05.04.2018

Wo steht die Artificial Intelligence wirklich?

Was ist Artificial Intelligence und was wird nur so genannt? Und wo auf dem Weg zu den Science-­Fiction­-Vorbildern aus Star Trek und Co stehen wir?
/artikel/stand-der-dinge-in-der-artificial-intelligence
Stand der Dinge in der Artificial Intelligence
(c) fotolia.com - koya979

Die Faszination für künstliche Intelligenz (AI) bzw. vom Menschen geschaffene Intelligenz ist fast so alt wie die Menschheit selbst. Bereits in der griechischen Mythologie finden sich mechanische, aus Bronze gefertigte Diener, die über eigenständigen Willen verfügen. Die Geburtsstunde des Begriffs Artificial Intelligence war 1956, als sich unter der Führung von Marvin Minsky eine Gruppe von Wissenschaftlern für einen achtwö­chigen Workshop in Dartmouth traf, in dem der Grundstein für die Disziplin gelegt wurde. Doch was ist heute der Stand der Dinge in der Artificial Intelligence?

AI lässt sich grob folgendermaßen unterteilen:

  • Narrow AI: Systeme, die eng abgesteckte, repetitive Aufgaben automatisieren können, z.B. Bilderkennung,
  • Artificial General Intelligence: AI, die in der Lage ist, selbstständig neue Probleme zu erkennen und zu lösen, z. B. Data in Star Trek
  • Conscious AI: Sie verfügt über ein eigenes Bewusstsein und Emotionen, z.B. HAL 9000 in „2001: Odyssee im Weltraum“.

+++Zombies, Aliens & Star Trek: “Lemmings”-Inkubator holt Silicon Valley Mindset nach Wien+++ 

Stand der Dinge in der Artificial Intelligence

Die gewählten Beispiele zeigen: Alle heutigen als AI betitelten Systeme fallen unter Narrow AI, da sie weder in der Lage sind, das Gelernte zu generalisieren, noch Emotionen fühlen können oder gar über ein eigenes Bewusstsein verfügen. Der Befund zum Stand der Dinge in der Artificial Intelligence ist also – zumindest für Science Fiction Fans – eher ernüchternd.

Von Machine und Deep Learning

Innerhalb der Narrow AI sind es vor allem Machine Learning und im Speziellen Deep Learning, die den aktuellen Hype losgetreten haben. Machine Learning ist eine Technik, die bereits seit den 1950ern existiert. Sie beschreibt Algorithmen, die sich in Abhängigkeit von den Eingangsdaten selbst anpassen können. Auf diese Art können Muster und Gesetzmäßigkeiten in Datenbeständen erkannt werden, um darauf basierend Vorhersagen zu treffen. Typische Anwendungsgebiete für Machine Learning sind etwa Spamfilter, Prognosesysteme (z. B. Wetter oder Real Estate) sowie Betrugserkennung.

Deep Learning, das eine Subkategorie von Machine Learning darstellt, basiert auf künstlichen neuronalen Netzen, weshalb die Begriffe Deep Learning und (Artificial) Neural Networks fast austauschbar verwendet werden. Das Kernelement sind dabei künstliche Neuronen, die eine beliebige Anzahl von Eingängen haben können, aber nur einen Ausgang. Für jeden Eingang gibt es ein sogenanntes Gewicht, das bestimmt, wie wichtig er für den Ausgang ist.

Lernen durch Errors

Das „Deep“ in Deep Learning bezieht sich auf die Anordnung der Neuronen, die oft in mehreren Schichten erfolgt. Am Ausgang des gesamten Netzes erfolgt mittels der sogenannten „Error Function“ eine Überprüfung, wieweit der Vorhersagewert vom tatsächlichen Wert der Trainingsdaten abweicht. Dieser Error wird danach dazu verwendet, die Gewichte der einzelnen Neuronen zu adjustieren – das System lernt somit. Vereinfacht sieht das bei einer Vorhersage über Wohnungspreise folgendermaßen aus: Das neuronale Netz erhält als Eingangsdaten eine Liste an Wohnungen, bei denen neben dem Verkaufspreis und der Lage auch Daten wie z. B. Verkäufer und Maklerbüro zu finden sind. Nach mehreren Durchläufen erkennt das Netz, dass z.B. „Verkäufer“ und „zuständiges Maklerbüro“ nur einen sehr geringen Einfluss auf den Verkaufspreis haben, und setzt dementsprechend die Gewichte für die entsprechenden Eingänge neu.

Viele Anwender, wenige „echte AI-Startups“

Soviel zum technologischen Stand der Dinge in der Artificial Intelligence. Zu beachten gibt es in der Beurteilung von AI-Produkten aber noch einen weiteren Punkt. Denn die meisten Firmen, die Artificial Intelligence nutzen, haben sie nicht selbst kreiert. Was unterscheidet also ein „echtes AI­-Startup“ von reinen Anwendern?

