"mAIde in Austria": Ein Blick auf Österreichs AI Hidden Champions

✨ AI Kontextualisierung

Vorbei sind die Zeiten, in denen ein Großteil der Gesellschaft Künstliche Intelligenz mit gefährlichen Robotern á la Terminator gleichsetzte. AI kleidet sich heute anders. In Algorithmen und individuellem „Targeting“ von Einzelpersonen.

Sei es bei Geräten, die ideale Raumtemperaturen des Besitzers erlernen und automatisch einstellen, für optimale Lichtverhältnisse ohne Stromverschwendung sorgen oder uns auf unseren Lieblingsseiten im Netz zugeschnittene Werbung so präsentieren, dass manche meinen, sie müssten nur davon träumen und soziale Netzwerke spielen am nächsten Tag die passende Reklame aus.

Auch Mensch-gegen-Maschine-Spiele haben mittlerweile eine neue Dimension angenommen und abseits von Duellen im Schach oder Jeopardy ebenso lyrische Wettkämpfe in ihrem Repertoire– wer schreibt das bessere Gedicht, der menschliche oder maschinelle Geist?

Stille AI aus Österreich

Doch abseits davon gibt es auch „Artificial Intelligence“, die dem Menschen nicht gleich ins Gesicht springt, dafür im Hintergrund arbeitet und ihm den Alltag oder die Arbeit erleichtert. Und für Sicherheit sorgt. Man kann sie in weitgefasster Form als die „stillen AIs“ bezeichnen.

„Die beste KI-Technologie ist die, die man gar nicht als solche wahrnimmt“, sagt Wolfgang Domann, Geschäftsführer von AVI Systems. Sein Unternehmen mit Sitz in Krems ist eines jener heimischen Vertreter eine AI-Riege, die bemerkenswerte, wenn nicht teilweise gar futuristische und vor gar nicht so langer Zeit als utopisch bezeichnete Arbeit leistet.

Das Unternehmen verbindet „Safe Artificial Intelligence“ mit entsprechenden Hightech-Anwendungen für die Mobilität und Industrie. Eines der beeindruckendsten Projekte, an dem AVI Systems aktuell arbeitet, ist die „CarEye Safety Angle Produktsuite“, wie Domann erklärt: „Im Vergleich zu herkömmlichen Abbiegeassistenzsystemen haben wir hier einen komplett anderen technologischen Ansatz gewählt. Anstelle von Radar- oder Ultraschallsensoriken verwenden wir von uns entwickelte Kamerasensoren, die Bildinformationen mittels künstlicher Intelligenz auswerten. Das bedeutet, das System erkennt nicht nur Objekte, es klassifiziert sie auch und trifft zusätzlich verlässliche Bewegungsvorhersagen in Echtzeit.

Die Produktsuite, die 2019 für den „Staatspreis für Mobilität“ (in der Kategorie Betreiben & Sicherheit) nominiert wurde, verknüpft dafür Hightech-Kamera-Monitor-Systeme mit künstlicher Intelligenz und Deep-Learning-Algorithmik“.

Corona: Ampel-Lösung für den Einzelhandel

Neben dieser Automotive-Prognose hat das Unternehmen auch für die Corona-Krisenzeit mithilfe von AI eine Lösung speziell für den Einzelhandel entwickelt: Ein System zur Durchgangskontrolle mit Ampelregelung. Dieses kann beispielsweise in Baumärkten oder Gartenzentren am Ein- und Ausgang sowie in engen Durchgangsbereichen angebracht werden, um Mitarbeitern und Kunden mittels eines einfachen Ampelsignals anzuzeigen, ob ausreichend Platz auf der Fläche ist oder gewartet werden soll.

Das intelligente Durchgangskontrollsystem ist wahlweise mit einer oder zwei Kameras sowie einer ‚Deep Learning Kamera-Sensorik‘ ausgestattet und lässt sich so konfigurieren, dass eine zur Ladengröße definierte Personenanzahl erfasst und entsprechend Zugang gewährt werden kann.
„Wir machen Maschinen intelligent sehend. Dass eine Kamera ’sehen‘ kann, ist allen bewusst. Dass aber eine Kamera mit unserer Technologie auch ‚versteht‘, was sie sieht und dementsprechend Impulse und Signale aussendet, wenn etwas außerhalb der Norm wahrgenommen wird oder eine unmittelbare Gefahr besteht, das ist dann doch noch ein entscheidender Schritt weiter“, so Domann.

