Daniel Beutel ist Gründer von Flower Labs. Das in Hamburg gegründete Unternehmen ist Mitglied im ARIC, arbeitet Open Source hat den Sprung geschafft: Den Sprung über den Teich nach San Francisco genau wie den zum erfolgreichen Techunternehmen. Im Interview spricht Daniel über die Gründungsreise, das Erfolgsrezept Community und das Potenzial von Föderiertem Lernen.
ARIC: Wer bist du und was machst du?
Daniel J. Beutel: Ich bin einer der drei Gründer und CEO von Flower Labs und einer der Entwickler von Flower’s Federated AI Plattform.
Was macht Flower.AI genau?
Flower ist ein Open-Source Framework, um KI auf verteilten Daten zu trainieren. Der Ansatz nennt sich Federated Learning oder Federated AI. Organisationen wie beispielsweise Nvidia, Siemens oder J.P. Morgan nutzen diesen Ansatz, um KI Modelle auf sensiblen Daten zu trainieren, die sie bisher nicht nutzen konnten.
Wann habt ihr gemerkt, dass in dem Thema föderiertes Lernen Potenzial steckt?
Wir haben früh gemerkt, dass die größte Herausforderung in KI-Projekten meist darin besteht, Zugang zu den richtigen Trainingsdaten zu bekommen. Daten sind oft rechtlich geschützt, sie müssen entweder beim Nutzer bleiben oder liegen verteilt in verschiedenen Unternehmenssilos. Und es ist richtig, diese Daten zu schützen, denn es sind meistens sensitive und sehr wertvolle Daten.
Wenn die Daten allerdings nicht zugänglich sind, wie kann man dann ein gutes KI-Modell trainieren? Das war der Trigger. Als wir auf Federated Learning gestoßen sind, haben wir gesehen, dass Federated Learning eigentlich genau dieses Problem lösen kann, weil man bei Federated Learning die Daten einfach dort lässt, wo sie eh schon sind. Niemand muss sensitive Daten preisgeben, aber man kann trotzdem zusammenarbeiten und KI-Modelle auf diesen Daten trainieren.
Wie lange gibt es euch jetzt schon?
Das Startup Flower Labs gibt es seit 2023. Das Flower Open-Source Framework gibt es aber schon länger, seit Anfang 2020.
Seid ihr da eher offene Türen eingerannt oder müsst ihr da Überzeugungsarbeit leisten?
Als wir damals das Open-Source Framework veröffentlicht haben, war Federated AI noch ein Thema, das in der Industrie relativ unbekannt war. Da mussten wir sehr viel Aufklärungsarbeit leisten. Wir veranstalten beispielsweise jedes Jahr den Flower AI Summit, die weltweit größte Konferenz im Bereich Federated AI. Das Thema ist mittlerweile bei vielen angekommen und wir müssen nicht mehr so viel darüber sprechen, weil Unternehmen auf uns zukommen, die durch das Flower Open-Source Framework auf uns aufmerksam werden.
Wie habt ihr angefangen? Und ihr habt in Hamburg angefangen oder war das schon direkt international?
Ja, zwei von uns drei Gründern haben damals in Hamburg gewohnt. Wir haben zwar in Hamburg angefangen, waren aber eigentlich von Anfang an international, weil wir Flower in Kollaboration zwischen uns und unseren Mitstreitern in Cambridge entwickelt haben.
Warum habt ihr euch dafür entschieden, Open Source zu arbeiten?
Wir wollen diesen neuen Ansatz, KI zu entwickeln, mehr Firmen und Organisationen zugänglich machen. Open Source ist der beste Weg, das zu erreichen. Bevor wir angefangen hatten, war Federated AI etwas, was es nur in proprietären Systemen hinter geschlossenen Türen bei Google, Apple und Meta gab. Mit dem Flower Open-Source Framework haben wir es geschafft, Federated AI zu demokratisieren und die weltweit größte Community in diesem Bereich zu etablieren.
Durch diese Community hat sich ein starkes Ökosystem um die Flower Plattform gebildet, was dann wiederum anderen in der Community zugutekommt. Wenn in einer Forschungseinrichtung, ein Forscher an einer Universität beispielsweise, jemand mit dem Flower Framework einen neuen Ansatz, ein KI-Modell zu trainieren, entwickelt, dann kann jemand, der in einem Industrieunternehmen arbeitet und dort einfach versucht, ein aktuelles Problem zu lösen, sich einfach diesen Ansatz nehmen und bei sich einsetzen um sein eigenes Problem damit lösen.
Deshalb machen wir so viel Communityarbeit, um diese Community weiter wachsen zu lassen und mehr zu vernetzen. Das Schöne an so einer Community ist, dass jeder letztendlich auch von den anderen profitiert. Man gibt etwas hinein und bekommt ganz viel zurück und hat am Ende ein tolles Ökosystem.
Was heißt Communityarbeit bei euch konkret? Was macht ihr, um die Leute zusammenzubringen?
