30.05.2017

Analyse: Wer in Zukunft den Sozialstaat finanziert

Bei den Sozialabgaben spielt der Faktor Arbeit immer noch die Hauptrolle. Alternative Modelle gibt es- sie könnten aber Innovationen hemmen und der Wirtschaft schaden.
/artikel/analyse-wer-in-zukunft-den-sozialstaat-finanziert
(c) nd3000 - fotolia.com

Fortschritt – das ist ein durch und durch positiv besetzter Begriff. Er ist es, der die Menschen einst aus den Höhlen geholt hat und es möglich machte, Bücher zu drucken. Fortschritt klingt nach strahlender Zukunft, nach kontinuierlicher Verbesserung für jeden und in allen Bereichen. In der Realität trifft das heute aber genauso wenig zu wie im Zeitalter der Industrialisierung. Damals litten die Arbeitnehmer unter widrigen Bedingungen in den Fabriken. Heute sehen viele den Sozialstaat durch die zunehmende Digitalisierung bedroht.

Das Sozialabgaben-Dilemma

Das Problem gestaltet sich wie folgend: Die Haupteinnahmequelle der österreichischen Sozialversicherungen sind derzeit Lohnabgaben von Arbeitnehmer- und Arbeitgeberseite. Personalintensive Unternehmen leisten dementsprechend mehr Sozialabgaben als kapitalintensive Firmen mit weniger Mitarbeitern. Zu letzteren zählen vor allem hoch technologische Konzerne, die oft hohe Gewinne erwirtschaften. Das würde ein Ungleichgewicht erzeugen, meinen Politiker aus dem linken Spektrum. Und sie haben auch einen mögliche Lösung parat: die Wertschöpfungsabgabe, landläufig auch Maschinensteuer genannt. Dabei handelt es sich vereinfacht gesagt um eine zusätzliche Abgabe, die Digitalisierungsgewinner leisten sollen. Das heißt, dass sich die Sozialabgaben der Unternehmen nicht mehr nur am Faktor Arbeit, sondern auch an Gewinnen und verschiedenen Aufwendungen orientieren. In Italien und Frankreich wird das auf regionaler Ebene schon teilweise umgesetzt. Auch in Deutschland wird derzeit über eine Maschinensteuer diskutiert.

Geteilte Meinungen

Befürworter unterstreichen, dass auf diese Art die Lohnnebenkosten sinken werden und so neue Jobs entstehen könnten. Während von der einen Seite also der Ruf nach Beschäftigung laut wird, ist man auf der anderen Seite um die Folgen für (ja, eben!) den Fortschritt besorgt. Die Idee der Maschinensteuer sei veraltet, heißt es von der Industrieellenvereinigung. (Tatsächlich wurde das Konzept bereits in den 1980ern unter dem damaligen Sozialminister Alfred Dallinger besprochen.)

Politische Herausforderungen

Zwar würde sie sich kurzfristig positiv auf die Beschäftigungsstatistik auswirken, über längere Zeit seien die Konsequenzen für den Wirtschaftsstandort aber bedenklich. Im engeren Sinne bedeutet Maschinensteuer nämlich auch, dass Investitionen in Maschinen besteuert werden könnten. Das sei laut Kritikern Gift für jegliche Art von Innovation. Beide Seiten im Hinterkopf behaltend ist die Politik nun gefordert. Trotz Wunsch nach Innovation muss bei gleichzeitiger Alterung der Gesellschaft und dem dadurch bedingten zusätzlichen Pflegebedarf ein Modell gefunden werden, das den Sozialstaat auch in Zukunft finanziert.

Deine ungelesenen Artikel:
07.07.2026

„Europa kann doch State of the Art“: Hochreiters NXAI präsentiert neues Modell

Das Linzer KI-Startup NXAI rund um KI-Pionier Sepp Hochreiter hat mit TiRex-2 ein neues Modell für Industrie-Vorhersagen veröffentlicht. Dieses soll extrem effizient bei der Analyse von Live-Datenströmen sein.
/artikel/europa-kann-doch-state-of-the-art-hochreiters-nxai-praesentiert-neues-modell
07.07.2026

„Europa kann doch State of the Art“: Hochreiters NXAI präsentiert neues Modell

Das Linzer KI-Startup NXAI rund um KI-Pionier Sepp Hochreiter hat mit TiRex-2 ein neues Modell für Industrie-Vorhersagen veröffentlicht. Dieses soll extrem effizient bei der Analyse von Live-Datenströmen sein.
/artikel/europa-kann-doch-state-of-the-art-hochreiters-nxai-praesentiert-neues-modell
KI-Pionier Sepp Hochreiter ist Co-Founder und Chief Scientist von NXAI | (c) NXAI
KI-Pionier Sepp Hochreiter ist Co-Founder und Chief Scientist von NXAI | (c) NXAI

Das Linzer KI-Startup NXAI hat sein neuestes Modell TiRex-2 veröffentlicht. Die Entwicklung des sogenannten „Time Series Foundation Models“ (Zeitreihen-Basismodell) stand unter der wissenschaftlichen Leitung von KI-Pionier Sepp Hochreiter, der Mitgründer ist und als Chief Scientist des Startups fungiert.

