05.04.2024
ACCENTURE TECH VISION

„Künstliche Intelligenz wird nie mehr so schlecht sein wie heute“

Viele der Probleme, die es aktuell mit künstlicher Intelligenz noch gibt, werden bald der Vergangenheit angehören, erwartet Christian Winkelhofer von Accenture. Er rechnet mit starken technologischen Verbesserungen in den nächsten Jahren.
/artikel/ki-nie-mehr-so-schlecht-wie-heute
Christian Winkelhofer ist Managing Director Neue Technologien bei Accenture Österreich
Christian Winkelhofer ist Managing Director Neue Technologien bei Accenture Österreich | Foto: Accenture

Wie geht es weiter mit künstlicher Intelligenz? Erreicht die Entwicklung in diesem Bereich langsam ein Plateau – oder müssen wir uns im Gegenteil sogar auf ein exponentielles Wachstum einstellen? In der KI-Community wird dies aktuell intensiv diskutiert.

Christian Winkelhofer, Managing Director für neue Technologien bei Accenture Österreich, hat dazu eine klare Meinung: „Da darf ich die Lanze brechen für eine exponentielle Technologienentwicklung“, sagte er anlässlich der Präsentation der jährlichen „Tech Vision“-Studie des Beratungsunternehmens.

Das kommende GPT-Modell von OpenAI werde „natürlich viel besser werden“ als das aktuell in der Bezahlvariante von ChatGPT verfügbare GPT-4. Dieses wiederum sei ein „Quantensprung in der Qualität der Ergebnisse“ gegenüber dem weiterhin frei verfügbaren GPT-3.5-Modell gewesen, sagt Winkelhofer weiter.

Mit der nächsten Generation seien viele der Probleme, die jetzt noch existieren würden, gelöst. Etwa die berühmt-berüchtigten Hallunzinationen – also jene faktisch falschen, vom Sprachmodellen erfundenen Outputs, die es für User:innen oft schwierig machen, auf Anwendungen wie ChatGPT zu vertrauen.

Umgang mit Halluniziationen von KI-Modellen

Doch auch schon jetzt gebe es gute Möglichkeiten für den Umgang mit Hallunizanationen, erläutert Winkelhofer. „Beispielsweise kann man künstliche Intelligenz in einen Prozess einbinden, in dem man noch eine weitere Qualitätssicherung durchführt und das Ergebnis noch einmal verifiziert wird“. Man könne auch in den Prompts das Modell anweisen, dass es nur Ergebnisse liefern dürfe, die in der Wissenbasis enthalten seien. Ebenso könne man sich die jeweilige Quelle mitausgeben lassen und sie manuell überprüfen.

Winkelhofers Schlussfolgerung: „Wir werden auch im Umgang mit solchen Modell viel reifer“. Nicht die Maschine sei blöd, wenn eine Ausgabe nicht passt – man müsse sich vielmehr auch selbst weiterbilden, um KI so nützen zu können, dass man die erwünschten Ergebnisse erreiche.

Soweit die Möglichkeiten, wie man sich bei bestehenden KI-Sprachmodellen gegen auftretende Probleme wappnen kann. Der Accenture-Berater erwartet aber eben auch starke technologische Verbesserungen in den kommenden Jahren: „Es ist kein Ende in Sicht. Die Entwicklung wird dramatisch weitergehen“, sagt Winkelhofer.

Seine Schlussfolgerung: „Künstliche Intelligenz wird nie wieder so schlecht sein wie heute – und heute ist sie schon in einer sehr guten Lage“.

Generative künstliche Intelligenz: Die vier zentralen Technologietrends

Die diesjährige „Tech Vision„-Studie mit dem Titel „Wie ein Mensch“ steht ganz im Zeichen von generativer künstlicher Intelligenz. „Diese Technologie ist ein echter Wendepunkt, weil sie anderes ist. Die Verwendung wird immer menschenähnlicher“, kommentiert der Accenture-Berater. Konkret hat das Unternehmen in der Studie vier zentrale Tech-Trends ausgemacht:

Trend 1: Neuer Zugang zu Wissen

Die Zeit des Nachschlagens ist laut Accenture vorbei: „Ich werde keine Betriebsanleitungen mehr nachlesen müssen, sondern ich werde der Maschine sagen, was ich wissen will“, erläutert Winkelhofer. Dies wird sich auch im Berufsleben niederschlagen: „Wenn ein Helpdesk-Mitarbeiter in einem Callcenter Auskunft geben soll, wird nicht mehr der Mensch die vorhandene Wissensbasis durchforsten und eine passende Antwort suchen, sondern die Maschine“.

Trend 2: Vom Assistenten zum Akteur

Noch einen Schritt weiter geht es beim zweiten Trend, den Accenture identifiziert hat: KI-Modelle werden sich demnach vom Assistenten, wie im ersten Trend beschrieben, zu eigenen Akteuren entwickeln. Diese KI-Agenten agieren mit bereitgestellten Hintergrundwissen – und handeln eigenständig.

Ein konkretes Beispiel: Die US-Supermarktkette Walmart nutzt die KI-basierte Verhandlungssoftware des Unternehmens Pactum, um mit Zulieferer über Konditionen zu verhandeln. Laut Winkelhofer würden beide Seiten angeben, bessere Ergebnisse zu erzielen: „Wir sehen hier eine klassische Win-win-Situation.“

Trend 3: Ein neues Universum

„Das Metaverse ist tot, lange lebe das Metaverse“, sagt Winkelhofer. Bei der Entstehung virtueller Welten spiele künstliche Intelligenz an mehreren Stellen eine Rolle – etwa bei der Gestaltung dieser virtuellen Welten, die mit generativer KI viel einfacher werde. Ebenfalls vereinfacht werde dank KI die Interaktion mit VC-Devices.

Trend 4: Neue menschliche Schnittstellen

„Es wird sich die Art und Weise, wie Menschen mit der Technologie interagieren können, dramatisch ändern“, erläutert Winkelhofer. Innovative Technologien wie KI-Wearables oder Gehirn-Computer-Schnittstellen könnten eine nahtlose Verbindung von Menschen mit Technologie ermöglichen. Dies bringe Unternehmen neue Möglichkeiten für Produkte und Dienstleistungen.

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

„Künstliche Intelligenz wird nie mehr so schlecht sein wie heute“

AI Kontextualisierung

Welche gesellschaftspolitischen Auswirkungen hat der Inhalt dieses Artikels?

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

„Künstliche Intelligenz wird nie mehr so schlecht sein wie heute“

AI Kontextualisierung

Welche wirtschaftlichen Auswirkungen hat der Inhalt dieses Artikels?

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

„Künstliche Intelligenz wird nie mehr so schlecht sein wie heute“

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 …

„Künstliche Intelligenz wird nie mehr so schlecht sein wie heute“

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 …

„Künstliche Intelligenz wird nie mehr so schlecht sein wie heute“

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 …

„Künstliche Intelligenz wird nie mehr so schlecht sein wie heute“

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 …

„Künstliche Intelligenz wird nie mehr so schlecht sein wie heute“

AI Kontextualisierung

Wer sind die relevantesten Personen in diesem Artikel?

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

„Künstliche Intelligenz wird nie mehr so schlecht sein wie heute“

AI Kontextualisierung

Wer sind die relevantesten Organisationen in diesem Artikel?

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

„Künstliche Intelligenz wird nie mehr so schlecht sein wie heute“