View
1
Download
0
Category
Preview:
Citation preview
STEUNPUNT ONDERNEMEN EN REGIONALE ECONOMIE
NAAMSESTRAAT 61 – BUS 3550
BE-3000 LEUVEN
TEL + 32 16 32 66 61 | FAX + 32 16 37 35 11
store@kuleuven.be www.steunpuntore.be
Beleidsrapport STORE-B 13-005
Verankering van Financiële en
Geografische Clusters:
de case van de Biotech in België
KATJA BRINGMANNa
THOMAS VANOUTRIVEa
ANN VERHETSELa
JO REYNAERTSb
a Departement Transport en Ruimtelijke Economie, Universiteit Antwerpen
b Onderzoekscentrum voor Regionaal Economisch Beleid, Katholieke Universiteit Leuven
17 JANUARI 2014
1
Samenvatting
Deze paper analyseert de geografische verspreiding van financiële verbanden
tussen startende Belgische biotech bedrijven. De klemtoon ligt op durfkapitaal
[DK] en de impact hiervan op de lokale netwerkverankering van
portfoliobedrijven. De biotech sector werd gekozen omdat het dé sector in België
is waar nieuwe producten ontwikkeld worden in een setting waar durfkapitaal
een betekenisvolle rol speelt. Zowel zwaartekrachtmodellen als sociale
netwerktechnieken worden gebruikt in de analyse. Het artikel toont aan dat de
verspreiding van financiering door DK fondsen invloed heeft op de
netwerkverankering van het doelbedrijf. Start-ups die werden gefinancierd door
investeerders die lokaal en globaal goed verankerd zijn, namen een meer centrale
netwerkpositie in, vergeleken met start-ups die voornamelijk ondersteund
werden door lokaal verankerde fondsen. Er zijn geen eenduidige resultaten met
betrekking tot de impact van geografie op DK investeringsstromen. Hoewel de
impact van geografie statistisch significant is, is er een verschillend effect van
afstand op inkomend DK investeringsstromen enerzijds en uitgaande anderzijds.
2
Inhoudstafel
1 Inleiding 3
Deel I: Achtergrond 6
2 Beleidscontext 6
3.1 Smart Specialization op het Europese niveau 6
3.2 Smart Specialization in Vlaanderen 7
3 Conceptueel kader: Bedrijfsagglomeratie 9
3.1 Theoretische concepten 9
3.2 Drijvende krachten van innovatie 14
3.2.1 Lokale Netwerken 14
3.2.2 Netwerkverankering 15
3.2.3 Externe relaties 16
3.2.4 Ondernemerschap en Financiering 17
3.3 Nadelen van bedrijfsagglomeratie 18
3.4 Samenvatting 19
4 Biotechnologie 21
4.1 De Biotech Sector in Vlaanderen 23
4.2 Ondernemersfinanciering in de Biotech Sector 24
Deel II: Resultaten 27
5 Financiële Aspecten van de Biotech Sector 27
5.1 Methodologie en Data 27
5.1.1 Aantal Durfkapitaalinvesteringen 27
5.1.2 Omvang van de Durfkapitaalinvesteringen 30
5.1.3 Herkomst van de Investeerders 33
5.1.4 Belgische Durfkapitaalinvesteringen in het Buitenland 35
5.2 Analyse op macro-niveau: Zwaartekrachtmodellen 36
5.2.1 Methode 37
5.2.2 Data 39
5.2.3 Resultaten 40
5.3 Analyse op micro-niveau: Social Network Analysis 43
5.3.1 Methode 44
5.3.2 Data 44
5.3.3 Resultaten 45
6 Discussie en Conclusie 54
7 Referenties 57
3
1 Inleiding
Tijdens het laatste decennium heeft het economische systeem grote veranderingen ondergaan.
Toegenomen globale competitie, de digitale revolutie en demografische veranderingen
hebben nieuwe uitdagingen met zich meegebracht voor zowel nationale als regionale
overheden. Om deze nieuwe uitdagingen het hoofd te bieden, heeft de Vlaamse overheid in
2009 een sociaal en economisch actieplan “Vlaanderen in Actie” [Via] opgezet. Het
ambitieuze doel van dit initiatief is om van Vlaanderen een globaal leidende, kennisintensieve
regio binnen de Europese top vijf te maken. Het actieplan werkt met het concept van ‘smart
specialization’, wat onder meer inhoudt dat een aantal zorgvuldig geselecteerde, beloftevolle
industriële sectoren of clusters gepromoot worden (ViA, 2013).
Onderzoek heeft reeds aangetoond dat regionale clusters de innovatiecapaciteit en prestaties
van bedrijven verbeteren. Ze vormen tevens een belangrijke factor van regionale economische
groei (Hill en Naroff, 1984; Porter en Stern, 2001). Er wordt gesteld dat de agglomeratie van
bedrijven leidt tot een aantal voordelen zoals lagere transportkosten, een gespecialiseerde
arbeidsmarkt, geoptimaliseerde onderaanneming en kennis spillovers die geïsoleerde
bedrijven niet hebben (Bunker Whittington et al., 2009). Dit komt niet enkel voor in
traditionele sectoren, maar ook in hightech sectoren zoals de biotechnologie, waarbij een hoge
graad van ruimtelijke clustering is geobserveerd in een aantal locaties in de VS en daarbuiten
(Powell et al., 2002). Om een leidende kennisintensieve regio te worden, beschouwt de
Vlaamse overheid de ontwikkeling en ondersteuning van regionale hightech clusters als
cruciaal voor Vlaanderen.
Goed verbonden dynamische clusters, bestaande uit goed verankerde bedrijven, beschermen
ook tegen herlokalisatie van bedrijven. Dit is een groeiende bezorgdheid voor vele regionale
beleidsmakers (Molina-Morales en Martinez-Fernandez, 2006). Veel belang is gehecht aan
het probleem van de herlokalisatie van MNE filialen in zowel academische als politieke
kringen. Even belangrijk is echter het aspect van ondernemersemigratie. Met het oog op de
creatie van bloeiende dynamische clusters en regionale economische groei, is een voldoende
aantal kleine innovatieve bedrijven essentieel (Saxenian, 1990; Audretsch, 2001).
Vooral in de biotechnologie sector vormt durfkapitaal een belangrijke financieringsvorm.
Vandaar dat gekozen werd om deze sector onderwerp te laten zijn van voorliggende analyse.
4
Vanwege de beperkte slaagkansen, onvoldoende materiële activa, de lange termijn en de hoge
kapitaalintensiteit van ontwikkelingsprocessen, zijn innovatieve biotech start-ups meestal niet
in staat om financiering te halen uit meer conventionele bronnen zoals bankleningen en de
effectenmarkt. De vertegenwoordigers van de industrie geven echter aan dat het
durfkapitaalsysteem in Vlaanderen te klein is zeker in vergelijking met buurlanden
(Dendooven, 2012; Lauwers, 2012; Mooijman, 2012).
Voorliggende studie werd uitgevoerd om de Vlaamse overheid te ondersteunen in hun ‘smart
specilization’ beleid, dat gericht is op de ontwikkeling en versterking van innovatieve clusters
op specifieke locaties. Het geeft een (financiële en) geografisch analyse van de biotech sector
in België en maakt deel uit van een breder onderzoeksproject over de identificatie en evaluatie
van economische clusters in Vlaanderen uitgevoerd door het Steunpunt Ondernemen en
Regionale Economie (STORE).
De biotech sector werd gekozen omwille van haar innovatieve potentieel en omwille van de
rol die ze krijgt toebedeeld in de transitie naar een meer duurzame en koolstofarme industrie.
Meer specifiek analyseren we vanuit het perspectief van durfkapitaal de Belgische biotech
sector. In die zin zijn we namelijk geïnteresseerd in de ontwikkeling van de regionale
financiële infrastructuur om innovatief ondernemen te ondersteunen. We beschouwen de
geografische spreiding van de financieringsverbanden tussen biotech start-ups en de impact
van deze banden op de lokale verankering van portfoliobedrijven in meer detail.
De paper is opgedeeld in twee delen: het eerste deel is meer theoretisch van aard en het
tweede deel bespreekt een empirische analyse. Deel één start met een korte voorstelling van
de biotechnologische sector in Vlaanderen en België respectievelijk. Er wordt ook gekeken
naar de bredere Europese context waarin de Vlaamse ‘smart specialization’ strategie is
ingebed. Het vierde hoofdstuk weidt kort uit over agglomeratietheorieën als de theoretische
ruggengraat van een strategisch clusterbeleid. Het tweede, empirische, deel van de paper is
vervolgens gewijd aan de presentatie van de theoretische resultaten. Na de introductie van een
aantal belangrijke statistieken met betrekking tot de biotech industrie in EU15, Zwitserland en
de VS, worden de ruimtelijke patronen van durfkapitaalinvesteringen geanalyseerd aan de
hand van zwaartekrachtmodellen. Hierna worden gebruik makende van Social Network
Analysis (SNA) de structurele netwerkposities van investeerders en de doelbedrijven
5
beoordeeld. Het laatste hoofdstuk bespreekt de empirische resultaten en formuleert een aantal
afsluitende bemerkingen.
6
Deel I: Achtergrond
2 Beleidscontext
Hieronder geven we kort het beleidskader weer waarin het strategische clusterbeleid van
Vlaanderen is verankerd. Hierbij gaat vooral aandacht naar beleidsinitiatieven die op
regionale schaal in Vlaanderen genomen worden.
3.1 Smart Specialization op het Europese niveau
Om groeiverhinderende effecten uit de economische crisis van 2008 tegen te gaan en om de
EU haar innovatieve capaciteit te verhogen, presenteerde de Europese Commissie haar ‘smart
specialization’ strategie als een deel van de ‘EU 2020 Strategy’ in 2010. ‘Smart
specialization’ impliceert dat regio’s hun competitieve voordelen intelligent analyseren en
strategieën ontwikkelen om op de geïdentificeerde voordelen te kapitaliseren. Bijgevolg
zouden regionale middelen en fondsen geconcentreerd moeten worden en strategisch
geïnvesteerd moeten worden in de sectoren met een competitief voordeel voor de regio. Met
andere woorden, de promotie van een aantal zorgvuldig geselecteerde, beloftevolle industriële
sectoren wordt voorop gesteld. Hierbij is het doel een meer effectieve en doelgeoriënteerde
allocatie van publieke middelen. Op deze manier zal een brede en voornamelijk ineffectieve
verspreiding van middelen vermeden worden. Langs de andere kant zal het gemakkelijker
worden om de kritische massa van investeringen te bereiken die dringend en noodzakelijk is
voor veel beloftevolle en zeer innovatieve onderzoeksprojecten. (EU Commission, 2012).
De Europese Commissie haar ‘smart specialization’ strategie is sterk geïntegreerd in de veel
bredere Europa 2020 strategie, die gestart is in 2010. De Europa 2020 strategie bestaat uit het
cohesiebeleid van de EU voor 2014-2020 en wordt gezien als de nieuwe groeistrategie voor
de komende jaren. Het hoofddoel is om de Europese economie slimmer, duurzamer en
inclusiever te maken tegen 2020. Meer specifiek zijn er zeven grote projecten geïntroduceerd
in het kader van Europa 2020. Het doel van deze projecten is om specifieke actiepunten voor
te stellen en om de individuele initiatieven van lidstaten te combineren en te coördineren met
initiatieven op supranationaal niveau (ibid.).
7
Het initiatief “Innovation Union” heeft specifiek als doel om door onderzoek en innovatie
promotie slimme groei te creëren. In 2010 waren onderzoek en ontwikkeling (O&O) uitgaven
uitgedrukt als percentage van het BBP 0.8% lager in de EU27 vergeleken met de VS en 1.4%
lager dan in Japan. Het doel is om de uitgave kloof voor O&O tussen de EU en andere
ontwikkelde economieën, zoals de VS en Japan, te sluiten en de wereldleider te worden op het
vlak van innovatie (EU Commissie, 2012a). Om dit ambitieuze doel te bereiken, zijn
specifieke beleidsmaatregelen nodig die steunen op ‘smart specialization’. Als gevolg werden
lidstaten aangemoedigd om hun eigen nationale en regionale ‘smart specialization’ strategieën
te ontwikkelen.
3.2 Smart Specialization in Vlaanderen
Het ‘Vlaanderen in Actie’ [ViA] programma is de ‘smart specialization’ strategie van
Vlaanderen. ViA is echter geen direct antwoord op de inspanning op Europees niveau. De
Vlaamse beleidsmakers hadden al een akkoord bereikt over de nood aan ‘smart specialization’
om de Vlaamse regionale economische groei te versterken in 2009. Het ViA plan bevat het
‘Pact 2020’, dat een aantal specifieke beleidsdoorbraken bevat. ViA benadrukt de nood om
Vlaanderen haar globale economische concurrentiepositie te verbeteren in de komende jaren.
Het is gericht op de nieuwe uitdagingen voor regionale groei zoals sterkere globale
concurrentie, de digitale revolutie en demografische veranderingen. Het doel voor Vlaanderen
is om een van de top vijf innovatieve regio’s van de EU te worden en een leidende globale
kennisintensieve regio tegen 2020. De belangrijkste prioriteiten van ViA focussen daarom op
de stimulatie van ondernemerschap in Vlaanderen, een toename in O&O uitgaven en, meer in
het algemeen, de transformatie van de economie naar een meer sociale en duurzame economie
die tegelijk creatief en innovatief is. Het laatste doel wordt gedetailleerder uiteengezet in het
Witboek ‘Nieuw Industrieel Beleid’, dat aangenomen werd door de Vlaamse overheid in 2011
(Departement Economie, Wetenschap en Innovatie [EWI], 2011).
Het Witboek (EWI, 2011) vat een aantal prioriteiten samen om de Vlaamse economie te
veranderen in een meer competitieve, innovatieve, ecologische en duurzame economie. Er
wordt daarbij gefocust op het sector en cluster niveau. Eén van de hoekstenen van het
Witboek is een strategisch en sterk gespecialiseerd clusterbeleid. Hierdoor wordt de
hernieuwing en heropleving van de bestaande clusters en de identificatie en stimulatie van
ontluikende clusters gepromoot. Speciale aandacht gaat naar bestaande en toekomstige
8
clusters in speerpuntsectoren, geselecteerd door de Vlaamse Raad voor Wetenschapsbeleid
[VRWB]. De VRWB heeft zes sleutelsectoren geïdentificeerd waarop toekomstig beleid zich
moet focussen. Dit zijn Logitech, I-healthtech, Sociotech, Meditech, Nanotech en Ecotech
(VRWB, 2012). Vooral de laatste drie sectoren hangen sterk af van ontwikkelingen in de
biotechnologie. De biotechnologische sector kan dus gezien worden als een van de mogelijke
drijvende krachten voor Vlaamse economische groei. Met het idee van het verbeteren van de
innovatiecapaciteit van bedrijven, gericht op een positie van wereldleider van de Vlaamse
industrie, voorziet het witboek ook de versterking en ontwikkeling van verbindingen tussen
lokale en leidende clusters op andere plaatsten (EWI, 2011).
Samengevat, het Vlaams industrieel beleid is gericht op de transformatie van de economie.
