#unchAIn, Teil 3: Was ist Machine Learning und Deep Learning?
Für die Artikelreihe "#unchAIn - Demystifying AI" kooperiert der brutkasten mit dem Expertinnen-Netzwerk Ms. AI, um Vorurteile rund um Künstliche Intelligenz zu entmystifizieren. Expertinnen beantworten dazu die großen Fragen rund um das Thema KI. Teil 3: Was ist Machine Learning und Deep Learning?
KI (Künstliche Intelligenz) ist das vielleicht wichtigste Tech-Thema unserer Zeit. Es gibt wohl keinen Bereich des politischen, wirtschaftlichen und gesellschaftlichen Lebens, der nicht das Potenzial hat, von KI grundlegend verändert zu werden. Gleichzeitig gibt es bei diesem Thema viele Falschinformation und überzogene Erwartungen. Für das Projekt „#unchAIn – Demystifying AI“ kooperiert der brutkasten mit dem internationalen Expertinnen-Netzwerk Miss AI, um gängige, teils falsche Vorstellungen zu entmystifizieren. Expertinnen und Experten der jeweiligen Felder – von Philosophinnen über Wissenschaftlerinnen bis zu Managerinnen – beantworten dabei in einer mehrteiligen Artikelreihe die großen Fragen zum Thema Künstliche Intelligenz, Machine Learning, Deep Learning und Co.
Im ersten Teil der Serie behandelten wir die Frage, was eigentlich Intelligenz (ganz allgemein) ist. Im zweiten ging es darum, ob Maschinen das menschliche Gehirn 1:1 kopieren können. Im dritten Teil widmen wir uns nun zwei der gängigsten Tech-Begriffe im Zusammenhang mit KI: Was ist Machine Learning? Und was ist Deep Learning? Und wie unterscheiden sich die beiden? Die Programmiererin und Mathematikerin Donata Petrelli un der Chatbot-Pionier Denis Rothman wählten bei der Beantwortung dieser Fragen sehr unterschiedliche Zugänge.
Bisher in der Serie „#unchAIn – Demystifying AI“ erschienen:
Petrelli: Die meisten haben als Kind wohl das Spiel „Blinde Kuh“ gespielt? Man ist mit verbundenen Augen in einem ausreichend großen Raum und muss es schaffen, die anderen im Raum zu finden und zu erkennen. Dabei hat das Kind mit verbundenen Augen keine Hinweise darauf, wo die anderen Kinder sind. Wenn es sich durch den Raum bewegt, muss es durch Tasten und Probieren die Umgebung verstehen, und letztlich die Mitspieler finden und erkennen. Machine Learning ist genau so ein Prozess, wie ihn das Kind mit verbundenen Augen im Raum durchführt.
Und um es etwas technischer zu definieren: Das maschinelle Lernen macht heute einen großen Teil des Bereichs Künstliche Intelligenz aus. Es umfasst mehrere Methoden zur Analyse und Erkennung von Daten und deren Beziehungen zueinander – oft zu Vorhersagezwecken. Alle diese Verfahren haben das Ziel, ohne initiale Kenntnisse sondern durch Erfahrung, eine Umgebung mit ihren Elementen und den Beziehungen zwischen ihnen, zu erkennen. Zu den bekanntesten Verfahren gehört das Modell der künstlichen neuronalen Netze, die die Struktur des menschlichen Gehrins simulieren.
Rothman: Machine Learning ist ein Teilbereich der Künstlichen Intelligenz. Nicht Machine Learning-basierte Algorithmen sind im Allgemeinen regelbasiert. Also etwa:
wenn X dann Y
Sowohl X als auch Y enthalten dabei viele Werte wie etwa ein Set von Daten. Das maschinelle Lernen kann die richtigen Werte „lernen“, um ein Ergebnis zu produzieren. Dabei gibt es keine Regel! Wir wollen etwa die Lösung finden für die Gleichung:
Y=aX + b
Wir müssen also die Werte von a und b finden, um die Gleichung lösen zu können. Daher probieren wir alle möglichen Werte von a und b aus. Das passiert oftmals nach dem Zufallsprinzip, um zu sehen, welche Werte am besten passen. Da wir leistungsstarke Computer haben, funktioniert das auch. Wir benutzen dazu viele Arten von Algorithmen, etwa Clustering und Regression. Jeder Algorithmus f sucht dabei nach den richtigen Werten, nach dem Prinzip:
f(Y)=aX+b
Die jeweiligen Algorithmen können dann jeweils für bestimmte Aufgaben genutzt werden, etwa eine Vorhersage, ob es nächste Woche regnen wird oder was die beste Route ist, um von Ort A nach Ort B zu gelangen usw.