Mit AI-Sensorik zu Disney

Ein weiteres jener lokalen Unternehmen, die mehr oder weniger “hidden“ ihr Championat ausführen, trägt den Namen Atos. Es beschäftigt sich mit „Cloud“, „Cybersecurity“ sowie „High Performance Computing“ und bietet dabei ganzheitliche Lösungen für „Orchestrated Hybrid Cloud“, „Big Data“, „Business-Anwendungen“ und „Digital Workplace“.

Eines der Aushängeschilder der Wiener Firma ist jedoch der Einsatz von „Predictive Maintenance“ (vorausschauender Wartung) bei Fahrgeschäften in Vergnügungsparks. Neben der Qualitätssicherung von Gasflaschen in Grillern – mit Bilderkennung und Algorithmen werden Mängel und Defekte an Gasflaschen erkannt – stattet Atos unter anderem Attraktionen von „Disney World“ mit Sensoren aus. Dabei prognostizieren KI-Sensordaten Probleme, damit Ausfällen vorgebeugt werden kann.

„Im Durchschnitt haben große Vergnügungsparks mehr als 40.000 Besucher pro Tag. Der Eintrittspreis bleibt unabhängig von der Anzahl der Attraktionen, die geöffnet sind, gleich. Es ist also eine Frage des guten Rufs und der Kundentreue, dafür zu sorgen, dass alles einwandfrei funktioniert und ständig für die Öffentlichkeit zugänglich ist. Heute verfügt jede Attraktion über nahezu 11.000 Sensoren. Sie überwachen ihren Gesamtzustand, um ihre ordnungsgemäße Funktion und Sicherheit zu gewährleisten“, erklärt Gerald Bader, Senior Director AI & Analytics CEE von Atos: „Es ist unerlässlich, diesen immer wichtiger werdenden Datenfluss in Echtzeit zu analysieren, um Fehlfunktionen zu antizipieren, sofort zu reagieren und um mögliche Ausfallzeiten so weit wie möglich zu begrenzen“.

Um die vorausschauende Wartung von Attraktionen zu ermöglichen, setzt das Unternehmen eine AI-Lösung auf Basis von „Edge Data Analytics“ ein, die in Echtzeit auf einem „BullSequana Edge-Server“ ausgeführt wird. Der Edge-Server, der als der weltweit leistungsstärkste gilt, sammelt, sortiert, speichert und analysiert den Datenfluss in Echtzeit und kontinuierlich. Er eignet sich insbesondere für Bereiche, in denen schnelle Antwortzeiten entscheidend sind. Das ist etwa der Fall in der Industrie 4.0, bei autonomen Fahrzeugen, im Gesundheitswesen, sowie bei der Sicherheit im Einzelhandel und an Flughäfen. Kurzum: Überall dort, wo Daten am „Edge“ in Echtzeit verarbeitet werden.

„Mithilfe von ‚Deep Learning-Algorithmen‘ werden diese Daten sofort analysiert, um Fehlfunktionen oder Schwächungen von Fahrgeschäft-Komponenten während der Fahrt zu erkennen. Sie lösen dann einen Alarm an die Teams für technische Überwachung, Wartung und Support aus, um einen Einsatz zu planen. Damit verfügen sie über ein Echtzeit-Warnsystem zur Sicherstellung der Kundenzufriedenheit sowie zur Vermeidung von Schließungen einzelner Attraktionen“, erläutert Bader.

Mit EpiSYS gegen die Covid-19-Krise

Im aktuellen Kampf gegen die Pandemie leistet auch Atos einen wichtigen Beitrag. Weltweit sind mehrere Supercomputer des Unternehmens im Einsatz, die es Forschern ermöglichen, mittels AI und Machine Learning Forschungslücken oder „blinde Flecken“ rascher zu entdecken. „Unsere Hochleistungsrechner können tausendmal schneller rechnen als Standardrechner“, sagt Bader.

