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:
21.09.2026

AI Baseline: Wie ein Wiener Startup KI-Agenten effizienter machen will

Das Wiener Startup AI Baseline hat eine Retrieval-Architektur für KI-Agenten entwickelt. Mit Unterstützung von Supercomputing-Ressourcen von AI:AT will das Gründungsteam die Recherche in riesigen Datenmengen drastisch beschleunigen und Kosten senken – bei höherer Antwortqualität und voller Transparenz.
/artikel/ai-baseline-wie-ein-wiener-startup-ki-agenten-effizienter-machen-will
21.09.2026

AI Baseline: Wie ein Wiener Startup KI-Agenten effizienter machen will

Das Wiener Startup AI Baseline hat eine Retrieval-Architektur für KI-Agenten entwickelt. Mit Unterstützung von Supercomputing-Ressourcen von AI:AT will das Gründungsteam die Recherche in riesigen Datenmengen drastisch beschleunigen und Kosten senken – bei höherer Antwortqualität und voller Transparenz.
/artikel/ai-baseline-wie-ein-wiener-startup-ki-agenten-effizienter-machen-will
Das Gründungsteam von AI Baseline: Xenia Galkina, CEO, und Alexander Czech, CTO | © APA-Fotoservice / Krisztian Juhasz
Das Gründungsteam von AI Baseline: Xenia Galkina, CEO, und Alexander Czech, CTO | © APA-Fotoservice / Krisztian Juhasz

KI-Agenten sollen in Unternehmen und Organisationen zunehmend komplexe Aufgaben übernehmen – etwa die Analyse von Hunderttausenden Seiten interner Berichte, Dokumente und Richtlinien. Bisherige Retrieval-Systeme stoßen dabei jedoch an technische und ökonomische Grenzen, meint man beim Wiener Startup AI Baseline. Ein KI-Agent beginne bei aktuellen Ansätzen nämlich für jede neue Frage eine eigenständige Suche, wodurch dieselben Dokumente immer wieder neu verarbeitet werden müssten. Das führe zu einem hohen Verbrauch an kostenpflichtigen Modell-Tokens, Rechenleistung und Zeit. Bei anspruchsvollen Fragen könne die Beantwortung bis zu 40 Minuten dauern, während die zugrunde liegenden Textfragmente oft nicht mehr bis zur Originalquelle zurückverfolgt werden können.

„Knowledge Space“ für mehr Effizienz und Transparenz

Um dieses Zusammenspiel aus Effizienz- und Transparenzproblemen zu lösen, hat das von CEO Xenia Galkina und CTO Alexander Czech gegründete Unternehmen eine neue Retrieval-Architektur entwickelt. Das System bildet Informationen in einer logisch verknüpften Ebene ab, wodurch die Herkunft der Daten über die Struktur des sogenannten „Knowledge Space“ erhalten bleibt. Da die aufwendige Strukturierung einmalig bei der Datenaufnahme erfolgt, soll der anschließende Rechercheprozess auch bei großen Datenmengen wirtschaftlich und nachvollziehbar bleiben. Das Versprechen des Startups: Organisationen müssen bei KI-Anfragen nicht mehr zwischen Geschwindigkeit, Kosten und Qualität wählen.

Überzeugende Benchmark-Vergleiche

Eigenen Benchmark-Tests zufolge soll der „Research Mode“ von AI Baseline im Vergleich zu herkömmlichem agentischen RAG eine um 44 Prozent höhere Antwortqualität liefern, bis zu 22-mal schneller arbeiten und 72 Prozent weniger Input-Tokens verbrauchen. Bei maximaler Performance erreicht das System laut Unternehmensangaben mehr als die doppelte Antwortqualität bei nahezu neunfacher Geschwindigkeit und rund 15 Prozent geringeren Kosten.

20.000 GPU-Stunden auf Supercomputer Leonardo im AI:AT Hub

Das im Dezember 2025 gegründete bzw. im Hub aufgenommene Startup wird von NVIDIA Inception sowie AWS unterstützt und ist Mitglied im AI:AT Coworking Hub der AI Factory Austria. Für die Entwicklung der ersten Produktversion nutzte das bootstrappende Team unter anderem 20.000 GPU-Stunden auf dem europäischen Supercomputer Leonardo, die über die AI Factory Austria und EuroHPC bereitgestellt wurden. „Die Arbeit im AI:AT Hub war für uns ein echter Booster“, heißt es von CEO Xenia Galkina. Der Zugang zu Hochleistungsinfrastruktur habe es erst möglich gemacht, die Technologie in dieser Größenordnung umzusetzen. CTO Alexander Czech verweist zudem auf den Wert des Netzwerks: „Ebenso wertvoll ist die Community: Der Austausch mit anderen Gründern […] und der Zugang zu Experten […] haben uns geholfen, über die Technologie selbst hinauszudenken“.

Die Lösung richtet sich laut AI Baseline vor allem an technische Teams in regulierten und datenintensiven Branchen wie Life Sciences, Healthcare, Recht, Finanzforschung und dem öffentlichen Sektor. Während der aktuellen Beta-Phase kann die Architektur über eine API oder als Claude Skill getestet werden. Zudem sucht das Unternehmen derzeit Design-Partner für seine Ingestion Engine.

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