Hier ein paar Anhaltspunkte:

  • Erstellen und Trainieren von eigenen Modellen (Deep Learning, Machine Learning)
  • Eigenständige Implementierung von domänenspezifischen Lösungen, teilweise on top von bestehenden AI­Frameworks wie z. B. Google TensorFlow, PyTorch oder Keras, und
  • über Verwendung und Kombination von Frameworks hinausgehende Anwendungen. Im Fall von Chatbot­Frameworks wie IBM Watson und Facebooks wit.ai wären das z.B. eigene Sprachmodelle für Umgangssprache.

Dieser Artikel erschien in gedruckter Form im aktuellen Brutkasten Magazin #6

Deine ungelesenen Artikel:
24.09.2026

MPC²: Warum Stahlkonzerne und Chemie-Riesen auf ein steirisches Startup setzen

Das Leobener Startup MPC² will mit seiner portablen Korrosionsprüfung den Weltmarkt erobern und wird dabei auch von der Austria Wirtschaftsservice (aws) unterstützt. Wir sprachen mit Gründer Manuel Prohaska.
/artikel/mpc%c2%b2-warum-stahlkonzerne-und-chemie-riesen-auf-ein-steirisches-startup-setzen
24.09.2026

MPC²: Warum Stahlkonzerne und Chemie-Riesen auf ein steirisches Startup setzen

Das Leobener Startup MPC² will mit seiner portablen Korrosionsprüfung den Weltmarkt erobern und wird dabei auch von der Austria Wirtschaftsservice (aws) unterstützt. Wir sprachen mit Gründer Manuel Prohaska.
/artikel/mpc%c2%b2-warum-stahlkonzerne-und-chemie-riesen-auf-ein-steirisches-startup-setzen
Manuel Prohaska ist Gründer von MPC² | (c) LA-Cinematics / MPC²

Es ist eines dieser Themen, mit denen sich Normalverbraucher:innen im Alltag zwar nicht beschäftigen, die aber letztlich indirekt alle betreffen: Korrosionsprüfung. Oder sehr vereinfacht gesagt: Rohre müssen leckagefrei sein und bleiben, vor allem dort, wo nicht nur sinnbildlich mit Hochdruck gearbeitet wird.

Doch die Überprüfung der Korrosionsbeständigkeit kritischer Komponenten bei bestehenden Anlagen ist mit dem derzeitigen Standard-Prozedere schwierig bis schlicht unmöglich. „Die regelmäßige Korrosionsprüfung ist in manchen Märkten und Anwendungen verpflichtend, kann jedoch verlässlich nur im Labor durchgeführt werden. Dazu müssen Bauteile ausgebaut werden, was teilweise einfach nicht möglich ist. Daher behilft man sich oft mit separaten ‚Qualifizierungsstücken‘, vor allem während der Fertigung der Komponenten. Und dann dauert die Überprüfung im Labor mindestens eine, oftmals bis zu sechs Wochen“, sagt Manuel Prohaska, Gründer des steirischen Startups MPC².

Korrosionsprüfung direkt vor Ort in Stunden statt Wochen

Mit dem patentierten System „Corrosion Ray“ arbeiten er und sein Team an einer Lösung. „Wir versuchen, die Korrosionsprüfung zu revolutionieren, indem wir sie zum Kunden bringen, anstatt der Kunde die Proben zu uns ins Labor“, sagt Prohaska. Mit dem mobilen Gerät lassen sich Rohre und insbesondere deren Schweißnähte ohne Beschädigung direkt vor Ort prüfen. „Wir nutzen dazu elektrochemische Methoden und liefern Ergebnisse, die qualitativ und vor allem quantitativ Laborergebnissen entsprechen“, so der Gründer.

Nicht nur die Überprüfungszeit lasse sich damit von Wochen auf Stunden reduzieren. „Auch der Umweltaspekt ist nicht zu vernachlässigen. Wir sparen mit der Methode im Vergleich zur konventionellen Auslagerungsprüfung 99 Prozent der Energie, brauchen kaum Chemikalien und deutlich weniger Wasser“, sagt Prohaska. Für Kunden sei aber der finanzielle Aspekt am entscheidendsten. „Bei großen Anlagen bedeutet ein Tag Ausfall sechs- bis siebenstellige Einbußen“.

„Wir sind mit unserer Prüfmethodik einfach näher an der Wahrheit“

Prohaska weiß sehr genau, wovon er spricht. In seinen früheren beruflichen Stationen baute der studierte Werkstoff- und Korrosionswissenschaftler nicht nur genau die fachliche Expertise auf, die er jetzt mit MPC² umsetzt. Als Geschäftsführer von Betrieben mit mehreren Hundert Mitarbeiter:innen lernte er auch die betriebswirtschaftliche Seite genau kennen.