Eén van de topprioriteiten in dit proces is de ontwikkeling en versterking van goed
verankerde, innovatieve en globaal competitieve clusters in bepaalde industrieën. Vertrekkend
vanaf de topprioriteiten, geformuleerd in het Witboek ‘Nieuw Industrieel Beleid’, zullen we
de Vlaamse biotechnologie kritisch analyseren. Extra aandacht gaat naar de graad van lokale
verankering en internationale financiële connectiviteit van Belgische biotechnologische
actoren. De lokale financiële verankering van start-ups wordt gedefinieerd als het aantal
verbindingen dat het bedrijf met lokale investeerders onderhoudt. Internationale financiële
connectiviteit geeft bedrijfsrelaties aan die Belgische biotech start-ups met buitenlandse
durfkapitaal fondsen onderhouden. Om de denkwijze achter ‘smart specialization’ en
strategische clusterbeleid beter te begrijpen, geeft het volgende hoofdstuk het beleid weer in
een breed theoretisch kader van bedrijfsagglomeratie en regionale groei.
9
3 Conceptueel kader: Bedrijfsagglomeratie
Om de biotech sector te analyseren baseren we ons op clustertheorieën. Dit omvat een ruime
waaier aan benaderingen die de clustering (agglomeratie) van economische activiteiten
bestuderen. Meer in het bijzonder richten we ons op werken waarin innovatie, kennis
spillovers, verankering en financiering centraal staan.
3.1 Theoretische concepten
Economische geografen benadrukken dat een bedrijf in een industriële cluster haar
economische en innovatieve prestaties verbetert (Hill en Naroff, 1984; Porter en Stern, 2001).
Hoewel Porter’s idee onlangs voornamelijk bij beleidsmakers zeer populair is geworden, is
het concept van clusters niet nieuw. Dat bedrijfsagglomeraties genieten van een aantal externe
economische voordelen werd al opgemerkt door Alfred Marshall in zijn toonaangevend werk
‘Principles of Economics’ (1890). Gebaseerd op Marshall’s theorie van ‘external economies
of scale’ zijn bedrijven in industrieparken (industrial districts) competitiever dan bedrijven
erbuiten. De onderliggende oorzaken die dit verschil in prestatie verklaren, zijn de positieve
externaliteiten of agglomeratievoordelen [economies of agglomeration], ontstaan door de
ruimtelijke concentraties van met elkaar verbonden bedrijven (zoals knowlegde spillovers),
toegang tot een gespecialiseerde arbeidsmarkt en infrastructuur en een verlaging van andere
transactiekosten zoals transport (Liefner en Schätzl, 2011).
Agglomeratievoordelen zijn verder opgedeeld in lokalisatie- en urbanisatievoordelen.
Lokalisatievoordelenverwijzen naar voordelen die voortkomen uit de agglomeratie van
bedrijven actief in dezelfde sector, terwijl urbanisatievoordelen de baten zijn die ontstaan
doordat bedrijven uit diverse sectoren in elkaars nabijheid gelegen zijn. Bedrijven in steden of
industrieparken kunnen voordeel halen uit lokalisatie- en urbanisatievoordelen in de vorm van
verschillende kostenvoordelen die volgens Marshall niet toegankelijk zijn voor geïsoleerde
bedrijven. (Bunker Whittington et al., 2009). Eenvoudig gesteld zijn agglomeratievoordelen
externe schaalvoordelen, aangezien ze zich niet voordoen bij slechts één bedrijf maar bij alle
bedrijven in de omgeving. Hierdoor is het gunstig voor bedrijven om zich te vestigen in een
gebied waar reeds andere bedrijven gevestigd zijn (McCann, 2008; Stuart en Sorenson, 2003).
10
Gegeven de hoge transportkosten van bepaalde ruwe materialen, zoals ertsen en coke, die
regelmatig gebruikt worden in traditionele sectoren, hebben deze industrieën meestal een
hoge graad van ruimtelijke clustering. De verklaring voor hun agglomeratie is de hogere
efficiëntie van de productie vanwege lagere transportkosten. Dit levert kostenvoordelen en
een betere concurrentiepositie in vergelijking met bedrijven buiten de cluster.
Ondanks de voortdurende globalisatie van economische activiteit en kostenverminderingen in
telecommunicatie en transport, is het belang van locatie paradoxaal genoeg toegenomen.
Bedrijven blijven agglomereren en de locatie van een bedrijf blijft een belangrijke factor voor
de concurrentiepositie (zie ook Audretsch, 1998; Porter, 2000). Alhoewel afstand en bijgevolg
transportkosten een minder belangrijke rol spelen in de locatiekeuze van bedrijven vandaag,
blijft geografie een belangrijke factor door het groeiend belang van de ruimtelijke dimensie op
arbeidskosten, technische kennis en agglomeratie-effecten (zoals knowlegde spillovers,
toegang tot een gespecialiseerde arbeidsmarkt en infrastructuur).
Ook in sectoren die niet afhangen van immobiele inputs, maar van ogenschijnlijk zeer
mobiele grondstoffen zoals wetenschappelijke expertise en durfkapitaal, wordt een hoge graad
van bedrijfsconcentratie geobserveerd (Audretsch en Feldman, 1996; Stuart en Sorenson,
2003). Een goed voorbeeld van kennisintensieve bedrijfsagglomeratie is de hightech vallei
rond San Francisco. In het geval van het agglomeratiegedrag van kennisintensieve industrieën
wordt het duidelijk dat de oorzaken van agglomeratie veranderd zijn. In het geval van
traditionele industrieparken benadrukt de literatuur het belang van kostenvoordelen die
ontstaan door de bedrijfsagglomeratie, terwijl meer recente benaderingen zoals het
clustermodel van Porter het belang van knowledge spillovers voor innovatie en het leerproces
benadrukken.
In essentie kan het concept van een industriële cluster volgens Porter gezien worden als een
verderzetting van Marshall’s ‘industrial district’ benadering. Porter (2000) definieert clusters
als:
“geografische concentraties van onderling verbonden bedrijven, gespecialiseerde
leveranciers, dienstverlening, bedrijven in gerelateerde industrieën en geassocieerde
instituties (zoals universiteiten, normagentschappen en handelsassociaties) in een
bepaalde sector die concurreren en samenwerken” (Porter, 2000, p. 15).
11
Naast hun vermogen om voordeel te halen uit de lokalisatie- en urbanisatievoordelen, worden
geclusterde bedrijven competitiever omdat ze permanent worden blootgesteld aan intra-
industriële concurrentie en lokale rivalen. Hoewel bedrijven met elkaar concurreren, zullen de
bedrijven frequent met elkaar in contact komen, wat voor wederzijds vertrouwen zorgt en de
basis vormt voor een levendige kennisuitwisseling en training. Deze kennisuitwisseling zorgt
op zijn beurt voor verdere innovatie en versterkt daarbij het bedrijf haar globale
concurrentiepositie. Porter gaat er ook van uit dat kapitaal sterker aanwezig en gemakkelijker
beschikbaar is in clusters, omdat investeerders goed bekend zijn met de industrie. De
beschikbaarheid van kapitaal stimuleert ondernemerschap. Een andere factor die een positief
effect heeft op de bedrijfsvorming in een cluster, is de aanwezigheid van een grote
gespecialiseerde markt binnen de cluster.
Het clustermodel geeft het stijgend belang aan van kennis als een productiefactor en als basis
voor een competitief voordeel. Globalisatie, technologische vooruitgang en verminderde
transportkosten hebben traditionele competitieve voordelen, zoals kostenminimalisatie door
de kortere afstand tot markten en grondstoffen minder en minder belangrijk gemaakt. In de
kenniseconomie worden competitieve voordelen daarentegen bereikt door bestaande inputs op
nieuwe en innovatieve manieren te combineren. Deze innovatieve processen vragen steeds
meer de samenwerking tussen verschillende actoren (zoals universiteiten, bedrijven en
overheidsinstituten). Hierbij speelt de clusterlokalisatie een belangrijke rol, in die zin dat het
verschillende actoren samenbrengt en voor herhaaldelijke interacties zorgt die tot knowlegde
spillover kunnen leiden.
Het idee dat knowledge spillovers resulteren in innovatie en een versterking van de
concurrentiepositie van een bedrijf, wordt ook benadrukt door de ‘Regionale innovatie
systemen’ [RIS] benadering, ontwikkeld door Philip Cooke (1997; 1998). Gelijkaardig aan
het clustermodel van Porter, benadrukt RIS het belang van de interactie tussen verschillende
economische en niet-economische actoren (zoals bedrijven, universiteiten, onderzoekscentra,
overheidsorganisaties, consultants, advocaten, enz.). De onderliggende redenering van de
RIS-benadering is dat regiospecifieke karakteristieken zoals regionale instituten, de regionale
infrastructuur en ook het financiële en onderwijssysteem innovatie vooruit helpen. De
prestaties van RIS zijn dan ook afhankelijk van een levende ondernemerscultuur, de
aanwezigheid van voldoende financiering en de graad van innovatie en leerprocessen in de
12
regio. Voornamelijk de financiële dimensie speelt een cruciale rol voor RIS onderzoekers.
Men stelt dat enkel een goed werkende financiële structuur de ontwikkeling van innovatieve
processen kan verzekeren, omdat het ondernemerschap aanmoedigt (Cooke et al., 1997;
Liefner en Schätzl, 2011). In het geval dat de regionale vereisten vervuld zijn, ontstaat er een
regionaal systeem van innovatie dat de informatie-uitwisseling en kenniscreatie verbetert en
zo de regio haar innovatieve capaciteit verhoogt. Volgens de RIS benadering zijn specifieke
regionale institutionele karakteristieken verantwoordelijk voor de innovatiecapaciteit van een
regio. Deze benadering volgt dus een logica verwant aan de institutionele economische
geografie.
Figuur 1. Agglomeratietheorieën
13
Voor de analyse van de Belgische biotech sector, zullen we concepten gebruiken uit alle drie
de theoretische benaderingen (industrial districts, clusters en RIS), met de nadruk op RIS.
Voor een vergelijking tussen de verschillende benaderingen hun overeenkomsten en
verschillen, verwijzen we naar Figuur 1. Bijgevolg zullen de termen ‘cluster’,
‘bedrijvenagglomeratie’, ‘netwerken’, en ‘regionale innovatie systemen’ als onderling
verwisselbaar beschouwd worden.
In het geval van biotech bedrijven zullen informatie overdracht en een gespecialiseerde
arbeidsmarkt de belangrijkste voordelen zijn die uit een bedrijfsagglomeratie naar voor
komen. Om meer precies te zijn, de gespecialiseerde en meestal impliciete kennis over
biotech wordt makkelijker overgebracht wanneer bedrijven zich in elkaars nabijheid bevinden
(Audretsch, 1998). Daarenboven zorgt de lokale aanwezigheid van hooggeschoolde mensen
voor een eenvoudiger en goedkopere rekrutering van werknemers. De grotere aanwezigheid
van expertposities in een cluster verhoogt de arbeidsmobiliteit tussen bedrijven, wat innovatie
versterkt door ‘learning through hiring’ (Bunker Whittington et al., 2009).
Audretsch (2001) analyseert de ontwikkeling van Amerikaanse biotechnologie clusters en
concludeert in overeenstemming met de RIS benadering dat voor de ontwikkeling van
succesvolle biotech clusters regio’s aan een aantal voorwaarden moeten voldoen. Hier worden
enkele van de belangrijkste opgesomd: de nabijheid van onderzoeksinstituten van
wereldklasse, de aanwezigheid van financieringsbronnen inclusief durfkapitaal, een
uitgesproken ondernemerscultuur en een ondersteunend wettelijk kader. Traditionele
methoden die gebruikt worden om economische ontwikkeling te stimuleren zoals lage
belasting, lage loonkosten en overheidssubsidies, zijn minder effectief gebleken in het geval
van biotechnologie (Audretsch, 2001, p. 14).
Voor succesvolle clusters zijn ook de graad van samenwerking tussen bedrijven, de
relationele verankering tussen actoren in de clusters en het bestaan van verbindingen met
andere leidende bedrijven gelokaliseerd in andere clusters, van belang (Bathelt et al., 2004).
Deze factoren sluiten elkaar niet uit, maar versterken elkaar. De volgende sectie geeft meer
details over welke factoren knowledge spillover bevorderen.
14
3.2 Drijvende krachten van innovatie
Niet alle regionale clusters presteren even goed en dus kan niet gesteld worden dat
bedrijfsagglomeratie altijd tot betere bedrijfswerking en regionale groei leidt (Bathelt, 2002,
p. 585). Specifieke endogene clusterkarakteristieken, zoals de sterkte en ontwikkeling van een
netwerk tussen actoren, spelen een bepalende rol bij het succes van een cluster (Giuliani,
2010). Voor een schematische weergave van de drijvende factoren van knowlegde spillover
en bijgevolg innovatie en regionale groei, wordt verwezen naar Figuur 2. In de
kennisintensieve biotech sector worden knowlegde spillovers vaak gezien als een belangrijk
voordeel van bedrijfsagglomeratie. We zullen ons dus concentreren op de onderliggende
drijvende krachten van knowlegde spillovers in de volgende sectie.
Figuur 2. Drijvende factoren van Regionale Economische Groei
3.2.1 Lokale Netwerken
De mate van samenwerking tussen bedrijven, maar ook met niet-economische actoren zoals
overheidsinstituten en onderzoekscentra, zijn bepalende factoren voor knowledge spillovers
tussen bedrijven en de innovatiecapaciteit van clusters. Volgens Porter bestaan clusters uit
“onderling verbonden bedrijven en instituties”. Het is dus niet alleen de co-locatie van
bedrijven die tot knowlegde spillovers en andere voordelen leiden, maar ook het bestaan van
15
lokale netwerken met een hoge intensiteit van samenwerking die voor het succes van clusters
zorgen (Giuliani, 2010).
Netwerken worden in het algemeen gedefinieerd als “een geïntegreerde en gecoördineerde set
van lopende economische en niet-economische relaties ingebed in, tussen en rond bedrijven”
(Giuliani, 2010, p. 264). Giuliani (2010) maakt verder een onderscheid tussen twee soorten
van netwerken, namelijk zakelijke en kennisnetwerken. Zakelijke netwerken zijn netwerken
die steunen op bedrijfgerelateerde, persoonlijke interacties, zoals met schuldeisers,
toeleveranciers, het lidmaatschap van dezelfde koepelorganisatie of deelname in dezelfde
zakelijke evenementen en initiatieven zoals bijvoorbeeld technische samenwerking.
Kennisnetwerken zijn daarentegen gebaseerd op de uitwisseling van innovatie gerelateerde
kennis. Vergeleken met zakelijke netwerken zijn kennisnetwerken informeel en selectief in
die zin dat ze enkel voorkomen tussen een beperkt aantal bedrijven in een cluster (ibid.).
Giuliani’s onderzoek laat zien dat voornamelijk kennisnetwerken een positief effect hebben
op de prestaties van een bedrijf en haar innovatiecapaciteit.
Dichte kennisnetwerken die worden gekarakteriseerd door wederzijds vertrouwen en
herhaaldelijke persoonlijke contacten, leveren meer mogelijkheden op voor knowledge
spillovers, waardoor de innovatiecapaciteit van bedrijven stijgt. Hotz-Hart (2000, p.433) stelt
dat “innovatie een interactief leerproces is dat kennisuitwisseling, interacties en
samenwerking tussen verschillende actoren nodig heeft”. Samenwerking is daarom van groot
belang in innovatieve sectoren in de zin dat het nieuwe productontwikkeling bevordert. De
intensiteit van de samenwerking tussen bedrijven wordt opnieuw vergemakkelijkt door de
ruimtelijke en sectoriele nabijheid in clusters, waardoor toevallige en regelmatige contacten
mogelijk worden (Boschma, 2005).
