26.01.2023

Jetzt ist es Zeit, Angst vor der AI zu bekommen

Nein, nicht wegen der Jobs und schon gar nicht wegen dystopischen Vorstellungen à la Matrix und Terminator. Fürchtet euch vor der Verblödung!
/artikel/jetzt-ist-es-zeit-angst-vor-der-ai-zu-bekommen
AI destroying persons ability to think
brutkasten-Redakteur Dominik Perlaki - im Hintergrund DALL·E zur Vorgabe "AI destroying persons ability to think" | (c) brutkasten / DALL·E
kommentar

ChatGPT ist derzeit in aller Munde. Jeder probiert den AI-Textgenerator aus und lotet selbst seine Möglichkeiten und Grenzen aus. Spoiler: Die Möglichkeiten werden in nächster Zeit noch deutlich größer, die Grenzen immer mehr verblassen. Das haben wir mit anderen AI-basierten Tools wie dem Übersetzer Deepl erlebt. Der bewegt sich bei einfachen Texten inzwischen in Richtung Perfektion. Oder beim vom (vor einiger Zeit verkauften) Wiener Startup kaleido entwickelten Bild-Freisteller remove.bg. Und wir werden es, wenn die Entwicklung so voranschreitet, in absehbarer Zeit auch bei Bildgeneratoren wie DALL·E oder Stable Diffusion erleben.

So wie wir im Journalismus mittlerweile völlig selbstverständlich für die Übersetzung von fremdsprachigen Zitaten mit Deepl und für ansprechendere Artikel-Bilder mit remove.bg arbeiten, werden wir das wohl bald auch mit ChatGPT und DALL·E machen, wann immer es als sinnvollster Weg erscheint. Das gebietet letztlich auch der Wettbewerb.

Denkt man in Sachen AI noch etwas weiter, erscheinen Text- und Bildgeneratoren als Peanuts. Autonome Fahrzeuge, neuartige Therapien für Krebs und andere bislang unheilbare Krankheiten – die künstliche Intelligenz bringt in vielen Bereichen massive Durchbrüche. Und wo sie den Menschen nicht übertrifft und daher ersetzen kann, erweist sie sich zumindest als starke Unterstützung.

Gründe, sich vor künstlicher Intelligenz (ein bisschen) zu fürchten

Blicken wir also einer rosigen Zukunft mit AI entgegen? Jein. Es gibt schon auch Gründe, sich ein bisschen zu fürchten. Doch nicht unbedingt vor den Schreckensszenarien, die seit Jahren immer wieder prophezeit werden. Dass wir etwa in ein dystopisches Szenario à la Matrix oder Terminator schlittern könnten, kann man zwar für die Zukunft nicht ganz ausschließen, es scheint aber keine akute Gefahr zu sein. Dass es wegen Job-raubenden künstlichen Intelligenzen zu einer Massenarbeitslosigkeit kommt, dürfte zwar bedingt eintreten, nämlich in einzelnen Branchen und zeitlich begrenzt, aber dafür gibt es dank mehrerer industrieller Revolutionen Erfahrungswerte und mit dem bedingungslosen Grundeinkommen einen Notfallplan. Was uns dagegen Angst machen sollte, ist, dass die Menschheit auf gefährliche Weise verblöden könnte.

Warum sollte das passieren? An dieser Stelle eine Analogie zu den bisherigen industriellen Revolutionen. Sie alle löschten bestimmte Handwerke und Berufsgruppen für immer aus, weil Maschinen die Arbeit um ein Vielfaches effizienter machen konnten. Die entsprechenden Fertigkeiten wurden im kollektiven Gedächtnis im Großen und Ganzen ausgelöscht. Damals ging es um handwerkliche Skills wie Weben.

Die AI-Revolution und das Verlernen des Denkens

In der aktuellen AI-Revolution geht es um eine noch viel empfindlichere Fähigkeit des Menschen: das Denken. Schon ein einfacher Taschenrechner in der Schule zeigt uns, dass Denkoperationen, die man nicht durchführen muss, weil es eine einfachere Alternative gibt, nicht durchgeführt werden. Die Konsequenz ist, dass man sie gar nicht durchführen könnte, wenn man es wollte. Wenn wir in naher Zukunft immer mehr Denkoperationen an die AI abgeben, werden wir sie – als ganze Gesellschaft – verlernen. Sie werden dann, wie andere Fertigkeiten davor, aus dem kollektiven Gedächtnis gelöscht werden. (Man mag an dieser Stelle anmerken, dass das Denken bereits jetzt vielerorts keinen großen Stellenwert hat).

Mit dem in Kauf Nehmen dieser Verblödung würden wir uns dann auch freiwillig komplett abhängig von der AI machen – ganz ohne The Matrix-mäßig machtgierigen Computern. Und das könnte wiederum zum massiven Problem werden. Denn wir sind zwar auch von vielen anderen Maschinen abhängig, aber die erzeugen zum Beispiel Produkte, bei denen wir leicht feststellen können, ob sie funktionieren oder nicht. Wenn die AI aus irgendeinem Grund Unwahrheiten verbreitet – und das kann sie, oder sie aus irgendeinem Grund ausfällt, und wir die zugrundeliegende Denkoperation verlernt haben, dann wird es gefährlich.

Was kann man dagegen tun? Beginnen wir einmal damit, darüber nachzudenken! Wobei – was wohl ChatGPT dazu sagt…?

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

Jetzt ist es Zeit, Angst vor der AI zu bekommen

AI Kontextualisierung

Welche gesellschaftspolitischen Auswirkungen hat der Inhalt dieses Artikels?

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

Jetzt ist es Zeit, Angst vor der AI zu bekommen

AI Kontextualisierung

Welche wirtschaftlichen Auswirkungen hat der Inhalt dieses Artikels?

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

Jetzt ist es Zeit, Angst vor der AI zu bekommen

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 …

Jetzt ist es Zeit, Angst vor der AI zu bekommen

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 …

Jetzt ist es Zeit, Angst vor der AI zu bekommen

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 …

Jetzt ist es Zeit, Angst vor der AI zu bekommen

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 …

Jetzt ist es Zeit, Angst vor der AI zu bekommen

AI Kontextualisierung

Wer sind die relevantesten Personen in diesem Artikel?

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

Jetzt ist es Zeit, Angst vor der AI zu bekommen

AI Kontextualisierung

Wer sind die relevantesten Organisationen in diesem Artikel?

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

Jetzt ist es Zeit, Angst vor der AI zu bekommen