11.05.2021

3 Mythen rund um „Künstliche Intelligenz“ entmystifiziert

Jan Nössner gilt als herausragender Experte für Künstliche Intelligenz (KI) und Machine Learning und arbeitet am Standort Wien für den internationalen IT-Dienstleister Nagarro. Im Brutkasten-Talk erläutert der Experte, warum wir in unserer Gesellschaft und Wirtschaft die Künstliche Intelligenz entmystifizieren müssen.
/artikel/3-mythen-rund-um-kuenstliche-intelligenz-entmystifiziert

Die erwarteten Wachstumszahlen in Bezug auf künstliche Intelligenz (KI) sind beachtlich: Bis 2027 soll der globale Markt für künstliche Intelligenz mit einer durchschnittlichen Wachstumsrate von rund 43 Prozent wachsen und im Jahr 2027 einen Wert von 733,6 Milliarden Euro betragen.

Die größten Branchengewinne werden im Einzelhandel, bei Finanzdienstleistungen und im Gesundheitswesen zu verzeichnen sein, da KI die Produktivität, die Produktqualität und den Konsum steigert.

Dennoch gibt es in der Gesellschaft und Wirtschaft noch immer Vorbehalte und falsche Erwartungen gegenüber der KI – angefangen von Datenschutz bis hin zum vermeintlichen Wegfall von Arbeitsplätzen.

Künstliche Intelligenz ist kein Mysterium mehr

Künstliche Intelligenz und Machine Learning müssen allerdings kein Mysterium sein. Bereits seit mehrere Jahren beschäftigt sich der internationale IT- und Software-Dienstleister Nagarro nicht nur in konkreten Kundenprojekten mit KI, sondern auch mit den Erwartungshalten, die in der Gesellschaft und Wirtschaft vorherrschen.

Bis lang hat Nagarro 100 KI bezogene Projekte realisiert. Das Trendthema ist mittlerweile ein eigener Kompetenz-Bereich und Teil des Portfolios geworden. Mehr als 500 Daten-Spezialisten sind für die KI-Projekte global verfügbar. Zudem beschäftigen sich rund 100 Data Scientists intensiv mit Gestaltungs- und Orchestrierungsfragen. Mit Jan Nössner war einer von ihnen am Montag zu Gast im Brutkasten-Talk und erläuterte, warum wir in unserer Gesellschaft und Wirtschaft die Künstliche Intelligenz entmystifizieren müssen.

Über den Experten:
Jan Nössner gilt als herausragender Experte für Künstliche Intelligenz (KI) und Machine Learning und absolvierte seinen PhD in Computer Science. Nössner sammelte in Australien mehrere Jahre Erfahrung in führenden IT-Unternehmen, die sich unter anderem auf Software-Entwicklung für Bergbau-Minen spezialisierten. 2020 fasste Nössner den Entschluss mit seinem gesammelten Wissen zurück nach Europa zu kommen, um am Standort Wien für den internationalen Software- und IT-Dienstleister Nagarro zu arbeiten. In seiner Arbeit für Nagarro beschäftigte er sich beispielsweise mit Fragestellungen, wie KI & Machine Learning im Bereich Software-Testing eingesetzt werden können.

1. Mythos: KI ersetzt den Menschen

Wichtige Einsatzgebiete für Machine Learning sieht Nagarro überall dort, wo automatisierte KI-Lösungen den Mitarbeitern langweilige und ständig wiederkehrende Aufgaben abnehmen können, sodass ihnen mehr Zeit für spannendere Themen bleibt. Auf diese Weise führt die KI zu einer Veränderung der Jobs, übernimmt frustrierende und fehleranfällige Tätigkeiten, erhöht die Mitarbeiterzufriedenheit und somit indirekt auch die Kundenzufriedenheit. Im Unternehmen entstehen mit der KI gleichzeitig neue Wege für Wissensmanagement, im Kundenservice und in der Prognose. „Die KI wird, soll und kann den Menschen nicht ersetzen, sondern uns dafür Zeit geben, worauf wir wirklich Spaß haben“, so Jan Nössner im Talk.