3.2.2 Netwerkverankering
Bedrijven die een groot aantal sterke samenwerkingsrelaties onderhouden, worden beschouwd
als relationeel goed verankerd in de cluster. Relevant voor beleidsmakers is dat een bedrijf
haar netwerkverankering er mee voor zorgt dat een bedrijf niet gemakkelijk verhuist naar een
locatie ver buiten de cluster. Dichte kennisnetwerken, die worden gekarakteriseerd door
frequente interacties en waardevolle knowledge spillovers tussen goed verankerde actoren,
16
stimuleren het innovatieve gedrag en bij gevolg de globale concurrentiepositie van bedrijven
(Giuliani, 2010). Ingebed raken op een nieuwe locatie kost tijd, geld en moeite om opnieuw
het wederzijdse vertrouwen op te bouwen, wat noodzakelijk is voor knowlegde spillovers.
Sterk verankerde bedrijven zullen daardoor minder snel herlokaliseren, zelfs indien dit
financieel gunstiger zou zijn (Boschma en Frenken, 2007; Knoben en Oerlemans, 2008).
Alhoewel geografische nabijheid cruciaal is voor de overdracht van onbewuste kennis kan dit
gedeeltelijk opgevangen worden door een gelijkaardige bedrijfsstructuur.
3.2.3 Externe relaties
Succesvolle dynamische clusters zijn niet enkel afhankelijk van lokale relaties maar ook van
externe internationale relaties. Clusters die gekarakteriseerd zijn door een groot aantal lokale
verbindingen en een openheid tegenover externe markten, hebben meestal een betere
concurrentiepositie dan minder verbonden (gesloten) clusters (Bathelt, Malmberg, en Maskell,
2004; Bathelt, 2002; Larsson en Malmberg, 1999). Bathelt et al. (2004) introduceerde de
termen ‘local buzz’ en ‘global pipeline’ om deze fenomenen te beschrijven. ‘Local buzz’
beschrijft de agglomeratie van bedrijven die toevallige persoonlijke ontmoetingen en
bijgevolg ‘knowledge spillovers’ op lokaal niveau mogelijk maken. ‘Global pipelines’
verwijst naar bewust opgerichte verbindingen met andere innovatieve clusters. Deze globale
contacten zijn volgens de auteurs belangrijk omdat ze lokale clusters toegang geven tot
nieuwe kennis die ergens anders is ontwikkeld. Door nieuwe kennis aan te brengen, zorgen
‘global pipelines’ dat de cluster geen geïsoleerd en rigide, innovatievertragend netwerk wordt.
Alleen door lokale kennis te combineren met externe inputs kan een cluster op lange termijn
competitief blijven. Hoewel de ‘global pipeline’ meestal tussen slechts twee bedrijven (een
lokaal en een buitenlands) is, zal de kennis zich via de ‘local buzz’ verspreiden, zodat
uiteindelijk, afhankelijk van hun absorbtievermogen, alle bedrijven van de lokale cluster er
van zullen kunnen profiteren (ibid.).
De meeste beleidsinitiatieven hebben zich tot op het heden gericht op het lokale niveau met
als doel om de ‘local buzz’ te versterken. De promotie van externe verbindingen is echter ook
van cruciaal belang en vraagt meer geld en moeite bijvoorbeeld bij het selecteren van een
geschikte partner. Er wordt dan ook geadviseerd dat beleidsmakers zich inzetten om externe
verbindingen te promoten, om zo lokale inertie tegen te gaan (Bathelt et al., 2004).
17
Een te groot aantal externe internationale verbindingen brengt echter met zich mee dat de
cluster volledig internationaal georiënteerd wordt en haar lokale verankering verliest, met als
mogelijk gevolg dat bedrijven zullen herlokaliseren en de cluster zal verdwijnen. Hoewel dit
scenario erg onwaarschijnlijk is, zijn er toch een klein aantal bestaande voorbeelden.
Vanwege de hoge kost en moeite om ‘global pipelines’ te creëren en te onderhouden, gaan
Bathelt et al. (2004) er vanuit dat er slechts een beperkt aantal ‘global pipelines’ kunnen
onderhouden worden door een bedrijf.
3.2.4 Ondernemerschap en Financiering
In een succesvolle cluster moet er een minimum aantal kleine innovatieve bedrijven aanwezig
zijn (Saxenian, 1990; Audretsch, 2001). In economische literatuur wordt algemeen
aangenomen dat durfkapitaal het starten van bedrijven vergemakkelijkt en daarom een
belangrijke katalysator is voor de dynamische groei van clusters. (Florida en Kenney, 1988;
Martin et al., 2002). Durfkapitaal kan gezien worden als een speciale vorm of onderdeel van
private equity. In het algemeen worden durfkapitaalfondsen gebruikt om kleine hightech
bedrijven te steunen door middel van allerlei diensten in ruil voor aandelen. Deze steun bevat
onder meer management ondersteuning, toegang tot hun persoonlijke en professionele
netwerken en uiteraard monetaire fondsen (Collewaert et al., 2010; Gupta en Sapienza, 1992;
Zider, 1998). Vanwege de beperkte slaagkansen, onvoldoende eigen kapitaal en een onzeker
rendement, kunnen jonge innovatieve bedrijven in het algemeen moeilijk kapitaal krijgen via
conventionele bronnen zoals aandelen, bankleningen en verzekeringsbedrijven (Zider, 1998).
Naast geld beschikbaar maken voor opkomende innovatieve bedrijven zullen durfkapitalisten
via hun uitgebreide kennis van de sector en persoonlijke contacten de toegang van een start-
up mogelijk maken in bestaande industriële netwerken. Zook (2002) introduceerde de term
‘slim kapitaal’ (in tegenstelling tot ‘dom kapitaal’) om dit fenomeen te beschrijven. ‘Slim
kapitaal’ is een aanduiding voor de combinatie van het beschikbaar stellen van fondsen en het
beschikken over een uitgebreide kennis over de industrie, een uitgebreid netwerk van
potentiële klanten en de mogelijkheid om ‘deuren te openen’ bij grote bedrijven. Om van deze
gunstige voordelen gebruik te kunnen maken speelt de afstand tussen een durfkapitaalfonds
en het portfoliobedrijf een cruciale rol. (Florida en Kenney, 1988). Om precies te zijn wordt er
vanuit gegaan dat investeerders en ontvangers die op dezelfde locatie zijn gelegen, de
18
gemakkelijkste toegang hebben tot niet-monetaire middelen. (Mason en Harrison, 1995;
Powell et al., 2002; Sunley et al., 2005). Zook stelt dat:
Het grootste voordeel halen uit durfkapitaal of ‘slim geld’[…] wordt beperkt door
geografie […]. Bedrijven die dichter zijn bij de bronnen van durfkapitaal, hebben betere
toegang tot geld, netwerken en het advies van durfkapitalisten (Zook, 2002, p. 163-164).
Omdat geografische afstand van belang is voor knowledge spillovers, het vergemakkelijkt de
transfer van impliciete kennis, hebben meerdere onderzoekers opgemerkt dat
durfkapitaalactiviteiten samenkomen op slechts een beperkt aantal plaatsen (Christensen,
2007; Florida en Kenney, 1988; Mason en Harrison, 2002; Powell et al., 2002; Zook, 2002).
Hierbij dient opgemerkt te worden dat dit in scherp contrast is met de neoklassieke notie van
de vrije stroom van kapitaal. Het benadrukt dat ondanks de globalisatie van financiële
diensten en de voortdurende vooruitgang in telecommunicatie, geografie nog steeds van
belang is voor durfkapitaal.
Vooral in de vroege groeifase van een start-up is persoonlijk contact met de geldschieter van
groot belang. Gedurende deze fase wordt het bedrijf voor het eerst bloot gesteld aan de
marktomgeving en wordt de strategie indien nodig aangepast. De uitgebreide ervaring van de
geldschieter met het herdefiniëren van bedrijfsstrategieën en met het voorzien van
waardevolle zakencontacten zijn hierbij van cruciaal belang (Devigne et al., 2011).
Een belangrijke eigenschap van durfkapitaal is haar ruimtelijke gevoeligheid. “Bedrijven die
bij bronnen van durfkapitaal gevestigd zijn, hebben betere toegang tot fondsen, netwerken en
advies van geldschieters” (Zook, 2002, p.163). Bijgevolg kunnen we er vanuit gaan dat een
efficiënte lokale durfkapitaalmarkt belangrijk is voor start-ups om van de grond te komen, wat
op zijn beurt zorgt voor een verbetering van de innovatiecapaciteit van de clusters.
3.3 Nadelen van bedrijfsagglomeratie
Ondanks de duidelijke voordelen van industriële clusters zoals interne schaalvoordelen,
lokalisatie- of urbanisatievoordelen (McCann, 2008), is er ook bewijs dat
bedrijfsagglomeratie potentieel adverse effecten kan hebben. Martin en Sunley (2003) stellen
19
dat het niet essentieel is voor alle bedrijven om deel te zijn van een clusters. Zij stellen dat de
interne kennisnetwerken, die over het algemeen verwacht worden een positief effect te hebben
op het bedrijf haar innovatieve capaciteit, op termijn “bronnen van inertie en rigiditeit, ten
opzichte van bedrijven buiten de cluster” zullen worden. (Martin en Sunley, 2003, p. 18;
Cooke et al., 2005). Verder is er nog niet voldoende bewijs om te concluderen dat bedrijven in
clusters inderdaad innovatiever zijn en een hogere groei hebben. In de meeste gevallen zijn
bevindingen gebaseerd op de studie van zeer succesvolle clusters (zoals Silicon Valley) in
plaats van gemiddeld presterende clusters. De auteurs concluderen uiteindelijk dat “de
voordelen gerealiseerd van geografische clusters specifiek zijn voor bepaalde industrieën in
bepaalde fases van ontwikkeling op specifieke plaatsen en enkel onder bepaalde
voorwaarden” (Martin en Sunley, 2003, p. 22; zie ook Audretsch, 1998). Ook Cooke et al.
(2005) stellen in hun onderzoek naar relationele verankering dat over-verankering van lokale
netwerken een negatieve invloed heeft op innovatie (Bathelt et al., 2004; Uzzi, 1997; 1996;
Porter, 2000). Te grote relationele dichtheid kan leiden tot een herhaling van dezelfde
processen en bijgevolg fungeren als een barrière tegen leren en innovatie. Deze ‘lock-in’
situatie komt vaak voor wanneer een netwerk te beperkt is, zowel door (een gebrek aan)
sociale contacten en geografische schaal. In andere woorden, minder lokale contacten en meer
externe contacten hebben een positief effect op een bedrijf haar innovatieve output en omzet.
De academische literatuur is dus enigszins verdeeld over de effecten van clustering op een
bedrijf haar innovatieve capaciteit en regionale groei. Op dit moment domineren studies die
de voordelen van bedrijfsagglomeratie benadrukken. Desalniettemin zijn er steeds meer
onderzoekers die de voordelen van deel uitmaken van een cluster, die in het algemeen
afhankelijk zijn van de ontwikkelingsfase waarin het bedrijf en de sector zich bevinden, in
vraag stellen. Om klaarheid in deze zaak te brengen moeten de voordelen en nadelen van
industriële clustering per geval apart bekeken worden.
3.4 Samenvatting
Om de theoretische inzichten toe te passen op de Vlaamse biotech sector zal niet alleen
aandacht moeten geschonken worden aan de identificatie van agglomeratie, maar ook aan de
ontwikkeling van de onderliggende factoren die knowledge spillovers vergemakkelijken en zo
belangrijke determinanten zijn van regionale innovatie systemen in de biotech sector.
20
De Vlaamse ‘smart specialization’ strategie focust op de ontwikkeling van globaal
competitieve clusters. Om globaal competitief te worden en te blijven, hangen de clusters af
van nieuwe kenniscreatie. In dit hoofdstuk hebben we de rol van kleine en innovatieve
bedrijven als drijvende krachten van knowledge spillover en innovatie benadrukt. De RIS
benadering wijst op het belang van specifieke institutionele karakteristieken voor de
innovatiecapaciteit van een regio. Een goed ontwikkelde financiële infrastructuur wordt
gezien als een cruciale, regionale voorwaarde om innovatie te versnellen. De stichting van
start-ups wordt sterk vertraagd door het gebrek aan kapitaal. Om te beoordelen in hoeverre de
kapitaalsvereiste vervuld is in Vlaanderen, zullen we vervolgens het financieringspatroon van
de Belgische biotech start-ups analyseren. Er zal extra aandacht gaan naar het aspect van de
verstrekking van durfkapitaal. Het volgende hoofdstuk beschrijft de biotech sector en daarna
worden de bijzonderheden van ondernemingsfinanciering in de biotech sector meer
gedetailleerd uitgewerkt. Een empirische analyse van biotech start-ups in Vlaanderen, België
en een aantal andere landen is het onderwerp van het tweede deel van dit rapport.
21
4 Biotechnologie
Tijdens de laatste jaren heeft de biotech sector steeds meer aandacht gekregen van
beleidsmakers in de EU. Biotechnologie wordt gezien als een van de belangrijkste
technologieën met het potentieel om de toekomstige overgang naar een koolstofarme
economie mogelijk te maken in de toekomst. Door de verbetering van de ontginning van
natuurlijke grondstoffen en het efficiënter maken van vele industriële processen, draagt de
biotech industrie in belangrijke mate bij aan de herstructurering van productieprocessen en
industriële verandering (EU Commission, 2013). Deze sectie heeft als doel om een kort
overzicht te geven van de definitie en evolutie van biotechnologie.
Al duizenden jaren worden gecultiveerde micro-organismen gebruikt in de voedselproductie.
Aangezien ze een fermentatieproces mogelijk maken, zijn het belangrijke elementen in de
productie van bier en wijn. Bovendien wordt kunstmatige selectie al eeuwen gebruikt om de
productiviteit van gewassen en vee te verhogen. In een brede definitie kunnen deze processen
gezien worden als eenvoudige biotechnologie. Echter, voornamelijk sinds de jaren ’70, zijn er
grote technologische ontdekkingen gedaan, zoals de ontdekking van monoklonale antistoffen
en de ontwikkeling van recombinant DNA. Dit laatste maakt het mogelijk om genen en
micro-organismen te herstructureren en -combineren. Vandaag beschrijft de term
biotechnologie gewoonlijk complexe processen, die meestal gebruik maken van genetische
manipulatie. Vanwege de veelheid aan applicaties, worden biotechnische processen steeds
meer gebruikt in een brede waaier van industriële toepassingen van geneeskunde tot
landbouw (Rosiello en Orsenigo, 2008).
Rekening houdend met de interdisciplinaire aard van biotechnologie, geeft de Organisatie
voor Economische Samenwerking en Ontwikkeling [OESO] een relatief brede definitie.
De toepassing van wetenschap en technologie op levende organismen, ook op delen,
producten en modellen ervan, om de levende en niet-levende materialen te wijzigen voor
de productie van kennis, goederen en diensten (OECD, 2013, eigen vertaling)
In andere woorden, het doel van biotechnologie is om de efficiëntie te verhogen of om nieuwe
(chemische) bestanddelen te ontwikkelen die gebruikt worden in een aantal industriële of niet-
industriële domeinen.
22
Aangezien de OESO een brede definitie hanteert, is het gebruikelijk om de sector in te delen
in drie verschillende kleuren op basis van het betreffende domein:
Rode biotechnologie wordt gebruikt voor biotechnische toepassingen in het veld van
geneeskunde en geneesmiddelen. Het houdt zich voornamelijk bezig met de
ontdekking van nieuwe medische behandelingen of meer effectieve medicijnen zoals
genetische behandeling en innovatieve antibiotica.