Und was ist der Unterschied zu Deep Learning?
Rothman: Deep Learning ist wiederum ein Teilbereich des maschinellen Lernens. Es erweitert das Prinzip um „Layers“. Man kann es in Fällen nutzen, wo die Ermittlung des Werts Y schon deutlich komplexer ist. Nehmen wir dazu wieder eine Funktion f heran, wo es nun aber viele Schritte gibt:
f(Y)= f5(f4(Xf(3Xf(2Xf(X))
Das wirkt etwas verrückt? Als Mensch macht man das aber jeden Tag. Wenn man etwa gebeten wird, ein Gesicht in einem Bild mit 30 Gesichtern zu finden (wie z.B. auf einem Klassenfoto), dann macht man (unbewusst) ungefähr folgendes:
Man versucht, die Gesichter vom Hintergrund zu isolieren.
Dann sieht man sich die Form der Gesichter an.
Dann die Farbe der Gesichter.
Dann auch die Größe einer Person.
Dann trifft man endlich eine Entscheidung und sagt: „Das ist die Person, die ich suche!“
Deep Learning tut dies automatisch, indem es die jeweils richtigen Werte von a und b findet, um jede Schicht von f(Y)=aX + b zu ermitteln.
Petrelli: Deep Learning ist eine Verstärkung der Methoden des Machine Learning, insbesondere der neuronalen Netze. In diesem Fall ist das Modell ausgefeilter, da die Resultate das Ergebnis der Ausarbeitung strukturierter Konzepte sind, die sich aus den Basis-Konzepten ableiten.
Um eine Analogie zu bringen: Die Gewinnung von Informationen durch ein Deep Learning-Modell im Vergleich zu einem Machine Learning-Modell ist wie jene eines Erwachsenen verglichen mit jener eines Kindes, das noch weitere Entwicklungsstufen vor sich hat.
Greiner-Packaging-CFO über KI in der Industrie: „Wir Österreicher sehen oft zuerst die Risiken“
Margit Kendler ist CFO von Greiner Packaging, einer Sparte der Greiner Gruppe. Im Interview am European Forum Alpbach spricht sie über drei KI-Fokusfelder, das Potenzial humanoider Robotik in der Produktion und die EU-Verpackungsverordnung. Außerdem erklärt sie, warum sie die Einführung von KI an frühere SAP-Projekte erinnert und wieso Österreich beim Thema KI mutiger werden sollte.
Greiner-Packaging-CFO über KI in der Industrie: „Wir Österreicher sehen oft zuerst die Risiken“
Margit Kendler ist CFO von Greiner Packaging, einer Sparte der Greiner Gruppe. Im Interview am European Forum Alpbach spricht sie über drei KI-Fokusfelder, das Potenzial humanoider Robotik in der Produktion und die EU-Verpackungsverordnung. Außerdem erklärt sie, warum sie die Einführung von KI an frühere SAP-Projekte erinnert und wieso Österreich beim Thema KI mutiger werden sollte.
Margit Kendler, CFO von Greiner Packaging | (c) brutkasten / Haris Dervisevic
Kaum ein Thema beschäftigt die heimische Industrie derzeit so stark wie die Adaption von Künstlicher Intelligenz. Während vielfach die These vertreten wird, dass Europa das Rennen um generative KI verloren hat, werden der Industrie bei der KI-Adaption gute Chancen eingeräumt. Die Industriellenvereinigung hat dazu eine eigene KI-Taskforce eingerichtet, die mittlerweile bei ihrer Halbzeit angelangt ist. Mit deren Vorsitzendem, Keba-CEO Christoph Knogler, haben wir im aktuellen brutkasten-Printmagazin ein ausführliches Cover-Interview über industrielle KI als Europas Chance geführt.
