Tipps zum Umgang mit Daten für junge Start-ups

Mein Team für Analytics- und KI-Lösungen bei Google Cloud betreut Start-ups, die auf Google Cloud aufbauen. In unserer Arbeit erfahren wir von Gründer*innen und Entwickler*innen, wie schon die ersten Investitionen in der Seed-Phase junge Start-ups entweder einschränken oder auf Erfolgskurs bringen. In diesem Beitrag möchte ich eine Auswahl von Best Practices vorstellen, die Sie beim Aufbau Ihres Unternehmens in Betracht ziehen sollten.

Klären Sie Ihr Wertversprechen, bevor Sie sich für eine Technologielösung entscheiden

Viele, die ein Start-up in der Cloud gründen wollen, überlegen als erstes, welche Technologielösung sie einsetzen werden. Besser ist, sich zuvor Gedanken über das Wertversprechen des Start-ups zu machen und die Technologie dann dazu passend auszuwählen. 

Ist Ihr System zum Beispiel auf Echtzeitverarbeitung angewiesen, oder würden Batch-Verfahren ausreichen? Genügen Ihnen tagesaktuelle Daten, oder müssen Sie sofort reagieren können?

Überlegen Sie auch, wie Latenzzeiten sich für Ihre Kund*innen auswirken, denn davon kann abhängen, ob Sie Ihr Wertversprechen einlösen können oder nicht. Die Gründer von Google haben früh erkannt, dass niemand länger als ein paar hundert Millisekunden auf die Ergebnisse einer Suchanfrage warten will. Die Technologie-Entscheidungen, die wir aufgrund dieser Erkenntnis getroffen haben, stellten die Weichen für Googles Aufstieg von einer Garagenfirma zu einem globalen Top-Unternehmen. Genauso konkret sollten auch Sie das Wertangebot Ihres eigenen Start-ups definieren, bevor Sie sich daran machen, eine Technologielösung aufzubauen, die Ihren Anforderungen entspricht. 

Konzentrieren Sie sich auf Interaktionen mit Kund*innen

Es gibt Unternehmen, die sich durch IT-getriebene Veränderungen komplett neu erfunden haben. Netflix zum Beispiel hat sich von einem DVD-Postversand in einen erfolgreichen Streaming-Dienst und bedeutenden Produzenten von Inhalten verwandelt. Für dieses völlig neue Nutzungserlebnis war eine grundlegende Umgestaltung der Technologie nötig, während das grundsätzliche Wertversprechen, Inhalte für Kundinnen und Kunden bereitzustellen, unverändert geblieben ist. Doch das ist ein extremes Beispiel – wenn Sie über Änderungen dieser Größenordnung nachdenken, statt sich darauf zu konzentrieren, Ihr Wertversprechen gegenüber den Nutzer*innen einzulösen, sollten Sie vielleicht besser das Wertversprechen als solches überdenken.

Vor allem aber müssen Sie eine klare Vorstellung davon haben, wie die Kundinnen und Kunden mit Ihrem Unternehmen in Kontakt treten und interagieren. In der Regel geschieht dies über eine Website oder mobile App – aber es kommt auf die Kleinigkeiten an.

Übermitteln Ihre Kund*innen Dokumente? Wenn ja, in welchem Format? Müssen sie die Tastatur benutzen, oder sind auch handschriftliche Eingaben möglich? Können sie Bilder einreichen, die mittels optischer Zeichenerkennung ausgewertet werden? Werden hauptsächlich Formulare verwendet? Sind die eingegebenen Daten strukturiert oder unstrukturiert? Falls Sie jetzt noch nicht wissen, wie oder warum Sie diese Fragen beantworten sollen, lesen Sie erstmal weiter. In den folgenden Absätzen werden Sie klarer sehen, worauf wir hinaus wollen.

Wenn sich zum Beispiel die meisten Ihrer Kund*innen telefonisch an Ihr Unternehmen wenden werden, sollten Sie einen Schwerpunkt auf Konversations-Workflows legen. Doch das ist erst der Anfang. Selbst wenn Sie sich an dieser Stelle für Dialog Flow – eine Google Cloud-Plattform für KI-gestützte Konversationen mit virtuellen Agenten – entscheiden, ist damit Ihr Wertversprechen noch lange nicht vollständig geklärt. Wie soll die typische Kundeninteraktion von der Kontaktaufnahme bis zur Auflösung genau funktionieren? Wie viele Interaktionen werden über Verbindungen mit geringer Bandbreite stattfinden? Machen Sie sich ein genaues Bild von allen Benutzerinteraktionen eines typischen End-to-End-Anwendungsfalls.

Noch ein Beispiel: Bei einem Anwendungsfall für Ihre geplante Einzelhandels-Website kommt die Frage auf, ob ein bestimmtes Produkt in einer bestimmten Menge – seien es zehn oder ein paar hundert Stück – auf Lager ist. Falls nicht, wäre es vielleicht eine gute Idee, wenn Ihre App ähnliche vorrätige Artikel vorschlagen würde. Wird Ihre Technologielösung diesen End-to-End-Anwendungsfall unterstützen?

Diese Überlegungen sollen nicht zu einer verfrühten Optimierung verleiten. Es ist durchaus sinnvoll, zunächst eine Minimallösung bereitzustellen und dann schnell zu iterieren. Trotzdem sollte Ihnen klar sein, dass Sie in der Anfangsphase viele Grundsatzentscheidungen treffen – und diese großen Einfluss darauf haben, wie viel Geld und Arbeit Sie im weiteren Verlauf noch investieren müssen. Sie brauchen also nicht nur eine Geschäftsidee, sondern auch fundierte Anwendungsfälle, bevor Sie Entscheidungen über Ihre Technologie treffen. 

