02.02.2026
KI AUS ÖSTERREICH

Abseits großer Labore: Wiener Forscher entwickelt KI-Modell „Noeum“

Ein in Wien entwickeltes KI-Sprachmodell erreicht in ersten Benchmark-Vergleichen Top-Platzierungen – entstanden ohne Investoren, Fördermittel oder Forschungsteam.
/artikel/abseits-grosser-labore-wiener-forscher-entwickelt-ki-modell-noeum
KI Entwickler Bledar Ramo (c) privat

Große KI-Sprachmodelle entstehen in der Regel in gut finanzierten Forschungslabors mit umfangreichen Rechenressourcen. In Wien ist nun ein Projekt vorgestellt worden, das diesem Muster widerspricht. Mit Noeum wurde ein kompaktes KI-Sprachmodell veröffentlicht, das in Benchmark-Vergleichen mit internationalen Modellen der sogenannten Nano-Kategorie mithalten kann.

Entwickelt wurde Noeum vom in Wien ansässigen KI-Forscher Bledar Ramo. Das Projekt entstand bislang ohne institutionelle Förderung, Risikokapital oder ein Team. Nach Angaben des Entwicklers handelt es sich um eine vollständig eigenfinanzierte Forschungsinitiative.

Entwicklung außerhalb etablierter Strukturen

Noeum befinde sich aktuell in einer frühen Forschungsphase, eine formale Unternehmensstruktur existiere noch nicht, ebenso wenig ein erweitertes Entwicklerteam. Die bisher angefallenen direkten Kosten beziffert Ramo auf rund 2.000 Euro, vor allem für Rechenleistung und Serverinfrastruktur.

„Das Projekt ist derzeit vollständig eigenfinanziert und wurde ausschließlich von mir selbst entwickelt“, erklärt Ramo. Perspektivisch werde jedoch geprüft, ob und in welcher Form sich daraus ein Startup entwickeln lasse.

Nano-Modell als technischer Nachweis

Die aktuell veröffentlichte Version trägt den Namen Noeum-1-Nano. Dabei handelt es sich um ein besonders kleines Sprachmodell, das auf Effizienz und lokale Ausführung ausgelegt ist. Solche Modelle werden häufig dort eingesetzt, wo Rechenressourcen begrenzt sind oder Daten nicht in externe Cloud-Infrastrukturen ausgelagert werden sollen.

Noeum-1-Nano wurde mit mehreren internationalen Modellen ähnlicher Größe verglichen, darunter Qwen 0.5B, TinyLlama und BLOOM-1B. In diesen Vergleichen erreichte das Wiener Modell laut Ramo in zwei Benchmark-Kategorien den ersten Platz und zeigte insgesamt eine konkurrenzfähige Leistung, obwohl es mit deutlich weniger Trainingsdaten und Rechenbudget trainiert wurde.

Das Nano-Modell sei dabei vor allem als Machbarkeitsnachweis zu verstehen. Ziel sei es, zu zeigen, dass sich leistungsfähige Sprachmodelle auch mit begrenzten Mitteln entwickeln lassen.

Fokus auf Effizienz und Verlässlichkeit

Inhaltlich setzt Noeum weniger auf Größe als auf Effizienz und Zuverlässigkeit. Geplant seien zusätzliche technische Mechanismen, die insbesondere für fachlich anspruchsvolle oder sicherheitskritische Anwendungen relevant sein sollen. Dazu zählen Verifikationsschichten für technisch-naturwissenschaftliche Antworten sowie sogenannte rekursive Reasoning-Architekturen, die Fehler während der Inferenz erkennen und korrigieren sollen.

Nach Einschätzung des Entwicklers fehlen solche Mechanismen bei vielen heute verbreiteten Sprachmodellen, was deren Einsatz in sensiblen Bereichen einschränke. Entsprechend richtet sich Noeum nicht primär an den Massenmarkt, sondern an spezialisierte Anwendungen.