Das verwendete System dabei heißt EpiSYS und ist ein Epidemie-Management-System (EMS), das Fachleuten im Gesundheitswesen einen genauen Überblick über eine epidemiologische Situation verschaffen soll, indem es relevante Daten im Zusammenhang mit dem Virus (etwa Patientendaten) speichert und verwaltet, einschließlich der Verfolgung und Rückverfolgung von Berichten über Patientenvorfälle in Echtzeit.

EpiSYS wurde Anfang März in Österreich eingeführt. Weitere Betätigungsfelder von Atos beinhalten natürliche Sprachverarbeitung zur Automatisierung von Kundeninteraktionen sowie Bild- und Objekterkennung. Auch der Einsatz von digitalen Assistenten, „Chatbot Ingrid“ etwa, für das Impfmanagement-System der Stadt Wien, „Predictive Maintenance“ zur Vorhersage von Wartungsintervallen und „Fraud Detection“ fallen in diese Sparte.

AISaaS für Handel und Industrie

Das Startup 7Lytix aus Linz hingegen verbindet angewandte Künstliche Intelligenz mit Data Science, „um AI für jedes Business anwendbar zu machen“, wie Martina und Franz Kyriakopoulos erklären.

Die ehemalige Co-Founderin von „simpelctix“, einem Startup für „Predictive Analytics“, entwickelt mit ihrem Partner „AI-Software as a Service“ für die Branchen Handel, Logistik, Industrie und Finance.
Dabei erarbeitet 7Lytix auf „selbstlernenden Technologien basierende KI-Lösungen“, die mit Absatzprognosen, „Recommender“-Systemen, Bilderkennung und Risikoprognosen breit aufgestellt sind.

„Wir implementieren die oben genannten Lösungen sowohl für unsere Investoren, die Raiffeisen Landesbank OÖ und die Mediaprint, als auch für eine Reihe großer Unternehmen in Österreich und Deutschland, etwa die Deutsche Bahn, voestalpine, Salamander oder Daily“, erklärt Kyriakopoulos: „Unsere AI vermag, um konkretere Beispiele zu bringen, anhand des bloßen Bildes eines Schuhes zu prognostizieren, wie viele Paare davon im ersten Jahr in Österreich, Deutschland und weiteren Ländern verkauft werden. Und die Disposition eines weltweit agierenden Konzerns zu vollautomatisieren, mithilfe sehr genauer Absatzprognosen“.

Das Problem an dem Quellcode packen

Jaroona von Anna und Christian Bacher widmet sich indes der Cybersecurity. Das 2018 in Wien gegründete Startup unterstützt Software-Entwickler bei der sicheren Entwicklung von Applikationen, indem sie mittels KI und Machine Learning den Programmquellcode auf Sicherheitslücken überprüfen und dem Entwickler sofort Vorschläge zur Korrektur der Fehler unterbreiten.

„Sicherheitslücken in Applikationssoftware sind mittlerweile die Hauptangriffsziele von Hackern. Die Korrektur von Sicherheitsfehlern bereits beim Kodieren macht die Software nicht nur sicherer, wir erzielen damit massive Effizienzgewinne im Entwicklungsprozess. Denn je später im Prozess die Fehler erkannt werden, desto teurer wird die Korrektur für das Unternehmen – von den Folgekosten eines erfolgreichen Angriffs ganz abgesehen“, erklärt CEO Christian Bacher.

Der Gründer meint zudem, dass Artificial Intelligence enorme Fortschritte in der Erkennung von Sprache gemacht hat, die bis vor einigen Jahren noch undenkbar waren und man nur aus ScienceFiction-Filmen kannte.

„Heute ist es möglich geworden, mit Maschinen in natürlicher Sprache zu kommunizieren und etwa fast perfekte Sprechübersetzungen maschinell zu machen. Wir verwenden ähnlich bahnbrechende NLP-Technologie (Natural Language Processing), um Programmquellcodes auf semantische Probleme zu überprüfen und Verbesserungen maschinell durchzuführen“, so Bacher.