Groene biotechnologie verwijst naar biotechnische methoden in de landbouw. Het
wordt bijvoorbeeld gebruikt om de gewasproductiviteit te verhogen of om het gebruik
van meststoffen of pesticiden te verminderen.
Witte biotechnologie houdt zich voornamelijk bezig met de ontdekking van
efficiëntere en effectievere syntheseprocessen op industrieel gebied. Het laat een
duurzamere productie van chemicaliën en andere materialen toe. Op witte biotech
gebaseerde producten hebben zich verspreid in het alledaagse leven, zoals bij
wasproducten met enzymen.
Hoewel in de strikte zin biotechnologie slechts een deel van het brede veld van ‘life sciences’
omvat, nemen we de termen ‘biotechnologie’, ‘biotech’ en ‘life sciences’ als onderling
verwisselbaar in deze paper. Zeker wat betreft dynamische en relatief ‘jonge’ sectoren, is het
moeilijk om bedrijven en activiteiten in te delen in vaste eenduidige categorieën. Termen als
(groene) chemie, biotech en farmacie kunnen gebruikt worden om een diverse groep van
bedrijven en activiteiten te categoriseren. Hier kiezen we voor de term biotech omdat bij de
toepassing van het conceptueel kader (innovatieve clusters en de rol van durfkapitaal) bleek
dat biotech dé sector is waar durfkapitaal in geïnvesteerd wordt. Ook de gekozen databron
gebruikt het etiket ‘biotech’. Dit wil echter niet zeggen dat biotech één homogene, gesloten
groep is. Biotech omvat immers activiteiten in o.m. de chemische sector, de farmacie en de
agro-foodindustrie. Maar biotech is wel de meest geschikte omschrijving van hetgeen
onderzocht is.
23
In het volgende deel worden een aantal belangrijke cijfers met betrekking tot de Belgische en
Vlaamse situatie gepresenteerd. Vooraf moet vermeld worden dat door de relatief vage
definitie van ‘biotechnologie’ bij de OESO en het gebrek aan specifieke industriële
klasseringscodes, de statistieken rond biotechnologie onderling sterk verschillen.
4.1 De Biotech Sector in Vlaanderen
De toepassing van geavanceerde biotechnologische processen in de industriële, medische en
landbouwectoren is snel toegenomen tijdens de laatste twee decennia. De sector wordt
bijgevolg gezien als relatief jong en gekarakteriseerd door snelle technologische
veranderingen. Bovenop de relatief brede definitie van biotechnologie en de snel
veranderende aard van de sector, wordt de classificatie van de biotech sector bemoeilijkt door
het feit dat ‘biotechnologie’ meestal niet de kernactiviteit is van het bedrijf. Bedrijven
combineren de toepassing van biotechnische processen met andere industriële activiteiten. Tot
op heden is biotechnologie daarom nog niet geregistreerd als een onafhankelijke code in de
‘Statistische classificatie van Industriële Activiteiten in de Europese Gemeenschap’ [NACE],
een classificatie die bedrijfsactiviteiten verdeelt over industriële en commerciële sectoren. Om
de biotech industrie te identificeren, moeten we alternatieve bronnen gebruiken. Voor
Belgische en Vlaamse data vallen we terug op de informatie van FlandersBio, de koepel
organisatie voor biotech en life sciences bedrijven in Vlaanderen en het Agentschap voor
Buitenlandse Handel [ABH].
Volgens FlandersBio waren er 147 bedrijven in 2011 in Vlaanderen en Brussel met
biotechnologische gerelateerde activiteiten. De meerderheid van hen (69) waren actief in het
medische veld (rode biotechnologie), maar ook de witte en groene biotechnologie groeiden
snel in de laatste jaren volgens het ABH (2011). In 2011 waren 25 bedrijven bezig met
industriële biotech toepassingen (witte biotechnologie) en 15 in agro-biotechnologie (groene
biotechnologie). De overige 38 bedrijven hielden zich bezig met verschillende
gespecialiseerde diensten met betrekking tot biotechnologie, zoals de productie van
gespecialiseerde inputs. Volgens het ABH waren er licht verschillende cijfers voor 2008: Er
waren 308 biotech bedrijven opgericht in België, waarvan 151 in Vlaanderen waren
gelokaliseerd, ongeveer 104 in Wallonië en 52 in Brussel (ibid).
24
Clustering van biotechnologische activiteiten in Vlaanderen en Brussel zijn vooral
geobserveerd rond de universiteitssteden Gent en Leuven (‘Vlaamse Biotech Vallei’) en
Brussel en in mindere mate rond Antwerpen en Hasselt (Invest in Flanders, 2013;
FlandersBio, 2012). Biotechnologisch onderzoek vond plaats in 13 onderzoekparken (bv.
IMEC Leuven, Center for Medical Innovation Leuven, Vlaams Instituut voor Biotechnology
[VIB] etc.) en 14 incubatoren (bv. Bio-Accelerator Gent, Bio-incubator – VIB, BioVille
Diepenbeek, Incubator Diepenbeek en Incubator Erasmus etc.) die over het algemeen in de
buurt van universiteiten gelokaliseerd zijn. In totaal werden ongeveer 13.000 mensen
tewerkgesteld in de sector in Vlaanderen en Brussel, goed voor een omzet van 1,9 miljard
euro (FlandersBio, 2012). Voor België schatte ABH (2011) het aantal tewerkgestelde mensen
in de biotech sector rond de 30.000 in 2008. Hiervan werkt ongeveer 80% in de bio-
gezondheid sector.
4.2 Ondernemersfinanciering in de Biotech Sector
Biotech start-ups komen meestal voort uit academische spin-offs. Slechts een aantal bedrijven
zijn spin-outs van de toonaangevende bedrijven van de sector. Gezien het feit dat biotech
processen extreem complex zijn en gespecialiseerde kennis nodig hebben, is het moeilijk voor
mensen van buiten de sector om een zulk bedrijf vanaf nul op te bouwen.
In het begin hangen academische spin-offs meestal af van financiering van universiteiten of
publiek zaaikapitaal [seed capital] en business angels. Spin-outs daarentegen blijven meestal
financieel afhankelijk van het moederbedrijf. In een latere fase, wanneer het bedrijfsidee beter
is uitgewerkt, is er meer kapitaal nodig en zullen start-ups op zoek gaan naar durfkapitaal. In
figuur 3 wordt de financiële cyclus van biotech start-ups weergegeven op een sterk
vereenvoudigde manier.
25
Figuur 3. Financiële ontwikkeling van biofarmaceutische start-ups
In tegenstelling tot andere kennisintensieve sectoren zoals IT, wordt de biotech industrie niet
alleen gekarakteriseerd door een nood aan kapitaal in de opstartfase, maar ook door een nood
aan een grotere kapitaalinjectie in latere fasen van de groei, zoals in het geval van medische
biotech bedrijven, wanneer er dure klinische testen nodig zijn. In het algemeen kunnen
klinische testen voor geneesmiddelen 8 tot 10 jaar duren en honderden miljoenen euro’s
kosten. De testen werken met drie opeenvolgende rondes: eerst wordt het medicijn op
gezonde individuen getest. Als dit succesvol is, wordt het toegediend aan een kleine groep
patiënten met de relevante symptomen. Pas in de laatste fase wordt het geneesmiddel aan een
grote groep patiënten toegediend. Indien de eerste twee fasen van het testen succesvol waren,
wordt het investeringsrisico lager en zijn farmaceutische bedrijven meestal bereid om samen
te werken bij de fase III testen. Alleen indien alle testfasen succesvol zijn, heeft het medicijn
kans om voor verkoop goedgekeurd te worden door de bevoegde instanties (Verbeke, 2011).
Vanwege de noodzaak aan deze langdurige klinische testen, worden biotech start-ups
gekarakteriseerd door ontwikkelingsfasen die langer duren dan in het geval van start-ups uit
andere kennisintensieve sectoren. Na het zaaikapitaal [seed capital] te hebben gekregen om
verder te groeien en dure klinische testen te financieren, wordt het belangrijk om nieuwe
financiering te verkrijgen. Dit speelt voornamelijk bij rode biotech start-ups. Vanwege de
duur en de kost van klinische studies hebben bedrijven in deze fase disproportioneel meer
kapitaal nodig dan in de eerdere fasen (stichting en onderzoek). In het algemeen is een fonds
26
van enkel een universiteit of regering te klein om zulke uitgaven te dekken (Verbeke, 2011;
Vlaams Infocentrum Land- en Tuinbouw, 2012).
De Vlaamse overheid financiert voornamelijk via het fonds van het Agentschap voor
Innovatie door Wetenschap en Technologie [IWT]. Aangezien de grootte van het fonds echter
beperkt is, wordt steun voornamelijk gegeven aan biotech start-ups in de vroege stadia van
ontwikkeling (tot het 6e jaar) (Flanders Investment en Trade, 2013). Naar de beurs stappen om
geld te verzamelen is ook meestal geen optie alvorens de klinische testen zijn uitgevoerd,
omdat het nieuwe product zich nog steeds in ontwikkeling bevindt en nog niet getest is. Op
die manier wordt het bedrijf als een extreem riskante investering beschouwd. In het algemeen
is durfkapitaal de enige mogelijke bron van kapitaal voor jonge bedrijven in de life sciences
sector om de hoge kosten tijdens de test fase te dekken.
In België is de biotech sector relatief jong, vergeleken met onder andere de VS. Weinig
bedrijven hebben daarom de dure testfase reeds bereikt. De snelle ontwikkeling van de sector
betekent echter dat in de komende jaren meerdere bedrijven hun product zullen beginnen te
testen en dus bijkomende financiering nodig zullen hebben. Vanwege de relatief beperkte
aanwezigheid van durfkapitaal in België, kan dit tot een flessenhals leiden in de biotech
sector. De Belgische biotech start-ups zullen mogelijk gedwongen worden om ook in het
buitenland naar fondsen te zoeken (Vandenbussche, 2011).
Om in staat te zijn efficiënte beleidsaanbevelingen te geven om het probleem van een
potentieel tekort van de financiering van ondernemersactiviteit in de biotech sector aan te
pakken, is een gedetailleerd overzicht van de investeringspatronen binnen durfkapitaal
absoluut nodig. Het volgende deel heeft daarom als doel durfkapitaalfinanciering in de
Vlaamse en Belgische biotech sector te analyseren op een systematische manier. Vanwege de
ruimtelijke gevoeligheid van durfkapitaal, geven we speciale aandacht aan de geografische
patronen van durfkapitaalinvesteringen.
27
Deel II: Resultaten
5 Financiële Aspecten van de Biotech Sector
Alvorens de financiering van de Belgische biotech sector verder te analyseren, geven we een
aantal belangrijke figuren in verband met durfkapitaalinvestering in België. België haar
prestaties worden vergeleken met de EU-15, Zwitserland en de VS. Deze landen zijn gekozen
omdat ze grote durfkapitaalmarkten bezitten of omdat ze tot de belangrijkste handelspartners
van België behoren.
5.1 Methodologie en Data
Biotech start-ups die durfkapitaal ontvingen worden geïdentificeerd aan de hand van de
Zephyr database van het Bureau van Dijk. De database bevat informatie over investeerders en
ontvangers (naam, adres, sector), bedrag en de soort van financiering. Dankzij de brede
classificatieopties van Zephyr, was het mogelijk om alle durfkapitaalinvesteringen die
plaatsen gevonden hebben in de ‘biotech, life sciences en farmaceutische sector’ te selecteren.
De periode van 2004 tot 2012 werd gekozen, aangezien de database up-to-date en relatief
volledig was voor alle onderzochte landen in deze periode. Daarnaast maakt deze periode het
ook mogelijk om de prestaties voor en na de financiële crisis van durfkapitaalmarkten te
beoordelen.
Omdat de database enkel het totale bedrag weergeeft, valt de precieze verdeling van de
bijdrage per individuele investeerders niet af te leiden. Wanneer een specifiek bedrag per
investeerder vereist is, gaan we er van uit dat alle financiers evenveel bijdragen.
5.1.1 Aantal Durfkapitaalinvesteringen
Tussen 2004 en 2012 zijn er in de biotech sector 17 deals met betrekking tot durfkapitaal
afgesloten waarbij 11 Belgische portfoliobedrijven betrokken waren, voornamelijk uit
Vlaanderen. Het merendeel van de onderzochte landen had een absoluut hoger aantal
durfkapitaalinvesteringen dan België, zoals afgeleid kan worden uit Figuur 4. Voor sommige
landen zoals de VS, Duitsland en het Verenigd Koninkrijk kan het verschil gedeeltelijk
28
verklaard worden door een grotere economie en een omvangrijkere durfkapitaalmarkt.
Wanneer we echter Vlaanderen vergelijken met qua bevolking gelijkaardige landen zoals
Zweden of Denemarken, worden in Vlaanderen significant minder durfkapitaalinvesteringen
geobserveerd.
Figuur 4. Biotechnologie: Totale DK overeenkomsten per land (vestiging portfoliobedrijf)
(2004 – 2012)
Indien we de jaarlijkse verdeling van durfkapitaalovereenkomsten in de EU-15 en Zwitserland
analyseren, kunnen we in figuur 5 stellen dat voornamelijk het VK en Duitsland sterk
fluctueren. Aan de andere kant echter bleven DK-overeenkomsten in landen met kleinere DK-
markten zoals België, Nederland en Zweden relatief stabiel maar laag tussen 2004 en 2012
met als uitzondering België tussen 2006 en 2009. Denemarken had een zeer hoog aantal DK-
overeenkomsten in het begin van de periode, maar dit aantal is langzaam achteruitgegaan en
het is niet mogelijk gebleken voor de Deense markt om hetzelfde niveau opnieuw te bereiken.
De algemeen dalende trend van het aantal investeringen in 2008 en 2009 wordt verondersteld
het resultaat te zijn van de economische crisis en de daling van de liquiditeit van de
US GB DE FR CH NL DK SE AT ES BE IE IT FI LU GR PT
VC deals 1369 192 98 75 59 34 32 23 22 19 17 14 7 5 1 0 0
0
200
400
600
800
1000
1200
1400
1600
Nu
mb
er
29
investeerders tijdens de crisis. Met uitzondering van het VK, Zwitserland en Nederland, stijgt
het aantal overeenkomsten langzaam in de meeste landen sinds 2011.
In tegenstelling tot de algemeen dalende trend vanaf 2008 was er een piek in
durfkapitaalinvesteringen in België in 2009, toen vijf overeenkomsten werden gesloten. Naast
uitzonderlijke pieken in 2006 en 2009, is het aantal overeenkomsten min of meer stabiel
gebleven op het niveau van 2004. Geen significante groei in durfkapitaalinvesteringen heeft
plaats gevonden tijdens de onderzochte periode. Dit is ook het geval voor Zweden en
Nederland.
