01.09.2017

KI-Geschichte: Vom „KI Winter“ zum endgültigen Durchbruch

In Kooperation mit Venionaire Capital veröffentlicht der Der Brutkasten eine vierteilige Artikelserie zum Thema Künstliche Intelligenz. Dabei spannen wir den Bogen von wirtschaftlichen Aspekten über Funktionsweise von KI zur aktuellen Forschung und der Zukunft von Künstlicher Intelligenz.

/artikel/ki-geschichte-venionaire

✨ AI Kontextualisierung

Im ersten Teil dieser Artikelserie ging es darum, wie künstliche Intelligenz (KI) Wirtschaftswachstum generieren kann. Im zweiten Teil wurden die Grundlagen künstlicher Intelligenz behandelt. Im dritten Teil geben wir nun eine Übersicht über Forschung, Trends und führende Unternehmen auf dem Gebiet.

+++ Teil 1: Wirtschaftswachstum durch Künstliche Intelligenzen +++

Der „KI Winter“ im kalten Krieg

Künstliche Intelligenz wird oft als eine neue Welt gesehen, die gerade von mutigen Pionieren aus dem Silicon Valley erobert wird. In Wahrheit hat das Thema jedoch eine wilde Achterbahnfahrt von Höhen und Tiefen hinter sich. Schon im Kalten Krieg wollte die US-Regierung russische Dokumente automatisiert übersetzen lassen und investierte heftig in maschinelle Übersetzungstechnologien. Der Durchbruch schien nur mehr eine Frage der Zeit, aber die Forscher unterschätzten die Problematik, dass Wörter unterschiedliche Bedeutung in unterschiedlichen Kontexten haben können. Die großen Erwartungen konnten nicht erfüllt werden und schließlich zog die US-Regierung die finanzielle Reißleine. Diese Periode wurde in Analogie zum Begriff des „nuklearen Winters“ als „KI Winter“ bezeichnet.

Viele (gescheiterte) Anläufe

Historisch gab es immer wieder solche Dürreperioden. So etwa im Jahre 1973, als das britische Parlament den Mathematik-Professor Michael James Lighthill beauftragte, den derzeitigen Stand der KI-Forschung zu bewerten. Lighthill gab ein vernichtendes Urteil und sah keines der hochgesteckten Ziele verwirklicht. Finanzielle Einschnitte, und damit einhergehend weniger Forschungsaktivitäten, waren die Folge.

Immer wieder lösten sich Tief- und Hochphasen („KI Sommer“) ab. In den 1980er-Jahren kam mit XCON das erste kommerzielle KI-Programm für Unternehmen auf dem Markt. Schnell entwickelte sich eine eigene Industrie mit Zulieferbetrieben. Letztlich waren die Systeme jedoch zu teuer, zu schwer zu aktualisieren und zu fehleranfällig. Keine sieben Jahre später brach der Markt für spezialisierte KI-Hardware zusammen.

Durchbruch mit Google, Facebook und Co

Nach einer schwierigen Situation in den frühen 90iger-Jahren erholte sich die KI-Branche endgültig in den 2000er-Jahren. „The AI winter is long since over“, postulierte der US-amerikanische Autor und Computerwissenschaftler Ray Kurzweil deshalb schon 2005 in seinem Buch „The Singularity is Near“. Der Aufschwung wurde diesmal nicht so sehr von Regierungen sondern von Tech-Unternehmen wie Google, Facebook, Apple, Amazon, Microsoft oder der chinesischen Firma Baidu gestützt. Diese Unternehmen investieren stark in Künstliche Intelligenz und werben laufend Talente aus der wissenschaftlichen Community ab. Grundlage für das rasant steigende kommerzielle Interesse sind die nun vorhandenen Rechenleistungen von Computern, die erstmals den breiten Einsatz von KI-Technologien ermöglichen.

Deep Learning: menschliches Gehirn als Vorbild

Der Suchmaschinen-Gigant Google ist eines der führenden Unternehmen wenn es um das Thema Künstliche Intelligenz geht. Schwerpunkte deren Forschung (siehe research.google.com) sind Machine Learning, Natural Language Understanding, das gesamte Gesundheitswesen, die Wahrnehmungsfähigkeiten von Maschinen, Robotik und interessanterweise auch das Schaffen von Musik und Kunst.