2. Mythos: KI Systeme speichern alle unsere Daten 

Tatsächlich speichern Machine Learning Modelle keine exakten persönlichen Daten bzw. nicht in einer Form, die missbräuchlich verwendbar ist. Sobald ein KI-Modell angewandt wird, werden alle Daten gewissermaßen anonymisiert eingesetzt. 

Zum Beispiel: Speichert das KI-System ein Bild einer Person, so ist dieses in dem Maße abstrahiert das einzelne Charakteristika zwar gespeichert werden, aber im gesamten ein abstrahiertes Bild ergeben.  Würde das Modell das Bild im Original nutzen, wären die Einzelinformationen zu spezifisch, also „overfitted“, d.h. das Modell könnte keine generellen Aussagen ableiten. 

Zugriff auf die bereitgestellten persönlichen Daten haben lediglich die Experten, welche das KI-Modell trainieren, somit ist ein vertraulicher Umgang mit den Daten sichergestellt. Bei Bedarf greift Nagarro auch auf Partnerlösungen zu, welche z.B. Video-Daten anonymisieren.

3. Mythos: Für KI-Lösungen brauchen wir bessere Daten? Falsch!

Viele Unternehmen denken, sie könnten keine KI-Lösungen einsetzen, weil die Datenlage nicht ausreichen würde. Nagarros KI-Experte Nössner widerspricht: Ausnahmslos jedes Unternehmen hat zahlreiche Daten und meist sind diese Daten erstaunlich gut zu nutzen. Für KI- Lösungen ist irrelevant, ob Daten aus einfachen Listen, oder aus einem aufwändigen Data Lake stammen. 

Die Vorteile von KI und Machine Learning kompakt zusammengefasst:

Schnelle Reaktionszeit: Häufig lassen sich ständig wiederkehrende Prozesse von der Maschine mindestens um Faktor 10 schneller ausführen.

Automatisierung von Prozessen: Eine wertvolle Hilfe für den intelligenten Kundenkontakt! KI kann schnelle Lösungen für Standardfälle oder auch persönliche Intervention in komplexen Fällen einleiten.

Verhalten analysieren: Nagarro setzt etwa für Chatbots Sentiment Analysen ein. Aus der natürlichen Sprache der Kunde erkennt das System, ob Personen verärgert oder unzufrieden reagieren. Der Bot fragt dann proaktiv, ob er die Kunden mit einem Servicemitarbeiter verbinden soll. So wird etwaiger Unzufriedenheit bereits sehr früh entgegengewirkt.

Verbessern der Machine Learning Modelle: Mitarbeiter interagieren laufend mit der KI, bestätigen z.B. vorgeschlagene Vorgangsweisen, oder korrigieren sie. Jeglicher Input fließt in das System ein und steht dem Nächsten durch kontinuierliches Lernen verbessert zur Verfügung.  

Kumulierte Wissensbasen: Speziell im Service Bereich ist es oft notwendig, Informationen aus verschiedensten Fachbereichen zu extrahieren und in einer Knowledge Base zusammenzufassen. Nagarro kombiniert hierfür AI Techniken mit intelligenten Datenstrukturen, wie Ontologien oder Graph Datenbanken.

Auswertungen: Nagarros Accelerator hat standardmäßig innovative, interaktive Dashboards integriert, welche die Performance kontinuierlich messen. Mögliche Auswertungen aus KI Tools sind: Zeitersparnis, Häufigkeiten von Anfragen nach Kategorien, Erfolgsraten, Felder für Verbesserungen, Qualitätsanalysen.
(c) Nagarro

Deine ungelesenen Artikel:
03.08.2026

Ownership ab Tag 1: So gelingt Onboarding in schnell wachsenden Startups

Fonio.ai Co-Founder und CEO Daniel Keinrath erklärt im Interview, wie sein Team neue Mitarbeitende in 48 Stunden einsatzbereit macht und worauf er beim Recruiting besonders viel Wert legt.
/artikel/ownership-ab-tag-1-so-gelingt-onboarding-in-schnell-wachsenden-startups
03.08.2026

Ownership ab Tag 1: So gelingt Onboarding in schnell wachsenden Startups

Fonio.ai Co-Founder und CEO Daniel Keinrath erklärt im Interview, wie sein Team neue Mitarbeitende in 48 Stunden einsatzbereit macht und worauf er beim Recruiting besonders viel Wert legt.
/artikel/ownership-ab-tag-1-so-gelingt-onboarding-in-schnell-wachsenden-startups
Daniel Keinrath ist Co-Founder und CEO des Wiener KI-Telefon-Startups fonio.ai © fonio.ai

Dieser Text ist zuerst im brutkasten-Printmagazin von Mai 2026 „Die nächste Stufe“ erschienen. Eine Download-Möglichkeit des gesamten Magazins findet sich am Ende dieses Artikels.


brutkasten: Wie läuft bei euch ein optimaler Onboarding-Prozess ab?

