29.07.2022

Dieses Unternehmen steckt hinter den coolsten Startup-Büros Österreichs

Wie bringen wir die Menschen wieder ins Büro zurück? Offora hat sich der Umsetzung zeitgemäßer Büroräume verschrieben – und zählt bereits namhafte Scaleups als Kunden.
/artikel/coolste-startup-buros-osterreichs-offora
Natalie Pichler und Jürgen Holler haben Offora gegründet
Natalie Pichler und Jürgen Holler, das Gründungsduo von Offora | © Offora

Workspaces stiften Identität und fördern die Attraktivität von Unternehmen. Nach diesem Credo arbeitet Jürgen Holler, der mit seiner Geschäftspartnerin Natalie Pichler das Linzer Architekturbüro Offora gegründet hat. Gemeinsam haben sie sich auf die Planung, Gestaltung und Umsetzung von Bürokonzepten für zukunftsorientiertes Arbeiten spezialisiert. Dabei sollen die Nutzer:innen dieser individuellen Büroräume in den Fokus gestellt werden. Zu den Kunden von Offora zählen mitunter namhafte Scaleups wie Bitpanda, Runtastic oder Tractive. Wir haben mit Holler über die Entstehung von Offora, Flexibilität in puncto Arbeitsplatz sowie die Herausforderungen für Startups bzw. Scaleups gesprochen.

Das Büro wird immer noch zu sehr als ‘mein Arbeitsplatz’ verstanden.

Wie kam es zur Gründung von Offora?

Jürgen Holler: Ich beschäftige mich schon seit über 25 Jahren mit Innenarchitektur und Innenraumgestaltung. Ab 2012 habe ich aufgrund des Projektes mit karriere.at – damals habe ich deren HQ in Linz neu entwickelt – neue Erfahrungen im Bereich der Büroplanung sammeln können. Bei diesem Projekt ist mir klar geworden, wie rasant sich die Welt des Arbeitens wandelt und wandeln wird und welche großen Einflüsse das auf die Konzeption von Büros hat bzw. noch haben wird.

2017 habe ich meine jetzige Geschäftspartnerin Natalie Pichler kennengelernt und wir haben bis zur Gründung von Offora als loses Team zusammen gearbeitet. Uns wurde im Laufe der Zeit mehr und mehr klar, dass ein Büro in der modernen Arbeitswelt ein Ort der Begegnung, der kulturellen Entwicklung, des gemeinsamen Lernens und Fehler machen, der Stiftung von Identität und noch vieles mehr sein muss.

Wer sind eure typischen Kunden und welche Büros habt ihr bereits gestaltet?

Service und technisch affine Unternehmen aus den Bereichen der New Economy. Meist nicht älter als 15 Jahre. Man kann durchaus einige dieser Unternehmen als Scaleups bezeichnen. Unternehmen wie Tracitve, Runtastic, epunkt, Cloudflight (Catalysts), MIC, karriere.at, Bitpanda, Plus City, Brucknerhaus Linz und viele mehr zählen zu unseren bereits langjährigen Kunden.

Ab welchem Punkt machen sich Startups typischerweise Gedanken über die Gestaltung des Büros?

Wenn sie überproportional wachsen (skalieren) – war bis zum Zeitpunkt vor der Pandemie so. Aufgrund der Erfahrungen mit der Pandemie und den massiven Einflüssen auf die Zusammenarbeit in hybriden Formen wird sich das womöglich stark verändern.
Ich kann mir durchaus vorstellen, dass sich junge Unternehmen bereits sehr früh Gedanken machen werden, in welchen Büros sie arbeiten sollen bzw. wollen.

Ich denke auch, dass sich unsere Dienstleistungsspektrum aufgrund der hybriden Arbeitsformen stark weiterentwickeln wird. Wir werden uns konsequenter damit beschäftigen müssen, wie organisiert sich ein Unternehmen in hybriden Arbeitsformen, wie kann das Büro besser als Arbeitsmittel verstanden werden, braucht es für die effiziente Nutzung des Büros und der Ausstattung ein Manual, sollte das Büro nicht weniger als Raum sondern mehr als Service organisiert und wahrgenommen werden.

Sneak peek: Nächste Woche eröffnet das neue Büro des Paschinger Scaleups Tractive | © Offora

Was sind die häufigsten Fehler bei der Bürogestaltung von Startups?

Das Büro immer noch zu sehr als “mein Arbeitsplatz” verstanden wird. Es geht nicht darum, wie mein oder dein Arbeitsplatz aussieht. Es geht vielmehr darum, wie das “gemeinsame bzw. unser Arbeitsumfeld” gestrickt sein muss, damit ich als Persona in meiner Rolle im Unternehmen, mit allen meine persönlichen Stärken und Vorlieben, bestmöglich auf die Wertschöpfung einwirken kann, die das Unternehmen erfolgreich macht. In Räumen zu denken, die mit Möbel gefüllt werden, wo ich mich hinsetze um zu arbeiten, diese Zeit ist schon seit Jahren vorbei. Viele wissen das aber nicht.

Deine ungelesenen Artikel:
19.06.2024

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
19.06.2024

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

Dieses Unternehmen steckt hinter den coolsten Startup-Büros Österreichs

AI Kontextualisierung

Welche gesellschaftspolitischen Auswirkungen hat der Inhalt dieses Artikels?

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

Dieses Unternehmen steckt hinter den coolsten Startup-Büros Österreichs

AI Kontextualisierung

Welche wirtschaftlichen Auswirkungen hat der Inhalt dieses Artikels?

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

Dieses Unternehmen steckt hinter den coolsten Startup-Büros Österreichs

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 …

Dieses Unternehmen steckt hinter den coolsten Startup-Büros Österreichs

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 …

Dieses Unternehmen steckt hinter den coolsten Startup-Büros Österreichs

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 …

Dieses Unternehmen steckt hinter den coolsten Startup-Büros Österreichs

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 …

Dieses Unternehmen steckt hinter den coolsten Startup-Büros Österreichs

AI Kontextualisierung

Wer sind die relevantesten Personen in diesem Artikel?

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

Dieses Unternehmen steckt hinter den coolsten Startup-Büros Österreichs

AI Kontextualisierung

Wer sind die relevantesten Organisationen in diesem Artikel?

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

Dieses Unternehmen steckt hinter den coolsten Startup-Büros Österreichs