(c) LA-Cinematics / MPC²

Aktuell befindet sich „Corrosion Ray“ aber noch im fortgeschrittenen Prototypen-Stadium. Die Technologie dahinter nicht: Schon jetzt setzen mehrere Stahlkonzerne, Komponenten-Hersteller und Chemie-Riesen, die auch die Zielgruppe für das neue System sind, auf die bestehenden Korrosionsprüfungs-Angebote von MPC² – teilweise mit sechsstelligen Auftragseingängen. „Wir haben einen speziellen Prüfstand, mit dem wir unsere Methode auch mit konventionellen Korrosionsprüfungen vergleichen. Wir sind mit unserer Prüfmethodik einfach näher an der Wahrheit, als mit den alten Methoden, die lange dauern und gleichzeitig relativ ungenau sind“, so Prohaska.

Mit Predictive Maintenance auf den Weltmarkt

Momentan ist das Angebot mit diesem Prüfstand noch der lukrativste Geschäftsbereich des Unternehmens. In den kommenden Jahren soll sich das ändern. Bis 2035 will MPC² auf 60 Millionen Euro Jahresumsatz anwachsen. Davon soll „Corrosion Ray“ laut Plan 65 bis 70 Prozent bringen. Technologisch soll dann der Bereich Predictive Maintenance im Zentrum stehen. „Wir können Kunden schon jetzt sehr genau sagen, wo es in ein paar Jahren Probleme beim Material geben wird. Mit den Daten, die wir jetzt dazu sammeln, wollen wir diese Lebensdauer-Vorhersage mit Hilfe von KI künftig noch deutlich präziser machen“, erklärt Prohaska.

Um diese Ziele umzusetzen, will das vierköpfige Team in einem ersten Schritt 600.000 Euro Investment-Kapital aufnehmen, mit dem die Kleinserienfertigung von „Corrosion Ray“ aufgebaut werden soll. „Wir halten schon jetzt Ausschau nach strategischen Investoren. Noch wichtiger werden die, wenn es in einigen Jahren an die große Produktion geht“, sagt der Gründer. Dann sei auch eine größere Kapitalrunde geplant.

aws als größter Fördergeber – „sonst wären wir nicht so weit gekommen“

Bislang finanziert sich das Unternehmen aus den eigenen Umsätzen und aus Förderungen. Dank der hohen Auftragseingänge werden kommendes Jahr die Unternehmenseinnahmen erstmals den Förderbetrag übersteigen. Dennoch sei man noch auf die Fördergelder angewiesen. „Den mit Abstand größten Anteil beim Fördervolumen hatten die Programme aws Preseed und aws Seedfinancing – Deep Tech“, erzählt Prohaska. „Das war extrem wichtig, sonst wären wir nicht so weit gekommen.“ Dabei betont der Gründer auch das Service: „Wenn man etwas gebraucht hat, waren sie immer da.“


Disclaimer: Dieser Artikel ist im Rahmen einer Medienbeauftragung mit der Austria Wirtschaftsservice (aws) entstanden.

Toll dass du so interessiert bist!
Hinterlasse uns bitte ein Feedback über den Button am linken Bildschirmrand.
Und klicke hier um die ganze Welt von der brutkasten zu entdecken.

brutkasten Newsletter

Aktuelle Nachrichten zu Startups, den neuesten Innovationen und politischen Entscheidungen zur Digitalisierung direkt in dein Postfach. Wähle aus unserer breiten Palette an Newslettern den passenden für dich.

Montag, Mittwoch und Freitag

AI Summaries

Wo steht die Artificial Intelligence wirklich?

AI Kontextualisierung

Welche gesellschaftspolitischen Auswirkungen hat der Inhalt dieses Artikels?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

Wo steht die Artificial Intelligence wirklich?

AI Kontextualisierung

Welche wirtschaftlichen Auswirkungen hat der Inhalt dieses Artikels?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

Wo steht die Artificial Intelligence wirklich?

AI Kontextualisierung

Welche Relevanz hat der Inhalt dieses Artikels für mich als Innovationsmanager:in?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

Wo steht die Artificial Intelligence wirklich?

AI Kontextualisierung

Welche Relevanz hat der Inhalt dieses Artikels für mich als Investor:in?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

Wo steht die Artificial Intelligence wirklich?

AI Kontextualisierung

Welche Relevanz hat der Inhalt dieses Artikels für mich als Politiker:in?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

Wo steht die Artificial Intelligence wirklich?

AI Kontextualisierung

Was könnte das Bigger Picture von den Inhalten dieses Artikels sein?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

Wo steht die Artificial Intelligence wirklich?

AI Kontextualisierung

Wer sind die relevantesten Personen in diesem Artikel?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

Wo steht die Artificial Intelligence wirklich?

AI Kontextualisierung

Wer sind die relevantesten Organisationen in diesem Artikel?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

Wo steht die Artificial Intelligence wirklich?