Eine ganz wesentliche Rolle spielt dabei „Deep Learning“. Damit ist der Bau von künstlichen neuronalen Netzwerken gemeint, die versuchen die Art und Weise zu kopieren, wie menschliche Gehirne Informationen verarbeiten. Dazu werden mehrere Ebenen (daher deep learning) von neuronalen Netzwerken übereinander gelegt, wodurch Daten noch umfassender verarbeitet werden können. Erstmals konnten so Herausforderungen gemeistert werden, an denen sich Forscher schon seit Jahrzehnten abmühen, wie etwa Bild- und Spracherkennung oder automatische Produktion von natürlicher Sprache.

Wenn Maschinen aus Erfahrung lernen

Ein beeindruckendes Praxisbeispiel ist Googles Alpha Go, das die professionellen Go-Spieler Fan Hui und später Lee Sedol klar besiegte. Um bei diesem Brettspiel gewinnen zu können, muss eine Maschine in der Lage sein aus Erfahrung zu lernen. Go besitzt nämlich eine so große Komplexität, dass der Gegenspieler nicht wie beim Schach mit traditionellen Brute-Force-Algorithmen, das heißt durch das Durchprobieren aller möglichen Züge, bezwingbar ist.

Heute setzt Google deep learning natürlich auch in seinen Produkten ein. Sei es in Google Now, bei der Bildverarbeitung (Image Enhancement), Video-Analytics, RankBrain für die Suche, Googles Übersetzungsservice oder im selbstfahrenden Auto.

Baidu: China auf Augenhöhe mit den USA

Wenn es um technologische Innovationen geht, blickt Europa gerne in den Westen und übersieht was sich derweil auf der anderen Seite der Weltkarte abspielt. In China hat sich aufgrund des politischen Willens ein interessantes eigenes Ökosystem an digitalen Hightech-Firmen etabliert. Eines davon ist die chinesische Suchmaschine Baidu. In dem Unternehmen arbeiten bereits mehr als 1.300 Mitarbeiter am Thema Künstliche Intelligenz. Dazu zählen Experten wie etwa der frühere Microsoft-Manager Qi Lu. Baidu hat praktisch in allen wichtigen KI-Bereichen Kompetenzen aufgebaut wie etwa in der Spracherkennung, Computer Vision oder maschinelles Lernen. Ihre KI-basierten Softwarelösungen werden in verschiedenen Branchen eingesetzt und haben interessante Neugeschäfte ermöglicht. Einige der Projekte sind etwa DuerOS, eine sprechende Rechenplattform, oder „Melodie“, ein von KI betriebener Chatbot für das Gesundheitswesen.

IBMs Watson: Von „Jeopardy!“ in die Notruf-Zentrale

Viel öffentliche Aufmerksamkeit hat auch IBMs Watson bekommen. Auch hier wurden die Fähigkeiten des Programms auf der Grundlage eines Spiels demonstriert. Watson schlug 2011 zwei menschliche Gegner in „Jeopardy!“. Die Quizshow ist für Künstliche Intelligenzen deshalb eine interessante Herausforderung, da die als Antworten gestellten Aufgaben meist bewusst mehrdeutig formuliert sind, häufig die Verknüpfung mehrerer Fakten erforderlich machen und die passende Frage innerhalb von Sekunden gefunden werden muss. Erst vor kurzem wurde bekannt gegeben, dass Watson in US-amerikanischen Notruf-Call-Center eingesetzt werden wird. Durch den Einsatz von Watson’s „speech-to-text“-Funktion sollen die geführten Gespräche mit den Telefonleitfäden abgeglichen und diese so laufend optimiert werden.

Der „KI Winter“ kommt nicht mehr zurück

Es forschen aber nicht nur die großen Weltkonzerne an Künstlicher Intelligenz. Das Speedinvest Portfolio-Unternehmen Fraugster hat sich etwa auf das frühzeitige Erkennen von Betrugsfälle bei Geld-Transaktionen spezialisiert, während das norwegische Startup iris.AI einen digitalen Assistenten für die Suche nach wissenschaftlichen Papers entwickelt hat. Die für Investoren wichtige Frage ist natürlich, ob die Hochphase nur ein Hype oder doch nachhaltig ist. Anders als in der Vergangenheit wird heute aber nicht nur an Künstlicher Intelligenz geforscht, sondern sie kommt bereits im Alltag zum Einsatz. Möglich machen das moderne Computer, die uns locker mehr Rechenleistung zum Einstecken in die Hosentaschen geben als vor fünfzig Jahren raumfüllende Supercomputer.

Im letzten Teil dieser Artikelserie beschäftigen wir uns mit der Zukunft von KI und welche Ängste und Hoffnungen bestehen.