Wie das Thema in der Verpackungsindustrie ankommt, zeigt der Blick zu Greiner Packaging: Die Sparte der Greiner Gruppe mit Hauptsitz im oberösterreichischen Sattledt erwirtschaftete 2025 einen Umsatz von 902 Millionen Euro, steht damit für mehr als 45 Prozent des Gruppenumsatzes und beschäftigt fast 4.900 Mitarbeiter:innen an 30 Standorten in 15 Ländern. Im Interview am European Forum Alpbach spricht CFO Margit Kendler über drei KI-Fokusfelder von der Kundeninteraktion bis zur Verwaltung, die Folgen der EU-Verpackungsverordnung (PPWR) und darüber, warum sie die Einführung von KI an die SAP-Projekte ihrer frühen Berufsjahre erinnert.
brutkasten: Greiner Packaging wächst trotz eines schwierigen Marktumfelds. Was sind die Gründe?
Margit Kendler: Unsere Stärke ist, dass wir sehr gute Produkte haben und diese kontinuierlich weiterentwickeln, auch in Richtung Nachhaltigkeit und der rechtlichen Anforderungen, etwa der PPWR. Dazu kommen langjährige Partnerschaften mit unseren Kunden, die wir gemeinsam weiterentwickeln können. Dadurch schaffen wir es auch in wirtschaftlich herausfordernden Zeiten, über den Markt hinaus zu wachsen.
Herausfordernde Zeiten in Bezug auf den Markt?
Im Sinne von Zeiten, in denen die gesamte geopolitische Lage instabiler wird. Beim Rohmaterial-Sourcing ist etwa die Straße von Hormus immer wieder ein Thema. Trotz widriger Umstände schaffen wir es aufgrund der langjährigen Erfahrung unserer Teams und der verlässlichen externen Kontakte, gute Lösungen für unsere Kunden zu finden. Das zeichnet Greiner Packaging aus.
Künstliche Intelligenz war bei der Jahrespressekonferenz der Greiner Gruppe ein Thema. Welche Hebel sehen Sie in der Verpackungsindustrie, um die Produktivität zu steigern?
Wir sehen im Moment bei Greiner Packaging drei Fokusbereiche. Der erste ist Richtung Kunden: Wie interagieren wir in Zukunft mit Kunden, wo wünschen sie sich automatisiertere Prozesse, weil sie auf ihrer Seite ebenfalls Prozesse anstoßen? Und wo bleibt der persönliche Kontakt weiter wichtig? Gerade bei Produktentwicklungen wird der persönliche Kontakt wichtig bleiben.
Die zweite Stoßrichtung ist die Produktion. Da geht es um Datenauswertung, die man mit KI effizienter machen kann. Viele Daten sind vorhanden, aber wie nutzen wir sie am besten? Dazu kommt alles, was weiterentwickelte Robotics in Richtung Humanoid ist. Der dritte Teil ist die Verwaltung: alles, was an Berichtsanforderungen im Sinne von Nachhaltigkeit und Ähnlichem anfällt. Wo kann man Datensammlung und Dokumentation sinnvoll in eine KI überführen?
Es gibt die These, dass Europa bei generativer KI das Rennen verloren hat, bei der KI-Adaption in der Industrie aber gute Chancen hat. Auf welche Modelle setzen Sie?
In der Produktion haben wir erste Erfahrungen gesammelt. Im Moment nutzen wir die vorhandenen Modelle und screenen, was am Markt aufkommt. Es ist so schnelllebig, dass immer die Frage ist: Kommt man überhaupt zur Anwendung oder gibt es schon wieder die nächste Entwicklungsstufe? Wichtig ist uns aber, dass die europäische Datensouveränität gestärkt wird und dass Unternehmen unterstützt werden, die diesen europäischen Fokus haben, um den Standort und Europa zu stärken.
Greift man da spezifisch auf europäische Modelle wie Mistral zurück?
Natürlich sehen wir uns europäische Lösungen an und wollen diese einsetzen, wenn sie uns den entsprechenden Nutzen bringen. Wir freuen uns über technologische Initiativen, die Europa gesamthaft als Standort stärken.
Margit Kendler im Gespräch mit brutkasten-Chefredakteur Martin Pacher beim European Forum Alpbach | (c) brutkasten / Haris Dervisevic
Welche Aufgaben übernimmt KI aktuell bei Greiner Packaging?
