Entertainment
Handel

36
5
7
8
10

Health
Industrie/Robotik
Mobilität
Sonstige

7
9
14
Quelle: eigene Berechnung und Darstellung

26

Abbildung 22
Umsatzverteilung der KI-Unternehmen in Berlin-Brandenburg nach Anwendungsfeld (n=223) (in %)

Bauen/Immobilien

1

Business Intelligence/
Prozessmanagement
Finanzierung
Entertainment

43
2
3

Handel
Health
Industrie/Robotik

15
4
5

Mobilität
Sonstige

14
13
Quelle: eigene Berechnung und Darstellung

4.2.1 Bauen/Immobilien
Für die Bau- und Immobilienwirtschaft sind Anwendungen
von KI-Systemen vor allem in den Bereichen Design und Konstruktion, Smart Cities und ihre Vernetzung sowie im Facility
Management vorstellbar (Hoar, Atkin, und King 2017). Die
Branche hat hohe Erwartungen an eine verstärkte Digitalisierung, da diese Branche bislang im Vergleich zu anderen
Branchen relativ wenig von Digitalisierungsprozessen profitiert hat (Windhagen u. a. 2017).

In Berlin-Brandenburg finden sich KI-Unternehmen, die
im Bereich Design und Konstruktion tätig sind, Dächer teilautomatisiert ausmessen, Projekte mithilfe von Virtual Reality
Tools entwickeln und Bauteileverfolgung digitalisieren. Im
Smart City Bereich werden KI-Anwendungen zur Gebäudeautomation und im Bereich des Facility Managements mit
unterschiedlichen Aspekten der Vermietung, der (Echtzeit-)
Datenanalyse von Immobilienportfolios, Sicherheitssystemen
für Bestandsgebäude und der Automatisierung des Dokumentenmanagements angeboten.

27

4.2.2 Business Intelligence und Prozessmanagement
„Business Intelligence und Prozessmanagement“ umfasst
Dienstleistungen
für
Unternehmen
im
Rahmen
der
Analyse und Verbesserung innerbetrieblicher Prozesse
sowie Schnittstellen zu Geschäftspartnern und Märkten.
KI-Unternehmen helfen, Anwendungen in den KundenUnternehmen zu implementieren. Es werden Systeme angeboten, welche die Effizienz von Unternehmensabläufen
durch Automatisierung beziehungsweise durch verbesserte
Transparenz erhöhen sollen. Diese Lösungen sind häufig für
Kundenunternehmen der erste Zugang zu KI-Systemen im
Business-to-Business Bereich. Dieser bietet sich an, da viele
der Daten schon in computerlesbaren Formaten vorliegen. Auch
handelt es sich häufig um Prozesse, die einfach automatisiert
werden können. Als Argumente für die Nutzung werden die
Kosteneinsparung und die höhere Konzentration auf die Kerngeschäftsbereiche von den Unternehmen angeführt.

beziehungsweise die Kapazitäten beim Bewerbungsprozess in
kleineren Organisationen besser fokussieren zu können und das
Matching zwischen Bewerbern und Unternehmen durch datengestützte Analyse, durch den Einsatz von Chatbots und durch
teilautomatisierte Videoanalyse zu verbessern.
· Customer Relation: Der Einsatz von KI-Technologien bei digitalisierter Kommunikationen mit Kunden kann die Qualität für
den Kunden erhöhen, Routineaufgaben, wie das Vorsortieren
von Anrufen oder Post, können beispielsweise von Chatbots
übernommen werden und Trainingsmaßnahmen der Angestellten können anhand von Analysetechnologien evaluiert
werden.
· Vertragsmanagement: Durch Automatisierung im Vertragswesen ermöglichen Dienstleister, diese Abläufe, z. B. durch
Anwendung von sprachverstehenden Systemen, schneller und
standardisierter durchzuführen.
· Marketing: Durch datengestützte Analysen können Marketingaktivitäten zielgenauer umgesetzt werden. Hierzu werden auch
Ansätze des Predictive Analyzing genutzt, um die Produkte und
Dienstleistungen an die Bedürfnisse der Kunden anzupassen.
· Innerbetriebliche Kommunikation: KI-Unternehmen unterstützen bei der Erhöhung der Transparenz der innerbetrieblichen Kommunikationsprozesse und beim Einsatz von
Konferenztechniken.
· Sprachtechnologie: Berlin-Brandenburger Unternehmen bieten
KI-Lösungen in den Bereichen der automasierten spracherkennenden Systeme, der Pflege von Datenbanken für Corporate
Language und automatisierten Übersetzungen an.

Im Bereich Business Intelligence finden sich in Berlin-Brandenburg Unternehmen aus folgenden Bereichen:
· Marktanalyse und Technologiescouting: Marktdaten werden
mithilfe von KI-Systemen analysiert und hinsichtlich der Erwartung zukünftiger Entwicklungen ausgewertet. Die Analysen
dienen zur Unterstützung strategischer Ausrichtung der Kundenunternehmen. Dazu werden u. a. sprachverstehende Systeme
eingesetzt, um Patentdaten zu analysieren.
· Personalrekrutierung und –organisation: Bei der Personalrekrutierung und –organisation werden unterstützende
KI-Systeme eingesetzt, um diese Prozesse zu beschleunigen

4.2.3 Finanzierung
Finanzierung ist ein Bereich, der durch das Vorliegen strukturierter Daten schon seit langem durch Datenanalyse optimiert
wird. KI-Systeme aus den Bereichen der Spracherkennung
und der Expertensysteme werden in Berlin-Brandenburg
angewandt, um interne Finanzierungsprozesse und Kommunikation sowie Transaktionen mit externen Finanzinstitutionen
zu verbessern und teil zu automatisieren. Trotzdem werden
Finanzierungsthemen insbesondere für kleinere Unternehmen
und Endkonsumenten häufig mit Aufwand verbunden, beziehungsweise sind Prozesse oftmals wenig standardisiert.

In Berlin-Brandenburg gibt es Banken, die KI-Systeme
weiterentwickeln, sowie Unternehmen, die KI-Systeme zur
Risikoabschätzung, Einkaufsfinanzierung, Unterstützung von
strukturierten Finanzierungsprozessen, Transparenz der Informationen über unterschiedliche Finanzierungsmöglichkeiten,
Unterstützungssysteme für Versicherungen und Geldanalagen,
Buchhaltung, Authentifizierungsmechanismen und zum Forderungsmanagement anbieten.

4.2.4 Entertainment
KI-Systeme, die im Bereich Entertainment angewandt werden,
zeichnen sich durch eine hohe Sichtbarkeit aus, da häufig
Dienstleistungen und Produkte für Endkunden hergestellt
werden. In Berlin-Brandenburg gibt es KI-Unternehmen aus
dem Bereich Filmstreaming, Filmempfehlung, automatisierte

Kamerasysteme und Film- sowie Audiostreaming. Auch im
Bereich Fashion, Soziale Netzwerke, Messenger, angewandte
Robotik für Endnutzer, Freizeitplanung, Übersetzung und
E-Sport sowie im VR-Gaming bieten Unternehmen Lösungen an,
die durch KI-Systeme unterstützt werden.

28

4.2.5 Health
Mithilfe digitalisierter Daten werden KI-Anwendungen in der
Gesundheitswirtschaft entwickelt, welche innerbetriebliche
Prozesse adressieren oder direkt auf die Bedürfnisse von
Kranken eingehen. In Berlin-Brandenburg bieten KI-Unternehmen (teil)-automatisierte Analyse- bzw. Assistenzsysteme
in unterschiedlichen Anwendungsfeldern der Gesundheitswirtschaft an. So wird z.B. für Unternehmen, die sich mit
der Automatisierung in der Verwaltungsorganisation und mit
Aufgaben in der Dokumentation, denen sich auch Krankenhäuser und Krankenkassen gegenüber sehen, KI entwickelt.
Auch im Bereich der Operationsplanung, Diagnostik (Ultraschall,
Mikroskopie),
Datenanalyse
von
spezifischen

Krankheitsbildern, Reha-Hilfsmittel und Telemedizin sowie
bei Echtzeitdaten- und -analyse bei Herzerkrankungen und
Diabetes werden KI-Systeme eingesetzt. Darüber hinaus
entwickeln KI-Unternehmen Fitness-Apps und auf den Einsatz
bei einer bestimmten Krankheit spezialisierte Apps z. B. bei
psychischen Erkrankungen oder Migräne. Auch entwickeln
Unternehmen Apps, um in der Interaktion mit Nutzern Krankheitsmuster zu identifizieren. Zudem werden in der Region
Chatbots entwickelt, die durch einfache Fragen Betroffenen
helfen, Krankheitsbilder zu identifizieren und Empfehlungen
für die nächsten Schritte aussprechen, z. B. die Empfehlung
zur Apotheke oder zum Arzt zu gehen.

4.2.6 Handel
Die Digitalisierung hat weitgehende Auswirkungen auf den
Handel (Bitkom e.V. 2017). Beispielsweise entstehen 25 %
des Gesamtumsatzes des Handels im Online-Handel. 77 % der
deutschen Handelsunternehmen sehen sich als Nachzügler
bei Themen der Digitalisierung und gleichzeitig nehmen 66 %
der befragten Unternehmen die Digitalisierung als größtes
Hindernis für die Weiterentwicklung der Unternehmen wahr.
Der Einsatz von KI-Systemen kann ein möglicher Erfolgsfaktor
werden. 25 % der Unternehmen sehen Chatbots als mögli-

chen Einsatz von KI-Systemen. 39 % der Kunden können sich
vorstellen, Sprachassistenten für Online-Handel zu nutzen.
In Berlin-Brandenburg entwickeln Handelsunternehmen KISysteme, um die kundenspezifische Ansprache, Marketingabläufe oder die innerbetriebliche Logistik zu verbessern. Zudem
bieten Unternehmen KI-Systeme an im Bereich der Logistikunterstützung, der zielgerichteten Werbung, des Produktvergleichs und des Diebstahlschutzes.