+++ Teil 2: Verstehen, Fühlen, Handeln – Die Grundlagen künstlicher Intelligenz +++

Über die Autoren

Dieser Artikel ist Bestandteil einer von Venionaire Capital verfassten vierteiligen Serie über Künstliche Intelligenz für DerBrutkasten.com. Autoren sind Aleksandar Vucicevic (Senior Analyst), Sarah Grandits (Marketing Assistant), Fabian Greiler (Junior Partner) und Berthold Baurek-Karlic (Managing Partner).

Venionaire hat sich auf die Innovationsberatung, Corporate Startup Engagement und dem Management von Venture Capital Fonds für Dritte spezialisiert.

Mit Partnern der KPMG Österreich hat Venionaire zudem das Investorennetzwerk European Super Angels Club gegründet, der in geschäftlichen Beziehungen mit im Text genannten Startups Yodel.io, Grape und oratio steht.

Dieser Text ist zuerst im brutkasten-Printmagazin von August 2026 „Aufbrechen„ erschienen

Ob für das LinkedIn-Profil oder die Unternehmenswebsite: Das Porträtfoto ist oft der erste Eindruck, den eine Führungskraft hinterlässt. Trotzdem zeigen viele dieser Bilder vor allem eine einstudierte Pose. Antje Wolm geht es dagegen, wie sie selbst sagt, „nicht um Inszenierung, sondern um Substanz“. Sie fotografiert Führungskräfte, Unternehmer:innen und Personenmarken, neben Oberösterreich unter anderem in Wien, Berlin und München. Ihr eigener Hintergrund liegt in der Wirtschaft, in der Welt der Zahlen und Prozesse. Bei ihren Shootings setzt sie auf Zeit, auf Fragen im richtigen Moment und auf Orte, die zur Person passen. Mit brutkasten hat sie darüber gesprochen, was ein gutes Porträt ausmacht.

brutkasten: Warum zeigen Bilder von Führungskräften so selten die tatsächliche Person?

Viele haben im Kopf, dass ein Foto ein konservatives Abbild sein muss. Sie haben gar nicht das Gefühl, dass man durch ein Foto auch Persönlichkeit zeigen kann. Dabei kann ein Bild unheimlich viel transportieren statt einfach nur ein Gesicht, zwei Augen und eine Nase.

Vor der Kamera stehen sonst souveräne Menschen…

Die meisten, die zu mir kommen, führen Teams. Vor der Kamera ist plötzlich nichts mehr mit Routine; da sind die selbstsichersten Menschen unsicher und wissen nicht, wohin mit den Händen. Puls und Herzschlag steigen, und dann übernehme ich die Führung. Das, was diese Menschen sonst im Unternehmen machen, ist in dem Moment meine Aufgabe.

Wie löst du jemanden von den einstudierten Posen?

Man fordert ihn auf, komplett aus seiner Komfortzone zu kommen. In der Interviewsituation davor schaue ich zu, wie jemand sitzt, wie er die Beine verschränkt, wie er agiert. Und dann merkt man, dass er die Pose vor der Kamera sonst überhaupt nicht einnimmt.

Wie kommst du zu einem authentischen Bild?

Deswegen ist die Zeit so wichtig – irgendwann kann man sich nicht mehr verstellen. Manche schaffen es überhaupt nicht, wirklich authentisch zu schauen. Dann stelle ich Fragen und drücke in dem Moment ab, in dem eine bestimmte Emotion im Gesicht ist. Es geht um diese Zwischenmomente.

Welche Rolle spielt die Umgebung?

Eine ziemlich große – sie wird oft unterschätzt. Am besten fotografiert man dort, wo sich jemand gern bewegt; an einem Ort, der ihn in seiner Art widerspiegelt. Jemanden aus einem aufgeräumten, cleanen Büro würde ich nicht in einer Startup-Umgebung fotografieren. Das Umfeld sagt viel über einen Menschen aus.

Was rätst du für das nächste LinkedIn-Bild?

Weg von der weißen Wand – man soll ein bisschen Raum spüren, nicht nur dieses passbildähnliche Foto. Und gerne das anziehen, was man normalerweise trägt, nicht die typische Krawatte und den Anzug. Gute Bilder zeigen nicht nur ein Gesicht, sondern Haltung, Wirkung und ob du wirklich bei dir bist.

Was hältst du von KI-generierten Porträts?

Ich finde KI prinzipiell okay, das kann jeder machen, wie er glaubt. Aber in dem Bereich, wo man Persönlichkeit zeigt, finde ich sie nicht notwendig. Für mich zählt der Mensch; wer du bist, wenn du einfach mal nur du bist.