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:
21.10.2026

Grazer Deep-Tech-Spin-off DiLT Analytics schließt siebenstellige Finanzierungsrunde ab

Das Grazer TU-Spinoff holt den Deep-Tech-Fonds Noctua Science Ventures als Investor an Bord und erhält zusätzlich eine Förderung aus dem Programm aws Seedfinancing – Deep Tech. Das Kapital soll in den Teamaufbau und in den Rollout der Diagnosesoftware FaciliMind fließen.
/artikel/grazer-deep-tech-spin-off-dilt-analytics-schliesst-siebenstellige-finanzierungsrunde-ab
21.10.2026

Grazer Deep-Tech-Spin-off DiLT Analytics schließt siebenstellige Finanzierungsrunde ab

Das Grazer TU-Spinoff holt den Deep-Tech-Fonds Noctua Science Ventures als Investor an Bord und erhält zusätzlich eine Förderung aus dem Programm aws Seedfinancing – Deep Tech. Das Kapital soll in den Teamaufbau und in den Rollout der Diagnosesoftware FaciliMind fließen.
/artikel/grazer-deep-tech-spin-off-dilt-analytics-schliesst-siebenstellige-finanzierungsrunde-ab
DiLT Analytics
© DiLT Analytics

DiLT Analytics hat eine siebenstellige Finanzierungsrunde abgeschlossen. Sie setzt sich aus einem Equity-Investment von Noctua Science Ventures und einer Förderung der Austria Wirtschaftsservice (aws) im Rahmen des Programms Seedfinancing – Deep Tech zusammen. Mit dem Geld möchte das 2021 gegründete Spinoff der TU Graz sein Team ausbauen und FaciliMind, seine Software zur automatisierten Fehlerdiagnose in Heizungs-, Lüftungs- und Klimaanlagen, zu weiteren Betreibern großer Gebäudeportfolios bringen

DiLT Analytics: „Substanziell wachsen“

Noctua Science Ventures ist ein Wiener Deep-Tech-Fonds und ein Joint Venture von Speedinvest und den Technischen Universitäten Österreichs. Der Fonds investiert gezielt in Ausgründungen, deren Produkt auf langjähriger Forschung beruht.

„Die aws-Förderung ergänzt das Investment und ist auf genau diese Phase zugeschnitten: den Schritt von einer erprobten Technologie zu einem Produkt, das sich über viele Standorte hinweg ausrollen lässt“, heißt es per Aussendung. Um im Sinne des Programms aws Seedfinancing – Deep Tech als Deep Tech zu gelten, muss das Vorhaben auf einer „anspruchsvollen technologischen und wissenschaftlichen Herausforderung“ basieren und einen klaren Technologiesprung gegenüber bestehenden Lösungen oder rein inkrementellen Weiterentwicklungen ermöglichen.

„Mit Noctua Science Ventures haben wir einen Partner gefunden, der beides kennt: die technischen Herausforderungen eines Deep-Tech-Produkts und den Weg in die Kommerzialisierung. Für ein junges Spinoff ist das der Best Case. Dass parallel auch die aws-Förderung zugesagt wurde, bestätigt uns, dass FaciliMind und unser Team auf dem richtigen Weg sind. Jetzt geht es darum, substanziell zu wachsen“, sagt Theresa Kohl, CEO von DiLT Analytics.

Philipp Stangl, Managing Director von Noctua Science Ventures, ergänzt: „Von unseren vielen Gesprächspartnern erhielten wir ein sehr einheitliches Bild zu DiLT: ein glaubwürdiger, technisch differenzierter Ansatz, umgesetzt von einem Team, mit dem Immobilienprofis gerne zusammenarbeiten. Genau diese Kombination aus Forschungsvorsprung und starker Kundenorientierung ist es, wonach wir in der Pre-Seed-Phase suchen.“

2021 gegründet

DiLT Analytics wurde Ende 2021 von Franz Wotawa und Gerald Schweiger als Spinoff des Instituts für Softwaretechnologie der TU Graz gegründet und ging aus der Forschungsgruppe „Intelligent Systems“ hervor. Erstes größeres Projekt war „Inframonitor“, eine herstellerunabhängige IoT-Datenplattform für den Campus Inffeldgasse der TU Graz.

Seither ist DiLT an mehr als 20 Forschungsprojekten mit über 15 Partnern beteiligt, einige davon FFG-gefördert und gemeinsam mit österreichischen und europäischen Universitäten. Die Ergebnisse fließen über den Forschungszweig DiLT Research direkt in die Produktentwicklung. Geführt wird das Unternehmen heute von Theresa Kohl (CEO), Christopher Gray (Business Development & Strategy), Thomas Hirsch (CTO), Reinhard Pertschy (CPO) und Thomas Schwengler (Head of Software).

Die entwickelte Software FaciliMind analysiert Betriebsdaten von Heizungs-, Lüftungs- und Klimaanlagen, erkennt dabei versteckte Fehler und Optimierungspotenziale und liefert Technikteams eine nach Dringlichkeit sortierte Maßnahmenliste, so der Claim. Die Software von DiLT Analytics arbeitet herstellerunabhängig und lässt sich über ein einzelnes Gerät an die bestehende Gebäudeleittechnik anbinden. Dank eines knowledgegraphbasierten Softwarestacks soll sie das digitale Abbild komplexer Anlagen weitgehend automatisiert innerhalb weniger Tage statt monatelanger Handarbeit erstellen können. Zielgruppe sind Betreiber großer Gebäudeportfolios, etwa in der öffentlichen Hand, an Flughäfen sowie in Industrie und Gesundheitswesen.

DiLT Analytics erhielt Preise

Zu den Kunden zählen u.a. die Technischen Universitäten Graz und Wien, Bundesimmobiliengesellschaft (BIG), IG Immobilien Management GmbH und Industriekunden. 2025 wurde DiLT Analytics mit dem DREA Award und dem ÖGUT Umweltpreis ausgezeichnet. Und ist seit September 2026 nach ISO 27001 zertifiziert.

„Wissen über Anlagenbetrieb soll im Unternehmen bleiben“

Neben der Verstärkung des Teams und dem geplanten Rollout möchte DiLT Analytics künftig ein Übersetzungswerkzeug für den BACtwin-Standard als Open Source veröffentlichen und die Diagnose künftig auf weitere Technologien wie Wärmepumpen, Photovoltaik und Batteriespeicher ausweiten

„Ein Gebäudeportfolio überdauert seine Dienstleister und oft auch seine erfahrensten Mitarbeitenden“, sagt Kohl. „Unser Ziel ist, dass das Wissen über den Anlagenbetrieb im Unternehmen bleibt und dass Entscheidungen auf verifizierter Datengrundlage statt auf Bauchgefühl und Erinnerung beruhen.“

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