AI gegen Fake News

Apropos Sprache: Mark Pfeiffer, Chief Visionary Officer von Sail Labs, arbeitet mit seinem Team an AI-Projekten, die unter anderem zur Verarbeitung von natürlicher Sprache – beispielsweise zum Zweck der Medienbeobachtung und Medienanalyse – gedacht sind.

„Dazu nutzen wir unser preisgekröntes ‚Media Mining-System‘, mit dem durch die Analyse von traditionellen Medien, TV, Radio, Zeitungen, sowie sozialer Medien – Twitter, YouTube, Facebook, Telegram, WhatsApp-Gruppen – in über 30 Sprachen ein umfassendes Lagebild erstellt werden kann.

Das System hilft dabei, einzuschätzen, ob Debatten durch beispielsweise Falschmeldungen oder Propaganda beeinflusst werden. Weiters lässt sich die Reichweite von Medien verschiedenster Art sowie die Resonanz auf die Bevölkerung feststellen“, erklärt er.

Die multilinguale EU und ihr Sprachproblem

Das aktuelle „Vorzeige-Projekt“ des Wiener Unternehmens ist die Zusammenarbeit mit dem ELG (European Language Grid). Dabei geht es um die Erstellung einer europaweiten Plattform für Natural Language Processing.

„Sowohl die Industrie, als auch zahlreiche Forschungsinstitutionen versuchen seit Jahren Policy Maker und EU-Institutionen davon zu überzeugen, dass Sprachtechnologien – insbesondere in einem „Multilingual Digital Single Market“ – kein Luxus sein dürfen, sondern eine fundamentale Rolle spielen – die auch politisch entsprechende Beachtung und ein entsprechendes Interesse verdient“, so Pfeiffer.

Genauer gesagt geht es darum, radikalisierende und polarisierende Inhalte zu erkennen und so ein Bewusstsein zu schaffen. „Wir werden auch weiterhin unsere Technologien zur Detektion von ‚Fake News‘ einsetzen, um Desinformationskampagnen in einem frühen Stadium aufzudecken. Unternehmen und Regierungen haben dann ein Werkzeug zur Hand, um schneller faktisch korrekte Antworten zu geben und Akteure in einem möglichst offenen Dialog zu konfrontieren, sodass schlussendlich beide Seiten mit Fakten argumentieren müssen“, meint Pfeiffer.

AI und Österreich: „Man muss jetzt die richtigen Fragen stellen“

Die genannten Beispiele von AI-Betrieben stellt nur einen kleinen Teil der heimischen Arbeit im Bereich der Artificial Intelligence dar und ließe sich noch um weitere Projekte und Startups ergänzen. Denn, die KI-Szene hierzulande ist lebendig, wie etwa Bader meint, oder auf einem guten Weg, wie Pfeiffer beisteuert, jedoch gelte es in dieser Phase die richtigen Fragen zu stellen – und Aktionen zu setzen.

„Warum haben wir keine starke europäische Suchmaschine wie Google, Yandex oder Baidu? Warum haben wir keinen europäischen Onlinehändler, der auch seine Wertschöpfung hier hat und hier Steuern bezahlt? Ich sehe mit Freude, wie ein paar dieser Fragen grade von der Bundesministerin für Digitalisierung und Wirtschaftsstandort, Margarete Schramböck, aber auch von vielen anderen Mitgliedern dieser Regierung aufgegriffen werden. Es wird Zeit, diese Krise richtig zu nutzen“, mahnt der Sail Labs-CVO.

Fehlende „Liebesbeziehung“ zwischen Startups und Unternehmen lässt Wissen abfließen
Ein Thema bei dem auch Kyriakopoulos deutliche Worte findet: „Startup-Unternehmen haben es in Österreich generell nicht leicht. Das ist auch bei KI nicht anders. Neben der noch immer geringen Risikofreudigkeit von Investoren und der fehlenden Breite an Eigenkapitalfinanzierung stellt vor allem die nach wie vor geringe Bereitschaft von etablierten österreichischen Unternehmen, mit Startups zu kooperieren, eine große Hürde bei der Markteinführung dar“, sagt er.

Startups im B2B-Umfeld seien darauf angewiesen, dass etablierte Unternehmen Bereitwilligkeit zeigen, „Proof of Concepts“ durchzuführen und als Referenzkunden zu fungieren. Diese Bereitschaft fehle in Österreich noch immer weitgehend.