4.2.7 Industrie/Robotik
Der im internationalen Vergleich hohe Anteil industrieller
Produktion an der Gesamtwirtschaft weckt die Hoffnung, dass
KI-Systeme zur Erhöhung des Automatisierungsgrades beitragen
beziehungsweise die Qualität der Produktionsprozesse steigern könnten (Breunig, Wee, und Klein 2017). Der Einsatz von
KI-Systemen kann so einen maßgeblichen Wachstumsfaktor bei
der Modernisierung der industriellen Basis darstellen.

Drohnen spezialisiert haben, Trainingssysteme im Bereich
der Robotik anbieten, Augmented Reality Anwendungen für
Industrieanlagen entwickeln, sowie komplexe Produktionsprozesse simulieren können. Des Weiteren beschäftigen sich
KI-Unternehmen mit der Maschinenüberwachung, Predictive
Maintainance und Wartung mithilfe von KI-Systemen. Auch
die Datenanalyse im Bereich „Internet of Things“, Vernetzung
von Maschinen und Echtzeitanalyse in industriellen Prozessen
sind weitere Anwendungsbereiche der KI-Unternehmen in
Berlin-Brandenburg.

In Berlin-Brandenburg finden sich Unternehmen, die sich auf
teilautomatisierte Inspektionen von Großanlagen mithilfe von

4.2.8 Mobilität
Bekannteste Beispiele für KI-Systeme im Mobilitätsbereich
stellen Anwendungen rund um das autonome Fahren dar. Hohe
Forschungsausgaben und die Einführung von Fahrassistenzsystemen sind ein Grund für die hohe Sichtbarkeit dieses Feldes
der KI. In Berlin-Brandenburg wird neben den Kerngebieten
des autonomen Fahrens auch an anderen Themen der Mobilität
gearbeitet:

Es werden KI-Systeme für Straßenkarten, Apps für Fußgänger,
Annotierungen der Bilder für Bahn- und andere Verkehrssysteme sowie Mobilitätplanung von Infrastruktur angeboten.
Auch Augmented Reality Systeme für den Luftverkehr, Produktionssysteme für die Automobilbranche, datenbasierte Ride
Sharing Angebote, automatische Verkehrszeichenerkennung
für KFZ und Testsysteme für autonome Fahrzeuge werden in
Berlin-Brandenburg entwickelt.

29

4.3 Nutzer

Für die Nutzer von KI-Systemen liegen keine spezifischen
Daten aus Berlin-Brandenburg vor. Allerdings lassen sich die
Veröffentlichungen bundesweit erhobener Befragungen auf die
Hauptstadtregion übertragen. Endkonsumenten nutzen sprachund bildverstehende Systeme. In einer Umfrage im Auftrag des
Zentralverbandes Elektrotechnik- und Elektronikindustrie zeigte
sich, dass 20 % der Befragten und 30 % der jüngeren Befragten
der Jahrgänge 1980 bis 2000 Sprachsteuerung insbesondere
bei Smartphones und Fernsehern benutzen (GfK 2018).

parenz über die Potenziale von KI-Systemen erst geschaffen
werden muss (BMWi 2017). Die Autoren des Berichts sehen die
Anwendungen von KI-Systemen im Schwerpunkt bei Großunternehmen, welche die notwendigen Kapazitäten für Forschung
und Entwicklung in diesem Bereich bereitstellen können.
Die tatsächlichen Nutzerfirmen sehen positive Effekte durch
die Anwendung von KI-Systemen. In einer von Capgemini
durchgeführten Studie wurden knapp 1.000 Unternehmen aus
unterschiedlichen Branchen und Ländern über Projekte zur
Anwendung von KI-Systemen befragt. Eine deutliche Mehrheit
der Befragten bestätigte, dass die Anwendung von KI-Projekten
das Potenzial hat, die Umsätze zu steigern, die innerbetriebliche
Effizienz zu erhöhen, besser auf den Kunden zugeschnittene
Produkte beziehungsweise Dienstleistungen anzubieten und
die Analyse- sowie Vorhersageinstrumente zu verbessern
(Stancombe u. a. 2017).

Im Kontrast dazu wird der Bereich der KI-Anwendungen von
potenziellen Nutzerfirmen als nicht besonders relevant wahrgenommen. So gaben bei einer repräsentativen Umfrage von
Kantar TNS nur 2 % der teilnehmenden Firmen aus dem verarbeitenden Gewerbe an, Anwendungen aus dem KI-Bereich
zu nutzen. 79 % sahen keine Relevanz für die derzeitigen
Geschäftsbeziehungen. Dies zeigt, dass KI-Systeme heute
noch als Nischenthema wahrgenommen werden und Trans-

30

4.4 Projektion der zukünftigen Entwicklung
der KI-Unternehmen in Berlin-Brandenburg
Projektionen geben einen Einblick darüber, wie Entwicklungspfade der KI-Unternehmen in Berlin-Brandenburg aussehen
können. Die Auswirkungen der Anwendung der KI-Systeme
als Querschnittstechnologie können durch unterschiedliche
Entwicklungspfade dargestellt werden. Die Projektionen
hängen stark von weiteren technischen Entwicklungen ab.
Auch die rechtlichen und ökonomischen Rahmenbedingungen
beeinflussen weitere Entwicklungen am Standort Berlin-Brandenburg. International gibt es sehr optimistische Prognosen, die
so bisher in Deutschland nicht eingetreten sind. Die Entwicklung
der Finanzierungsmöglichkeiten, das Umfeld für Investoren und
die Nachfrage nach KI-Systemen wurden in den Experteninterviews immer wieder als wesentliche Entwicklungsfaktoren für

KI-Unternehmen benannt. Diese entwickeln sich dynamisch und
erschweren Projektionen.
Die Projektionen basieren auf dem geschätzten derzeitigen
Umsatz der KI-Unternehmen und zeigen, wie sich die Umsätze
bis 2025 entwickeln würden, bei unterschiedlichen Wachstumsprojektionen. Eine Abschätzung der Auswirkung auf die
Arbeitsplätze ist in diesem Rahmen nicht möglich. Einerseits
wird das Wachstum zu einer erhöhten Nachfrage nach KI-Fachkräften führen, andererseits kann der Einsatz von KI-Systemen
durch einen höheren Automatisierungsgrad und eine höhere
Effizienz zu einer geringeren Nachfrage nach Arbeitskräften
führen (Heinen, Heuer, und Schautschick 2017).

Abbildung 23
Projektion des Umsatzes der KI-Unternehmen in 2025 (in Mrd. Euro) für Berlin-Brandenburg

9
8
7
6
5
4
3
2
1
0
2017

2018

eco/Arthur D. Little (2013)
Statista/Tractica (2018)

2019

2020

Pretzell (2018)

2021

2022

Technologiestiftung (2018)

2023

2024

2025

Breunig, Wee, und Klein (2017)
Quelle: eigene Berechnung und Darstellung

31

sches Szenario ab. Durch KI-Unternehmen würde ein Umsatz
zwischen 2.890 und 8.550 Mio. Euro kreiert werden. Für
den Standort Berlin-Brandenburg bedeutet dies, dass KISysteme eine der dominierenden Anwendungen der IKT-Branche
bzw. der Gesamtwirtschaft darstellen. Die Umsatzsteigerung
könnte nicht mehr nur auf die Unternehmen der Softwareund Datendienstleister zurückgeführt werden, sondern auf die
strategische Anwendung der KI-Systeme in unterschiedlichsten
Anwendungsfeldern. Dies hätte für Wirtschaft, Verwaltung und
Wissenschaft nachhaltige Veränderungen zur Folge. Das aus
heutiger Perspektive schwer vorstellbare Szenario hängt noch
stärker als die anderen beiden Szenarien von einer positiven
internationalen Entwicklung und weiteren Innovationen bei
KI-Systemen ab.

Szenario 1 und 2: Branchenübliches Wachstum (eco/Arthur D.
Little 2013; Pretzell 2018)
Die Szenarien 1 und 2 zeigen, wie sich die Umsätze der KI-Unternehmen entwickeln, wenn die Dynamik des Wachstums
der KI-Unternehmen zurückgeht und sich auf dem Niveau der
Internet- bzw. der Digitalwirtschaft normalisiert. Dies wären
weiterhin jährliche Wachstumsraten von 7,1 % bis 13,8 %. Ein
normalisiertes Wachstum führt dazu, dass die KI-Unternehmen
in 2025 einen Umsatz in Berlin-Brandenburg zwischen 840
Mio. Euro und 1.360 Mio. Euro haben werden. Auch wenn sich
das Wachstum normalisiert, würden die KI-Unternehmen einen
relevanten Akteur der Berlin-Brandenburger Software- und
Datendienstleister darstellen.
Szenario 3: Fortschreibung des KI-spezifischen historischen
Wachstums (Technologiestiftung 2018)
Eine Fortschreibung des durchschnittlichen Wachstums der
Umsätze der letzten fünf verfügbaren Jahre würde zu einer
Wachstumsrate von durchschnittlich 19 % und zu einem
jährlichen Umsatz in 2025 von 2.000 Mio. Euro führen. Voraussetzung für das ambitionierte Szenario ist, dass die derzeitig
hohen Wachstumsraten der KI-Unternehmen erhalten werden
können. Dazu müsste sich das Berliner Ökosystem mit Startups, etablierten Unternehmen und Digitalwirtschaft weiterhin
positiv entwickeln. KI-Unternehmen würden einen substantiellen Anteil des Umsatzes der Software- und Datendienstleister
ausmachen.

