26.02.2025
KI

Broad AI: Hochreiter entwickelt neue KI, die besser als ChatGPT sein soll

Der Exzellenzcluster "Bilateral AI" unter der Leitung von Sepp Hochreiter startet am Mittwochabend in Form einer Auftaktveranstaltung in Linz. Die neue KI-Technologie soll bestehende Modelle wie ChatGPT und Co. in einem Punkt weit übertreffen.
/artikel/broad-ai-hochreiter-entwickelt-neue-ki-die-besser-als-chatgpt-sein-soll
Sepp Hochreiter | (c) NXAI
Sepp Hochreiter | (c) NXAI

Künstliche Intelligenz ist eines der zentralen Zukunftsthemen unserer Zeit. KI-Modelle wie ChatGPT sind längst fester Bestandteil unseres Alltags. Doch KI-Pionier Sepp Hochreiter sieht Schwachstellen in den aktuellen Modellen und großes Verbesserungspotenzial. Deshalb entwickelt er nun mit einem ausgewählten Forschungsteam eine neues KI-Modell, namens „Broad AI“. Es soll insbesondere in der Problemlösungsfähigkeit deutlich leistungsstärker sein als derzeitige Modelle.

„Für unsere Vision der ‚Broad AI‘ bündeln wir die gesamte Expertise der österreichischen KI-Forschung und wollen eine neue Ebene der Künstlichen Intelligenz schaffen, von der wir alle profitieren können“, sagt Projektleiter Sepp Hochreiter. Die Entwicklung des neuen KI-Modells erfolgt im Rahmen des Exzellenzclusters „Bilateral Artificial Intelligence“.

Broad AI: höhere Problemlösungsfähigkeit

Das Forschungsprojekt hat das Ziel, die Grundlagen für eine neue Ebene der Künstlichen Intelligenz zu schaffen. Die sogenannte „Broad AI“ soll nicht nur eine höhere Problemlösungsfähigkeit besitzen, sondern auch mit Abstraktionen umgehen können. Das bedeutet, dass sie eigenständig Schlussfolgerungen ziehen und umfassende kognitive Fähigkeiten entwickeln kann. Dadurch wäre sie in der Lage, komplexe Planungen unter Berücksichtigung aller relevanten Faktoren durchzuführen.

Darüber hinaus soll Broad AI ein tieferes Verständnis der Welt entwickeln. Im Gegensatz zu Sprachmodellen wie ChatGPT, die lediglich vorhandene Daten auswerten, könnte sie sogar eigene Wörter erfinden und dadurch auf eine neue Art kreativ werden, heißt es in der offiziellen Aussendung.

Kombination von Sub-symbolischer und Symbolischer KI

Um Broad AI zu realisieren, werden zwei zentrale Forschungsansätze im Bereich der KI kombiniert: Sub-symbolische KI (Maschinelles Lernen) und Symbolische KI (Wissensrepräsentation und logisches Schließen). Axel Polleres von der WU Wien, Teil des Forschungsteams, sagt dazu: „Das Projekt hat sich nicht nur zum Ziel gesetzt, die AI-Forschung standortübergreifend zu vernetzen, sondern auch die wichtigsten beiden Methoden der AI, symbolische und subsymbolische AI, zu verbinden. Das ist ein bedeutender erster Schritt zu effektiverer AI-Forschung und Anwendungen aus Österreich!“.

Die KI trainiere man mithilfe von Graph Neural Networks. Dabei nutzt sie einerseits die Rechenleistung von Computern zur Verarbeitung großer Datenmengen und greift andererseits auf Lernmethoden zurück, die an die Funktionsweise des menschlichen Gehirns angelehnt sind. Ein zentraler Aspekt der Forschung ist die Frage, wie Broad AI vertrauenswürdig, transparent, erklärbar und ethischen Prinzipien entsprechend gestaltet werden kann, erklärt Robert Legenstein, Leiter des Instituts für Grundlagen der Informationsverarbeitung an der TU Graz.

Projekt „Broad AI“ wird mit 33 Mio. Euro gefördert

Um Broad AI zu entwickeln und zu trainieren, arbeiten Wissenschaftler:innen verschiedener österreichischer Universitäten und Forschungseinrichtungen zusammen. Beteiligt sind die TU Wien, die WU Wien, die TU Graz, die Universität Klagenfurt sowie das Institute of Science and Technology Austria (ISTA). Die Universität Linz (JKU) übernimmt die Leitung des Projekts.

Im Rahmen der Initiative „excellent=austria“ wurden vom Wissenschaftsfonds FWF und dem Bildungsministerium ingesamt neun Exzellenzcluster zu unterschiedlichen Forschungsthemen eingerichtet. Der Exzellenzcluster für Broad AI ist auf fünf Jahre ausgelegt und wird mit 33 Millionen Euro gefördert. Die Laufzeit könnte theoretisch sogar auf zehn Jahre verlängert werden, wodurch insgesamt bis zu 70 Millionen Euro zur Verfügung stehen würden.

„Der Cluster of Excellence ist eine große Auszeichnung und Bestätigung unserer bisherigen Forschungsarbeit, aber auch Ansporn, dass wir die Künstliche Intelligenz im Sinne der Menschen und zum Nutzen unserer Gesellschaft nachhaltig weiterentwickeln“, so Projektleiter Hochreiter.

Hochreiter entwickelte mit NXAI bereits ein LLM-Modell

Die Broad AI ist nicht das erste KI-Modell, das KI-Koryphäe Sepp Hochreiter entwickelt. Mit seinem Linzer Startup NXAI veröffentlichte er wenige Monate nach der Gründung im Mai sein erstes Large Language Model (LLM) – brutkasten berichtete. Auch dieses Modell soll laut Startup weniger Rechenkapazität benötigen und trotzdem schneller und mit höherer Genauigkeit arbeiten als seine Konkurrenz. Im August folgte die nächste Version “xLSTM 7B Modell”. Das NXAI-Modell steht allerdings nicht in Konkurrenz mit ChatGPT, denn es richtet sich nicht an die breite Öffentlichkeit.

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

Broad AI: Hochreiter entwickelt neue KI, die besser als ChatGPT sein soll

AI Kontextualisierung

Welche gesellschaftspolitischen Auswirkungen hat der Inhalt dieses Artikels?

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

Broad AI: Hochreiter entwickelt neue KI, die besser als ChatGPT sein soll

AI Kontextualisierung

Welche wirtschaftlichen Auswirkungen hat der Inhalt dieses Artikels?

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

Broad AI: Hochreiter entwickelt neue KI, die besser als ChatGPT sein soll

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 …

Broad AI: Hochreiter entwickelt neue KI, die besser als ChatGPT sein soll

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 …

Broad AI: Hochreiter entwickelt neue KI, die besser als ChatGPT sein soll

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 …

Broad AI: Hochreiter entwickelt neue KI, die besser als ChatGPT sein soll

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 …

Broad AI: Hochreiter entwickelt neue KI, die besser als ChatGPT sein soll

AI Kontextualisierung

Wer sind die relevantesten Personen in diesem Artikel?

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

Broad AI: Hochreiter entwickelt neue KI, die besser als ChatGPT sein soll

AI Kontextualisierung

Wer sind die relevantesten Organisationen in diesem Artikel?

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

Broad AI: Hochreiter entwickelt neue KI, die besser als ChatGPT sein soll