Zum Newsletter per QR-Code
Aktuelle Events
Gut vorbereiten, dann starten
Die Praxis zeigt leider, dass ein eigener Webshop häufig mit zu wenig Vorbereitung gestartet wird. Deshalb scheitern die ersten Web-Projekte von Neueinsteigern auch häufig oder werden nie fertig gestellt. Gleichzeitig sind die Erwartungen von unerfahrenen Gründern auf schnellen Gewinn mit dem eigenen eBusiness häufig viel zu hoch. Lassen Sie sich deshalb bei der Vorbereitung Ihres Online-Handels unbedingt Zeit, bis Sie auch wirklich umfassende und gute Lösungen, insbesondere bei der Produkt- und Lieferantenauswahl gefunden haben. Und beginnen Sie erst anschließend mit der Umsetzung.
Wie auch im stationären Handel gilt: „Der Gewinn liegt im Einkauf“. Denn ohne entsprechende Konditionen und zuverlässige Handelspartner kann auch ein Online-Handel nicht funktionieren. Vorsicht ist hier insbesondere bei dem als revolutionär angepriesenen Systems des Dropshippings geboten. Zwar sind die Einstiegsrisiken für Gründer hier vergleichsweise gering, die Gewinnaussichten aus unserer Erfahrung jedoch ebenso, häufig sogar unter der Rentabilitätsgrenze.
Fallen Sie auch nicht auf Versprechungen herein, ein funktionierendes Online-Business ließe sich „mal schnell und nebenbei“ aufbauen, wichtig sei nur „gleich zu starten“ – diese Aussage soll Sie ausschließlich zum Abschluss von kostenpflichtigen Verträgen drängen. Erkundigen Sie sich bei Online-Händlern, die bereits erfolgreich über das Internet Geld verdienen, welche Erfahrungskurven diese beim Start gemacht haben. Häufig werden Sie dabei hören, dass es zwei bis drei gestartete Internetprojekte dauerte, bis ein wirklich erfolgreiches Business mit nennenswertem Ertrag in Eigenregie entstanden ist. Halten Sie sich dabei auch vor Augen, dass mit ca. 95 Prozent aller gestarteten Internetprojekte nie ein Euro verdient wird – Sie werden deshalb auch viele gescheiterte „Internetexperten“ antreffen, die Ihnen ein „geht nicht“ vermitteln.
Gleichzeitig gibt es aber unzählige Internet-Unternehmer, die sehr erfolgreich Geld mit Ihrem eBusiness, insbesondere dem Online-Handel, erwirtschaften. Nehmen Sie sich diese gezielt zum Vorbild. Denn haben Sie Ihre Hausaufgaben bei der Vorbereitung gewissenhaft erledigt und einen konkreten Plan, wie Sie Ihren Nischen-Online-Handel Schritt für Schritt aufsetzen, reichen Ihnen aus unserer Erfahrung anfänglich zirka zwei Wochen konzentrierter Arbeit, damit Ihr Online-Shop aufgesetzt, Ihre Produkte ansprechend integriert sind und Sie ihn grundlegend im Netz bekannt gemacht haben.
Zielgenau auf Weniges konzentrieren
Um deshalb beim Aufsetzen Ihres Nischen-Online-Shops schnell zu ersten Erträgen zu kommen und möglichst schon vor den besagten sechs Monaten in die Gewinnzone zu steuern, sollten Sie sich gerade am Anfang auf wenige, aber hoch ertragreiche Produkte konzentrieren. Nicht die Masse an Produkten macht einen erfolgreichen Nischen-Shop aus, sondern Produkte, die individuelle Lösungen passgenau anbieten. Sie benötigen deshalb definitiv nicht mehr als 60 Artikel in Ihrem Shop.
Ein Online-Shop, der im Internet aktuell sehr erfolgreich ist, hat folgendes Rezept: Er hat ganze 20 Artikel im Sortiment. Zwei sehr, sehr gut ausgewählte Artikel für den gezielten Erstkauf, 18 weitere für Folgeverkäufe, Monat für Monat automatisch abverkauft per E-Mail-Newsletter – also ganz ohne Arbeit. Danach ist nicht Schluss: Der Kunde wird nach dem dritten erfolgten Kauf auf einen weiteren, anderen Shop aufmerksam gemacht. Und das passiert auch, wenn der Kunde nach dem Erstkauf auf drei Verkaufsempfehlungen nicht mit einem Kauf reagiert – nur bekommt er in diesem Fall gleich noch einen Einkaufsgutschein für den neuen Shop dazu.
Dass diese unterschiedlichen Nischen-Shops einem Betreiber gehören, wissen nur Insider – doch alle Beteiligten kommen bei diesem Spiel auf ihre Kosten. Verzetteln Sie sich deshalb nicht am Anfang mit hunderten von Artikeln. Wählen Sie daher wenige Artikel gezielt aus und sorgen Sie für individuelle Artikeltexte und ansprechendes Bildmaterial, die Ihre Zielgruppe wirklich begeistern. Haben Sie dabei den Mut, sich von etablierten Shops und deren sterilen Artikeltexten deutlich abzuheben.