Am besten, Sie bereiten Sie gedanklich vor, indem Sie drei Anwendungsfälle auswählen – zwei alltägliche Standardfälle und einen, der mehr technologischen Aufwand erfordert. Klären Sie, ob Ihr prospektives Technologielösung alle drei Fälle auch von Anfang bis Ende unterstützt. 

Halten Sie sich an höhere Abstraktionsebenen

Vor dem Hintergrund dieser Überlegungen, können wir nun konkreter über das Technologielösung nachdenken. 

Als Start-up müssen Sie Ressourcen sparen und sollten deshalb auf der höchstmöglichen Abstraktionsebene planen. Ihr Team sollte sich deshalb nicht als erstes mit dem Aufbau von Server-Clustern beschäftigen. Es sollte auch nichts selbst konfigurieren, sondern wo möglich vollständig verwaltete Dienste nutzen. Sie sollten sich ganz auf den Bau ihres Prototypen konzentrieren, nicht auf die Verwaltung der Infrastruktur.

Dieser Fokus prägt auch die Entwicklung unserer Google Cloud-Produkte. Unser fester Daten-Stack – Pub/Sub, Dataflow, BigQuery und Vertex AI – besteht deshalb ganz aus automatisch skalierenden und serverlosen Produkten.

Doch nicht nur bei der Verwaltung der Infrastruktur gilt das Motto ‚Weniger ist mehr‘. Auch bei der Architektur ist No-Code besser als Low-Code und Low-Code besser als selbst geschriebener Code. Statt ETL-Pipelines zu schreiben, um die benötigten Daten für BigQuery zu transformieren, könnten Sie beispielsweise vorkonfigurierte Konnektoren verwenden, um die Daten in BigQuery zu laden. Das ist No-Code. Dann wandeln Sie die Daten mit SQL-Ansichten direkt im Data Warehouse in die benötigte Form um. Das nennt sich ELT und ist Low-Code. Wenn Sie sich für einen ELT-Ansatz entscheiden, sind Sie deutlich agiler. 

Ähnliches gilt für die Auswahl Ihres ML-Modellierungs-Frameworks. Fangen Sie nicht mit benutzerdefinierten TensorFlow-Modellen an. Beginnen Sie mit AutoML. Das ist No-Code. Sie können AutoML direkt von BigQuery aus aufrufen und so auf die Entwicklung komplexer Daten- und ML-Pipelines verzichten. Falls nötig, weichen Sie auf vorkonfigurierte Modelle von TensorFlow Hub oder HuggingFace aus. Das ist Low-Code. Erstellen Sie eigene benutzerdefinierte ML-Modelle nur, wenn es gar nicht anders geht.

Lassen Sie sich nicht von technologischen Möglichkeiten sondern von Ihrer Vision leiten

Ihr Ziel ist es, das richtige Technologielösung auszuwählen, mit dem Sie Ihre Vision verwirklichen, die Bedürfnisse Ihrer Kund*innen befriedigen, Ressourcen sparen und wie nötig expandieren können. In der Anfangsphase sollten Sie sich bei Ihren IT-Investitionen auf Flexibilität konzentrieren, also verwaltete Dienste auf der Basis von Standard-Protokollen oder offenen APIs einsetzen. Dabei kommt es nicht auf die Verwendung der neuesten Technologien an. Es muss zum Beispiel nicht immer gleich ML sein. Vielleicht könnten Sie zunächst mit Heuristiken beginnen und später auf ML umsteigen, wenn Sie genügend Daten gesammelt haben. Auf jeden Fall sollten Sie sich für eine genügend abstrakte Herangehensweise an Ihre Datenanalysen entscheiden, die sich für den Anfang mit einfachen Regeln ausstatten und später einmal durch ein robusteres System ersetzen lässt. 

Schnell starten und iterieren

Denken Sie immer daran, dass Ihre teuerste Ressource die Beschäftigten sind. Sie sollten sich deshalb vor allem auf den Aufbau Ihres Prototyps, Ihrer Minimallösung oder Ihrer Produktions-App konzentrieren können. Schnell starten und schnell iterieren ist die Devise. Das funktioniert nur, indem Sie sich ganz auf die Dinge konzentrieren, die Sie von Ihrem Wettbewerb unterscheiden.

Ganz gleich, welche Technologien Sie nutzen: Lassen Sie sich von diesen vier Prinzipien leiten. 

• Überlegen Sie, was der Kern Ihres Wertversprechens ist, und stimmen Sie Ihr Technologielösung darauf ab.

• Planen Sie die Benutzerinteraktionen besonders sorgfältig. Das Nutzungserlebnis ist enorm wichtig. Sorgen Sie unbedingt dafür, dass Sie den Erwartungen Ihrer Kund*innen gerecht werden.

• Planen Sie immer auf der höchstmöglichen Abstraktionsebene. Wählen Sie möglichst vollständig verwaltete Tools und No-Code/Low-Code-Frameworks, wenn diese die notwendigen Funktionen bereitstellen.

• Entscheiden Sie sich nicht immer für die neuesten oder angesagtesten Technologien. Überlegen Sie, ob Sie rasch eine Minimallösung aufbauen können, die gut genug ist und sich zu einem späteren Zeitpunkt umrüsten lässt. 

Mehr darüber, warum sich Start-ups für Google Cloud entscheiden, finden Sie hier.