Lokale KI für sensible Einsatzbereiche

Noeum ist Open Source und so konzipiert, dass es vollständig ohne Cloud-Anbindung betrieben werden kann. Das sei insbesondere für Branchen relevant, in denen Datenschutz, geistiges Eigentum oder regulatorische Anforderungen eine zentrale Rolle spielen.

Als mögliche Einsatzfelder nennt Ramo unter anderem Pharma, Logistik und Verteidigung. In diesen Bereichen werde zunehmend nach KI-Systemen gesucht, die auch in abgeschotteten oder instabilen Netzumgebungen zuverlässig funktionieren.

„Gerade diese Branchen benötigen On-Device-Intelligenz, um vollständige Datensouveränität zu gewährleisten“, so Ramo.

Nächste Schritte noch offen

Langfristig ist vorgesehen, auf Basis von Noeum ein größeres, voll skaliertes Modell zu entwickeln. Dieses soll multimodal, mehrsprachig und mit erweiterten Reasoning-Funktionen ausgestattet sein. Für die Umsetzung dieses Schritts wären jedoch zusätzliche Ressourcen notwendig.

Deine ungelesenen Artikel:
15.09.2026

KI im Investmentprozess: Wie Viessmann sein Deal-Screening beschleunigt

Nach dem zwölf Milliarden Euro schweren Verkauf des Heizungsgeschäfts an Carrier investiert die Viessmann Generations Group mittlerweile langfristig in eine breit aufgestellte Unternehmensgruppe. Nun baut das Familienunternehmen gemeinsam mit iteratec ein Multi-Agenten-System, das die Qualität von Investmententscheidungen maßgeblich verbessern soll: Alexander Pöllmann, Director IT & Digital von Viessmann, und Michael Maier, Director Austria von iteratec, geben im brutkasten-Gespräch einen Einblick.
/artikel/wie-viessmann-sein-deal-screening-mit-ki-umbaut
15.09.2026

KI im Investmentprozess: Wie Viessmann sein Deal-Screening beschleunigt

Nach dem zwölf Milliarden Euro schweren Verkauf des Heizungsgeschäfts an Carrier investiert die Viessmann Generations Group mittlerweile langfristig in eine breit aufgestellte Unternehmensgruppe. Nun baut das Familienunternehmen gemeinsam mit iteratec ein Multi-Agenten-System, das die Qualität von Investmententscheidungen maßgeblich verbessern soll: Alexander Pöllmann, Director IT & Digital von Viessmann, und Michael Maier, Director Austria von iteratec, geben im brutkasten-Gespräch einen Einblick.
/artikel/wie-viessmann-sein-deal-screening-mit-ki-umbaut
Alexander Pöllmann, Director IT & Digital bei der Viessmann Generations Group, und Michael Maier, Director Austria von iteratec (v.l.) | (c) iteratec / beigestellt

Es war eine der bemerkenswertesten Transformationen der deutschen Industrie: 2023 verkaufte Viessmann sein Kerngeschäft, die Klimasparte Viessmann Climate Solutions, für zwölf Milliarden Euro an den US-Konzern Carrier (brutkasten berichtete). Seit Anfang 2024 agiert das Familienunternehmen als Unternehmensgruppe, die aus Deutschland ein globales industrielles Beteiligungsportfolio steuert. Und dieses Kernteam soll nun KI-nativ werden: Gemeinsam mit dem Technologieunternehmen iteratec baut Viessmann ein Multi-Agenten-System, das die Mitarbeiter:innen zu “Buildern von Agenten” verändert.