Eher am Ende der Produktion, im Verpackungsbereich und Richtung Lager. Im Durchfluss der Produktion ist schon sehr viel automatisiert. Man muss differenzieren: Wo brauche ich tatsächlich KI und was geht bereits über klassische Automatisierung, also Roboterarme oder Verpackungsstraßen. Es geht wirklich nur noch um die Lücken, die etwa im Bereich Qualitätskontrolle bestehen. Und man muss genau schauen, bei welchen Stückzahlen sich Robotik auszahlt. Gerade beim händischen Assembly ist die Frage, ob die Roboter mit ihren Achsen schon gut genug sind.
Die Entwicklung ist enorm rasant. Wie bleibt man da als CFO up to date und wie fließt das in die Strategie ein?
Es beginnt mit einem tiefen Grundinteresse. Und dann nutze ich eine Mischung aus Workshops, Schulungen und Foren wie dem European Forum Alpbach, wo ich KI-Termine wahrnehme, dazu Newsletter und vieles mehr. Intern gibt es auf Gruppenebene eine Taskforce zu KI, die selektiert, welche Anwendungsfälle es für uns als Sparte oder übergreifend für die gesamte Gruppe gibt.
Wo ist die Schnittstelle zwischen Innovation und Ihrer Arbeit?
Als erfolgreiches Unternehmen muss man darauf achten, sich nicht auf den Lorbeeren auszuruhen. Nur weil es jetzt gut ist, braucht man trotzdem den Blick in die Zukunft. Bei uns ist Innovation sehr produktgetrieben: Welche Barriereeigenschaften gibt es, wie ist die Haltbarkeit eines Joghurts in dem Becher? Das wird stark durch die Verpackungsverordnung getrieben, wo es um Rezyklierfähigkeit und den Einsatz recycelter Materialien geht. Andererseits geht es um die Frage, wie wir in 15 Jahren erfolgreich sind. Dafür haben wir Stage-Gate-Prozesse. Ein großes Thema ist auch Reuse, also Mehrfachnutzung versus Einmalnutzung.
Und Innovation umfasst nicht nur die Produkte selbst, sondern auch das, was um das Produkt herum ist: Serviceleistungen, Lieferung, wie wir unsere Kunden servicieren. Bei Reuse stellt sich die Frage, ob man nur das Produkt macht oder auch Services rund um den Reuse anbietet. Im Endeffekt geht es immer darum, wettbewerbsfähig zu bleiben.
Schaut man sich dafür auch neue Geschäftsfelder an?
Wir haben uns das gerade angeschaut. Wir haben etwa die Becher für den Song Contest gemacht. Einer meiner früheren Arbeitgeber war Ifco, die die Obst- und Gemüsekisten an die Supermarktketten vermieten. Das war ein klassischer Reuse-Anbieter, bei dem das Waschen, Ausbringen und Einsammeln Teil des Geschäftsmodells war. Und auch bei Greiner Packaging evaluieren wir, welche Alternativen und neuen Geschäftsmodelle spannend sein könnten.
Die Verpackungsverordnung gilt seit 12. August. Der Handelsverband fordert ein Moratorium, weil es noch viele Unsicherheiten gibt. Wie nimmt man das bei Greiner Packaging wahr?
Es führt kein Weg an Verordnungen vorbei. Wir haben eine Welt, und wenn sie verbraucht ist, ist sie verbraucht. Diese strengeren Regelungen machen Sinn. Die Schwierigkeit ist, dass wir uns als großes Unternehmen deutlich leichter tun, weil wir die Ressourcen haben. Und selbst für uns ist es ein sehr hoher Aufwand, alle Dokumentationen zu liefern und die Lieferkette ordentlich zu dokumentieren. Ich verstehe daher die kleineren Unternehmen, für die das ein umso höherer Aufwand ist. Ob ein Moratorium die Lösung ist, weiß ich nicht. Man sieht es bei der Diskussion Verbrenner versus Elektroauto: Diese langfristige Unsicherheit – wird es A oder B – ist schwierig, weil man bis zur Entscheidung alle Wege parallel verfolgen muss.