Alle drei Szenarien spiegeln eine positive Erwartung an eine
breite Diffusion von KI-Systemen in der Berlin-Brandenburger
Region wider. Vergangene Entwicklungen anderer Technologien
zeigen, dass Versprechungen von Produktivitätssteigerungen
und verstärktes Wirtschaftswachstum durch neue Technologien
noch nie eine sich selbsterfüllende Prophezeiung waren (Jacobs
und Nahuis 2002).
Bei der Einführung von KI-Systemen können Unsicherheiten
über künftige Forschungserfolge, Verteilungseffekte und
fehlende Anreize eine Produktivitätssteigerung verhindern.
Zudem kann die zeitliche Verzögerung der Anwendung von
KI-Systemen ein Problem darstellen. Teilweise kann sich die
Wirkung der Anwendung von KI-Systemen nur mit komplementären Investitionen, z. B. in Infrastruktur, entfalten (Brynjolfsson,
Rock, und Syverson 2017).

Szenario 4 und 5: Optimistisches Szenario (Breunig, Wee, und
Klein 2017; Statista/Tractica 2018)
Basierend auf den Prognosen der Unternehmensberatungen
McKinsey und CB Insight zeichnet sich ein sehr optimisti-

32

5. Die öffentliche Forschungs- und Wissenschaftslandschaft in Berlin-Brandenburg
In der klassischen Innovationsforschung wird davon ausgegangen, dass Grundlagenforschung durch die öffentliche Hand
finanziert wird, während anwendungsnahe Forschungs- und
Entwicklungsprojekte überwiegend durch die Privatwirtschaft finanziert werden. Bei KI-Forschung ergibt sich ein
anderes Bild. International geschieht auch Grundlagenforschung im KI-Bereich in einem größeren Anteil durch private
Akteure. Die Forschung wird hier in einem stärkeren Maße
als in anderen Feldern durch die Privatwirtschaft geprägt.
Forscherwechsel aus der öffentlich finanzierten Forschung
zu privaten Unternehmen erregen immer wieder Aufmerksamkeit (Gibney 2016a). Auch hochrangige Konferenzen und
Veröffentlichungen in hochrangigen Journals werden durch
private Akteure bestimmt (Fingas 2016). Die Rahmenbedingungen für Wissenschaft in Berlin-Brandenburg müssen

im Kontext der internationalen
verstanden werden.

Forschungstätigkeiten

Für den Wirtschaftsstandort Berlin-Brandenburg sind eine
hohe Qualität der Lehre und Forschung für die Ausbildung von
kompetenten Fachkräften und die konkurrenzfähige Weiterentwicklung der KI-Systeme maßgeblich. Qualifiziert geschätzt
gibt es zwischen 50-65 Professoren, die zu unterschiedlichen
Anwendungsfeldern der KI in Berlin-Brandenburg forschen
und lehren. An vielen Forschungseinrichtungen und Hochschulen wird in theoretischen und angewandten Projekten
und Arbeitsgruppen an Themen der KI geforscht. Nicht nur in
den Kerngebieten Informatik und Kognitionswissenschaften,
sondern auch in interdisziplinären Forschungszusammenhängen wird an KI-Systemen geforscht.

5.1 Lehre zu KI in Berlin-Brandenburg
Die Ausbildung von KI-Fachkräften trägt zu einem verbesserten
Wissenstransfer zwischen Wissenschaftseinrichtungen und
Wirtschaft bei. Die Qualität der Ausbildung von KI-Spezialisten
wirkt sich mittel- bis langfristig auf die Fähigkeit der Region
aus, digitale Innovationen zu adaptieren.

in der Lage sein, Anwendungen von KI-Systemen im betrieblichen Umfeld zu implementieren und die dabei erlangten
Ergebnisse systematisch einzuordnen.
Digital Health (Hasso Plattner Institut 2018)
Der englischsprachige Masterstudiengang am Hasso Plattner
Institut der Universität Potsdam ermöglicht Medizin- und
Informatikstudierenden, ihre Kenntnisse im Bereich der
interdisziplinären Datenanalyse zu vertiefen. Im Fokus des
Masterstudiengangs stehen Datenschutz, Personalisierung und
individualisierte Therapien im Kontext der Arbeit mit Daten aus
der Gesundheitswirtschaft.

Lehrveranstaltungen im Fachgebiet KI werden an allen Universitäten und Hochschulen der beiden Bundesländer angeboten,
in denen Informatik studiert werden kann. Zudem erproben
Hochschulen und Universitäten in der Region Ansätze für neue
Studiengänge, um das Wissen über Anwendungen von KI-Systemen für IT-Fachkräfte zugänglicher machen.
Im Folgenden werden Beispiele unterschiedlicher Lehrkonzepte
aus den KI-Fachbereichen dargestellt. Ein besonderer Schwerpunkt liegt in der Region auf der Entwicklung neuer Studiengänge
im KI-Bereich und der Bündelung von Lehrkompetenzen in Labs:

Robotic Lab (TH Wildau 2018)
Das Robotic Lab versetzt Studierende schon früh in die Lage,
Praxiserfahrung im Bereich Robotik zu sammeln. Das am
Studiengang Telematik verortete Lab setzt Lehrroboter in Lehrveranstaltungen ein. Darüber hinaus können Studierende eigene
Forschung im Rahmen von Abschlussarbeiten durchführen. Hier
steht neben den technischen Fragen auch die Untersuchung
über soziale Interaktion mit humanoiden Robotern im Mittelpunkt des Robotic Lab.

Cognitive Systems: Language, Learning and Reasoning (Universität Potsdam 2018a)
Der englischsprachige konsekutive Master ist interdisziplinär
ausgestaltet. Es werden Lehrveranstaltungen aus den Bereichen
Linguistik, ML und KI angeboten. Zielsetzung des Studienganges
ist es, Studierende dazu auszubilden, kognitive Prozesse der
Informatik zu verstehen. Der Abschluss des Masters soll es
ermöglichen, in den Bereichen der Industrieforschung beziehungsweise der universitäreren Forschung zu arbeiten.

Labor für Künstliche Intelligenz (TH Brandenburg 2018)
Das Labor für Künstliche Intelligenz ermöglicht Studierenden
der Informatik praktische Projekte im Fachbereich KI in Form
von Studienprojekten und Abschlussarbeiten. Neben unterschiedlichen Vertiefungen im Bereich der Wissensverarbeitung
und der Methoden der KI können Studierende ihre Kenntnisse
im Bereich der kollaborativen Robotik vertiefen. Im Labor für
Künstliche Intelligenz werden darüber hinaus Schülerprojekte
zur Robotik unterstützt, nationale und internationale Studierendenwettbewerbe begleitet sowie Abschlussarbeiten in
Zusammenarbeit mit KI-Unternehmen betreut.

Data Science (Beuth Hochschule für Technik Berlin 2018)
Der englischsprachige Masterstudiengang Data Science bildet
Spezialisten in den Bereichen Machine Learning und Big Data
Analyse aus. Zusätzlich sind wirtschaftswissenschaftliche sowie
datenethische Themen Bestandteil des Studiums. Nach Absolvierung des Studiengangs Data Science sollen die Absolventen
33

5.2 Forschung an Hochschulen und
außeruniversitären Forschungseinrichtungen
Die Forschungslandschaft in Berlin-Brandenburg ist geprägt
von Forschungsthemen in vielfältigen Anwendungsfeldern
der KI. Akteure sind unter anderem Universitäten, forschungsstarke Hochschulen und außeruniversitäre Forschungsinstitute.
Besonders zu Themen der kollaborativen Robotik, Sprach- und
Bildverarbeitenden Systemen wird in der Region geforscht.
Im Folgenden werden Forschungskollaborationen aus BerlinBrandenburg vorgestellt:

Data Science in Agriculture (ATB Potsdam 2018)
Die Nachwuchsgruppe „Data Science in Agriculture“ am LeibnizInstitut für Agrartechnik und Bioökonomie untersucht mithilfe
von KI-Systemen Themen der Argartechnik sowie
-wissenschaft. Es wird u. a. zu Themen der visuellen Daten und der
Mustererkennung geforscht.
Distributed Artificial Intelligence Laboratory (TU Berlin 2018b)
Das DAI-Labor untersucht Anwendungen von KI-Systemen
im experimentellen Umfeld zur Lösung gesellschaftlicher
Probleme. Ziel ist es, in praxisnahen Kooperationsprojekten
KI-Systeme zu erforschen, zu dokumentieren und nutzbar zu
machen. In der Forschung des DAI-Labors steht die nutzerzentrierte Entwicklung neuer Dienstleistungen und intelligenter
Systeme im Vordergrund. Insbesondere Themen aus der Energietechnik, Verwaltung und Gesundheit werden im DAI-Labor
bearbeitet.

Berlin Big Data Center (TU Berlin 2018b)
Im Berlin Big Data Center arbeiten Forscher der TU Berlin, der
Beuth Hochschule, des DFKI, des Zuse-Instituts Berlin (ZIB),
des Fraunhofer-Instituts für Nachrichtentechnik (HHI) und
des Fritz-Haber-Instituts der Max-Planck-Gesellschaft (FHI)
zusammen. Das Konsortium hat das Ziel, Grundlagenforschung
und angewandte Forschung im Bereich der Big Data Analysen
durchzuführen. Die interdisziplinäre Zusammenarbeit soll das
Umfeld für Wissenstransfer und für die Ausbildung von Data
Scientists verbessern sowie die Partizipation der Gesellschaft
am technologischen Fortschritt ermöglichen.

Forschungszentrum Data Science (Beuth Hochschule für
Technik Berlin 2018b)
Hier sind die Kompetenzen im Bereich Data Science der Beuth
Hochschule gebündelt. Das Forschungszentrum Data Science
beschäftigt sich mit angewandten Fragestellungen aus den
Bereichen Mathematik, Medien und Informatik und auch die
Grundlagenforschung in Kooperation mit Partnerunternehmen
aus der Region wird hier durchgeführt.