Figuur 5. Biotechnologie: Jaarlijks Durfkapitaalinvesteringen (EU-15 en Zwitserland)
Figuur 6 geeft de verdeling van Belgische durfkapitaalinvesteringen per regio. De meeste
durfkapitaalinvesteringen vonden plaats in start-ups in Vlaanderen. Er waren slechts drie
investeringen in Wallonië. Deze drie investeringen refereren naar de twee financieringsronden
van Promthera Biosciences in 2009 en 2012 en een kapitaalsinjectie in Cardio3 BioSciences
2004 2005 2006 2007 2008 2009 2010 2011 2012
AT 4 2 2 1 2 7 1 3 0
BE 1 0 4 2 2 5 1 1 1
CH 6 5 7 8 6 13 7 4 3
DE 11 12 13 11 15 5 12 5 14
DK 6 8 5 5 4 0 2 0 2
ES 0 0 0 1 7 4 3 4 0
FI 0 2 1 0 1 0 1 0 0
FR 13 10 6 7 7 7 6 7 12
GB 29 29 19 24 13 16 27 22 13
GR 0 0 0 0 0 0 0 0 0
IE 5 2 1 1 1 2 1 0 1
IT 0 2 1 0 1 3 0 0 0
LU 0 0 0 0 1 0 0 0 0
NL 1 5 5 5 5 3 5 5 0
PT 0 0 0 0 0 0 0 0 0
SE 1 1 2 3 8 0 3 2 3
0
5
10
15
20
25
30
35
VC
De
als
30
SA in 2009. Alhoewel Vlaanderen doorheen de financiële crisis kwam zonder een
vermindering van grote investeringen, zijn durfkapitaalinvesteringen licht aan het dalen sinds
2009. Het aantal investeringen is echter zo laag dat de variaties voorzichtig geïnterpreteerd
moeten worden. In zowel 2005 en 2012 werden er geen investeringen waarbij Vlaamse
biotech portfoliobedrijven betrokken waren, geregistreerd in Zephyr.
Figuur 6. Biotechnologie: Durfkapitaalinvesteringen in Vlaanderen en Wallonië
5.1.2 Omvang van de Durfkapitaalinvesteringen
Tussen 2004 en 2012 was de totale investering in Belgische start-ups gelijk aan 242,2 miljoen
USD. Gemiddelde investeringen in Vlaamse start-ups waren gelijk aan 16,4 miljoen USD
terwijl er gemiddeld 13,3 miljoen USD in Waalse bedrijven werd geïnvesteerd.
Voor een aantal observaties geeft de databron niet de omvang van de investering. Zo waren er
voor België twee investeringen zonder informatie over hun waarde. Dit verklaart de
inconsistentie tussen het aantal investeringen en het totale geïnvesteerde bedrag in bv. 2010
(zie Figuur 7), toen Arcarios BV durfkapitaal kreeg maar geen details vrijgaf over de grootte
van de investering.
2004 2005 2006 2007 2008 2009 2010 2011 2012
Flanders 1 4 2 2 3 1 1
Wallonia 2 1
0
1
2
3
4
5
VC
de
als
31
Figuur 7. Belgische biotech Sector: Jaarlijkse Durfkapitaalinvesteringen
In overeenkomst met de piek in het aantal investeringen in 2006, was de hoeveelheid
geïnvesteerd durfkapitaal op zijn hoogste met een bedrag van 72,03 miljoen USD in 2006.
Het grootste deel van dit bedrag, namelijk 51,4 miljoen USD, kan toegeschreven worden aan
Ablynx NV en een consortium van investeerders uit België, het VK, Frankrijk, Nederland en
de VS. Deze investering is veruit de grootste durfkapitaalovereenkomst die is gesloten in de
Belgische biotech sector in de periode van 2004 en 2012.
2004 2005 2006 2007 2008 2009 2010 2011 2012
Flanders 30.040.856 - 72.034.332 28.373.998 23.784.734 22.852.554 - 25.312.549 -
Wallonia - - - - - 17.347.075 - - 22.646.439
-
10.000.000
20.000.000
30.000.000
40.000.000
50.000.000
60.000.000
70.000.000
80.000.000 V
C in
ve
stm
en
t (i
n U
SD
)
32
Figuur 8. Biotechnologie: Percentage van het BBP gebruikt voor durfkapitaalinvesteringen in
EU-15, Zwitserland en de VS
Figuur 8 geeft durfkapitaalinvesteringen in EU-15, Zwitserland en de VS weer als een
percentage van het BBP. De landen met het hoogste percentage aan het begin van de periode
zijn het VK en Denemarken. Grote relatieve hoeveelheden van durfkapitaal werden
geïnvesteerd in de biotech sector van die landen en ze behoorden tot de sterkst groeiende
biotech locaties in Europa tot 2006. Hierdoor vermoeden we dat durfkapitaal inderdaad een
positieve relatie heeft met ondernemerschap in de biotech sector (Manigart et al., 2006).
Durfkapitaalinvesteringen in België fluctueren sterk. Ondanks het relatief kleine aantal
investeringen is de relatieve durfkapitaalinvestering als percentage van het BBP voor een deel
van de periode hoger dan in sommige andere landen zoals Duitsland. Enkel Denemarken,
Zwitserland en de VS hebben een hoger gemiddeld percentage. In de onderzochte periode
2004 2005 2006 2007 2008 2009 2010 2011 2012
Austria 0,01937% 0,00829% 0,01887% 0,00052% 0,00249% 0,01255% 0,00648% 0,00800% 0,00000%
Belgium 0,00831% 0,00000% 0,01801% 0,00617% 0,00469% 0,00849% 0,00000% 0,00493% 0,00441%
Denmark 0,01973% 0,03325% 0,04173% 0,02821% 0,01435% 0,00000% 0,00487% 0,00000% 0,00415%
Finland 0,00000% 0,00646% 0,00177% 0,00000% 0,00000% 0,00000% 0,00137% 0,00000% 0,00000%
France 0,00485% 0,00509% 0,00541% 0,00277% 0,00200% 0,00060% 0,00425% 0,00123% 0,00242%
Germany 0,00562% 0,00469% 0,00289% 0,00482% 0,00690% 0,00079% 0,00714% 0,00159% 0,00459%
Greece 0,00000% 0,00000% 0,00000% 0,00000% 0,00000% 0,00000% 0,00000% 0,00000% 0,00000%
Ireland 0,00858% 0,00465% 0,00274% 0,00040% 0,00024% 0,01294% 0,00044% 0,00000% 0,00115%
Italy 0,00000% 0,00368% 0,00214% 0,00000% 0,00000% 0,00058% 0,00000% 0,00000% 0,00000%
Luxembourg 0,00000% 0,00000% 0,00000% 0,00000% 0,00065% 0,00000% 0,00000% 0,00000% 0,00000%
Netherlands 0,00000% 0,00094% 0,00775% 0,00698% 0,00965% 0,00412% 0,00515% 0,01082% 0,00000%
Portugal 0,00000% 0,00000% 0,00000% 0,00000% 0,00000% 0,00000% 0,00000% 0,00000% 0,00000%
Spain 0,00000% 0,00000% 0,00000% 0,00005% 0,00074% 0,00053% 0,00090% 0,00060% 0,00000%
Sweden 0,00115% 0,01106% 0,00355% 0,00541% 0,00630% 0,00000% 0,00325% 0,00209% 0,00132%
Switzerland 0,02924% 0,02383% 0,02366% 0,03254% 0,02579% 0,04763% 0,01061% 0,00521% 0,00227%
United Kingdom 0,01669% 0,00700% 0,00652% 0,00339% 0,00413% 0,00484% 0,00648% 0,00817% 0,00350%
United States 0,02725% 0,01907% 0,02283% 0,02200% 0,01644% 0,01789% 0,01390% 0,01872% 0,01788%
0,00000%
0,01000%
0,02000%
0,03000%
0,04000%
0,05000%
0,06000%%
of
GD
P
33
kwam het relatieve investeringsniveau van durfkapitaal, gemeten als een percentage van het
BBP, ongeveer op gelijk niveau in België en in het VK.
Voornamelijk in 2006 en 2009 zijn er investeringspieken geobserveerd in België. Deze pieken
worden voornamelijk verklaard door de 51,4 miljoen USD inverstering in Ablynx in 2006, de
bijkomende investeringsronde van 17,5 miljoen USD bij Actogenix NV in 2009 en nog twee
durfkapitaalinvesteringen in Waalse start-ups in 2009.
In tegenstelling tot de daling van durfkapitaalinvesteringen in de sample wegens de
economische crisis, maakte België een piek mee tijdens 2009, toen durfkapitaal gelijk was aan
0,0085% van het BBP. Zoals hierboven reeds opgemerkt, kwam dit voornamelijk door de
investering in het Waalse Actogenix NV.
Durfkapitaalinvesteringen daalden in Duitsland van 0,0069% van het BBP in 2008 naar
0,0008% in 2009. Durfkapitaalinvesteringen in Franse en Britse bedrijven bleven op het lage
niveau van de voorgaande jaren, respectievelijk 0,0006% en 0,0048% van het BBP. In 2009
werden er geen investeringen in Deense bedrijven geobserveerd, hoewel Denemarken in de
voorgaande jaren tot de landen met de hoogste relatieve investeringen behoorde. Vergeleken
met onder meer Denemarken en Nederland, was de daling van durfkapitaal omwille van de
economische crisis relatief matig in België, hoewel dat Belgische bedrijven het hoge
investeringsniveau van 2009 niet konden herhalen in de volgende jaren.
5.1.3 Herkomst van de Investeerders
Er was ook data beschikbaar over de herkomst van de investeerders bij de investeringen in de
Belgische biotech bedrijven. Hierbij moet opgemerkt worden dat twee derde van de
investeerders van Belgische origine waren en dat veel andere investeerders gelokaliseerd
waren in buurlanden Nederland en Frankrijk. Hoewel ook geografisch nabij, was er slechts
één Duitse investering in België en geen enkele Deense investering in Belgische start-ups
tijdens de onderzochte periode, zoals afgeleid kan worden uit Tabel 1.
34
Tabel 1. België: Herkomst van durfkapitaalinvesteringen 2004-2012 (Biotech Sector)
Oorsprong Investeerder Aantal Deals
BE 61
NL 10
FR 6
GB 5
LU 5
US 4
DE 1
ES 1
JP 1
Totaal 94
Gemiddeld waren er bij elke investering in een Belgische start-up 5,5 investeerders betrokken.
Hiervan waren er gemiddeld 3,6 Belgische partners en 1,9 buitenlandse. Het grote aantal
lokale investeerders per investering en het feit dat er geen enkele investering plaatsvond
zonder minimaal één Belgische partner, wijst erop dat durfkapitaal nog steeds sterk
locatiegebonden is. Om buitenlandse investeerders aan te trekken, lijkt een functionerende
durfkapitaalmarkt onmisbaar.
Als we kijken naar het aantal investeringen in Belgische biotech start-ups, is GIMV een
topinvesteerder met investeringen in 6 verschillende investeringsronden. Na GIMV is het
Vlaams Innovatiefonds de grootste met vijf verschillende investeringen tussen 2004 en 2012.
Hoewel de VS en het VK de grootste en best ontwikkelde durfkapitaalmarkten hebben, zijn er
slechts zeven durfkapitaalfondsen die geïnvesteerd hebben in Belgische biotech start-ups
vanuit de VS en het VK. Indien we kijken naar durfkapitaalinvesteringen in alle sectoren,
stijgt de deelname van Amerikaanse en Britse DK fondsen slechts beperkt. Voor een
overzicht verwijzen we naar tabel 2.
35
Tabel 2. België: Herkomst van DK investeerders 2004 -2012 (Alle sectoren)
Oorsprong Investeerder Aantal Deals
BE 212
FR 21
NL 17
US 12
LU 10
CH 7
GB 7
DE 3
AT 1
ES 1
JP 1
Totaal 292
In Vlaanderen investeerden Amerikaanse en Britse investeerders enkel in samenwerking met
Vlaamse partners (zoals bijvoorbeeld GIMV, Biotech Fund Flanders en Flanders Institute for
Biotechnology) in bedrijven die in de latere stadia van ontwikkeling waren. Deze
investeringen waren voor Ablynx NV goed voor 30 miljoen USD in 2004, 51 miljoen USD in
2006 en 19 miljoen USD voor Peakadilly NV in 2006. Dit zijn de grootste investeringen die
hebben plaats gevonden in Vlaanderen tussen 2004 en 2012. Ablynx NV lanceerde haar eerste
beursgang in November 2007. In het geval van Ablynx NV werd de Amerikaanse
investeerder zelfs gezien als voornaamste investeerder.
Amerikaanse en Britse investeerders hebben ook in Wallonië enkel en alleen geïnvesteerd in
een reeds ontwikkeld life sciences bedrijf, Promethera Sciences. In dit geval vond de
investering plaats om fase I en fase II van de klinische testen te financieren.
5.1.4 Belgische Durfkapitaalinvesteringen in het Buitenland
Hoewel Amerikaanse en Britse fondsen slechts beperkte interesse hebben getoond in de
Belgische biotech sector, zijn drie Belgische investeerders partners geworden van meerdere
gesyndiceerde investeringen met biotech start-ups in de VS en het VK. Tussen 2004 en 2012
zijn er 16 investeringen geweest in Amerikaanse biotech start-ups en 14 Britse bedrijven.
Hierbij droegen de start-ups de voorkeur weg als buitenlandse investeringsdoelen voor
Belgische durfkapitaalfondsen in de biotech sector. De meest actieve Belgische investeerder
in de VS zijn GIMV en KBC.
36
Tabel 3. België: Bestemming van buitenlandse investeringen 2004-2012 (Biotech Sector)
land waar
geïnvesteerd wordtAantal Deals
BE 61
US 16
GB 14
FR 8
NL 5
DE 4
CH 3
DK 1
SG 1
Totaal 113
Wanneer we rekening houden met buitenlandse investeringen in alle sectoren, gaan de meeste
naar de VS met 40 investeringen. Hierna komen het VK en Frankrijk met 34 en 32
investeringen. Dan volgen Duitsland (19), Nederland (19) en Zwitserland (15). Helemaal op
de laatste plaats staan de Scandinavische en Zuid-Europese landen, die slechts weinig
Belgische investeerders aantrekken. Vooral Scandinavië krijgt opvallend weinig aandacht van
de Belgische investeerders, hoewel er een relatief sterke biotech sector aanwezig is.
Samengevat is de Belgische durfkapitaalmarkt klein als we naar de absolute grootte kijken.
Als we echter vergelijken met de EU-15, Zwitserland en de VS en rekening houden met de
grootte van de economie, zit de Belgische durfkapitaalmarkt in de middenmoot. De huidige
literatuur benadrukt de geografische afstand als een remmende factor op de verspreiding van
durfkapitaal (Zook, 2002; Harrisson et al., 2003). Dit werd ook geobserveerd voor de
investeringen vanuit het buitenland naar België, die voornamelijk uit Frankrijk en Nederland
kwamen. De Belgische durfkapitalisten lijken daarentegen de relatief verafgelegen
Amerikaanse bedrijven te verkiezen. Om beter de richting van de durfkapitaalstromen te
schatten, zullen we in de volgende sectie zwaartekrachtmodellen gebruiken.
5.2 Analyse op macro-niveau: Zwaartekrachtmodellen
In de beeldvorming heerst dikwijls de gedachte dat (durf)kapitaal ongehinderd stroomt van de
ene kant van de wereld naar de andere. In de schaarse literatuur die de geografische dimensie
37
van durfkapitaal (Zook, 2002; 2004) onderzoekt, komt echter naar voor dat afstand belangrijk
is. In regel is minstens één van de investerende partners lokaal, i.e. gelegen op maximum één
uur rijden van het ontvangende bedrijf. Maar ook de andere partners steken niet zomaar een
oceaan over om te investeren. Om een beeld te hebben van de geografische dimensie van
durfkapitaal, analyseren we in dit deel de durfkapitaalstromen die hun bestemming of
oorsprong hebben in België.