Der K3-Becher ist eines Ihrer Premium-Produkte und seit vielen Jahren auf dem Markt. Jetzt gibt es mit r100 eine neue Generation. Was treibt solche Innovationen: Regulatorik oder Eigenantrieb?
Eine Mischung. Der K3 entstand aus dem Wunsch, ein nachhaltigeres Produkt zu schaffen. Es ist eine Kombination aus Kundenanforderungen, rechtlichen Vorgaben und dem Eigenantrieb, es noch besser zu machen, mit Leichtgewicht, Banderolen und Rezyklierfähigkeit. Die nächste Generation ist gerade in Entwicklung. Ein weiterer Trend ist Monomaterial: Oft hat man beim Joghurt den klassischen Aluminium-Topper. Wenn die Leute den nicht abreißen, kann nicht sortiert werden und der Becher geht in der Wiederverwertung verloren. Ist alles das gleiche Material, ist es deutlich leichter.
Arbeitet man dafür auch mit externen Partnern zusammen, etwa Startups?
Im Moment nicht, aber es ist immer am Radar, um zu schauen, was sich am Markt entwickelt und ob sich Kooperationen anbieten.
Die IV-KI-Taskforce ist bei Halbzeit. Wie schätzen Sie die Verpackungsbranche bei der KI-Adaption ein?
Generell ist mein Eindruck, dass Österreich mehr die Risiken als die Chancen sieht. Die Amerikaner denken mehr in Möglichkeiten, deshalb sitzen dort viele der KI-Unternehmen. Wir Österreicher sehen oft zuerst die Risiken, und solange diese nicht gemeistert sind, fängt man nicht an, über die Möglichkeiten nachzudenken. Um den Anschluss zu halten, brauchen wir mehr Offenheit und eine gute Balance zwischen Risiko und Chance.
Ein reiner Tool-Rollout geht oft nach hinten los, wenn die Organisationsentwicklung nicht mitgedacht wird. Wie gehen Sie vor?
Am Berufsanfang war ich SAP-Beraterin und habe SAP eingeführt. Ich finde es nicht so anders. Egal welche Technologie man einführt, man muss die Menschen mitnehmen. Viel zu oft wird der Mensch nicht mitgedacht. Ob ich von R/2 auf R/3 oder von R/3 auf Hana umsteige oder eine KI dazubaue: Es ist immer die gleiche Frage. (Anm. d. Red.: R/2, R/3 und Hana bezeichnen aufeinanderfolgende Generationen der SAP-Unternehmenssoftware, deren Umstellung jeweils große Migrationsprojekte in Unternehmen auslöste) Wie arbeiten wir dann anders, welche Kompetenzen werden gebraucht und wie muss ich diese rechtzeitig schulen? Ich sehe das in unserer Verantwortung als Arbeitgeber, dass unsere Mitarbeiter:innen mitwachsen.
Gibt es Ängste, dass Jobs wegrationalisiert werden?
Jobs ändern sich einfach. Was ich bei uns erlebe: Wir haben viele Early Adopter. Es gibt seit Langem das Angebot, KI zu nutzen, plus wöchentliche Online-Kaffeerunden für Best-Practice-Sharing. Wir haben Kolleg:innen, die schon viel mit Agenten arbeiten. Viele sehen die Arbeitserleichterung im Täglichen, weil die KI Routinetätigkeiten übernimmt. Sorgen, wegrationalisiert zu werden, erlebe ich im Moment nicht.
Was ich auch stark merke: Kolleg:innen, die spezifische Skills nicht haben, können plötzlich Themen lösen. Ein Kollege, der nicht im Controlling ist und kein Excel- oder PowerPoint-Meister, konnte über die KI alles so darstellen, wie es gebraucht wurde. Das hat ihn einen halben Tag gekostet. KI erlaubt, gewisse Ausbildungsschritte zu überspringen. Dafür sind andere Ausbildungen nötig.
Greiner Packaging ist auch außerhalb Europas vertreten. Wie nehmen Sie die KI-Regulierung in Europa wahr?
Der EU AI Act erhöht die Anforderungen an Unternehmen, schafft aber gleichzeitig Vertrauen in die Technologie. Für uns ist entscheidend, KI innovativ, aber auch verantwortungsvoll einzusetzen. Wer beides beherrscht, wird langfristig erfolgreicher sein.
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.