Suchmaschinenfreundlichkeit
Damit Ihr Shop nach einiger Zeit in den Suchmaschinen tatsächlich kostenlos auf den ersten Seiten erscheint, ist etwas technisches Wissen über die Funktionsweise von Suchmaschinen nötig. Dieses Wissen müssen Sie bereits in die Grundstruktur Ihres Shops, bei der Anlage von Kategoriestrukturen und den Artikelbeschreibungen einfließen lassen. Nur so wird Ihr Shop den Suchmaschinen auch wirklich „schmecken“ und ganz vorne auf Top-Platzierungen landen.
Viele eCommerce-Gründer legen ihr Augenmerk am Anfang jedoch auf ein möglichst hochwertiges Shop-Erscheinungsbild und lassen einen suchmaschinenfreundlichen Shopaufbau vollkommen außer Acht. Da dieser die Werbeausgaben eines Online-Shops jedoch über viele Jahre hinweg radikal senken kann, ist er einer der wichtigsten Hebel, um die Rentabilität eines Online-Shops positiv zu beeinflussen. Deshalb gilt: Wollen Sie Ihren Shop komplett selbst aufsetzen, sehen Sie sich den Aufbau und die Struktur von Online-Shops an, die bereits auf Top-Positionen gelistet sind und versuchen Sie, die dahinter liegenden Prinzipien zu verstehen. Einfache, verständliche Literatur für Shop-Einsteiger gibt es bislang zu diesem Thema leider nicht, umfangreiches Expertenwissen dagegen unter dem Suchbegriff „Suchmaschinen-Optimierung“ in Hülle und Fülle.
Da eine falsche Shopstruktur nachträglich jedoch nicht mehr ohne erheblichen Aufwand geändert werden kann, führt Halbwissen eCommerce-Einsteiger in diesem Bereich leicht aufs Abstellgleis. Wie immer bekommen Sie hier ehrlichen Rat von jenen, die von ihren Auskünften nicht finanziell profitieren. Suchen Sie deshalb hier den Kontakt mit einem erfahrenen und bereits seit einigen Jahren erfolgreichen Online-Händler und bitten ihn um Rat – sehr häufig wird er Ihnen empfehlen, für die Anlage der Grundstruktur Ihres Online-Shops professionelle Hilfe in Anspruch zu nehmen.
Seite 3 von 3
Generative KI – Chancen für Startups
Wie Startups mit drei Tipps die Kosten und Performance für ihren KI-Case optimieren können.
Das deutsche KI-Startup-Ökosystem befindet sich 2025 weiter im Gründungsboom. Nie gab es mehr KI-Gründer in Deutschland und alleine im vergangenen Jahr wuchs die Zahl der KI-Startups um 35 Prozent. Auch für Investoren bleibt KI eines der vielversprechendsten Themen. Sie investierten 2024 fast 200 Millionen mehr in deutsche KI-Jungunternehmen als im Vorjahr. Vor allem deutsche KI-Startups im B2B-Bereich mit branchenspezifischen Lösungen für die Fertigung, Logistik und das Gesundheitswesen haben aktuell ausgezeichnete Wachstumschancen. Sie können von einer engen Vernetzung mit dem Mittelstand und führenden Forschungseinrichtungen in Deutschland profitieren. Typische KI-Anwendungsfelder von aufstrebenden deutschen Startups wie BlueAvenir, PlanA, Smart Reporting oder nnamu liegen dabei u.a. in der Softwareentwicklung, Sprach- und Bilderkennung oder datenbasierten Analyseverfahren zur Entscheidungsunterstützung.
KI-Chancen und die häufigsten Hürden
Während die Gesamtfinanzierung für KI-Projekte wächst, scheitern in der Praxis vielversprechende Ideen von Startups aber auch immer wieder am konkreten Business Case. Langfristig können sich insbesondere unterschätzte Kosten und eine schwache Performance der Anwendungen wie ein Bremsklotz auswirken. Die Nutzung von Sprachmodellen ist dank API-basierten Diensten sehr einfach geworden, dennoch können sich hier bei großen Volumina und ungeschickter Modell-Wahl schnell höhere Kosten aufsummieren. Gleichzeitig spielt die Performance des KI-Systems eine wichtige Rolle für eine langfristige Profitabilität. So führen besonders hohe Latenzzeiten bei der Model-Inference zu trägeren Systemen, die Nutzeranfragen nicht schnell genug verbreiten und die Attraktivität der Anwendung erheblich mindern.
