Dossier 10: Start-ups, Deep Tech und Wirkungsinnovation#

Start-ups und Deep-Tech-Unternehmen werden nicht nur nach Wachstum bewertet, sondern nach Wirkungspfad, Skalierungsrisiko und Systemnutzen.

Praxisbeispiele#

 Beispiel: Ein KI-Start-up für Pflegeplanung kann Arbeitsbelastung senken, wenn es Pflegekräfte einbindet, Bias vermeidet und keine Überwachungskultur erzeugt.  Datenquellen: Geschäftsmodell, Wirkungsannahmen, Pilotdaten, Nutzungsdaten, Datenschutzfolgenabschätzung, Investitionsplan.  Bewertung: Systemnutzen, Skalierungsrisiko, Datenmacht, Governance, soziale Einbettung, Exit-Optionen.

Datenquellen und Datenqualität#

 Primärdaten aus Projekten, Registern, Repositorien, Audits und Berichten.

 Sekundärdaten aus EU-, OECD-, UNESCO-, Destatis-, Eurostat-, BSI/ENISA- und WÖk-ID-Quellen.

 Datenqualität wird nach Herkunft, Aktualität, Prüfbarkeit, Unsicherheit, Verzerrungsrisiko und Schutzbedarf bewertet.

Berechnungs-/Bewertungslogik#

Dimension Arbeitsgewicht v0.1 Beispielindikatoren Wirkungspfad 25 % Zielzustand, plausible Zustandsveränderung, Gegenindikatoren Datenqualität 20 % Offenheit, Auditierbarkeit, Unsicherheit, Replikation Systemwirkung 20 % Rückkopplung, Skalierbarkeit, Interdependenzen, Resilienz Schutz und Rechte 15 % Datenschutz, Fairness, Grundrechte, Widerspruch, Teilhabe Transformation 20 % Lernfähigkeit, Transfer, Nebenwirkungsmanagement, Revisionszyklen

Risiken und Schutzlinien#

 Kein Score für Menschen.  Keine automatische Förder- oder Sanktionsentscheidung ohne menschliche Prüfung.

 Keine Wissenschaftssteuerung durch politische Gefälligkeit.

 Keine Datenzentralisierung ohne Rechte, Rollen, Transparenz und Kontrolle.

 Keine KI-Nutzung ohne Verantwortungs- und Korrekturpfad.

Online- und Downloadlogik#

Das Einzeldossier soll als Online-Volltext mit Inhaltsverzeichnis, Download, Druckfunktion, Quellen, SDG-/SDG+-Block, Buchanker, Kontext-Werkzeugen und verwandten Portalseiten veröffentlicht werden.