12.03.2021

Fail Slow: Was wir in einem Jahr Coronakrise nicht gelernt haben

Vor einem Jahr wurde der erste Lockdown verkündet. Seitdem haben wir mehr schlecht als recht gelernt, mit der Coronavirus-Pandemie umzugehen.
/artikel/dritte-welle-fail-slow-kommentar
Ein Jahr nach dem ersten Lockdown steht die dritte Welle bevor
Ein Jahr nach dem ersten Lockdown steht die dritte Welle bevor (c) Adobe Stock - brgfx

Es mag daran liegen, dass es im März 2020 ein Freitag, der Dreizehnte war, an dem der erste Coronavirus-Lockdown verkündet wurde, dass sich das Datum so gut einprägte. Besser jedenfalls, als das Inkrafttreten in der Woche darauf. Heute ist Freitag, der 12. März 2021. Die Behörden vermelden die höchsten Neuinfektions- und Inzidenzwerte seit Dezember. Und ein Blick auf die inzwischen vertrauten Diagramme zeigt: Die dritte Welle beginnt gerade, der nächste Lockdown steht mit hoher Wahrscheinlichkeit bevor.

Zur Einordnung: Wir haben derzeit rund fünf Mal so viele aktive Coronavirus-Fälle wie am Höhepunkt der „ersten Welle“, die rückbezüglich eher ein Wellchen war. Der Anstieg verläuft aber weniger dynamisch als bei der ersten und der zweiten Welle ab Oktober.

Dritte Welle im Anmarsch und noch immer die selbe Leier

Dass wir ein Jahr nach dem ersten Lockdown wieder mit stark ansteigenden Ansteckungszahlen zu kämpfen haben, zeigt: Wirklich mit dem Virus umzugehen, haben wir noch nicht gelernt – weder die Gesellschaft noch die Politik. Das liegt vor allem an der Wiederholung von Handlungsweisen, die nicht das gewünschte Ergebnis gebracht haben. Die gefühlt einhundertste Pressekonferenz in der der Gesundheitsminister verkündet, dass „die nächsten zwei Wochen entscheidend werden“, steht dafür stellvertretend.

Die Regierung wirkt hilflos, wenn sie zum vierten Mal innerhalb eines Jahres die selbe Maßnahme verkündet, wissend, dass diesmal noch weniger Leute sich daran halten werden. Sie hinterlässt beim Beobachter das Gefühl, ihr Repertoire ausgeschöpft zu haben und nur mehr darauf zu hoffen, dass die nicht nur von ihr selbst, sondern auf EU-Ebene versemmelte Impf-Strategie doch rechtzeitig ausreichend Wirkung zeigt. Doch das wird sie nicht für die dritte Welle, die gerade im Anmarsch ist.

Fail Slow? Es gibt immer einen Plan C, D und E

Muss das so sein? Es gibt immer einen Plan C, D und E. Man muss ihn jedoch suchen. Jeder, der einmal von Fachärztin zu Fachärztin geschickt wurde, weil ein Leiden nicht sofort diagnostizierbar war, kennt die Vorgehensweise. Bringt der eine Experte nicht die gewünschte Antwort, geht man zum nächsten, bis man irgendwann weiß, was man hat.

In der Startup-Welt gibt es einen eigenen Terminus für die Strategie: „Fail Fast“. Deren Prinzip ist einfach: Stellt sich etwas als nicht funktionstüchtig oder auch einfach nur als nicht befriedigend heraus, zieht man rechtzeitig die Bremse und versucht etwas neues. Eine Iteration nach der anderen, so lange, bis es passt.

In unserem Umgang mit der Coronakrise haben wir zwar durchaus einige Innovationen genutzt, etwa zunächst die Masken-Pflicht oder später den Ausbau eines inzwischen guten Schnelltest-Angebots. Sie wurden aber immer auf politischer Ebene an das bestehende System, auf persönlicher an die bestehenden Verhaltensweisen angehängt. Und da wurde kaum jemals verbessert, was nicht funktioniert. Das Prinzip lautet gleichsam: Fail Slow. Wir lernen kollektiv nichts und kommen nicht aus dem Hamsterrad heraus. Kein Wunder, dass immer mehr Menschen da die Geduld verlieren und sich zweifelhaften Bewegungen anschließen.

Es gibt bessere Lösungen

Und was sind die besseren Lösungen? Das ist durchaus kein großes Mysterium. Wie seit einem Jahr hier immer wieder beschrieben, gibt es mehrere, vorwiegend asiatische Länder, die einen Umgang mit dem Coronavirus gefunden haben, der deutlich schonender für die Wirtschaft und die mentale Gesundheit der Bevölkerung ist. Nach einem Jahr zeigen die internationalen Statistiken nicht nur zu den Covid-19-Fallzahlen, sondern zu vielen anderen Parametern auch klar, wo erfolgreicher und wo weniger erfolgreich gehandelt wurde – auch in Ländern, deren Kultur der hiesigen ähnlicher ist. All das würde es zu evaluieren und gegebenenfalls zu adaptieren gelten – zumindest jetzt, wo die dritte Welle bevorsteht. Die österreichische Bevölkerung ist ganz gewiss nicht „von Natur aus“ weniger fähig im Umgang mit der Pandemie.