Gerade Startups setzen oft auf die Cloud, da sie unabhängig vom technischen Hintergrund einfachen Zugang zu KI und die nötige Flexibilität ermöglicht. Drei innovative Methoden erweisen sich in der Cloud als besonders hilfreich, um eine optimale Balance zwischen Leistungsfähigkeit, Kosten und Nutzerfreundlichkeit für die Umsetzung des eigenen KI-Anwendungsfalls zu finden. So kann jeder Gründer seine KI-Ideen schnell, kosteneffizient und sicher umsetzen.
KI-Modellauswahl: Kleiner, aber schneller
Für Startups ist es entscheidend, das richtige KI-Modell für ihren Anwendungsfall zu wählen, um Kosten und Leistung optimal auszubalancieren. Anbieter wie Anthropic, AI21 Labs, Meta, Cohere, Mistral und Amazon bieten Modelle in verschiedenen Größen an – kleinere Varianten sind oft günstiger und reagieren mit kürzerer Antwortzeit. Nach einer ersten Validierung mit einem leistungsstarken Modell können Startups Tools wie Amazon Bedrock Evaluations nutzen, um herauszufinden, welches Modell in welcher Größe ähnliche Ergebnisse bei geringeren Kosten oder höherer Geschwindigkeit liefert. Diese Evaluierungen helfen dabei, die Leistungsfähigkeit und Effizienz zu beurteilen, indem Metriken wie semantische Robustheit und Genauigkeit bei der Informationsabfrage analysiert werden. Durch eine Kombination aus automatisierten Bewertungen mit Large Language Models (LLMs) und menschlicher Prüfung können Startups die beste Balance zwischen Leistung, Kosten und Geschwindigkeit für ihre individuellen Bedürfnisse finden.
Prompt Caching: Zwischenspeicherung für wiederkehrende Anfragen
Eine weitere smarte Methode, um die Antwortzeiten von KI-Modellen zu verkürzen und Kosten zu senken, ist das Prompt-Caching. Wenn ein digitaler Assistent sich bei jeder Frage immer wieder die gleichen Grundinformationen durchlesen müsste, dann wäre das extrem ineffizient. Genau hier setzt das Prompt-Caching an und speichert feste Teile des Prompts, wie grundlegende Anweisungen für das LLM, direkt in der Inferenz-Hardware zwischen. Nur die variablen, nutzerspezifischen Daten, die sich von Aufruf zu Aufruf verändern, werden bei jeder Anfrage neu übermittelt. Das spart nicht nur Rechenleistung, sondern sorgt auch für schnellere Antworten – ideal für Anwendungen wie Chatbots oder personalisierte KI-Assistenten, die häufig wiederkehrende Anfragen verarbeiten. Mit Amazon Bedrock lässt sich diese Technik einfach nutzen, indem das Caching und das Setzen von Cache-Checkpoints automatisch verwaltet werden können. Sobald das Caching aktiviert ist, übernimmt der Service das gesamte Cache-Management automatisch. So lassen sich bis zu 90 Prozent kosteneffiziente KI-Anwendungen mit minimalem Konfigurationsaufwand realisieren.
Model Distillation: KI-Wissen auf das Wesentliche fokussieren
Eine dritte bewährte Option ist Model Distillation. Das Prinzip ist einfach und kann vereinfacht als ein intelligenter Wissenstransfer in der Welt der KI beschrieben werden. Also so, als ob ein erfahrener Lehrer (ein großes, leistungsstarkes KI-Modell) seinem Schüler (einem kleineren, schnelleren Modell) die wichtigsten Konzepte beibringt. Dabei nutzt dieser Prozess synthetische Trainingsdaten, die auf realen Anwendungsbeispielen basieren. Das Ergebnis ist ein kompakteres Modell, das für einen spezifischen Anwendungsfall ähnlich gute Ergebnisse liefert wie das größere Modell, dabei aber deutlich schneller und kostengünstiger arbeitet. Destillierte Modelle in Amazon Bedrock können bis zu fünfmal schneller arbeiten und die Kosten um bis zu 75 Prozent senken im Vergleich zu den Originalmodellen – bei Genauigkeitsverlust von weniger als zwei Prozent.
Fazit
Erfolgreiche KI-Lösungen können mit der Cloud kosteneffizienter und performanter umgesetzt werden. Das erfordert zwar ein wenig technisches Know-how, aber die Cloud reduziert die Einstiegshürden erheblich und ermöglicht es auch kleineren Unternehmen, mit drei bewährten Methoden das KI-Potenzial effektiver auszuschöpfen. Startups haben mit der Cloud die maximale Flexibilität, um entweder von den leistungsfähigsten vortrainierten LLMs zu profitieren oder alternativ eigene LLMs mit maßgeschneiderter Infrastruktur zu entwickeln bzw. auf fertige Dienste mit integrierter generativer KI zuzugreifen.
Der Autor Constantin Gonzalez ist Principal Solutions Architect bei Amazon Web Services (AWS) in München.
Die Autorin Jennifer Grün ist Senior Specialist - Machine Learning bei AWS in München.