Centrum für biomedizinische Bild- und Informationsverarbeitung (HTW Berlin 2018)
Das CBMI wurde 2017 gegründet mit dem Ziel, die datengetriebene Forschung an der HTW Berlin zu fördern. Das CBMI
forscht an KI-Systemen im Bereich Biotechnologie und Medizintechnik in Zusammenarbeit mit KMU. Schwerpunktmäßig
sollen die Kompetenzen der Methodenentwicklung vor allem
bei Bild- und Signaldaten, Transparenz bei der Datenanalyse,
Datenanalyse in Echtzeit sowie Entwicklung sicherer Dateninfrastruktur gefördert werden. Das CBMI erhält für drei Jahre
vom Europäischen Entwicklungsfonds Fördermittel.

Smart Data Forum (DFKI 2018)
Das Smart Data Forum unter Leitung des DFKI in fachlicher
Mitarbeit des Fraunhofer HHI und des Fraunhofer-Instituts für
Intelligente Analyse- und Informationssysteme (IAIS) dient als
Showroom, um Anwendungen aus dem KI-Bereich vorzustellen
und die Vernetzung sowie den Wissensaustausch zwischen
Wissenschaft und Wirtschaft zu befördern.

Dahlem Center for Machine Learning and Robotics (FU Berlin
2018)
Im „Dahlem Center for Machine Learning and Robotics“ an der
FU Berlin wurden vier Arbeitsgruppen aus den Forschungsbereichen Robotik, autonome Automobile, kognitive und
künstliche Intelligenz sowie Logik und automatische Beweise
gebündelt. Das Forschungszentrum konzentriert sich auf
Grundlagenforschung im Bereich des MLs und unterschiedlicher
KI-Anwendungen, insbesondere der Robotik.

Sonderforschungsbereich (SFB) 1294 Datenassimilation
(Universität Potsdam 2018b)
Der SFB 1294 wird von der Universität Potsdam koordiniert.
Zudem sind die HU Berlin, die TU Berlin, das Weierstraß-Institut
Berlin (WIAS), das Geoforschungszentrum Potsdam (GFZ) und die
Universität Magdeburg beteiligt. Im Rahmen des interdisziplinär
angelegten Forschungsbereichs mit Beteiligten aus Mathematik,
Statistik, Informatik und Naturwissenschaften werden Anwendungsfelder für KI-Verfahren, wie z. B. Medizin, Biophysik,
Kognitionswissenschaften und Geowissenschaften, untersucht.

34

5.3 Forschungs- und Innovationsförderung
am Beispiel der Projektförderung des Bundes
Auf Basis der Definition der KI-Anwendungsfelder nach Wahlster
(2017) wurde exemplarisch die Datenbank FÖKAT ausgewertet, um durch den Bund geförderte KI-relevante Projekte
zu bestimmen. Für den Zeitraum 2007 bis 2017 konnten
insgesamt 273 KI-bezogene aus 9.162 geförderten Projekten
in Berlin-Brandenburg identifiziert werden, davon wurden 41
KI-Projekte aus Brandenburg und 232 KI-Projekte aus Berlin
gefördert. 104 Projekte laufen derzeit noch (Stand: 01. August

2018). Im zehnjährigen Durchschnitt werden über 27 Projekte
im Jahr neu gefördert, wobei im Jahr 2017 mit 60 geförderten
Projekten ein neuer Höchstwert bei der Anzahl der geförderten
Projekte im KI-Bereich erreicht wurde. Durchschnittlich werden
die Projekte mit einer Fördersumme von knapp über 430.000
Euro pro Projekt gefördert. Regionalen KI-Akteuren gelingt also
eine relevante Einwerbung von Bundesfördermitteln .

Abbildung 24
Vom Bund geförderte KI-relevante Projekte (2007-2017) in Berlin-Brandenburg (n=273)
80

60

40

20

0
2017
2007

2008

2009

2010

2011

2012

2013

2014

2015

2016

Quelle: FÖKAT, eigene Berechnung und Darstellung

Die identifizierten Projekte beinhalten ein Fördervolumen von
insgesamt 117 Mio. Euro mit Projektzeiträumen zwischen 20072017. Davon wurden 103,2 Mio. Euro für Berliner und 13,8
Mio. Euro für Brandenburger Institutionen und Unternehmen
bewilligt. Der größte Teil, über 70 Mio. Euro, wurde seit 2014
gefördert.9 Wichtigster Fördergeber nach Anzahl der geför-

für Bildung und Forschung (BMBF), welches forschungsnähere
Projekte fördert, gefolgt vom Bundesministerium für Wirtschaft
und Energie (BMWi), welches in der Regel anwendungsnähere
Projekte fördert. Die Förderung für KI-Projekte aus dem Bundesministerium für Ernährung und Landwirtschaft (BMEL) sowie
Bundesministerium für Verkehr und Infrastruktur (BMVI) spielte
nur eine untergeordnete Rolle.

derten Projekte und Fördersumme ist das Bundesministerium

9

Die Anzahl der geförderten KI-relevanten Projekt hat im Jahr 2009 einen kleineren Höchststand, da zwei Verbundprojekte mit jeweils 6 (Bernstein
Fokus Lernen) und 11 Projekten (Intelligente Dienste und Dienstleistungen für Senioren -SmartSenior) gestartet sind.
35

Abbildung 25
Summe vom Bund geförderter KI-relevanter Projekte in Berlin-Brandenburg, in Mio. Euro (n=273)

4,27

2007

5,54

2008

22,11

2009

2,35

2010

2,63

2011

4,71

2012

3,56

2013

21,10

2014

16,95

2015
2016

14,26
19,59

2017

Quelle: FÖKAT, eigene Berechnung und Darstellung

Abbildung 26
Bundesmittel für KI-relevante Projekte nach Fördergeber
75 %

21 %

BMBF

2%

3%

BMEL

BMVI

BMWi
Quelle: FÖKAT, eigene Berechnung und Darstellung

Abbildung 27
Anzahl der vom Bund geförderten KI-relevanten Projekte nach Fördergeber
67 %

26 %

BMBF

4%

3%

BMEL

BMVI

BMWi
Quelle: FÖKAT, eigene Berechnung und Darstellung

36

Ein Vergleich aller geförderten Projekte im Förderzeitraum in
Berlin-Brandenburg mit KI-Projekten zeigt, dass die Förderung
zwischen KI-Projekten und allen Projekten sich strukturell unterscheidet. Die Zuwendungsempfänger von KI-Projekten sind im
Vergleich zu allen geförderten Projekten häufiger Universitäten

und Unternehmen. Dies wirkt sich auch auf die Fördersumme
aus. Allerdings erhalten nicht-universitäre Forschungsinstitute
oft höhere Fördersummen. Die im Vergleich dazu geringeren
Fördersummen der Unternehmen dürften aus den Beihilferecht
entsprechenden geringeren Förderquoten resultieren.

Abbildung 28
Anzahl Zuwendungsempfänger nach Organisation in Berlin-Brandenburg für

KI-relevante und

alle Projekte

44 %

42 %

32 %
26 %
21 %
17 %

6%
4%
Forschungsinstitut

5%

Hochschule

4%
Universität

Unternehmen

Sonstige

Quelle: FÖKAT, eigene Berechnung und Darstellung

Abbildung 29
Förderrahmen Zuwendungsempfänger nach Organisation in Berlin-Brandenburg

KI-relevante und

alle Projekte

55 %

33 %

30 %

26 %
20 %
14 %

13 %
3%

Forschungsinstitut

3%

Hochschule

3%

Universität

Unternehmen

Sonstige

Quelle: FÖKAT, eigene Berechnung und Darstellung

37

Eine Auflistung der 10 Berliner und 3 Brandenburger Projekte
mit den höchsten Fördervolumina zeigt, dass insbesondere
die Vernetzung sowie Infrastruktur für KI-Forschung und

unterschiedliche Anwendungsgebiete wie Expertensysteme,
kollaborative Robotik und sprach- sowie bildverstehende
Systeme gefördert werden.

Tabelle 2
Ausgewählte Projekte mit KI-relevanten Inhalten in Berlin (Laufzeitbeginn 2007–2017)

Fördergeber

Zuwendungsempfänger

Thema

Laufzeit

Fördersumme (in Euro)

1

BMBF

Konrad-Zuse-Zentrum
für Informationstechnik
Berlin (ZIB)

Forschungscampus Modal - Mathematical
Optimization and Data Analysis
Laboratories. Antrag auf die erste
Hauptphase (Implementierung) des
Forschungscampus Modal

2014-2019

8.903.200

2

BMBF

Technische Universität
Berlin

Verbundprojekt: BBDC - Berliner
Kompetenzzentrum für Big Data

2014-2018

4.720.021

3

BMWi

Technische Universität
Berlin

iBOSS-3 - Intelligentes Baukastensystem
für das On-Orbit Satelliten-Servicing und
-Assembly, Teilvorhaben: Koordination und
Modulares Raumsegment

2015-2018

4.586.118

4

BMBF

Technische Universität
Berlin

Alternativmethoden - Verbund: HOC Etablierung und Tauglichkeitstestung
einer Pilotversuchsanlage für den
Einsatz von ‚Human-on-a-chip‘ RoboterPrototypen zur aussagekräftigen Testung
beliebiger Substanzen im Ersatz zu
Tierversuchsanlagen - Teilprojekt 1

2016-2021

4.535.356

5

BMBF

Technische Universität
Berlin

Intuitive sozio-technische Interaktion
- Kommunikation, Handlung und
Wahrnehmung von Menschen und
Roboter-Assistenzsystemen im Kontext des
demographischen Wandels

2014-2019

3.007.860

6

BMBF

Technische Universität
Berlin

Verbundprojekt: Intelligente Dienste
und Dienstleistungen für Senioren
-SmartSenior-, Teilvorhaben: Service
Infrastructure and Usability Engineering