Daniel Keinrath: Bei uns dauert ein Onboarding-Prozess im Normalfall zwei Tage. Ab dann ist man einsatzbereit und beginnt sofort mit viel Verantwortung. Unser Ansatz ist ehrlich gesagt sehr simpel: Man trägt Ownership ab Tag 1. Vieles vom Onboarding findet im Vorfeld statt. Wir haben eine Notion-Page, wo jeder direkt versteht, wie unser Produkt funktioniert, wer unsere Mitbewerber sind, was unsere USPs sind und was die Vision ist. Wir bekommen von unseren Mitarbeitenden tatsächlich oft das Feedback, dass sie es schätzen, schnell ins kalte Wasser geworfen zu werden.

Wie gelingt es, neue Teammitglieder schnell und nachhaltig zu integrieren?

Der zwischenmenschliche Faktor ist enorm wichtig. Die Leute sollen sich im Team wohlfühlen. Inhaltlich gesehen bekommt man bei uns wie gesagt sehr schnell sehr viel Verantwortung. Was wir nun auch starten, ist ein Buddy-System. Wir müssen darauf achten, dass sich jeder abgeholt fühlt und nicht allein ist.

Was auch sehr viel ausmacht: Mein Co-Founder Matthias und ich haben mit jeder Person einen Touchpoint, bevor wir sie einstellen. Das ist uns besonders wichtig, vor allem auf kultureller Ebene. Wenn wir Bewerber ablehnen, dann meistens, weil es kulturell einfach nicht passt.

Welche Rolle spielen klare Erwartungen und Zielsetzungen in den ersten Wochen?

Ich sage immer: Ich will, dass der Person ihr Themenbereich wichtiger ist als mir als Gründer und CEO. Egal ob wir über Performance, Marketing oder Design reden: Die Person muss dafür brennen. Wir kommunizieren ab Tag 1, dass das ihr eigenes Baby ist, um das sie sich kümmern.

Wie stellst du sicher, dass sich neue Mitarbeitende kontinuierlich weiterentwickeln?

Ich versuche, grundsätzlich nur Leute einzustellen, die besser sind als Matthias oder ich. Das bedeutet, dass wir inhaltlich oft nicht coachen können. Ich sehe mich da eher wie ein Therapeut, der die richtigen Fragen stellt. Außerdem kann sich bei uns jeder einen externen Mentor oder Coach holen. Den bezahlen wir dann natürlich.

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

3 Mythen rund um „Künstliche Intelligenz“ entmystifiziert

AI Kontextualisierung

Welche gesellschaftspolitischen Auswirkungen hat der Inhalt dieses Artikels?

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

3 Mythen rund um „Künstliche Intelligenz“ entmystifiziert

AI Kontextualisierung

Welche wirtschaftlichen Auswirkungen hat der Inhalt dieses Artikels?

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

3 Mythen rund um „Künstliche Intelligenz“ entmystifiziert

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 …

3 Mythen rund um „Künstliche Intelligenz“ entmystifiziert

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 …

3 Mythen rund um „Künstliche Intelligenz“ entmystifiziert

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 …

3 Mythen rund um „Künstliche Intelligenz“ entmystifiziert

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 …

3 Mythen rund um „Künstliche Intelligenz“ entmystifiziert

AI Kontextualisierung

Wer sind die relevantesten Personen in diesem Artikel?

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

3 Mythen rund um „Künstliche Intelligenz“ entmystifiziert

AI Kontextualisierung

Wer sind die relevantesten Organisationen in diesem Artikel?

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

3 Mythen rund um „Künstliche Intelligenz“ entmystifiziert