Das Modell wurde auch als Open-Source-Software frei zugänglich gemacht. Es ist darauf spezialisiert, historische Datenreihen aus der Industrie zu analysieren, um zukünftige Entwicklungen vorherzusagen. In der Presseaussendung zum Release zeigt sich das Startup selbstbewusst: „Europa kann doch SOTA-Modelle“ (Anm. State of the Art). Laut Hochreiter teilt sich das neue Modell in den offiziellen Bestenlisten „die Spitzenplätze mit AWS“.

Mehrere Signale gleichzeitig im Blick

Die wesentliche technische Neuerung des Modells liegt in der Verarbeitung multivariater Zeitreihen. Während herkömmliche Vorhersagesysteme oft nur eine einzelne Datenreihe anhand ihrer eigenen Vergangenheit analysieren, bezieht TiRex-2 zusätzliche Einflussfaktoren – in der Fachsprache Kovariaten genannt – mit ein. Für Industrieunternehmen soll das zum entscheidenden Vorteil werden, da Maschinen und Prozesse selten nur ein isoliertes Signal erzeugen. In der Praxis bedeutet dies: Will ein Logistik- oder Energiebetrieb den künftigen Verbrauch prognostizieren, kann das Modell neben den historischen Verbrauchsdaten auch begleitende Faktoren wie das Wetter, Kalenderdaten oder Produktionspläne auswerten. Das macht die Vorhersagen präziser und aussagekräftiger.

xLSTM soll Effizienz-Boost bringen

Im Gegensatz zu bekannten KI-Systemen wie ChatGPT, die auf der speicherintensiven Transformer-Architektur basieren, nutzt TiRex-2 das von Hochreiter mitentwickelte xLSTM-Verfahren. Das soll ein zentrales Problem industrieller Live-Anwendungen lösen: Bei kontinuierlich einlaufenden Datenströmen (Streaming) explodiere bei herkömmlichen Systemen nämlich der Rechen- und Speicheraufwand, argumentiert man beim Startup. TiRex-2 hingegen verarbeitet Daten sequenziell und aktualisiert fortlaufend einen internen Zustand. Dadurch würden der Speicherbedarf und die Rechenkosten auch bei unbegrenzten Datenströmen konstant niedrig bleiben. Lukas Fischer, Head of Applied Research bei NXAI, erklärt dazu: „Mit TiRex-2 können wir kontinuierliche Datenströme in Echtzeit analysieren, ohne Einbußen bei der Modellperformance.“ Dies prädestiniert das Modell für den direkten Einsatz an Maschinen vor Ort (Edge-Anwendungen).

„Kunden müssen für unterschiedliche Maschinen nicht immer ein neues KI-Modell trainieren“

Die Leistungsfähigkeit des Modells wird durch das begleitende wissenschaftliche Paper des Forscherteams untermauert. Darin zeigen die Wissenschaftler, dass sich TiRex-2 besonders gut für das sogenannte Zero-Shot-Forecasting eignet. Das bedeutet, dass das Modell ohne vorheriges, spezielles Training präzise Vorhersagen für völlig neue Maschinentypen oder Datensätze treffen kann.

Laut dem CEO von NXAI, Albert Ortig, bringt diese Generalisierungsfähigkeit handfeste wirtschaftliche Vorteile im Betrieb: „Die Kunden müssen für unterschiedliche Maschinen nicht immer ein neues KI-Modell trainieren.“ Ein weiterer Vorzug des vergleichsweise kompakten Modells mit 82 Millionen Parametern ist, dass es auf Wunsch direkt auf den eigenen Servern der Kunden (On-Prem) betrieben werden kann, was die Datensicherheit für sensible Industrie-Prozesse erhöht.

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

Analyse: Wer in Zukunft den Sozialstaat finanziert

AI Kontextualisierung

Welche gesellschaftspolitischen Auswirkungen hat der Inhalt dieses Artikels?

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

Analyse: Wer in Zukunft den Sozialstaat finanziert

AI Kontextualisierung

Welche wirtschaftlichen Auswirkungen hat der Inhalt dieses Artikels?

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

Analyse: Wer in Zukunft den Sozialstaat finanziert

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 …

Analyse: Wer in Zukunft den Sozialstaat finanziert

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 …

Analyse: Wer in Zukunft den Sozialstaat finanziert

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 …

Analyse: Wer in Zukunft den Sozialstaat finanziert

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 …

Analyse: Wer in Zukunft den Sozialstaat finanziert

AI Kontextualisierung

Wer sind die relevantesten Personen in diesem Artikel?

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

Analyse: Wer in Zukunft den Sozialstaat finanziert

AI Kontextualisierung

Wer sind die relevantesten Organisationen in diesem Artikel?

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

Analyse: Wer in Zukunft den Sozialstaat finanziert