2009-2012

2.756.736

7

BMBF

Charité - Universitätsmedizin Berlin

Verbundprojekt: Intelligente Dienste
und Dienstleistungen für Senioren
-SmartSenior-, Teilvorhaben: Anwendungen
zur Schlaganfall-Reha, Sturzintervention u.
Fahrleistungserfassung

2009-2012

2.312.293

8

BMWi

Freie Universität Berlin

ForMaT2: Autonomie- und
Fahrerassistenzsysteme für PKW und LKW

2009-2011

2.219.211

9

BMWi

Technische Universität
Berlin

Verbundvorhaben: iBOSS-2 - Intelligentes
Baukastensystem für das On-OrbitSatelliten Servicing, Teilvorhaben:
Koordination und Raumsegment

2012-2015

2.076.311

10

BMBF

Freie Universität Berlin

Verbundprojekt: Bernstein Fokus
Lernen - Insekten inspirieren Roboter:
Über die Rolle von Gedächtnis bei der
Entscheidungsfindung

2009-2015

1.722.400

FÖKAT, eigene Bearbeitung und Darstellung

38

Tabelle 3
Ausgewählte Projekte mit KI-relevanten Inhalten in Brandenburg (Laufzeitbeginn 2007–2017)

Fördergeber

Zuwendungsempfänger

Thema

Laufzeit

Fördersumme (in Euro)

1

BMBF

IHP GmbH - Innovations
for High Performance
Microelectronics/Leibniz-Institut für innovative Mikroelektronik,
Frankfurt (Oder)

Förderschwerpunkt: AVS Verbundvorhaben: RealFlex
- Integration zuverlässiger
drahtloser Kommunikationssysteme
in Sensor-/Aktornetze in
Automatisierungsanwendungen Teilvorhaben: Sichere, intelligente,
modulare Sensornetze mit
Echtzeit-Eigenschaften in
Automatisierungssystemen

2007-2010

968.637

2

BMBF

Universität Potsdam

Verbundprojekt: Hybride Narrativität Digitale und kognitive Methoden zum
Leseverständnis graphischer Literatur.
Teilprojekt: Eyetracking und Datenanalyse

2015-2019

913.698

3

BMBF

Hasso-Plattner-Institut
für Digital Engineering
gGmbH, Potsdam

Wachstumskern D-Werft - Verbundprojekt
4: Distributionstechnologien, TP4.2:
Technologien für Linked Production Data,
Semantische Multimedia-Analyse und
Suche, intelligente Empfehlungssysteme

2015-2019

853.524

FÖKAT, eigene Bearbeitung und Darstellung

39

6. Empfehlungen

Fortschritte in KI-Systemen bestimmen aktuell maßgeblich Entwicklungen im Bereich der IKT mit. Das gilt auch
für Berlin-Brandenburg. Derzeit werden Entwicklungen im
KI-Bereich durch amerikanische und chinesische Akteure
bestimmt (Fingas 2016, Gibney 2016a), die weltweit
den größten Anteil der privaten Forschung finanzieren.
Deutsche Akteure, insbesondere auch aus Berlin-Brandenburg, tragen allerdings erkennbar zum europäischen
KI-Ökosystem bei. Die Hauptstadtregion kann auf ein
Ökosystem mit einer großen und diversen Forschungslandschaft, innovativen Unternehmen und einer international
wahrgenommenen Gründerszene aufbauen.

In der Wirtschaft Berlin-Brandenburgs etabliert sich derzeit
ein Ökosystem mit KI-Unternehmen. Dies erweckt nicht
nur bei deutschen, sondern auch bei internationalen Großunternehmen Interesse. Mit rund 0,5 Mrd. Euro werden auch
bereits relevante Umsätze erzielt. Zudem kann die Anwendung von KI-Systemen die Modernisierung einer Vielzahl
möglicher Anwenderbranchen unterstützen. Der Wissenschaft liefern KI-Systeme sowohl neue Forschungswerkzeuge
als auch Forschungsfelder in der Weiterentwicklung solcher
Systeme.
Auch wenn die Erwartung einer „General Purpose Technology“
sich erst in Zukunft belegen lassen muss, werden KI-Systeme
derzeit als Innovationstreiber in verschiedenen Branchen
betrachtet. Aus den Ergebnissen dieser Studie, der Kenntnis
der internationalen Entwicklungen und vor dem Hintergrund
bundes- und europapolitischer Aktivitäten ergeben sich die
nachstehenden Handlungsempfehlungen.

In der Wissenschaft gibt es bedingt durch eine hohe Dichte
an Hochschulen und Wissenschaftseinrichtungen eine Vielzahl an Forschenden und Lehrenden zu KI-Themen. Auch
das DFKI als größtes deutsches KI-Forschungszentrum hat in
Berlin ein Projektbüro.

40

6.1 Berlin-Brandenburg benötigt eine
strategische Ausrichtung im KI-Umfeld
Auf nationaler und supranationaler Ebene gibt es bereits
verschiedene Ansätze strategischer Leitlinien und –grundsätze
zu KI-Systemen sowie deren Auswirkung auf die Gesellschaft.
Beispielsweise wird in der Europäischen Union derzeit ein
Konzept diskutiert, in dem die Forschung zu künstlicher Intelligenz und deren soziale sowie ökonomische Auswirkungen
angesprochen werden. Darüber hinaus haben unter anderem
Schweden, Frankreich und Großbritannien KI-Strategien ausformuliert. Auf Bundesebene gibt es eine Enquete-Kommission,
um bis 2020 „Antworten auf die Vielzahl an technischen, rechtlichen, politischen und ethischen Fragen im Kontext von KI zu
erarbeiten“ (Bundestag 2018).

unterschiedlichen Branchen zu zeigen und unterstützende
Maßnahmen für die Entwicklung ausgewählter Handlungsfelder
und Standortvorteile (Ökosystem mit KI-Startups, internationale
Forschung, gute Finanzierungsmöglichkeiten für Gründungen im
KI-Bereich) zu definieren. Für den Standort Berlin-Brandenburg
wurde in den Experteninterviews vermehrt der Wunsch geäußert, eine Fokussierung auf ausgewählte Anwendungsfelder
der KI zu erreichen und dadurch die Wettbewerbsfähigkeit
des Standorts zu steigern. Eine strategische Positionierung im
Bereich KI könne sich so positiv auf Handlungsbedingungen
für Akteure aus Wirtschaft, Wissenschaft und Verwaltung
auswirken. Zur Einleitung einer Strategieformulierung sollte
möglichst schnell die Aufnahme eines Handlungsfeldes „Künstliche Intelligenz“ im Cluster „IKT, Medien und Kreativwirtschaft“
der regionalen Innovationsstrategie InnoBB erfolgen.

Eine KI-Strategie auf regionaler Ebene erlaubt es, die Rahmenbedingungen als Orientierung für die handelnden Akteure in

6.2 KI-Spezialisten als Wissensträger
Wissen über KI-Systeme ist maßgeblicher Faktor im Wettbewerb der Regionen. Dies gilt für Wissenschaft und Wirtschaft
gleichermaßen. Eine nachhaltige regionalwirtschaftliche
Entwicklung ist eng an die Absorption von Technologiekompetenz durch Unternehmen und andere anwendende Institutionen
gebunden. Zusätzlich ist KI-Know-how durch ein hohes Maß
an Komplexität sowie schnellen Fortschritt charakterisiert.
Demzufolge ist in diesem Handlungsfeld der Wettbewerb um
KI-Fachkräfte zentral.

notwendig. Unterschiedliche Einsatzgebiete in Anwendung,
Entwicklung oder Forschung erfordern anwendungsorientierte,
spezialisierte und modulare Schwerpunkte, je nach dem in
welchem Einsatzgebiet KI-Experten eingesetzt werden.
Von den befragten Experten wird es, wiederum sowohl in
der Wissenschaft als auch in der Wirtschaft, als besonders
schwierig empfunden, KI-Spitzenforscher und leitende KIEntwickler zu finden. Eine qualitativ hochwertige Ausbildung
mit internationaler Strahlkraft kann hierbei einen deutlichen
Standortvorteil darstellen, da die Region in Teilgebieten schon
einen guten Ruf genießt. Über die spätere Berufstätigkeit von
in der Region ausgebildeten KI-Fachkräften ist allerdings wenig
bekannt. Eine Erhebung zum Verbleib der Absolventen und
zur Herkunft des vorhandenen Spitzenpersonals in KI-Themen
ist hilfreich bei der Entwicklung geeigneter Maßnahmen. Auch
kann die Förderung von (berufsbegleitenden) Weiterbildungsmaßnahmen hilfreich sein, KI-Systeme auch für Anbieter und
Nutzer leichter nutzbar zu machen. Zudem bietet sich für die
Hochschulen an, Alumnipflege in Kooperation mit regionalen
Unternehmen auszuüben, um für Absolventen die Region als
attraktiven Arbeitsort zu positionieren

In Hochschulen und Universitäten ist es wichtig, oft projektbezogen aufgebautes Wissen der KI-Forscher auch längerfristig
nutzen und darauf aufbauen zu können. In den Expertengesprächen wird der Wunsch geäußert, durch Kontinuität in der
Forschungsförderung den Abfluss von Wissen zu verhindern.
Die Sicherung der Kontinuität der KI-Forschung ist gleichzeitig
eine Aufgabe für die strategische Entwicklung der Hochschulen
und Forschungsinstitute selbst.
Für Anbieter und Anwender von KI-Systemen ist die Deckung
des Bedarfs an qualifizierten Fachkräften zentral. Ansätze zu
strukturierten Ausbildungsgängen im Bereich Data Science
und KI findet man in der Region Berlin-Brandenburg. Es ist
eine aktive Diskussion zwischen Hochschulen und Wirtschaft
notwendig über die Anforderungen an berufliche Bildung und
Studium von KI-Spezialisten. Auch in Zukunft ist eine Vielfalt
an unterschiedlichen Qualitätsniveaus und zeitlichen Intensitäten der Ausbildungsgänge beziehungsweise Studiengänge

Berlin Brandenburg ist ein beliebter Arbeitsort nicht nur
deutschlandweit, sondern auch im internationalen Vergleich.
Die Erhöhung der Transparenz und die Weiterentwicklung
fremdsprachiger Informationsangebote für potenzielle Mitarbeiter aus dem Ausland können unterstützend wirken.