Deine ungelesenen Artikel:
20.10.2026

Roboter ohne Erinnerungslücken: Linzer Startup NXAI arbeitet an Gedächtnis für Humanoide

Das oberösterreichische DeepTech entwickelt mit dem deutschen Unternehmen Neura Robotics Merkfähigkeit für Roboter. Dadurch sollen Effizienz und Einsatzmöglichkeiten gesteigert werden.
/artikel/roboter-ohne-erinnerungsluecken-linzer-startup-nxai-arbeitet-an-gedaechtnis-fuer-humanoide
20.10.2026

Roboter ohne Erinnerungslücken: Linzer Startup NXAI arbeitet an Gedächtnis für Humanoide

Das oberösterreichische DeepTech entwickelt mit dem deutschen Unternehmen Neura Robotics Merkfähigkeit für Roboter. Dadurch sollen Effizienz und Einsatzmöglichkeiten gesteigert werden.
/artikel/roboter-ohne-erinnerungsluecken-linzer-startup-nxai-arbeitet-an-gedaechtnis-fuer-humanoide
Links Mitgründer von NXAI Sepp Hochreiter und Mitte rechts CEO von Neura Robotics David Reger | (c) Neura Robotics / NXAI

„Ein Roboter, der im Alltag und in der Industrie wirklich hilft, muss sich erinnern“, sagt David Reger, Gründer und CEO von Neura Robotics. Daher arbeitet sein Unternehmen mit dem Linzer Startup NXAI an der Merkfähigkeit von Robotern. „Gedächtnis und Erfahrungen sind die Voraussetzungen für Roboter, Aufgaben über viele Schritte zuverlässig zu lösen“, ergänzt Sepp Hochreiter, Gründer von NXAI.

Die Grundlage bietet Neura Robotics mit einem multimodalen Foundation-Modell, das Funktionen wie 3D-Sehen, Tastsinn und Audio mit einer Gedächtnisfunktion verbindet. Der Physical-AI-Stack von Neura Robotics wird mit einem xLSTM von NXAI, also einem künstlichen neuronalen Netz, verbunden. „xLSTM ist dafür gebaut, ist schnell, speichereffizient und kann den Zustand über lange Sequenzen halten“, sagt Hochreiter.

NXAI plant, ein eigenes Modell auf Basis der xLSTM-Architektur auf Neura Robotics‘ hauseigener Neuraverse-Plattform bereitzustellen. „Mit dem Neuraverse schaffen wir die Plattform, auf der auch andere starke KI-Ansätze ihren Weg in Roboter finden“, erklärt Reger.

Gesteigerte Effizienz

Ein Roboter arbeitet in Schleifen und verarbeitet permanent Wahrnehmungen, Entscheidungen und Handlungen. Laut Neura Robotics braucht er dafür Gedächtnis auf zwei Ebenen: das Arbeitsgedächtnis und das episodische Gedächtnis. Ein Roboter, der einen Prozess wiederholt ausgeführt hat, soll bei derselben Situation auf frühere Erfahrungen zurückgreifen können und so aus der Erfahrung handeln.

Die Roboter der Zukunft

Langfristig möchten die beiden Firmen, dass Roboter nicht nur einzelne Fähigkeiten ausführen, sondern über die Zeit Erfahrung aufbauen. Fähigkeiten, die Roboter aus der Interaktion mit der realen Welt lernen, sollen verbessert und auf andere Maschinen und Umgebungen übertragen werden.

From Science to Business

NXAI, gegründet vor drei Jahren, ist ein Deep-Tech-Unternehmen mit Sitz in Linz, das Lösungen für industrielle Anwendungen entwickelt. Die Firma versteht sich als Brücke zwischen Wissenschaft und Industrie. So möchte sie die eigene KI-Forschung in marktreife Produkte überführen. Im Mittelpunkt der Forschung stehen xLSTM-Modelle in den Bereichen Time Series und Robotics.

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

Fail Slow: Was wir in einem Jahr Coronakrise nicht gelernt haben

AI Kontextualisierung

Welche gesellschaftspolitischen Auswirkungen hat der Inhalt dieses Artikels?

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

Fail Slow: Was wir in einem Jahr Coronakrise nicht gelernt haben

AI Kontextualisierung

Welche wirtschaftlichen Auswirkungen hat der Inhalt dieses Artikels?

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

Fail Slow: Was wir in einem Jahr Coronakrise nicht gelernt haben

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 …

Fail Slow: Was wir in einem Jahr Coronakrise nicht gelernt haben

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 …

Fail Slow: Was wir in einem Jahr Coronakrise nicht gelernt haben

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 …

Fail Slow: Was wir in einem Jahr Coronakrise nicht gelernt haben

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 …

Fail Slow: Was wir in einem Jahr Coronakrise nicht gelernt haben

AI Kontextualisierung

Wer sind die relevantesten Personen in diesem Artikel?

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

Fail Slow: Was wir in einem Jahr Coronakrise nicht gelernt haben

AI Kontextualisierung

Wer sind die relevantesten Organisationen in diesem Artikel?

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

Fail Slow: Was wir in einem Jahr Coronakrise nicht gelernt haben