Vom Heizungsbauer zum langfristigen Unternehmensentwickler  

Das reinvestierte Kapital floss vor allem in industrielle Mittelständler mit Fokus auf nachhaltige Energietransformation: von Grid-Infrastruktur über Fernwärme- und Kühlungslösungen bis zu Kühlhäusern. Dazu zählt etwa die isoplus-Gruppe, ein Hersteller von Nah- und Fernwärmeleitungen mit großen Standorten in Österreich. Über Minderheitsbeteiligungen ist Viessmann außerdem unter anderem an Encavis sowie am Software-Unternehmen AMCS beteiligt, das Emissionen in der Recycling- und Abfallwirtschaft reduzieren soll. 

Beim Thema KI unterscheidet Pöllmann klar zwischen zwei Ebenen: „Wenn wir auf unsere Partner schauen, ist der Kerntreiber klassischerweise Effizienz, also Use Cases entlang der Wertschöpfungskette, um Top- oder Bottom-Line-Potenziale einzusammeln. Auf Ebene des Viessmann-Teams schauen wir viel stärker auf Effektivität: Wie können wir noch bessere Investmententscheidungen treffen und unsere zentrale Entscheidungsqualität maßgeblich erhöhen?“ 

Deal-Screening statt Deal-Sourcing 

Genau das sei allerdings die schwierigere Disziplin, so Pöllmann: „Effizienz-Use-Cases sind aus unserer Sicht häufig leichter, als die Qualität zu erhöhen. KI tendiert in ihrer ursprünglichsten Natur dazu, lieber zu halluzinieren und ungenau zu sein, als eine sehr klare Antwort auf die Frage zu geben: Sollte ich dieses Investment tätigen oder lieber nicht? Welche Risiken habe ich noch nicht gesehen?“ Dies bedingt vor allem den ganzen Kontext einer Transaktion zu kennen. 

Konkret setzt das Multi-Agenten-System deshalb dort an, wo Präzision zählt: beim Screening. Es gehe nicht darum, Deals zu sourcen, betont Pöllmann, sondern den Prozess „Ist ein Deal für uns wirklich relevant?“ deutlich zu verkürzen. Ein Letter of Intent könne so viel schneller analysiert und daraus ein Investmentmemo gebaut werden, angereichert mit weiteren Quellen. 

Dass das Viessmann-Team das System selbst baut, statt auf eine Fertiglösung zu setzen, ist für Pöllmann eine Grundsatzentscheidung: „Wir wollen die Governance in der eigenen Hand haben, aber auch den Prozess, wie wir zu Entscheidungen kommen.“ Fertige KI-Finanzlösungen von der Stange würden der Organisation wenig bringen: „Das ist zwar alles nett und funktioniert auch schnell, aber nicht in der Qualität, wie wir sie erwarten.“ 

Jede:r Mitarbeiter:in wird zum „Builder“ 

Der vielleicht radikalste Teil des Ansatzes: Alle Mitarbeiter:innen der Viessmann Generations Group sollen befähigt werden, selbst KI-Agenten zu bauen. Der Prozess dahinter ist mehrstufig: Ein Intake-Agent nimmt die Idee auf und schärft sie, ein Specification-Agent zieht anschließend das nötige Fachwissen aus den Mitarbeiter:innen heraus und gibt erst ab einem bestimmten Confidence Score grünes Licht. Danach erstellt ein weiterer Agent, der sogenannte Agent-Builder, den fertigen KI-Kollegen. 

Gestartet wurde Ende Jänner mit einem „Hypersprint“, die ersten Prozessagenten gingen im Frühjahr live. „Es ist schon verrückt, was wir in der Zeit entwickelt haben“, sagt Pöllmann. Die größte Herausforderung sei dabei nicht die Technologie: „Die Herausforderung ist wirklich, das Wissen der Kolleg:innen “freizulegen” und die Leute, die verantwortlich sind, in die Verantwortung zu bekommen. So können wir dann gemeinsam den Input, den wir brauchen, identifizieren, um daraus vernünftige Agenten mit hoher Output-Qualität zu bauen.“ 

„Die Rolle des Menschen in der KI-Transformation wird maßgeblich“ 

Bei aller Automatisierung bleibt die Verantwortung beim Menschen, stellt Pöllmann klar: „Am Ende braucht es immer einen Verantwortlichen, und das kann nicht die Maschine sein. Dadurch wird vor allem die Rolle des Menschen in der KI-Transformation maßgeblich gestärkt.“ Wer einen Agenten verantwortet, müsse dessen Ergebnisse kontrollieren, ihn testen und etwa bei der Abkündigung eines KI-Modells nachjustieren. „Damit bekommt jeder in gewisser Weise eine Führungsaufgabe“, so Pöllmann. 