41

6.3 Einsatz von finanziellen Ressourcen

Dass finanzielle Ressourcen für die Entwicklung von KI insbesondere in den Vereinigten Staaten und China konzentriert
sind, wird sich kurz- bis mittelfristig nicht ändern. Diese Wahrnehmung wird von Akteuren der Wirtschaft, Verwaltung und
Wissenschaft geteilt. Umso wichtiger für eine weiterhin positive Entwicklung der regionalen Wirtschaft ist der effiziente
Einsatz der zur Verfügung stehenden Mittel für Innovationen.
Die Innovationsausgaben der Wirtschaft in Berlin haben sich
in 2016 mit 3,4 Mrd. Euro auf einem hohen Niveau stabilisiert.
Da Investitionen in KI-Systeme für die Wettbewerbsfähigkeit
entscheidend sein können, ist Akteuren aus KI-anwendenden
oder potenziell anwendenden Unternehmen zu empfehlen, sich
Potenziale der KI-Nutzung im Rahmen ihrer Innovationsaktivitäten zu erschließen. Maßnahmen des Technologietransfers
bzw. von Clustermanagements sollten hier weitere Überzeugungsarbeit leisten.

Öffentliche Förderung kann einen unterstützenden Beitrag
leisten, um Wissenstransfer zu stärken. Berlin und Brandenburg stellen dafür eine Reihe Instrumente zur Verfügung, die
auch für KI genutzt werden können. Die fördernden Institutionen sollten ein Augenmerk darauf richten, ob Anträge von
potenziellen KI-Anwendern für Projekte zur Erprobung, Anpassung oder Einführung von KI-Systemen ausreichend zum Zuge
kommen oder ob besondere Hürden feststellbar sind. Zudem
sollten Fördergeber bei großen Forschungs- und Entwicklungsverbünden auf Andockmöglichkeiten für assoziierte Partner
dringen, um Wissenstransfer in die Praxis zu unterstützen.
Für die Förderung von Verbünden zwischen Wirtschaft und
Forschung bieten sich regionale Leuchtturmprojekte an, in
denen Themenbereiche wie Smart Hospital, Smarte Behörde, KI
in strukturschwachen Regionen oder die Einrichtung von Testbeds für smarte Systeme beispielgebend sein können. Neben
der klassischen Projektförderung erscheinen GRW-Innovationscluster sowie Fördermittelwettbewerbe hierfür als geeignete
Instrumente.

42

6.4 Datenverfügbarkeit, Transparenz und
Openness
Die Verfügbarkeit digitaler Daten ist die Voraussetzung für
die erfolgreiche Nutzung von KI-Systemen. Dadurch sind die
Anwendungsfelder wesentlich erweitert worden. Sowohl im
Forschungsumfeld als auch in innovativen Unternehmen stellen
Daten eine kritische Ressource dar. Mehr und einfacher auffindbare Open Data einschließlich zugehöriger APIs, auch offene
„Live-Daten“ aus Sensoriken öffentlicher Institutionen wie
Verkehrszähler und 3D Lidar-Daten, können die Attraktivität
der Region als Standort für Innovationsaktivitäten und Tests
neuer Anwendungen erhöhen.

Die Unterstützung von Open Source in KI-Projekten kann
für den Technologietransfer und die Anwendung durch junge
Unternehmen und damit für die Weiterentwicklung der Technologie in der Praxis hilfreich sein. Öffentlich geförderte Projekte
nehmen hierfür eine Vorbildfunktion ein. Public Money – Public
Code sollte zumindest bei voll öffentlich finanzierter FuE in
öffentlichen Institutionen zum Regelfall werden.
Es gibt ein Spannungsfeld von Datenschutz und Datennutzung
bei KI-Systemen. KI-Systeme ermöglichen neue Forschungskonstellationen der interdisziplinären Zusammenarbeit. Es gibt
allerdings Regelungsbedarf beim Umgang mit sensiblen personenbezogenen Daten, z.B. im Zusammenhang mit medizinischen
Forschungsprojekten. Hier ist es wünschenswert, Lösungen zu
finden, die einerseits den Schutz personenbezogener Daten
sicherstellen, eine rechtssichere Anonymisierung gewährleisten, andererseits aber auch Forschungen mit positivem
Nutzen für die Gesellschaft ermöglichen. Forschungsprojekte zu
automatisierten Anonymisierungsverfahren versprechen neue
Kenntnisse. Auch die Verfügbarkeit von virtuellen Datenräumen
für Grundlagenforschung in öffentlichen Forschungseinrichtungen sollte erleichtert werden. In virtuellen Datenräumen
könnte die interdisziplinäre und organisationsübergreifende
Zusammenarbeit bei der Bearbeitung von sensiblen Daten
unter Gewährleistung des Datenschutzes sichergestellt werden.

Fehlende Transparenz im Umgang mit KI-Systemen sowie
fehlendes Wissen über die Funktionsweise von KI-Systemen
wird in den Interviews als maßgebliches Hemmnis von den
Experten angeführt. Die gesellschaftliche Debatte über den
Einsatz von KI sollte durch eine bessere Aufklärung über
den Stand der Technik, den Einsatz von KI-Systemen bei
der Selektion von Informationen und Entscheidungen sowie
Einspruchsmöglichkeiten beim Einsatz von KI-Systemen
versachlicht werden und dadurch Akzeptanz schaffen. Wo dies
zutrifft, sollten die an KI-Aktivitäten beteiligten Stakeholder
zeigen, dass KI-Systeme in der Regel Entscheidungen nicht von
Menschen zu Maschinen verlagern, sondern vor allem Effizienzprobleme lösen. Oftmals beschäftigen sich KI-Unternehmen
mit Problemen, die seit Jahrzehnten bekannt sind. Lösungen
werden im Bereich der Warenlogistik, des Vorsortierens von
Post, Dokumenten, Bildern und Filmen oder auch der Internetsuche angeboten. Ein Beispiel stellen die Maßnahmen in
den Bereichen Open Data und Open Source dar, die unterstützend bei der Erhöhung der gesellschaftlichen Akzeptanz beim
Einsatz von KI-Systemen wirken.

In Berlin-Brandenburg gibt es international anerkannte KIForschung. Erste Schritte zur besseren Sichtbarkeit der KIForschung wurden durch Wissenschaftseinrichtungen und Wirtschaftsförderer eingeleitet und sind insbesondere im Hinblick
auf die internationale Wettbewerbssituation ein notwendiger
Schritt, der im Standortmarketing weiter verfolgt werden sollte.

43

6.5 Nutzung von KI-Systemen durch
öffentliche Verwaltungen
Der Einsatz von KI-Systemen für die Verwaltung kann in
Zukunft eine wichtige Rolle spielen. Erste Ansätze diesbezüglich
gibt es schon. Ein Beispiel hierfür ist z.B. der im Rahmen des
Forschungsprojektes Semantische Sprachorientierte Dialogsysteme (SSDS9) entwickelte virtuelle Bürger-Service-Assistent,
der Fragen zur öffentlichen Verwaltung beantworten kann.10
Im Zuge der Digitalisierung stellen KI-Systeme einen wesentlichen Baustein dar bei der effizienten Durchführung von
Verwaltungsverfahren, von Chatbots über das Vorsortieren von
Anfragen bis zu Predictive Analysing von Verkehrsströmen,
Bevölkerungszahlen und -verteilungen sowie einer Vielzahl
weiterer planungsrelevanter Daten.

Es ist weitere Forschung notwendig, wie KI-Verfahren in der
Verwaltung im Zuge der Verwaltungsmodernisierung rechtssicher und nachvollziehbar ausgestaltet eingesetzt werden
können. Zudem sollte der Übergang von Forschungsprojekten
in einen Regelbetrieb gewährleistet werden, da derzeit viele
der Anwendungen noch im Forschungsstadium sind. Hierfür
sind Budgets für öffentliche FuE-Aufträge und für die Einführung von Modernisierungstechnologien ein passender Treiber.
Der Einsatz von KI-Systemen in unterschiedlichen Themenfeldern, wie z.B. der Mehrsprachigkeit und der Barrierefreiheit,
kann ein sinnvolles Handlungsfeld hierfür darstellen. Die Definition von Prozessen zur Nutzung strukturierter Daten ist bei
der Verwendung von KI-Systemen, sowohl verwaltungsintern
als auch für die Bereitstellung von Open Data ein wichtiges
Thema. Nicht zuletzt müssen die neuen Technologien aber auch
eingesetzt werden.

6.6 KI-Wissen und seine Sichtbarkeit
Räumliche Nähe ist im wissensintensiven Umfeld, wie im
Gebiet der KI, ein zentraler Faktor. Dies zeigt sich auch in
Berlin-Brandenburg.
Technologieorientierte
Gründungen
siedeln sich in Innovationshotspots an. Gründe dafür sind die
Nähe zu wissensintensiven Institutionen, wie Hochschulen
und Forschungsinstitutionen, aber auch der Austausch in Netzwerken mit anderen wissensintensiven Unternehmen. Um
überregional als räumliches Cluster sichtbar zu sein, ist die
enge Verflechtung des Stadtstaats Berlin mit den umliegenden
Brandenburger Räumen zu betonen.