5.2.1 Methode
Onderzoekers maken veelal gebruik van zwaartekrachtmodellen om stromen tussen landen en
regio’s te onderzoeken. Dergelijke modellen zijn dan ook terug te vinden in literatuur over
internationale handel (Redding en Venables, 2004; Boulhol en de Serres, 2010), FDI (van
Bergeijk en Brakman, 2010)) en durfkapitaal (Aizenman en Kendell, 2008), al is de literatuur
in het laatste geval veel minder uitgebreid. In lijn met Newton’s zwaartekrachtwet wordt de
interactie (I) tussen twee landen i en j weergegeven als:
waarbij K een constante is, Mi de omvang van de economie van land i, Mj hetzelfde voor land
j en dij de afstand tussen beide landen. De parameters b1 en b2 geven respectievelijk het
potentieel weer om handel te genereren en aan te trekken, en b3 is de ‘distance decay’
parameter. Dit afstandseffect geeft weer hoe interactie afneemt met toenemende afstand. Zo
zal er meer handel zijn tussen landen A en B dan tussen landen A en C indien B een buurland
is van A terwijl C aan de andere kant van de aardbol ligt (ceteris paribus: de economie van B
is even groot als die van C). Dit zwaartekrachtmodel kan door het nemen van logaritmes
omgezet worden in een vorm die makkelijk te integreren is in een lineair regressiemodel (mits
toevoeging van een foutenterm eij.
log(Iij) = log(K) + b1 log(Mi) + b2 log(Mj) - b3 log(dij) + eij ,
Met een dergelijke model kan dan bijvoorbeeld de handel tussen landenparen geschat worden.
Burger et al. (2009) bijvoorbeeld, modelleren een steekproef van 138 landen, wat resulteert in
38
138 x 137 = 18 906 individuele handelsstromen tussen landen, gemeten in dollars. In
voorliggende analyse beperken we ons echter tot stromen die hun oorsprong of bestemming
hebben in België. Eén van de M variabelen is dus een constante en kan dus weggelaten
worden. Wat leidt tot volgende vergelijking:
log(Iij) = log(K) + b1 log(Mi) - b3 log(dij) + eij ,
Toegepast op durfkapitaal wil dit zeggen dat we verwachten dat er meer durfkapitaal uit een
land geïnvesteerd wordt in België als het land groter is (we verwachten meer durfkapitaal uit
Frankrijk dan uit Luxemburg), en dat vanuit dichterbij gelegen landen meer geïnvesteerd
wordt in België dan vanuit verderaf gelegen gebieden (we verwachten dus meer durfkapitaal
uit Frankrijk dan uit Spanje). Voor investeringen vanuit België geldt een analoge redenering.
Belgische durfkapitalisten investeren vermoedelijk meer in grotere en dichterbij gelegen
landen.
Belgische durfkapitalisten investeren echter ook in België zelf. Daarom beschouwen we
België ook als een bron van durfkapitaal. Daarvoor moeten we enkel de afstand tussen
Belgische durfkapitalisten en ontvangers van durfkapitaal in België bepalen. Deze afstand
hebben we vastgelegd op 30 km. Om na te gaan of deze enigszins arbitrair gekozen afstand
een invloed heeft op de resultaten, hebben we de observatie ‘België’ eens gedeletet. De
geschatte parameters waren niet significant verschillend van deze gerapporteerd in Tabel 5.
Er zijn echter een aantal methodologische bedenkingen te maken bij bovenstaand
regressiemodel. Het nemen van de logaritme kan de resultaten beïnvloeden omdat voor de
verwachtingswaarde van een functie in regel geldt dat E(log(Iij)) ≠ log(E(Iij)) (ongelijkheid
van Jensen), het kan problemen met heteroscedasticiteit erger maken, en als er geen interactie
is tussen landen dan moet een kleine waarde (>0) gebruikt worden omdat de logaritme van 0
onbepaald is (Silva en Tenreyro, 2006; Burger et al., 2009). Indien er veel nullen in de data
zitten is het niet aangewezen om uit te gaan van normaal verdeelde data (Haveman en
Hummels, 2004; Burger et al., 2009). Vandaar dat we in onze analyse van
durfkapitaalstromen ook alternatieve specificaties bekijken. Het model dat we gebruiken heeft
volgende basisstructuur:
39
Ii = K + b1 Mi – b2 log(di) + ei
Daarbij is Ii het aantal deals tussen land i en België; K is een constante (intercept), Mi staat
voor het GDP van land i; de afstand tussen land i en België wordt gegeven door di, en ei tot
slot is de error term. Wanneer we het aantal deals tussen landen schatten (Ii), hebben we te
maken met count data (een aantal van iets is altijd een niet-negatief geheel getal). Voor
dergelijke data is het dikwijls aangewezen om er van uit te gaan dat de data een Poisson (of
Negatieve Binomiale) verdeling volgen in plaats van een normaalverdeling. Indien de data
meer nullen bevat dan verondersteld in dergelijke verdelingen, dan zijn Zero-Inflated Poisson
(ZIP) of Zero-Inflated Negative Binomial (ZINB) modellen beter geschikt (Winkelmann,
1997). De verschillende modellen werden geschat met het package pscl (Zeileis et al., 2008)
in R (R Core Team, 2012).
5.2.2 Data
We meten risicokapitaal op landenniveau en dit voor een steekproef van 17 landen, de EU-15
plus Zwitserland en de Verenigde Staten. Ondanks de relatief grote afstand tussen de VS en
België zijn er aanzienlijke stromen durfkapitaal tussen de VS en België (in beide richtingen).
Dit is te verklaren door de grote durfkapitaalmarkt in de VS en de omvang van de
Amerikaanse economie in het algemeen.
De analyse gebeurt voor vier te verklaren variabelen. De eerste twee hebben betrekking op
durfkapitaalstromen in de sector biotechnologie, terwijl de laatste twee het over
durfkapitaalstromen in het algemeen hebben. We onderzoeken respectievelijk: (1) het aantal
deals met betrekking tot een Belgisch biotechbedrijf waarbij een partner uit land i betrokken
is; (2) het aantal deals met betrekking tot een biotechbedrijf in land i waar een Belgische
durfkapitaalverstrekker bij betrokken is; (3) het totale aantal deals in een Belgisch bedrijf (alle
sectoren) waarbij een durfkapitaalverstrekker uit land i betrokken is; en (4) het totale aantal
deals in land i waar een Belgische durfkapitaalvertrekker bij betrokken is.
De verklarende variabelen zijn: (1) grootte van de economie, daarvoor nemen we het
gemiddelde BBP in de periode 2004-2011 voor land i (in 1 000 miljard dollar); en (2) de
afstand in vogelvlucht tussen Brussel en de hoofdstad van land i (voor België wordt deze
40
afstand zoals reeds aangegeven gelijk gesteld aan 30 km). Het verband tussen afstand en
reistijd (en dus interactie) is echter niet lineair. Om een grotere afstand te overbruggen worden
in regel snellere verplaatsingsmodi gebruikt. Daarom wordt de logaritme genomen van de
variabele afstand.
5.2.3 Resultaten
Tabel 4 vergelijkt de resultaten van enkele verschillende modellen die het aantal deals
schatten met betrekking tot een Belgisch biotech bedrijf waarbij een risicokapitaalverstrekker
uit land i betrokken is. De resultaten van het OLS-model (het meest courante regressiemodel)
zijn duidelijke inferieur t.o.v. die geschat met count data modellen (op basis van o.m. de AIC,
hoe kleiner hoe beter). De zero-inflated modellen (ZIP en ZINB) schatten enerzijds de
coëfficiënten zoals een gewoon Poisson of NB-model dat doet, maar daarnaast schatten ze
ook de kans dat een observatie de waarde nul heeft (in het ‘zero part’). De z-waardes in het
‘zero part’ van de zero-inflated modellen geven aan dat de coëfficiënten niet significant zijn.
Echter, de Vuong test geeft aan dat het ZIP-model te verkiezen is boven het standaard Poisson
model (-2.65, p = 0.004) en dat het ZINB-model te verkiezen is boven het standaard
Negatieve Binomiaal model (-2.63, p = 0.004). Er zitten immers meer nullen dan verwacht in
de data. Het Poisson en het NB-model verwachten dat er 7 nullen zijn, terwijl het er in
werkelijkheid 9 zijn. Het ZIP en ZINB-model schatten dit correct in. Het ZIP-model geniet de
voorkeur omdat de AIC lager is en omdat dit model minder gecompliceerd is dan het ZINB-
model. Dit laatste consumeert immers één extra vrijheidsgraad meer. Vandaar dat we nu
focussen op de resultaten van het ZIP-model.
41
Tabel 4. Vergelijking tussen alternatieve modelspecificaties
OLS Poisson Quasi-Poisson NB ZIP ZINB
Intercept 70.5 8.99 8.99 8.99 8.45 8.45
z 5.1 20.4 24.1 20.4 17.46 17.44
afstand -23.9 -3.39 -3.39 -3.39 -3.02 -3.02
z -4.8 -12.9 -15.2 -12.9 -10.36 -10.34
BBP 1.5 0.39 0.39 0.39 0.31 0.32
z 1.8 6.4 7.6 6.4 4.67 4.67
Zero-part
Intercept -219.73 -89.35
z -0.42 -0.98
afstand 95.19 38.43
z 0.42 0.98
BBP -63.02 -25.11
z -0.41 -1.02
logLikelihood -61 -20.3 - -20.3 -16.3 -16.5
AIC 130 46.6 - 48.6 44.7 47.1
Aantal nul - 7 - 7 9 9
OLS: Ordinary Least Squares; NB: Negative Binomial; ZIP: Zero-Inflated Poisson; ZINB: Zero-Inflated
Negative Binomial. Z-waardes kunnen op dezelfde manier geïnterpreteerd worden als t-waardes.
Het ZIP-model in Tabel 4 geeft aan dat de kans dat er geen enkele durfkapitaalverstrekker uit
land i investeert in de Belgische biotech sector toeneemt als het land verderaf gelegen is en als
het BBP van dat land kleiner is. Deze coëfficiënten zijn echter niet significant. Wel significant
is het effect op het aantal deals. Hoe dichterbij een land gelegen is en hoe groter de economie
van dat land is, hoe meer deals.
Tabel 5 geeft de resultaten voor alle vier de afhankelijke variabelen. Voor de eerste drie
modellen geeft de Vuong-test aan dat een ZIP-model te verkiezen is boven een standaard
Poisson model. Aangezien er slechts twee landen in de steekproef zijn waar geen Belgische
risicokapitaalverleners actief zijn, is in het vierde model in Tabel 5 een standaard Poisson
model gebruikt.
42
Tabel 5. Resultaten van de zwaartekrachtmodellen
sector Biotech Biotech alle alle
in/out inward outward inward outward
type model ZIP ZIP ZIP Poisson
Intercept 8.45 8.02 10.40 9.50
z 17.46 17.08 37.28 45.62
afstand -3.02 -2.76 -3.60 -2.93
z -10.36 -9.97 -20.47 -25.38
BBP 0.31 0.39 0.40 0.40
z 4.67 7.68 10.30 17.95
zero part
Intercept -219.73 -8.83 -680.8 -
z -0.42 -1.27 -0.88 -
afstand 95.19 3.55 286.0 -
z 0.42 1.39 0.88 -
BBP -63.02 -1.19 -469.7 -
z -0.41 -1.17 -0.87 -
AIC 44.7 59.2 64.0 119.5
De resultaten in Tabel 5 geven aan dat het effect van afstand op het aantal deals sterker is
voor investeringen in België dan voor investeringen in het buitenland door Belgische
kapitaalverstrekkers, en dit zowel voor de Biotech sector als voor durfkapitaal in het
algemeen. Belgische biotech bedrijven lijken wel iets minder moeite te hebben om kapitaal
van verderaf aan te trekken dan Belgische ontvangers van durfkapitaal in het algemeen (-3,02
vs. -3,60). De grootte van de economie van een land lijkt minder te spelen voor investeringen
in de Belgische biotech dan voor investeringen in andere sectoren of investeringen door
Belgische durfkapitalisten in het buitenland. Merk op dat deze resultaten gebaseerd zijn op
een steekproef van 17 landen en dat individuele observaties (bv. België, VS) het resultaat
kunnen beïnvloeden. Maar de data laten wel uitschijnen dat Belgisch durfkapitaal
gemakkelijker zijn weg naar het buitenland vindt dan dat buitenlands risicokapitaal zijn weg
naar België vindt. Een belangrijke vraag daarbij is of de activiteiten van Belgische
durfkapitalisten in het buitenland er voor kunnen zorgen dat buitenlands kapitaal vlotter naar
België stroomt.
Om deze vraag te beantwoorden, zullen we een analyse maken van de financiële netwerken
van investeerders die geïnvesteerd hebben in Belgische biotech start-ups of Belgische
investeerders die in biotech bedrijven in het buitenland hebben geïnvesteerd. Met deze
analyse kunnen we een indicatie krijgen over de verspreiding van durfkapitalisten hun lokale
en internationale relaties. Er wordt verondersteld dat portfoliobedrijven die ondersteund
43
worden door lokale durfkapitalisten met een groot aantal internationale relaties, een meer
centrale positie in het globale durfkapitaal netwerk innemen dan hun tegenstanders, die
ondersteund worden door lokale investeerders met een beperkt aantal buitenlandse contacten.
5.3 Analyse op micro-niveau: Social Network Analysis
In de vorige hoofdstukken gaven we een aantal belangrijke indicatoren in verband met de
prestaties van het Belgische DK landschap weer. Daarnaast hebben we via
zwaartekrachtmodellen de richting van durfkapitaal van en naar België geschat. Om een idee
te krijgen van de graad van lokale en globale relationele verankering van Belgische biotech
actoren zullen we in dit deel bedrijven en investeerders hun structurele positie in een netwerk,
gebaseerd op financiële relaties, analyseren. Verder zullen we pogen een antwoord te geven
op de vraag of Belgische durfkapitalisten, die in het buitenland investeren, buitenlandse
investeerders aanmoedigen om Belgische bedrijven te ondersteunen.
In de literatuur wordt er op gewezen dat hechte banden tussen investeerders meer
mogelijkheden biedt voor knowledge spillovers, wat hun expertise zou vergroten. Er zijn een
aantal manieren waarop durfkapitalisten kennis uitwisselen via koepelorganisaties,
conferenties en andere vergaderingen. In dit deel zullen we voornamelijk focussen op
gesyndiceerde investeringen zoals evenementen die investeerders met elkaar in contact
brengen. Eén van de manieren voor kennisuitwisseling tijdens gesyndiceerde
durfkapitaalinvesteringen is tijdens vergaderingen van de Raad van Bestuur. In ruil voor hun
investering, krijgen durfkapitaalfondsen aandelen en bijgevolg ook lidmaatschap van de Raad
van Bestuur. Tijdens vergaderingen van de Raad van Bestuur komen zowel de ondernemers
als de investeringspartners samen, wat zeer goede kansen biedt voor de overdracht van
informatie en kennis tussen alle deelnemers. Ook vanuit het perspectief van een start-up is het
voordelig om ondersteund te worden door investeerders met een voordelige netwerkpositie,
omdat dit een jong bedrijf aan waardevolle informatie en netwerkconnecties kan helpen
(Bygrave, 1987).