Kyriakopoulos dazu: „An Ideen und Know-how mangelt es in Österreich nicht. Experten in der Umsetzung gibt es allerdings viel zu wenige. Da muss im Rahmen der Schule und der beruflichen Ausbildung deutlich mehr getan werden. Auch ‚Hidden Champions‘, und dazu zählen wir uns auch, sind oftmals darauf angewiesen, die Experten und Referenzkunden im Ausland zu finden. Damit gehen wertvolle Unternehmen und damit verbundenes Know-how der österreichischen Wirtschaft zu oft verloren.“

LinktippDer Beitrag ist auch im brutkasten Magazin #10 erschienen

Wenn KI die standardisierbare Arbeit übernimmt, bleibt für Menschen das, was die Unternehmerin und Autorin Tina Ruseva „Soft Work“ nennt. Sie spricht am HR Inside Summit, der am 14. und 15. Oktober in der Wiener Hofburg stattfindet. Im brutkasten-Interview erklärt sie vorab, warum Kontrolle als Führungsprinzip ausgedient hat und was Unternehmen jetzt verändern müssen.

brutkasten: Sie sprechen am HR Inside Summit über „Soft Work“. Was ist die Kernthese?

Tina Ruseva: Ausgangspunkt ist die Arbeitsteilung, die wir aus der Industrialisierung kennen. Arbeit hatte eine feste Beschreibung, und an der Maschine hatte es keine Bedeutung, wer die Aufgabe übernimmt. Das ist die Hard Work. Maschinen sind genau in solchen Aufgaben sehr gut und werden sie in den nächsten Jahren zum großen Teil übernehmen. In den Bürojobs von heute gibt es aber viele Aufgaben, bei denen man das Endergebnis nicht kennt: Welchen neuen Markt müssen wir erschließen? Wie antworten wir auf eine neue Krise? Diese Aufgaben sind diffuser, deswegen „soft“. Was für uns an Arbeit bleibt, können wir nur dann gut machen, wenn wir das wollen. Effektives Wirtschaften hängt heute von der intrinsischen Motivation der Beteiligten ab.

Ein gutes Beispiel ist der Customer Support. Wenn jemand nur Dienst nach Vorschrift macht und sein Skript abliest, ist diese Person ersetzbar, weil diese Arbeit bald besser von einem Automaten gemacht wird. Wir automatisieren, was wiederholbar ist, und können dann von Mensch zu Mensch klären, was diesmal besonders ist und zum ersten Mal auftritt.

Wer den Begriff hört, denkt sofort an Soft Skills. Wo liegt der Unterschied?

Wir haben Führung sehr lange etwas generisch als Soft Skill abgehakt, also als Kommunikation und persönliche Gespräche. Soft Work ist für mich ein größerer Begriff. Er beschreibt das gesamte Umfeld, in dem sich Führungskraft und Mitarbeitende befinden. Dazu habe ich ein Framework definiert: SOFT steht für Synergien, Offenheit, Fairness und Technologie. Wir müssen wiederholbare Tätigkeiten automatisieren, damit überhaupt Zeit bleibt für all das, was wir heute so gut wie nicht machen.

Wie geht eine Führungskraft vor, die sich zum ersten Mal mit dem Thema beschäftigt?

Führung ist eine Frage der Komplexität, deshalb führen wir sehr selten große Teams direkt. Studien sagen, dass ab 2028 rund ein Achtel der Arbeit mit KI-Agenten erledigt wird. Wenn alle meine Mitarbeitenden ihr eigenes digitales Team haben, gibt es unendlich viel mehr Aufgaben und Abstimmungsaufwand. Hinter jedem herzugehen, alles abzuhaken und alles zu kontrollieren, wird einfach unmöglich. Vertrauen, Augenhöhe und Selbstführung sind deshalb kein Wunschdenken, sondern unsere Zukunft. Wir müssen uns jetzt überlegen, wie wir Mitarbeitende befähigen, ihre eigenen digitalen Teams zu kontrollieren. Dazu braucht es auch Technologie.

Gibt es Unternehmen, die das schon anwenden?