Konzentration der Aktivitäten der innovativen Akteure im
IKT-Bereich bietet, kann ein Standortfaktor sein, der Wissensprozesse beschleunigt und die Sichtbarkeit erhöht.
Ansatzpunkt für die Arbeit von Intermediären im Clustermanagement und im Technologietransfer ist die Konzentration auf
die wichtigsten Schwerpunkte der regionalen KI-Wirtschaft.
Transferaktivitäten und Clusterentwicklung sollten deshalb
unter anderem bei „Business Intelligence und Prozessmanagement“ ansetzen. Die Diskussion über KI-Anwendungen wird
derzeit auf einem abstrakten und theoretischen Niveau geführt.
Die Kommunikation über realitätsnahe Anwendungsbeispiele,
z.B. im Bereich der Prozessverbesserung sollte in den Vordergrund gestellt werden, um das Verständnis der Wirtschaft,
insbesondere der IKT-Branche, für die Anwendungen von
KI-Systemen zu stärken.

Der räumlich konzentrierte Wissenstransfer kann bei zukünftigen Entwicklungen im KI-Bereich in Berlin-Brandenburg einen
Standortvorteil darstellen. Aufgrund der schnellen Entwicklung
des komplexen Wissens wird der Austausch zwischen Wissenschaft, Startups und etablierten Unternehmen immer wichtiger.
Die Etablierung eines Ortes für KI-Lösungen, der Raum zur

10

Abrufbar unter: https://ssds2.aot.tu-berlin.de/va/ (Abruf 02. Juli 2018).
44

6.7 Übersicht über die
Handlungsempfehlungen
(Haupt-)Adressat

Empfehlung

Politik und
Verwaltung in den
Ländern

· Formulierung einer KI-Strategie
· Aufnahme eines Handlungsfeldes „Künstliche Intelligenz“ im Cluster „IKT, Medien und Kreativwirtschaft“
der regionalen Innovationsstrategie InnoBB
· Bedarfsanalyse Nutzung KI-Systeme in der Verwaltung
· Definition von Prozessen, Anforderungen für die Bereitstellung strukturierter Daten zum Einsatz in KISystemen in der Verwaltung
· Forschung zur rechtssicheren Nutzung von KI-Systemen, in der Verwaltung im Rahmen der
Verwaltungsmodernisierungen
· Kontinuität der Forschungsförderung zu KI-Themen sichern
· Verfügbarkeit von Open Data, z.B. Echtzeitdaten, und Open Source verbessern
· Weiterentwicklung fremdsprachiger Bürgerservices zur Erhöhung der Attraktivität des Standortes für
ausländische Fach- und Führungskräfte
· Andockmöglichkeiten für assoziierte Partner bei großen Forschungs- und Entwicklungsverbünden

Unternehmen aller
Branchen

· Aneignung von Wissen über KI-Einsatzmöglichkeiten im eigenen Unternehmen,
z.B. für Business Intelligence und Prozessmanagement oder Kundenservice
· Erhöhung der Innovationsausgaben für die Anwendung von KI-Systemen
· Verbesserung der Transparenz bei KI-Einsatz („Sie sprechen mit einem Computer“)
· Anforderungen an Studien- und Ausbildungsgänge formulieren

Wissenschaft

· Bessere und sicherere Anonymisierungsverfahren entwickeln
· Fokussierung auf einzelne Themen mit herausragender Expertise vor dem Hintergrund des
internationalen Wettbewerbs
· Kontinuität der Forschung zu KI-Themen sichern
· Entwicklung von Leuchtturmprojekten
· Open Source entwickeln, um den Transfer zu erleichtern
· Einrichtung von virtuellen Datenräumen für interdisziplinäre Forschung
· Alumnipflege in Kooperation mit regionalen Unternehmen

Wirtschaftsförderer · Fördermittelgeber: Andockmöglichkeiten für Transferprojekte von KMU in großen FuE-Verbünden
durchsetzen
und andere
· Fördermittelgeber: Prüfung, ob Projekte mit KI-Forschung, unternehmensspezifischer KI-Anpassung und
Intermediäre
KI-Einführung in relevanter Zahl zum Zuge kommen
· Förderung von Weiterbildungsmaßnahmen zu Anwendungen aus dem KI-Bereich von privaten
Dienstleistern und öffentlichen Wissenschaftseinrichtungen
· KI-Cluster innerhalb der InnoBB organisieren, das Unternehmen aus den Anwenderbranchen regionales
Know-How zugänglich macht und mit den Themen Business Intelligence, Prozessmanagement,
Gesundheit und Mobilität Transferaktivitäten beginnt.
· Leuchtturmprojekte entwickeln und neben Bundes- und EU-Mitteln dafür auch das Instrument
GRW-Innovationscluster nutzen
· Erhebung über den Verbleib von Absolventen mit KI-relevanter Ausbildung und über die Herkunft
von KI-Fachpersonal
Kommunikatoren

Berlin-Brandenburg als KI-Standort sichtbarer machen
Kommunikation über KI-Anwendungen, die in Betrieb sind und funktionieren
Versachlichung durch klare Darstellung des Standes der Technik
Region als Standort für größere KI-Forschungsinstitute und attraktiven Arbeitsort für internationale
Talente positionieren
· Sichtbaren Ort für KI-Lösungen, für internationale Vernetzung und für Transferveranstaltungen schaffen
·
·
·
·

45

46

Interviewpartner

Dr. Mustapha Al Helwi		
HELLA Aglaia Mobile Vision GmbH
Elmar Arunov			
Deutsche Telekom AG, Innovation Laboratories
Armin Berger 			
3pc GmbH Neue Kommunikation
Dr. André Bergholz		
Implisense GmbH
Ingo Boersch			
Technische Hochschule Brandenburg
Prof. Dr. Klemens Budde		
Charité – Universitätsmedizin Berlin
Prof. Dr. Hans-Dieter Burkhard
Humboldt-Universität zu Berlin
Florian Dohmann			
Birds on Mars GmbH
Ralf Ehren			Selbständig
Tino Eilenberger			
IT-Dienstleistungszentrum Berlin (ITDZ Berlin)
Prof. Dr. Manfred Hauswirth
Fraunhofer-Institut für Offene Kommunikationssysteme FOKUS
Prof. Dr. Jochen Heinsohn		
Technische Hochschule Brandenburg
Prof. Dr. Christian Herta		
Hochschule für Technik und Wirtschaft Berlin
Prof. Dr. Peter Hufnagl		
Hochschule für Technik und Wirtschaft Berlin
Prof. Dr. Christoph Igel		
Deutsches Forschungszentrum für Künstliche Intelligenz GmbH DFKI
Dr. Tina Klüwer			parlamind GmbH
Dr. Reiner Kraft			Zalando SE
Prof. Dr. Alexander Löser		
Beuth Hochschule für Technik Berlin
Prof. Dr. Volker Markl		
Technische Universität Berlin
Arno Meyer zu Küingdorf		
LexaTexer
Prof. Dr. Raúl Rojas		
Freie Universität Berlin
Dr. Wojciech Samek		
Fraunhofer-Institut für Nachrichtentechnik, Heinrich-Hertz-Institut HHI
Dr. Diana Serbanescu		
Weizenbaum-Institut für die vernetzte Gesellschaft
Dr. Sebastian Stober		
Universität Potsdam
Max von der Ahé		
betahaus GmbH & Co. KG
Fabian Westerheide		
Asgard Capital Verwaltung GmbH
Dr. Sebastian Wieczorek		
SAP SE
Nicolas Zimmer			Technologiestiftung Berlin

47

Literatur

appliedAI. 2018. „AI startup landscape”. München. https://appliedai.de/startup-landscape/.
ATB Potsdam. 2018. „Junior research group ‚Data Science in Agriculture‘“.
https://www.atb-potsdam.de/en/M/institute/departments/junior-research-group-data-science-in-agriculture.html.
Beuth Hochschule für Technik Berlin. 2018. „Forschungszentrum Data Science“.
https://projekt.beuth-hochschule.de/data-science/.
Bitkom e.V. 2017. „Shopping digital – Wie die Digitalisierung den Handel tiefgreifend verändert. Ein Bitkom-Studienbericht“.
Berlin: Bundesverband Informationswirtschaft, Telekommunikation und neue Medien e.V. https://www.bitkom.org/noindex/
Publikationen/2017/Studien/2017/171124-Studienbericht-Handel-Web.pdf.
BMWi. 2017. „Monitoring-Report Wirtschaft DIGITAL 2017“. Berlin.
Breunig, Matthias, Dominik Wee, und Heinz Klein. 2017. „Smartening up with Artificial Intelligence (AI) - What’s in it for Germany
and its industrial sector?“ McKinsey.
Brundage, Miles, Shahar Avin, Jack Clark, Helen Toner, Peter Eckersley, Ben Garfinkel, Allan Dafoe, Paul Scharre, Thomas Zeitzoff,
und Bobby Filar. 2018. „The Malicious Use of Artificial Intelligence: Forecasting, Prevention, and Mitigation“. arXiv preprint
arXiv:1802.07228.
Brynjolfsson, Erik, Daniel Rock, und Chad Syverson. 2017. „Artificial intelligence and the modern productivity paradox: A clash of
expectations and statistics“. National Bureau of Economic Research.
Bundestag. 2018. „Einsetzung einer Enquete-Kommission ‚Künstliche Intelligenz– Gesellschaftliche Verantwortung und
wirtschaftliche, soziale und ökologische Potenziale‘“. Antrag der Fraktionen CDU/CSU, SPD, FDP und DIE LINKE. Berlin.
http://dipbt.bundestag.de/doc/btd/19/029/1902978.pdf.
DFKI. 2018. „Smart Data Forum am DFKI Berlin“. https://smartdataforum.de/.
eco/Arthur D. Little. 2013. „Die deutsche Internetwirtschaft 2012 – 2016. Zahlen, Trends und Thesen“. Köln/Frankfurt am Main.
https://www.eco.de/wp-content/blogs.dir/eco_adl_report2013_web1.pdf.
Fingas, JON. 2016. „Apple Will Publish Its AI Research“. Engadget.
https://www.engadget.com/2016/12/06/apple-will-publish-ai-research/.
FU Berlin. 2018. „Dahlem Center for Machine Learning and Robotics“. http://www.mi.fu-berlin.de/inf/groups/ag-ki/index.html.
Gartner. 2017. „Gartner Hype Cylce“.
https://blogs.gartner.com/smarterwithgartner/files/2017/08/Emerging-Technology-Hype-Cycle-for-2017_Infographic_R6A.jpg.
GfK. 2018. „Verbraucherstudie zur Nutzung von Sprachsteuerung im Auftrag des Zentralverband Elektrotechnik- und
Elektronikindustrie (ZVEI).“
https://www.zvei.org/fileadmin/user_upload/Presse_und_Medien/Pressebereich/2018-023_Jeder_fuenfte_nutzt_Smart_Home_
Anwendungen/Pr_2018-023_Grafik_2_Sprachsteuerung_01.pdf.
Gibney, Elizabeth. 2016a. „AI firms lure academics“. Nature 532 (2): 422–23.
Gibney, Elizabeth. 2016b. „What Google’s winning Go algorithm will do next“. Nature 531 (7594): 284–85.
https://doi.org/10.1038/531284a.