Het wordt verondersteld dat hoe meer banden een durfkapitalist onderhoudt met
portfoliobedrijven en andere durfkapitaalfondsen, zoals in het geval van gesyndiceerde
investeringen, hoe centraler en sterker verankerd zijn positie in het netwerk. Bijgevolg wordt
44
ook verwacht dat hij meer kansen heeft voor de uitwisseling van stilzwijgende kennis en dus
dat zijn positie invloedrijker wordt (Abell en Nisar, 2007). Verder wordt er verondersteld dat
voornamelijk de start-ups die fondsen krijgen van een lokale durfkapitalist met een groot
aantal internationale relaties, een hogere graad van internationale connectiviteit hebben. Dit
vertaalt zich dan in een groot aantal internationale mede-investeerders, vergeleken met
bedrijven die ondersteund worden door een voornamelijk lokaal verankerd bedrijf.
5.3.1 Methode
Om de relaties tussen Belgische start-ups en hun durfkapitaalinvesteerders te bepalen en te
beoordelen, gebruiken we Social Network Analysis [SNA]. Om relaties te meten tussen
verschillende actoren en hun verankering in een netwerk, wordt SNA regelmatig gebruikt in
een breed scala van studies (onder meer in sociologie, economie, geografie en business
studies). Tot op heden zijn er echter slechts een beperkt aantal studies die netwerkanalyse
toepassen op durfkapitaal data (zie Bygrave, 1987).
5.3.2 Data
We voeren een SNA analyse uit voor inkomende en uitgaande durfkapitaalinvesteringen in
België. Hiervoor hebben we data verzameld met betrekking tot alle inkomende en uitgaande
durfkapitaalinvesteringen in België tussen 2004 en 2012. Daarbij werden alle gesyndiceerde
partners geïdentificeerd. Het softwarepakket UCINET werd gebruikt om verschillende
netwerkkarakteristieken te berekenen. (Borgatti et al., 2002).
Voor het meten van netwerkverbindingen tussen investeerders, zoals die in Figuur 10 zijn
weergegeven, is de dataset beperkt tot actoren die minstens twee maal geïnvesteerd hebben
samen met een Belgische investeerder. Fondsen die duidelijk afkomstig zijn van hetzelfde
bedrijf werden samengevoegd. Voor de eenvoud worden geen details over het aantal
investeringsrondes waar een investeerder per portfolio aan deelnam opgenomen. Er wordt
enkel bepaald of een investeerder heeft geïnvesteerd in een specifieke start-up of niet.
45
5.3.3 Resultaten
Figuur 9 toont het netwerk (in de eerste graad) van de Belgische biotech cluster. Alle biotech
start-ups binnen en buiten België, die worden gesteund door minstens één Belgische
durfkapitalist worden weergegeven. Verder worden alle gesyndiceerde partners die
deelnamen in deze deals weergegeven. Gegeven dat dit netwerk alle Belgische biotech
gerelateerde durfkapitaalfondsen, door durfkapitaal gefinancierde Belgische start-ups en alle
andere actoren die direct aan hen gelinkt zijn, weergeeft, zien we dit als een goede benadering
van de ‘Belgische biotech cluster’, gezien vanuit het standpunt van durfkapitaal. Hierna wordt
hiervoor de term ‘Belgische biotech cluster’ gebruikt.
Het lijkt erop dat alle Belgische biotech start-ups min of meer met elkaar verbonden zijn via
hun Belgische investeerders. Voor een voorstelling van de relaties tussen enkel de Belgische
investeerders en de Belgische bedrijven wordt verwezen naar Figuur 12. Figuur 11 laat de
relaties zien tussen Belgische biotech start-ups enerzijds en hun lokale en buitenlandse
investeerders anderzijds. Elke link tussen een durfkapitalist en een portfoliobedrijf wordt in
figuur 11 en 12 weergegeven door een zwarte lijn. Hoe meer uitgesproken deze lijn, hoe
groter het aantal investeringsrondes waarin de durfkapitalist is meegegaan. Hieruit wordt het
duidelijk dat voornamelijk de universiteitsfondsen van de KU Leuven en de Universiteit van
Gent, het Vlaamse Innovatiefonds, KBC, Life Science Research Partners en GIMV in
meerdere Belgische biotech start-ups investeren. Hierdoor functioneren zij als belangrijke
bruggen tussen bedrijven.
46
Figuur 9. Belgische DK Funds: Totale investering(inclusief gesyndiceerde partners)
VC Fund
Start-up
47
Om de relationele verankering [relational embeddedness] van investeerders in het Belgische
biotech network preciezer te meten, werd de centraliteitsgraad berekend. In het algemeen kan
de centraliteitsgraad begrepen worden als de verbondenheid van actoren in het netwerk. Hoe
meer banden de durfkapitalist onderhoudt met andere partners, in ons geval gesyndiceerde
investeringen, hoe centraler hij in het netwerk voorkomt en hoe hoger zijn ‘graad’. Verder
wordt het verwacht dat hoe centraler een entiteit gepositioneerd is in een netwerk, hoe meer
invloed hij heeft (Hanneman en Riddle, 2011).
Figuur 10 is een visuele weergave van alle banden tussen Belgische DK investeerders en hun
gesyndiceerde partners. In Tabel 6 wordt de centraliteit van durfkaptiaalfondsen berekend op
basis van Freeman’s Degree Centrality Measure. Resultaten zijn beperkt tot de investeringen
waarin Belgische investeerders deelnamen. Ze moeten dus voorzichtig geïnterpreteerd worden
voor de totale bijdrage van buitenlandse fondsen, die waarschijnlijk onderschat wordt.
Enkel een beperkt aantal Belgische DK fondsen (zoals GIMV en KBC) zijn zowel
internationaal als lokaal goed verankerd. Van de Belgische investeerders is GIMV de meest
centrale speler. Het onderhoudt banden met 170 investeerders, wat gelijk is aan 11,8% van
alle relaties. GIMV wordt in onze rangschikking gevolgd door Quest en KBC. De
meerderheid van de Belgische investeerders is tot op heden nog steeds gericht op lokale
investeringen, voornamelijk in syndicaat met andere lokale partners. Gegeven dat ze minder
beschikbaar kapitaal hebben, vergeleken met GIMV, waren ze ook betrokken bij minder
investeringen. Dit leidt bijgevolg tot minder banden met andere investeerders. Dit wordt
aangetoond door een lagere graad.
Daarentegen geeft GIMV ook kapitaalinjecties aan buitenlandse biotech bedrijven, vooral in
de VS. Deze investeringen vinden voornamelijk plaats in samenwerking met een belangrijk
aandeel van andere lokale en internationale investeerders. In de periode van 2004-2012 heeft
GIMV bijvoorbeeld samen geïnvesteerd met 170 verschillende DK fondsen. Vandaag is
GIMV daarom deel van een uitgebreid netwerk van Belgische en buitenlandse investeerders.
Vanwege hun voornamelijk lokale focus, zijn de meeste Belgische fondsen niet sterk
verbonden met het globale netwerk dat ontstaan is rond GIMV, Quest en KBC. Ze lijken deels
afgesloten van de globale DK markt. Dit wordt visueel weergegeven in Figuur 10 door de
48
agglomeratie van Belgische DK fondsen in de linker hoek van het netwerk. Deze fondsen
lijken onderling goed verbonden, maar zijn slecht verbonden met het internationale centrum
van het netwerk.
Het is opvallend dat Amerikaanse investeerders meer investeringsrelaties onderhouden in de
‘Belgische Biotech Cluster’ dan de meeste Belgische investeerders. Naast de Amerikaanse
investeerders, lijken ook Britse, Deense en Nederlandse fondsen een relatief centrale positie
in te nemen in het netwerk. Relaties tussen de Amerikaanse, Britse en Deense fondsen en de
Belgische investeerders gaan meestal via niet-Belgische portfoliobedrijven.
De netwerkverankering van durfkapitalisten beïnvloedt ook start-ups hun structurele positie in
het netwerk. Portfoliobedrijven die ondersteund werden door een centrale investeerder
(bijvoorbeeld GIMV) hadden een centralere positie in het ‘Belgische biotech netwerk’, zoals
geobserveerd kan worden in Figuur 9. Ablynx en Peakadilly, die beide kapitaal ontvingen van
GIMV, lijken internationaal en lokaal goed verankerd in vergelijking met hun Belgische
tegenhangers Okapi, Formac en Aptipode, die gefinancierd worden door minder globaal
geïntegreerde, lokale investeerders.
Op een hoger niveau suggereren de resultaten van SNA dat vanuit een durfkapitaalperspectief
er in grote lijnen twee clusters of netwerken zijn, die samen voorkomen in België. Eén bestaat
uit bedrijven die zowel lokale en internationale relaties onderhouden. Een ander bestaat uit
bedrijven die voornamelijk lokaal verankerd zijn en slechts enkele of geen ‘global investment
pipelines’ bezitten. De netwerken overlappen en geen van de twee is losgekoppeld van het
andere. Banden tussen de twee groepen worden gevormd door investeerders die deelnemen
aan investeringen met bedrijven in beide groepen.
Samengevat hebben we aangetoond via de SNA dat alle Belgische biotech start-ups onderling
verbonden zijn via hun Belgische investeerders. Daarbovenop hebben we aangetoond dat de
bedrijven die ondersteund worden door voornamelijk lokaal verankerde DK fondsen, een
minder centrale positie in de Belgische biotech cluster innemen. Daarnaast hebben ze ook een
lager aantal relaties dan hun tegenhangers die worden gefinancierd door zowel lokaal als
globaal verankerde bedrijven. Deze bevinding wijst erop dat investeerders inderdaad tot op
zekere hoogte de verankering van portfoliobedrijven beïnvloeden. Desalniettemin is het niet
49
uitgesloten dat andere factoren zoals leeftijd en de grootte van een portfoliobedrijf ook
belangrijke rollen spelen (Fritsch et al., 2006). Hoe ouder een start-up is, hoe waarschijnlijker
dat het meerdere kapitaalinjecties heeft gekregen en dat de financiering van verder weg
kwam, zoals in sectie 5.1.3 werd aangehaald. Bijgevolg zal het meer globaal verankerd lijken.
Om eenvoud te bewaren, hebben we geen tijd-gerelateerde variabelen geïntroduceerd. Voor
toekomstig onderzoek wordt dit echter sterk aangeraden. Enkel op die manier is het mogelijk
om te beoordelen of uitgaande investeringen binnenkomende investeringen voorafgaan of
omgekeerd.
50
Figuur 10. Netwerk van Belgische DK Fondsen en hun Gesyndiceerde Partners (2004-2012)
51
Tabel 6. Freeman’s Degree Centrality voor Belgische DK Fonds Netwerk (Top 20)
GIMV (BE) 170.000 11.789 0.047
Alta (US) 93.000 6.449 0.025
NIF (JP, US) 64.000 4.438 0.018
Merlin (US, GB) 59.000 4.092 0.016
HBM (CH, KY) 57.000 3.953 0.016
Novartis (CH) 55.000 3.814 0.015
Forward Ventures (US) 54.000 3.745 0.015
1I (GB) 50.000 3.467 0.014
Quest (BE) 49.000 3.398 0.013
KBC (BE) 46.000 3.190 0.013
Merifin (BE) 44.000 3.051 0.012
Gestion Genechem Inc. (CA) 44.000 3.051 0.012
Carnegie (LU, DK) 40.000 2.774 0.011
Oxford Bioscience Partners (US) 40.000 2.774 0.011
SR One (GB, US) 38.000 2.635 0.010
Johnson & Johnson (US) 37.000 2.566 0.010
Sofinnova (FR) 37.000 2.566 0.010
Life Sciences Partners BV (NL) 36.000 2.497 0.010
Gilde (NL) 35.000 2.427 0.010
Novo (DK) 34.000 2.358 0.009
Mean 17.633 1.223 0.005
Std Dev 16.545 1.147 0.005
Sum 3.650.000 253.121 1.000
Variance 273.740 1.316 0.000
SSQ 121.024.000 582.024 0.009
MCSSQ 56.664.098 272.507 0.004
Euc Norm 347.885 24.125 0.095
Minimum 2.000 0.139 0.001
Maximum 170.000 11.789 0.047
N of Obs 207.000 207.000 207.000
Network Centrality 10.67%
Degree NrmDegree Share
VC Fund Degree NrmDegree Share
52
Figuur 11. Belgische Biotech Start-ups en hun Belgische en niet-Belgische DK Inversteerders (2004-2012)
VC Fund
Start-up
53
Figuur 12. Belgische Biotech Start-ups en hun Belgische Investeerders (2004-2012)
VC Fund
Start-up
54
6 Discussie en Conclusie
Deze studie werd uitgevoerd om de Vlaamse Regering te ondersteunen in haar ‘smart
specialization’ beleid dat als doel heeft om leidende innovatieve hightech clusters te
ontwikkelen op haar territorium. Gezien het belang van kapitaalverstrekking, en in het
bijzonder durfkapitaal, voor innovatieve clusters werd gekozen om vanuit deze invalshoek het
onderwerp te benaderen. De biotech sector ontvangt het grootste aandeel van
durfkapitaalinvesteringen, vandaar dat de focus lag op deze sector. Biotech wordt ook naar
voor geschoven als een belangrijke sector voor het transformatieproces naar een leidende,
koolstofarme industrie, wat een bijkomende reden is om hier op in te zoomen.
Vanuit een theoretisch perspectief, legt vooral de Regional Innovatie System-benadering de
nadruk op een goed functionerende financiële infrastructuur voor de ontwikkeling van
regionaal ondernemerschap en de groei van regionale clusters. In het geval van innovatieve
biotech start-ups is durfkapitaal een belangrijke bron van inkomsten, omdat bankleningen
meestal niet mogelijk zijn vanwege het gebrek aan eigen activa. Vanwege de ‘sociale’
karakteristieken veronderstelden we dat durfkapitaal niet enkel belangrijk is voor de
ontwikkeling van ondernemerschap, maar dat het ook impact heeft op de relationele
verankering van de start-up. De empirische resultaten lijken dit laatste te bevestigen.
Een eerste indicatie van de impact van investeerders op de positie van hun doelbedrijven in
het financiële netwerk werd gegeven in het empirische gedeelte. De resultaten maken
duidelijk dat de bedrijven die gefinancierd worden door internationaal goed verankerde lokale
investeerders, meer relaties onderhouden met buitenlandse DK fondsen dan de bedrijven die
ondersteund worden door lokale investeerders met een minder centrale positie in de globale
DK-netwerken. De netwerken van lokale DK fondsen lijken inderdaad een invloed te hebben
op de verankering van hun portfoliobedrijven.
Door de geografische spreiding van de financiële relaties te onderzoeken werd duidelijk dat
bij alle Belgische biotech start-ups die durfkapitaal ontvingen, er ministens één lokale
(Belgische) investeerder betrokken was in het consortium. Deze bevinding suggereert dat,
hoewel Belgische biotech start-ups buitenlandse investeerders wisten aan te trekken, de rol
van de lokale investeerder in het vast krijgen van DK niet onderschat mag worden. Meer
55
onderzoek over dit aspect is aangewezen om accuraat het effect van lokale investeerders op de
financiële relaties en economische prestaties van hun portfoliobedrijven te bepalen.
