Erfolg von Gründern vorhersagen: Grenzen der Karriere‑Daten

Forscher haben die Herausforderung angegangen, den Erfolg von Start‑Ups anhand der Karriere‑Daten ihrer Gründer vorherzusagen. Dabei stoßen sie auf ein schwaches Signal, seltene Erfolgslabels (nur 9 %) und die Tatsache, dass erfolgreiche Gründer fast identisch zu denen aussehen, die scheitern.

Um diese Grenzen zu überwinden, haben sie 28 strukturierte Features direkt aus den rohen JSON‑Feldern – Jobs, Ausbildung und Exit‑Daten – extrahiert. Diese Features werden mit einer deterministischen Regel‑Schicht und XGBoost‑gestützten Boosted Stumps kombiniert. Das Modell erzielt dabei eine Validierungs‑F0.5‑Score von 0,3030, eine Präzision von 0,3333 und einen Recall von 0,2222 – ein Plus von 17,7 pp gegenüber einer Zero‑Shot‑LLM‑Baseline.

In einem kontrollierten Experiment wurden neun Features aus dem Prose‑Feld mit Claude Haiku extrahiert, sowohl bei 67 % als auch bei 100 % Datensatzabdeckung. Die LLM‑Features erklären zwar 26,4 % der Modell‑Wichtigkeit, liefern jedoch keinen zusätzlichen Cross‑Validation‑Signal (Delta = –0,05 pp). Der Grund liegt in der Struktur: anonymisierte Prose ist lediglich eine verlustbehaftete Re‑Kodierung der gleichen JSON‑Daten und bietet keine reichhaltigere Informationsquelle.

Die beobachtete Leistungs­obergrenze (CV ≈ 0,25, Val ≈ 0,30) spiegelt den Informationsgehalt des Datensatzes wider und nicht eine Modell‑Beschränkung. Diese Arbeit fungiert als Benchmark‑Diagnose und zeigt klar auf, welche zusätzlichen Daten nötig wären, um die Vorhersagekraft weiter zu steigern.