48

Hasso Plattner Institut. 2018. „Digital Health“. https://hpi.de/studium/studienangebot/master/digital-health.html.
Heinen, Nicolaus, Alexander Heuer, und Philipp Schautschick. 2017. „Künstliche Intelligenz und der Faktor Arbeit: Implikationen
für Unternehmen und Wirtschaftspolitik“. Wirtschaftsdienst 97 (10): 714–20. https://doi.org/10.1007/s10273-017-2203-5.
Hoar, Chris, Brian Atkin, und Katie King. 2017. „Artificial intelligence: What it means for the built environment“. London: Royal
Institution of Charter ed Surveyors (RICS). http://www.rics.org/Global/RICS_Insight_AI_in_the_built_environment_2017.pdf.
HTW Berlin. 2018. „Centrum für Biomedizinische Bild- und Informationsverarbeitung (CBMI)“.
https://www.htw-berlin.de/forschung/online-forschungskatalog/projekte/projekt/?eid=2353.
Jacobs, Bas, und Richard Nahuis. 2002. „A general purpose technology explains the Solow Paradox and wage inequality“. Economics
Letters 74 (2): 243–50. https://doi.org/10.1016/S0165-1765(01)00551-1.
Kahl, Julian, und Christoph Scheuplein. 2016. „Berliner Venture-Capital Report 2016. Impulse für die digitale Wirtschaft“. Berlin:
Technologiestiftung Berlin.
Knight, Will. 2017. „The West should stop worrying about China’s AI revolution“. MIT Technology Review.
https://www.technologyreview.com/s/609038/chinas-ai-awakening/.
Kreuchauff, Florian Heiko, und David Bälz. 2016. „Förderprogramme und-projekte des Bundes mit Robotikbezug seit 2010:
Kurzstudie“. Studien zum deutschen Innovationssystem.
Mainzer, Klaus. 2016. Künstliche Intelligenz – Wann übernehmen die Maschinen? Technik im Fokus. Berlin, Heidelberg: Springer
https://doi.org/10.1007/978-3-662-48453-1.
Muehlhauser, Luke. 2016. „What Should We Learn from Past AI Forecasts?“ Open Philanthropy Project.
https://www.openphilanthropy.org/focus/global-catastrophic-risks/potential-risks-advanced-artificial-intelligence/what-shouldwe-learn-past-ai-forecasts.
Pretzell, Claus. 2017. „Hohes Tempo in der Digitalen Wirtschaft“. Berlin aktuell. Berlin: Investitionsbank Berlin.
https://www.ibb.de/media/dokumente/publikationen/volkswirtschaftliche-publikationen/berlin-aktuell/ausgaben-2017/hohestempo-in-der-digitalen-wirtschaft.pdf.
Pretzell, Claus. 2018. „Digitalwirtschaft bleibt Jobmotor der Hauptstadt“. Berlin Fokus. Investitionsbank Berlin.
https://www.ibb.de/media/dokumente/publikationen/volkswirtschaftliche-publikationen/berlin-fokus/ausgaben-2018/berlinfokus_bedeutung-der-digitalwirtschaft.pdf.
Schmidt, Holger. 2017. „Digitaler Jobmonitor: Zweite Welle der Digitalisierung erreicht den Arbeitsmarkt“. Dr. Holger Schmidt (blog).
https://netzoekonom.de/2017/08/17/digitaler-jobmonitor-zweite-welle-der-digitalisierung-erreicht-den-arbeitsmarkt/.
Silver, David, Thomas Hubert, Julian Schrittwieser, Ioannis Antonoglou, Matthew Lai, Arthur Guez, Marc Lanctot, u. a. 2017.
„Mastering chess and shogi by self-play with a general reinforcement learning algorithm“. arXiv:1712.01815.
http://arxiv.org/abs/1712.01815.
Silver, David, Julian Schrittwieser, Karen Simonyan, Ioannis Antonoglou, Aja Huang, Arthur Guez, Thomas Hubert, u. a. 2017.
„Mastering the game of Go without human knowledge“. Nature 550 (Oktober): 354.
Stancombe, Christopher, Ron Tolido, Anne-Laure Thieullent, Jerome Buvat, Subrahmanyam KVJ, Amol Khadikar, und Apoorva
Chandna. 2017. „Turning AI into concrete value: the successful implementers’ toolkit“. Capgemini - Digital Transformation Institute.
https://www.capgemini.com/consulting-de/wp-content/uploads/sites/32/2017/09/artificial-intelligence-report.pdf.

49

Statista/Tractica. 2018. „Prognose zum Umsatz mit Unternehmensanwendungen im Bereich künstliche Intelligenz in Europa von
2016 bis 2025 (in Millionen US-Dollar)“. Boulder.
https://www.tractica.com/research/artificial-intelligence-for-enterprise-applications/.
TH Brandenburg. 2018. „Labor für Künstliche Intelligenz“.
https://informatik.th-brandenburg.de/services/labore/labor-fuer-kuenstliche-intelligenz/?S=2%29%27A%3D0.
TH Wildau. 2018. „RoboticLab am Studiengang Telematik“. https://icampus.th-wildau.de/icampus/home/de/roboticlab.
TU Berlin. 2018a. „AI hits the ice“.
https://www.pressestelle.tu-berlin.de/menue/tub_medien/publikationen/medieninformationen/2018/maerz_2018/
medieninformation_nr_412018/.
TU Berlin. 2018b. „DAI-Labor“. http://www.dai-labor.de/.
Universität Potsdam. 2018a. „Cognitive systems: Language, learning and reasoning“.
https://www.uni-potsdam.de/studium/studienangebot/masterstudium/master-a-z/cognitive-systems.html.
Universität Potsdam. 2018b. „SFB 1294 Data Assimilation“. https://www.sfb1294.de/.
Wahlster, Wolfgang. 2017. „Künstliche Intelligenz versus menschliche Intelligenz: Wie lernen, verstehen und denken Computer?“
gehalten auf der DFKI, Saarbrücken.
https://www.stiftung-jgsp.uni-mainz.de/Bilder_allgemein/1_Vorl_WW_02052017.pdf.
Weber, Matthias, und Aljoscha Burchardt. 2017. „Entscheidungsunterstützung mit Künstlicher Intelligenz. Wirtschaftliche
Bedeutung, gesellschaftliche Herausforderungen, menschliche Verantwortung“. Berlin.
Westerheide, Fabian. 2017. „Künstliche Intelligenz Firmen in Deutschland 2017 - Eine Übersicht und Karte“. Bootstrapping.me
(blog). http://bootstrapping.me/deutsche-kuenstliche-intelligenz-industrie/.
Windhagen, Eckart, Jacques Bughin, Jan Mischke, Cornelius Baur, Frank Mattern, und Sarah Forman. 2017. „Das digitale
Wirtschaftswunder: Wunsch oder Wirklichkeit“. McKinsey Global Institute.
https://www.mckinsey.com/~/media/mckinsey/featured%20insights/europe/stimulating%20digital%20adoption%20in%20
germany/das-digitale-wirtschaftswunder-wunsch-oder-wirklichkeit.ashx

50

Die Technologiestiftung engagiert sich für die Entwicklung Berlins zur
Hauptstadt der Digitalisierung. Sie macht die Chancen und Perspektiven
deutlich, die mit dem technologischen Fortschritt verbunden sind und
formuliert Handlungsempfehlungen. Außerdem unterstützt sie die OpenData-Strategie und setzt sich für eine smarte Infrastruktur ein.

Dr. Daniel Feser
B.Sc. technische Volkswirtschaftslehre am Karlsruher Institut für Technologie,
Master of Arts in Wirtschafts- und Sozialgeschichte an der Universität
Göttingen; Volkswirtschaftliche Dissertation über Innovation in klein- und
mittelständischen Unternehmen sowie innovative Energieberatung; Referent
für Energie- und Klimaschutzpolitik sowie Gebäudetechnik des ZIA Zentraler
Immobilien Ausschuss e.V.; seit Oktober 2017 bei der Technologiestiftung
Berlin. Bei der Technologiestiftung bearbeitet Herr Feser die Themen
Identifikation und Bewertung regionaler Innovationspotenziale und –leistungen.

Technologiestiftung Berlin | Grunewaldstraße 61-62 | 10825 Berlin | technologiestiftung-berlin.de
        
Top of page

Note to user

Dear user,

In response to current developments in the web technology used by the Goobi viewer, the software no longer supports your browser.

Please use one of the following browsers to display this page correctly.

Thank you.