Um den Rollenwandel greifbar zu machen, ließ Viessmann die Mitarbeiter:innen ein eigenes „Role Canvas“ ausfüllen: Was bleibt an Verantwortung beim Menschen, wenn KI-Agenten übernehmen? Das habe viel Verständnis für die Transformation geschaffen, auch bei jenen, deren Berufsbild sich am stärksten verändert. Denn das klassische Profil eines Investmentbankers werde sich fundamental drehen, so Pöllmann. Die Betroffenen hätten das Thema allerdings „sehr gut aufgeschnappt und zeigen große Begeisterung dafür“. 

iteratec: „Die Unschärfe reduzieren“ 

Auf der Umsetzungsseite steht mit iteratec ein Software-Dienstleister, der seit 30 Jahren Individualsoftware entwickelt und sich zunehmend auf KI-Transformation fokussiert. „Unser eigenes Geschäft ändert sich aktuell selbst radikal aufgrund von KI“, sagt Michael Maier, Director Austria von iteratec. Das Unternehmen setzt Multi-Agenten-Projekte unter anderem bei Banken um und hat mit dem Recycling-Konzern Ragn-Sells ein neues Recyclingverfahren auf Basis KI-gestützter Materialanalysen entwickelt. Das Viessmann-Projekt sei „mitunter eines der spannendsten, das wir gerade machen dürfen“, so Maier: „Das nimmt sicher eine Vorreiterrolle ein.“ 

Die Kunst liege darin, schnell voranzukommen und trotzdem verlässliche Resultate zu liefern: „Du musst die Unschärfe so weit reduzieren, dass du dort, wo es wichtig ist, belastbare Ergebnisse hast, mit denen du arbeiten kannst“, sagt Maier. Viessmann kam über einen klassischen Anbieterauswahlprozess zu iteratec. Ausschlaggebend sei das Team gewesen, so Pöllmann: „Ein sehr professionell aufgestelltes Team mit High-End-AI-Capabilities. Die Entwickler sind fast AI-native unterwegs.” 

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

Abseits großer Labore: Wiener Forscher entwickelt KI-Modell „Noeum“

AI Kontextualisierung

Welche gesellschaftspolitischen Auswirkungen hat der Inhalt dieses Artikels?

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

Abseits großer Labore: Wiener Forscher entwickelt KI-Modell „Noeum“

AI Kontextualisierung

Welche wirtschaftlichen Auswirkungen hat der Inhalt dieses Artikels?

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

Abseits großer Labore: Wiener Forscher entwickelt KI-Modell „Noeum“

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 …

Abseits großer Labore: Wiener Forscher entwickelt KI-Modell „Noeum“

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 …

Abseits großer Labore: Wiener Forscher entwickelt KI-Modell „Noeum“

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 …

Abseits großer Labore: Wiener Forscher entwickelt KI-Modell „Noeum“

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 …

Abseits großer Labore: Wiener Forscher entwickelt KI-Modell „Noeum“

AI Kontextualisierung

Wer sind die relevantesten Personen in diesem Artikel?

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

Abseits großer Labore: Wiener Forscher entwickelt KI-Modell „Noeum“

AI Kontextualisierung

Wer sind die relevantesten Organisationen in diesem Artikel?

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

Abseits großer Labore: Wiener Forscher entwickelt KI-Modell „Noeum“