Als we DK investeringen bekijken als een percentage van het BBP, staat België op de 4de
plaats en staat het hoger dan de meeste andere landen in onze steekproef. Als we echter naar
het aantal investeringen kijken, ligt België en ook Vlaanderen achter op de rest van Europa,
ook op de landen met een gelijkaardige bevolkingsaantal zoals Denemarken en Zweden. De
vraag dringt zich op of de beperkte omvang van DK in ons land afhankelijk is van een gebrek
aan lokaal DK of aan een gebrek aan regionaal ondernemerschap. Gegeven het feit dat de
meeste financiering naar biotech start-ups in de vroege fasen van de ontwikkeling gaat moet
er bepaald worden of er een slechte verdeling is van de financiering, waardoor er te weinig
geld gaat naar bedrijven in latere ontwikkelingsfasen. Een regionale liquiditeitskloof kan dus
potentieel aanwezig zijn voor bedrijven in de verdere ontwikkelingsfasen.
Voornamelijk van de kant van de industrie zijn er stemmen die het regionale gebrek aan
financiering voor Belgische biotech start-ups aankaarten (bv. Lauwers, 2012; Mooijman,
2012). Er wordt geargumenteerd dat om te groeien, Belgische start-ups elders geld moeten
gaan zoeken. De resultaten van het zwaartekrachtmodel hebben deels deze stelling bevestigd.
Het is inderdaad aangetoond dat kapitaal waarschijnlijk uit België vloeit naar het buitenland
(bv. naar de VS). Deze resultaten moeten voorzichtig geïnterpreteerd worden. Het model
geeft geen verklaring voor de motivaties van de lokale investeerder zijn beslissing om in het
buitenland te investeren, noch geeft het een indicatie of DK een kritische waarde in België
heeft bereikt. Ook de omvang van de dataset is eerder beperkt.
In verband met de ‘smart specialization’ inspanningen van de Vlaamse overheid in de vorm
van het actieplan ‘Vlaanderen in Actie’, geeft onze theoretische analyse aan dat een
voldoende niveau van ondernemingsfinanciering wordt gezien als een cruciale motor voor de
stimulatie van innovatie en ondernemerschap. Meerdere auteurs benadrukken dat zonder een
functionerend regionaal financieel systeem, de oprichting van bedrijven sterk wordt
tegengegaan. Desalniettemin dringt de vraag zich op of het echt nodig is voor elke regio om
een levendige, lokale DK cluster te hebben om ondernemerschap te ondersteunen. Mogelijks
is het voldoende om een klein aantal lokale DK fondsen te hebben die internationale,
gesyndiceerde partners aantrekken. Vanuit dit standpunt, ondanks het idee dat kapitaal vrij
56
vloeit, laat onze analyse zien dat er bij elke investering steeds een Belgische partner aanwezig
is. Dit wijst op het belang van lokale investeerders om mede-investeerders die verder van
elkaar verwijderd zijn, aan te trekken (zie ook Fritsch en Schilder, 2012). Om dit echter
grondig te onderzoeken is verder onderzoek over de invloed van geografie op durfkapitaal
aangewezen.
57
7 Referenties
Aizenman, J., & Kendall, J. (2008). The Internationalization of Venture Capital and Private
Equity. National Bureau of Economic Research Working Paper 14344. Retrieved March 25,
2013, from http://www.nber.org/papers/w14344.pdf?new_window=1
Audretsch, D. (2001). The Role of Small Firms in US Biotechnology Clusters. Small Business
Economics, 17, 3-15.
Audretsch, D. B. (1998). Agglomeration and the location of innovative activity. Oxford
review of economic policy, 14(2), 18–29.
Audretsch, D. B., & Feldman, M. P. (1996). R&D Spillovers and the Geography of
Innovation and Production. The American Economic Review, 86(3), 630–640.
Bathelt, H., Malmberg, A., & Maskell, P. (2004). Clusters and knowledge: local buzz, global
pipelines and the process of knowledge creation. Progress in Human geography, 28(1), 31–
56.
Bathelt, H. (2002). The re-emergence of a media industry cluster in Leipzig. European
Planning Studies, 10(5), 583–611.
Belgian Foreign Trade Agency [ABH] (2011). Belgian Biotechnology. Retrieved March 7,
2013, from http://www.biotechnologie.de/BIO/Redaktion/PDF/de/laenderfokus/belgien-
biotech-sector,property=pdf,bereich=bio,sprache=de,rwb=true.pdf
Borgatti, S.P., Everett, M.G., & Freeman, L.C. (2002). Ucinet for Windows: Software for
Social Network Analysis. Harvard, USA: Analytic Technologies.
Boschma, R. (2005). Proximity and Innovation: A Critical Assessment. Regional Studies,
39(1), 61-74.
Boschma, R., & Frenken, K. (2007). Introduction: Applications of Evolutionary Economic
Geography. In K. Frenken (Ed.), Applied Evolutionary Economics and Economic Geography
(pp. 1-26). Cheltenham, United Kingdom: Edward Elgar.
Boulhol, H., & de Serres, A. (2010). Have developed countries escaped the curse of distance?,
Journal of Economic Geography, 10, 113-139.
Bunker Whittington, K., Owen-Smith, J., & Powell, W. (2009). Networks, Propinquity, and
Innovation in Knowledge-intensive Industries. Administrative Science Quarterly, 54, 90-122.
Burger, M., van Oort, F., & Linders, G. J. (2009). On the Specification of the Gravity Model
of Trade: Zeros, Excess Zeros and Zero-inflated Estimation, Spatial Economic Analysis, 4,
167-190.
Bygrave, W. (1987). Syndicated Investments by Venture Capital Firms: A Networking
Perspective. Journal of Business Venturing, 2, 139-154.
58
Christensen, J.L. (2007). The Development of Geographical Specialization of Venture
Capital. European Planning Studies, 15 (6), 817-833.
Collewaert, V., Manigart, S., & Aernoudt, R. (2010). Assessment of Government Funding of
Business Angel Networks in Flanders. Regional Studies, 44 (1), 119-130.
Cooke, P., Clifton, N., & Oleaga, M. (2005). Social Capital, Firm Embeddedness and
Regional Development. Regional Studies, 39 (8), 1065-1077.
Cooke, P., Gomez Uranga, M., & Etxebarria, G. (1997). Regional Innovation Systems:
Institutional and Organizational Dimensions. Research Policy, 26, 475-491.
Dendooven, P. (2013, January 24). Van Rompay casht met Uteron. De Standaard, p.42.
Departement Economie, Wetenschap & Innovatie [EWI] (2011). Witboek - Een Nieuw
Industriëel Beleid voor Vlaanderen. Retrieved March 7, 2013, from http://www.ewi-
vlaanderen.be/ewi/witboek-een-nieuw-industri%C3%ABel-beleid-voor-vlaanderen.
Devigne, D., Vanacker, T., Manigart, S., & Paeleman, I. (2011). The role of domestic and
cross-border venture capital investors in the growth of portfolio companies. Small Business
Economics.
Lauwers, B. (2012). Een zwaluw genaamd Thrombogenics (2012, October 25). Knack.
EU Commission (2011). Commission launches the "Smart Specialization platform" to further
boost innovation in the EU regions. Retrieved February 6, 2013, from
http://europa.eu/rapid/press-release_IP-11-776_en.htm#PR_metaPressRelease_bottom.
EU Commission (2012). Europe 2020. Retrieved February 6, 2013, from
http://ec.europa.eu/europe2020/europe-2020-in-a-nutshell/index_en.htm
EU Commission (2012a). Innovation Union. Retrieved February 6, 2013, from
http://ec.europa.eu/research/innovation-union/index_en.cfm?pg=keydocs
EU Commission (2013). Information and communication technologies: Key Enabling
Technologies. Retrieved March 7, 2013, from
http://ec.europa.eu/enterprise/sectors/ict/key_technologies/.
Flanders Bio (2012). Fact and Figures. Retrieved March 7, 2013, from flandersbio.be/life-
sciences-in-flanders/facts-and-figures/
Flanders Invest and Trade (2013). Facts and Figures. Retrieved March 7, 2013, from
www.investinflanders.be/EN/sector/Life-sciences/
Florida, R., & Kenney, M. (1988). Venture Capital, Hightechnology and Regional
Development. Regional Studies, 22(1), 33-48.
Fritsch, M., & Schilder, D. (2012). The Regional Supply of Venture Capital: Can Syndication
Overcome Bottlenecks? Economic Geography, 88(1), 59-76.
59
Giuliani, E. (2010). Clusters, networks and economic development: an evolutionary
economics approach. In R. Boschma & R. Martin (Eds.), The Handbook of Evolutionary
Economic Geography (pp. 261-279). Cheltenham, United Kingdom: Edward Elgar.
Gupta, A., & Sapienza, H. (1992). Determinants of Venture Capital Firm’s Preferences
regarding the Industry Diversity and Geographic Scope of Their Investment. Journal of
Business Venturing, 7, 347-362.
Hanneman, R.A., & Riddle, M. (2011). Concepts and Measures for Basic Network Analysis.
In J. Scott & P.J. Carrington (Eds.), The SAGE Handbook of Social Network Analysis (pp.
340-369). London, United Kingdom: SAGE.
Harrison, R., Mason, C. M. and Robson, P. (2003). Determinants of long-distance investing
by business angels. Frontiers of Entrepreneurship Research, 23, 116 – 129.
Haveman, J. & Hummels, D. (2004). Alternative hypotheses and the volume of trade: the
gravity equation and the extent of specialization. Canadian Journal of Economics-Revue
Canadienne D Economique, 37, 199-218.
Hill, J., & Naroff, J. (1984). The Effect of Location on the Performance of Hightechnology
Firms. Financial Management, 13(1), 27–36.
Hotz-Hart, B. (2010). Innovation Networks, Regions, and Globalization. In G. Clark, M.
Feldmann & M. Gertler (Eds.), The Oxford Handbook of Economic Geography (pp. 432-450).
Oxford, United Kingdom: Oxford University Press.
Knoben, J., & Oerlemans, L. A. G. (2008). Ties that spatially bind? A relational account of
the causes of spatial firm mobility. Regional Studies, 42(3), 385–400.
Larsson, S., & Malmberg, A. (1999). Innovations, competitiveness and local embeddedness: a
study of machinery producers in Sweden. Geografiska Annaler: Series B, Human Geography,
81(1), 1–18.
Liefner, I., & Schätzl, L. (2011). Theorien der Wirtschaftsgeographie (10th ed). Paderborn,
Germany: Schöningh.
Manigart, S., Vanacker, T.,& Goossens, L. (2006). De Financiering van Jonge Vlaamse
Biotechnologische Ondernemingen. Steunpunt Ondernemingen, Ondernemerschap en
Innovatie.
Martin, R., & Sunley, P. (2003). Deconstructing Clusters: Chaotic Concept or Policy Panacea.
Journal of Economic Geography, 3, 5–35.
Martin, R., Sunley, P.,& Turner, D. (2002). Taking risks in regions: The geographical
anatomy of Europe's emergent venture capital market. Journal of Economic Geography, 2,
121-150.
Mason, C., & Harrison, R. (1995). Closing the regional equity gap: the role of informal
venture capital. Small Business Economics, 7, 153-172.
60
Mason, M., & Harrison, R. (2002). The Geography of Venture Capital Investment in the UK.
Transactions of the Institute of British Geographers, New Series, 27 (4), 427-451.
McCann, P. (2008): Agglomeration economics. In C. Karlsson (Ed.), Handbook of Research
on Cluster Theory (pp. 23-38). Cheltenham, United Kingdom: Edward Elgar.
Ministry of Economy, Science and Innovation [EWI] (2010). Biotech: One of Flanders’
Strength. EWI Review, 9, p. 44-45.
Mooijman, R. (2012, November 15). Biotech zkt dollars. De Standaard, p. 37.
Molina-Morales, F. X., & Martinez-Fernandez, M. T. (2006). Industrial districts: something
more than a neighbourhood. Entrepreneurship and Regional Development, 18(6), 503–524.
OECD (2013). Biotechnology. Retrieved January 22, 2013, from
http://www.oecd.org/sti/biotechnologypolicies/statisticaldefinitionofbiotechnology.htm
Porter, M. (1998). Clusters and the New Economics of Competition. Harvard Business
Review.
Porter, M. (2000). Location, Competition, and Economic Development: Local Clusters in a
Global Economy. Economic Development Quarterly, 14, 15-33
Porter, M. E., & Stern, S. (2001). Innovation: location matters. MIT Sloan Management
Review, 42(4), 27–36.
Powell, W., Koput, K., Bowie, J., & Smith-Doerr, L. (2002). The Spatial Clustering of
Science and Capital: Accounting for Biotech Firm-Venture Capital Relationships. Regional
Studies, 36(3), 291-305.
R Core Team (2012). R: A language and environment for statistical computing. R Foundation
for Statistical Computing, Vienna, Austria. Retrieved from http://www.R-project.org/.
Redding, S., & Venables, A. J. (2004). Economic geography and international inequality.
Journal of International Economics, 62, 53-82.
Rosiello, A., & Orsenigo, L. (2008). A Critical Assessment of Regional Innovation Policy in
Pharmaceutical Biotechnology. European Planning Studies, 16(3), 338-357.
Saxenian, A. L. (1990). Regional Networks and The Resurgence of Silicon Valley.
Californian Management Review, 33(1), 89-112.
Silva ,J. M. C. S., & Tenreyro, S. (2006). The log of gravity. Review of Economics and
Statistics, 88, 641-658.
Stuart, T., & Sorenson, O. (2003). The Geography of opportunity: Spatial heterogeneity in
founding rates and the performance of biotechnology firms. Research Policy, 32, 229-253.
Sunley, P., Klagge, B., Berndt, C., & Martin, R. (2005). Venture capital programmes in the
UK and Germany: In what sense regional policies? Regional Studies, 39, 255-273.
61
Uzzi, B. (1996). The Sources and Consequences of Embeddedness for the Economic
Performance of Organizations: The network effect. American Sociological Review, 61 (4),
674-698.
Uzzi, B. (1997). Social structure and competition in interfirm networks: The paradox of
embeddedness. Administrative science quarterly, 35–67.
Van Bergeijk, P., & Brakman, S. (Eds.). (2010). The Gravity Model in International Trade.
Cambridge, United Kingdom: University Press.
Vandenbussche, B. (2011). ‘Biotech verkoopt zijn kennis te goedkoop’. De Standaard -
Research & Development, September 2011.
Verbeke, B. (2011, May). Marktgrootte, management en innovatieve technologie bepalen de
slaagkansen. Media Planet, 2, p. 14.
Vlaams Infocentrum Land- en Tuinbouw (2012, November 19). Wall Street toont interesse in
Belgische biotechnologie. Retrieved March 9, 2013, from
http://www.vilt.be/Wall_Street_toont_interesse_in_Belgische_biotechnologie
Vlaanderen in Actie [ViA] (2013). Over ViA. Retrieved February 1, 2013, from
http://vlaandereninactie.be/over-via/wat-is-via/
VRWB (2012). Six Clusters and their Spearheads. Retrieved February 1, 2013,
fromhttp://www.vrwi.be/pdf/clusterbrochure-en.pdf
Winkelmann, R. (1997) Econometric Analysis of Count Data. 2nd
edition. Springer, Berlin.
Zeileis, A., Kleiber, C., Jackman, S. (2008) Regression Models for Count Data in R. Journal
of Statistical Software, 27(8).
Zider, B. (1998). How Venture Capital Works. Harvard Business Review
Zook, M. (2002). Grounded Capital: Venture Financing and the Geography of the Internet
Industry 1994-2000. Journal of Economic Geography, 2, 151-177.
Zook, M. (2004). The Knowledge Brokers: Venture Capitalists, Tacit Knowledge and
Regional Development. International Journal of Urban and Regional Research, 28 (3), 621-
641.
Recommended