Wir haben beispielsweise einen offenen Slack Kanal, durch den jeder einfach mit der Community in Kontakt treten kann. Und oftmals stellen sich die KI-Forscher oder KI-Entwickler dort vor und posten, an was sie arbeiten. Und oft gibt das schon den Anstoß, wo dann jemand anderes sagt: „Ah, interessant! Ich arbeite an etwas Ähnlichem.“ Oder: „Ich habe da eine Frage dazu.“
Daneben veranstalten wir viele Events, beispielsweise den Flower AI Summit, die weltweit größte Federated AI-Konferenz. Der letzte Flower AI Summit war im März 2025 in London. Im September hatten wir den Flower AI Day in San Francisco. Und direkt am nächsten Tag veranstalteten wir den Decentralized AI Hackathon an der Stanford University. Letztes Wochenende war dann noch der allererste Distributed AI Hackathon in Berlin. Wir veranstalten diese Events, um Möglichkeiten zu schaffen, die Community zusammenzubringen. Wir haben das Flower Monthly, das ist unser Online Event, bei dem einmal im Monat verschiedene Community-Mitglieder ihre Projekte präsentieren. Das sind teilweise Forscher, teilweise Unternehmen, die zeigen, was sie mit dem Flower Framework oder generell mit Federated AI erreicht haben.
…und dann habt ihr es geschafft, in der nicht so einfachen Covid-Zeit von Y Combinator relativ großes Funding zu bekommen. Wie habt ihr das geschafft?
Als wir das Flower Framework anfangs als Open Source entwickelt hatten, war das Thema Federated AI noch relativ unbekannt. Durch die Arbeit im Open Source Projekt konnten wir allerdings beobachten, wie Unternehmen Flower und Federated AI einsetzen. Gegen Ende 2022 haben wir gemerkt: Das Thema nimmt in der Industrie stark an Fahrt auf. Große Industrieunternehmen wie Bosch nahmen das Thema sehr ernst. Und das war für uns der Anstoß zu sagen, „Jetzt ist genau der richtige Zeitpunkt, ein Startup zu gründen, das den Fokus nur auf dieses Thema hat“. Da haben wir uns dann entschieden, Flower Labs zu gründen, haben uns dann bei Y Combinator beworben und sind für drei Monate nach San Francisco umgezogen.
Gibt es jetzt aus der Erfahrung heraus irgendwas, was du anderen Gründern aus unserer Community raten würdest, die gerade am Anfang stehen mit ihren KI-Startups?
Meine Empfehlung ist, grundsätzlich an etwas zu arbeiten, für das man Begeisterung hat. Ein Startup zu gründen ist sehr viel Arbeit und nicht immer einfach. Das Wichtige ist dann, dass man ein Thema hat, für das man wirklich brennt. Wenn man ein Thema hat, an das man glaubt, gibt einem das einfach die Energie, diesen Weg zu gehen. Das ist für mich das Allerwichtigste. Ich könnte mir kaum vorstellen, an etwas zu arbeiten, an das ich nicht wirklich inhaltlich glaube.
Möchtest du noch etwas sagen?
Ich glaube, wir haben eine riesige Chance, weil aktuell ein Shift passiert. Die meisten KI-Modelle, die heute entwickelt werden, werden immer noch zentralisiert trainiert. Das bedeutet, man muss alle Daten an einem Ort sammeln und dann dort das KI-Modell trainieren. Das bedeutet, dass jeder, der daran teilnimmt, seine Daten offenlegen muss.
Wir sehen gerade den Anfang der neuen Ära, wo KI eben nicht mehr zentralisiert, sondern dezentralisiert ist. Wo sich verschiedene Organisationen zusammenfinden können. Und diese Organisationen können sagen: Jeder von uns hat gewisse Daten, eine gewisse Rechenleistung und wenn wir uns vernetzen, dann haben wir zusammen plötzlich wesentlich mehr Rechenleistung und wesentlich mehr Daten. Und das resultiert am Ende in besseren KI-Modellen. Diese Entwicklung fängt gerade erst an und ist eine riesige Chance für verschiedene Sektoren, in denen es traditionell schwierig war, gute KI-Modelle zu trainieren.
Welche Sektoren betrifft das zum Beispiel?
Beispielsweise Health und Life Sciences. Die Daten in diesem Bereich müssen sehr gut geschützt werden und das ist auch richtig so. Nur ist es im Health-Bereich so, dass niemand genug Daten an einer Stelle hat, um gute KI-Modelle zu trainieren, weil diese Daten verteilt in einzelnen Krankenhäusern liegen. Wir als Gesellschaft würden alle davon profitieren, wenn wir wirklich gute medizinische KI-Modelle hätten. Diese Möglichkeit, sich zu vernetzen und dezentral zusammenzuarbeiten, schafft überhaupt erst die Möglichkeit, gute KI-Modelle zu trainieren. Andere Bereiche sind Finanzen, Logistik und Produktion.
Warum haben wir gerade jetzt diesen Shift?
Früher, beispielsweise vor fünf Jahren, war es sehr schwierig, diesen dezentralen Trainingsansatz zu nutzen. Mittlerweile haben wir die Infrastruktur, mittlerweile haben wir auch mehr KI-Forscher und KI-Entwickler, die mit diesen Ansätzen vertraut sind. Wir haben Open-Source Frameworks wie Flower, die diese Art der Zusammenarbeit sehr einfach machen. Ein existierendes KI-Projekt, das komplett zentralisiert funktioniert, kann man mit Flower relativ einfach dezentral trainieren. Und diese Vereinfachung macht dezentrales KI-Training mehr Organisationen und Industrieunternehmen zugänglich. Mittlerweile ist Flower zum Industriestandard für Federated Learning und Federated AI geworden – wir haben tausende Nutzer in verschiedenen Industrien, die die Flower Plattform produktiv nutzen, um KI-Modelle auf verteilten Daten zu trainieren.
Interview: Sabrina Pohlmann
Mit unseren Interviews wollen wir euch verschiedenen Perspektiven und Akteure im Themenfeld KI vorstellen. Die Positionen unserer Interviewpartner:innen spiegeln nicht zwingend die Positionen des ARICs wider.
Weitere Interviews:
