27.01.2021

“Kompletter No-Brainer”: Nur wenige nutzen steuerfreie betriebliche Altersvorsorge

Betriebliche Altersvorsorge ist in Österreich noch nicht überall angekommen. Dabei gibt es mit dem "300€-Modell" seit Jahrzehnten ein steuer- und abgabenfreies Einstiegsmodell.
/artikel/betriebliche-altersvorsorge-finabro-bav-vertriebsforum
Kryptowährungen sind kein Investment - betriebliche Altersvorsorge - Finabro-Gründer Sören Obling
(c) Finabro: Finabro-Gründer Søren Obling.
sponsored

Man stelle sich vor, man muss auf einen Teil seines Gehalts weder Steuern noch Abgaben zahlen. Genau das ist in Österreich seit vier Jahrzehnten möglich – und zwar mit dem “300€-Modell” in der betrieblichen Altersvorsorge. Bis zu 300 Euro im Jahr können damit Unternehmen für ihre Mitarbeiter brutto für netto in ein Vorsorge-Produkt einzahlen. Dadurch ergibt sich auf Dauer eine verhältnismäßig hohe Rendite, die mit dem richtigen Produkt noch vergrößert werden kann.

FINABRO Betriebliche Altersvorsorge als soziale Mission

“Das 300€-Modell ist ein kompletter No-Brainer mit Nettorenditen von zwei bis sechs Prozent pro Jahr wegen dem Steuervorteil. Doch nur etwa 600.000 von rund vier Millionen Arbeitnehmern in Österreich nutzen es. Dabei ist es die attraktivste Form zu Sparen am Markt”, sagt Søren Obling, Gründer des Wiener FinTech-Startups FINABRO. Das Unternehmen hat sich inzwischen voll und ganz dem Thema betriebliche Altersvorsorge verschrieben.

“Ich kommen aus einem Land [Anm. Dänemark], wo Pensionsvorsorge synonym ist mit betrieblicher Altersvorsorge. Ich habe daher immer schon gewusst, dass es auch hier Potenzial hat”, sagt Obling. Denn wenn man das staatliche Pensionssystem entlasten wolle, aber zugleich der breiten Masse und nicht nur Wohlhabenden eine gute Pension ermöglichen wolle, gebe es de facto gar keinen anderen Weg. “Dänemark und die Niederlanden haben bereits vor Jahrzehnten harte Reformen dahingehend umgesetzt. Deutschland ist jetzt nachgezogen. Auch Österreich wird sich dorthin bewegen”.

Auch ihm sei natürlich klar, dass beim 300€-Modell, auch mit guter Rendite, noch viel zu wenig Geld für die Einzahler herauskomme, um wirklich von Vorsorge zu sprechen. “Es ist ein attraktiver Einstieg, der keine Nachteile hat, aber erheblich dazu beiträgt, ein Bewusstsein für das Thema zu bilden” so Obling, “aber man muss mehr machen, das ist klar”. Mit FINABRO biete man als Vertriebsplattform auch private Vorsorge-Produkte an und in Zukunft werde das Repertoire an betrieblichen Altersvorsorge-Produkten noch erweitert.

bAV Vertriebsforum: Branchengrößen bei FINABRO-Event

Zur Bewusstseinsbildung in Sachen betriebliche Altersvorsorge beitragen soll auch das von FINABRO veranstaltete bAV Vertriebsforum am 28. Jänner. Das Startup, das sich als Partner der Industrie versteht, konnte dafür einige der größten Versicherer als Sponsoren und deren Top-Manager als Speaker gewinnen. Dabei sind etwa Vorstände von Wiener Städtische, Allianz, Valida und Zürich.

Deine ungelesenen Artikel:
vor 24 Minuten

Lösung gegen KI-Halluzinationen? So funktioniert Sepp Hochreiters SDLG-Methode

Halluzinationen sind ein großes Problem der KI-Szene. Und das weltweit. Während Google und Microsoft sich bei einer Lösung schwertun, kommt aus Österreich ein Modell, dass solche "KI-Unsicherheiten" besser erkennen soll. Es heißt: SDLG. Wie genau, erklärt KI-Experte Sepp Hochreiter in einem Gespräch mit uns.
/artikel/loesung-gegen-ki-halluzinationen-so-funktioniert-sepp-hochreiters-sdlg-methode
vor 24 Minuten

Lösung gegen KI-Halluzinationen? So funktioniert Sepp Hochreiters SDLG-Methode

Halluzinationen sind ein großes Problem der KI-Szene. Und das weltweit. Während Google und Microsoft sich bei einer Lösung schwertun, kommt aus Österreich ein Modell, dass solche "KI-Unsicherheiten" besser erkennen soll. Es heißt: SDLG. Wie genau, erklärt KI-Experte Sepp Hochreiter in einem Gespräch mit uns.
/artikel/loesung-gegen-ki-halluzinationen-so-funktioniert-sepp-hochreiters-sdlg-methode
SDLG, KI, Hochreiter, Halluzination
(c) brutkasten - Sepp Hochreiter zu SDLG.

“Großartige Arbeit meines Teams: Erkennen, ob LLMs (Anm.: Large Language Models) halluzinieren. Sie halluzinieren, wenn sie unsicher sind. Wir erkennen diese Unsicherheit und markieren Halluzinationen” – so beschreibt KI-Koryphäe Sepp Hocheiter auf LinkedIn die Errungenschaft, die er uns seine Forscher:innen am Institut für Machine Learning der Johannes Kepler Universität Linz vollbracht haben. Dabei spricht er von dem SDLG-Modell. Der Begriff steht für “Semantically Diverse Language Generation”.

Denn es ist ein großes Thema, das die KI-Community beherrscht. Bei Nutzung von Künstlicher Intelligenz (KI) kann es passieren, dass man eine Frage stellt und falsche Antworten bekommt. Im Fachjargon sagt man dazu, die KI halluziniert.

SDLG verbessert Erkennung von Halluzinationen

Wie brutkasten berichtete, tun sich Giganten wie Google und Microsoft schwer, dieser Problematik habhaft zu werden. Eine neuer Lösungsansatz kam heuer vom Wiener Startup datAInsights, die statt impliziten explizite Fakten bzw. explizites Wissen verwenden, das dokumentiert ist. “Wir reichern bestehende Knowledge-Systeme mit Quellen an, sodass sie für unsere Architektur verarbeitet werden können”, erklärte datAInsights-Co-Founder René Heinzl im März 2023.

Nun kommt ein weiterer Lösungsansatz aus dem Umfeld von Sepp Hochreiter: SDLG. Diese neue Methode verbessert die Erkennung von Halluzinationen in LLMs (Large Language Modellen), indem es die Unsicherheitsabschätzung vorantreibt oder anders gesagt, aufzeigt, wenn ein Large Language Modell “unsicher” ist.

Man muss wissen, dass LLMs als Basis für Künstliche Intelligenz dienen und wie eine Zeichenkette aufgebaut sind. Hier wirken Wahrscheinlichkeiten, die das nächste Zeichen (konkret das nächste Wort oder um noch genauer zu sein, die nächsten Buchstaben) produzieren und Antworten auf Fragen liefern. Da kann es zu Fehlern oder falschen Informationen kommen.

Einstein oder Newton?

“Hochreiter präzisiert gegenüber brutkasten: “Halluzinationen können entstehen, wenn ein Trainingsdaten-Set fehlende oder zu wenige Daten zu einem Thema hat”, sagt er. “‘Albert Einstein hat die Relativitätstheorie entwickelt’ kann in verschiedenen Varianten (Anm.: Einstein hat die Relativitätstheorie erfunden, die Relativitätstheorie wurde von Einstein erfunden oder entwickelt, Der Vater der Relativitätstheorie ist Alber Einstein, etc.) im Trainingsdaten-Set als Information dienen. Gibt es diese nicht oder nur ungenügend, und die KI weiß, dass das Relativität etwas mit Physik zu tun hat, kann es sein, dass die Antwort plötzlich Newton ist.”

SDLG erkennt ob “LLMs halluzinieren”

Lukas Aichberger, “ELLIS PhD”-Student am Institut für Machine Learning der JKU beschreibt per LinkedIn-Post die SDLG-Methode – die er, Kajetan Schweighofer, Mykyta Ielanskyi und Sepp Hochreiter entwickelt haben – wie folgt: “Wir schaffen eine theoretische Grundlage für Unsicherheitsmaße in LLMs und führen theoretisch begründete ‘Estimatoren’ (Schätzer) für semantische Unsicherheit ein. Und stellen eine Methode zur Verfügung, um semantisch vielfältige und dennoch wahrscheinliche Ausgabesequenzen zu erzeugen, indem wir die Texterzeugung eines LLMs so steuern, dass wichtige Informationen für den semantischen Unsicherheitsschätzer erfasst werden.”

SDGL, KI, Halluzinationen, Hochreiter
(c) zVg – (v.l.) Sepp Hochreiter, Lukas Aichberger, Mykyta Ielanskyi und Kajetan Schweighofer.

In anderen Worten hebt die SDGL-Methode jene Aussagen hervor, wo sich die KI nicht sicher ist und markiert sie, damit man die durch “semantische Unsicherheit” (des Large Language Models) hervorgerufenen Halluzinationen erkennt, wie Hochreiter präzisiert.

Im 23-seitigen Paper, das die Forscher herausgebracht haben, heißt es konkret: “SDLG steuert das LLM, um semantisch unterschiedliche, aber wahrscheinliche Alternativen für einen ursprünglich generierten Text zu erzeugen. Dieser Ansatz liefert ein präzises Maß für die aleatorische (Anm.: vom Zufall abhängige) semantische Unsicherheit und erkennt, ob der ursprüngliche Text wahrscheinlich halluziniert ist. Experimente mit Aufgaben zur Beantwortung von Fragen zeigen, dass SDLG bestehende Methoden durchgängig übertrifft und dabei rechnerisch am effizientesten ist, wodurch ein neuer Standard für die Unsicherheitsabschätzung in LLMs gesetzt wird.”

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

“Kompletter No-Brainer”: Nur wenige nutzen steuerfreie betriebliche Altersvorsorge

AI Kontextualisierung

Welche gesellschaftspolitischen Auswirkungen hat der Inhalt dieses Artikels?

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

“Kompletter No-Brainer”: Nur wenige nutzen steuerfreie betriebliche Altersvorsorge

AI Kontextualisierung

Welche wirtschaftlichen Auswirkungen hat der Inhalt dieses Artikels?

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

“Kompletter No-Brainer”: Nur wenige nutzen steuerfreie betriebliche Altersvorsorge

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 …

“Kompletter No-Brainer”: Nur wenige nutzen steuerfreie betriebliche Altersvorsorge

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 …

“Kompletter No-Brainer”: Nur wenige nutzen steuerfreie betriebliche Altersvorsorge

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 …

“Kompletter No-Brainer”: Nur wenige nutzen steuerfreie betriebliche Altersvorsorge

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 …

“Kompletter No-Brainer”: Nur wenige nutzen steuerfreie betriebliche Altersvorsorge

AI Kontextualisierung

Wer sind die relevantesten Personen in diesem Artikel?

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

“Kompletter No-Brainer”: Nur wenige nutzen steuerfreie betriebliche Altersvorsorge

AI Kontextualisierung

Wer sind die relevantesten Organisationen in diesem Artikel?

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

“Kompletter No-Brainer”: Nur wenige nutzen steuerfreie betriebliche Altersvorsorge