Das bekannteste Beispiel unter den deutschen Großkonzernen ist Bosch, weil dort die mittlere Managementebene komplett abgeschafft wird. Dadurch kommt mehr Verantwortung bei den einzelnen Mitarbeitenden an. Ein neueres Beispiel ist Stripe. Das Unternehmen hat sehr viel in KI investiert und fast das gesamte Management-Team abgebaut. Es gibt nur noch Leadership und Teams, und vor allem Ingenieur:innen sollen experimentieren können. Stripe hat in einem Podcast von a16z erzählt, dass es dadurch 200 bis 300 innovative Produkte in einem Jahr auf den Markt bringt.

Allerdings ist KI eine Art Verstärker für die Unternehmenskultur. In einer Muss-Kultur, in der wir nur auf den KPI schauen, bekomme ich durch Automatisierung nur noch schneller mehr vom Gleichen. In Will-Kulturen, in denen alle bereit sind, ihre Ideen preiszugeben und anderen zu helfen, können Automatisierung und KI zu wirklich neuen Ergebnissen führen.

Es geht also nicht mehr darum, erledigte Aufgaben zu messen, sondern die Wirkung?

Von Effizienz zu Effektivität. Heute können wir alle in zehn Sekunden einen LinkedIn-Post rausschießen. Die Anzahl der Posts war sehr lange eine gängige Marketingkennzahl. Die To-do-Liste für die Mitarbeitenden war eine Anzahl von Dingen und nicht deren Qualität. Man schreibt einen Post aber ganz anders, wenn man wirklich Wert darauf legt, dass die Nachricht durchkommt. Das ist der Unterschied zwischen KI-generierten Texten und guten Autor:innen.

Den Begriff New Work gab es schon vor dem KI-Hype. Wie hat sich die Szene verändert?

Der Begriff ist mit der Pandemie explodiert. Viele haben ihn missbraucht, einfach für moderne Führung oder für tolle Büromöbel. Als die Krise kam, wurde das Konzept vielerorts für gescheitert erklärt. Trotzdem ist für alle klar: There is no going back. Wir können nicht mehr so führen wie früher. Dienst nach Vorschrift und Kontrolle verschwenden die Ressourcen von Unternehmen, besonders in der Krise. Gleichzeitig haben wir es mit Menschen zu tun, die Angst um ihre Hypotheken, ihren Status und ihr Büro haben. Da gilt es, eine Lösung nach vorne zu finden. Ob man das Soft Work oder New Work nennt, ist nicht wichtig.

Auch bei uns arbeiten nicht alle gleich schnell mit KI. Wie schafft man Alignment in einer Organisation?

Bisher hieß Alignment: Alle bekommen ihre To-dos, und wenn die erledigt sind, gibt es Alignment. Was wir heute alignen müssen, sind aber keine Pflichtaufgaben mehr. Wofür ich KI nutze, muss ich niemandem erzählen. Ich definiere dafür vier Kriterien. Erstens müssen wir Silos in Synergien umwandeln, also Dialog möglich machen, wo keiner stattfindet. Im Onboarding heißt das, nicht nur eine fertige Checkliste bereitzustellen, sondern auch zu fragen: Was willst du in den ersten zwei Monaten lernen? Wen willst du kennenlernen? Zweitens geht es von Orthodoxie zu Offenheit, weg von „So haben wir das immer gemacht“, zum Beispiel mit einem Mitarbeiterbeirat. Drittens Fairness: Wenn ich weiß, dass ich als Frau immer weniger verdienen werde als ein Mann, kaufe ich dieses Wir irgendwann nicht mehr ab und behalte meine Ideen für mich. Das Allerwichtigste ist Technologie. Ohne sie sind all diese Veränderungen zum Scheitern verurteilt, sobald die zuständige Person andere Prioritäten hat. Technologie macht Regeln und Policies nachhaltig. Wir müssen festlegen: Mit welchem Tool werden die Gehälter erfasst? Wie sammeln wir Kompetenzen? Wie setzen wir digitales Feedback um? Das spart allen Zeit, und diese Zeit haben wir dann dafür, miteinander zu reden.

„mAIde in Austria“: Ein Blick auf Österreichs AI Hidden Champions