Wie die Salzburg AG mit einer neuen Crowdinvesting-Plattform die Energiewende vorantreibt

22.05.2020

Künstliche Intelligenz als Chance für die Industrie: ein Leitfaden

Die Coronakrise hat gezeigt, dass es durch Künstliche Intelligenz möglich ist, Kosten nachhaltig zu reduzieren. Das Wiener Software- und KI-Unternehmen craftworks hat einen Leitfaden entwickelt und sich dabei an über 20 erfolgreich umgesetzten KI-Projekten orientiert.

/artikel/kunstliche-intelligenz-als-chance-fur-die-industrie-ein-leitfaden

✨ AI Kontextualisierung

Industrieunternehmen beschäftigen sich seit geraumer Zeit mit der Automatisierung von Produktionsprozessen. Der durch die Krise vorherrschende Druck zur Einsparung von Kosten zwingt so manches Unternehmen, die Digitalisierung noch schneller voranzutreiben und Künstliche Intelligenz zu implementieren. Doch diese Technologien können die Industrie vor so manche Herausforderung stellen. Allein der Punkt “Datenerfassung” erweist sich als komplexes Gebilde bei dem Schritt, interne Prozesse nachhaltig zu verändern. Hier schreitet der “Industrial AI”-Dienstleister craftworks ein und bietet mit seinem Leitfaden eine Anleitung zur Umsetzung erfolgreicher Prozessoptimierung.

Drei Prozent jährlicher Anstieg des Wirtschaftswachstums durch Künstliche Intelligenz bis 2035

Laut einer Studie von Accenture und Frontier Economics kann Künstliche Intelligenz in Unternehmen das Wachstum ankurbeln. Bei dieser Untersuchung wurden zwölf Volkswirtschaften durchleuchtet und dabei erforscht, wie sich eine umfassende Nutzung von KI in der Wirtschaft auswirkt.

+++ Solvistas CEO Holzbauer: „Eine AI hätte keine Kurzarbeit empfohlen“ +++

Darin heißt es: “Für den Industriestandort Österreich prognostiziert Accenture durch den Einsatz von KI bis 2035 einen Anstieg des Wirtschaftswachstums um jährlich drei Prozent. Das wäre mehr als eine Verdopplung gegenüber dem Basis-Szenario mit einer Wachstumsrate von 1,4 Prozent pro Jahr, welches die zukünftige Entwicklung der Wirtschaft auf Grundlage des technologischen Stands von heute voraussagt”.

KI-Projekte für nachhaltigen Geschäftserfolg

Weiters wird erwartet, dass die Produktivität der Beschäftigten in Österreich dank Künstlicher Intelligenz um 30 Prozent steigen kann, da “sich viele Arbeitsabläufe effizienter gestalten und Mitarbeiter ihren Fokus auf Aufgaben mit einer hohen Wertschöpfung legen”.

In diesem Sinne hat craftworks einen Guide entwickelt, der Projektleiter bei der Umsetzung von KI Prototypen und Rollouts unterstützen soll. “Wenn man erste Erfahrungen mit KI-Projekten sammelt, dann investiert man in nachhaltigen Geschäftserfolg, auch jetzt in der besonders herausfordernden Zeit”, sagt Michael Hettegger, einer der Gründer von craftworks und liefert gleich eine AI-Roadmap mit.

Die wichtigsten Punkte des KI-Guides kurz zusammengefasst

• Vom Use Case zum Business-Case

Der richtigen Use Case zählt zu den fundamentalsten Dingen für ein erfolgreiches Projekt. Man sollte sich hierbei auf jene Prozess-Optimierungen fokussieren, die leichter mittels Künstlicher Intelligenz realisierbar sind, als durch andere Methoden. Dabei ist es wichtig, als ersten Schritt die Abteilung zu wählen, in der man das Pilot-Projekt starten möchte. Etwa R&D, Logistik oder Wartung, um Beispiele zu nennen.

+++ Neue Arbeitswelten durch KI: Wie sich Arbeit in den nächsten Jahren verändert +++

Als nächstes steht an, innerhalb des gewählten Departments den Prozess zu identifizieren, der Optimierungspotential in sich trägt. Faktoren, um für ein Industrial AI-Projekt geeignet zu sein, sind laut craftworks in fünf Punkten auszumachen. Der Prozess sollte komplex sein, eine non-lineare Performance anzeigen, Aufmerksamkeit erregen, wenn plötzliche Anomalien auftreten, der Grund für signifikante Ausschussquoten sein und hohe Kosten nach sich ziehen, falls es zu einem maschinellen Ausfall kommt.

Des Weiteren hängt die Tauglichkeit eines Prozesses für ein “Industrial AI”-Projekt stark von der Generierung von Daten zusammen. Hier wird geraten, dass, wenn eine Prozess-Optimierung in der Theorie hohe Kosteneinsparung verspricht, historische Daten jedoch nicht verfügbar sind, man die “data collection” so schnell wie möglich starten sollte. Als Tipp wird vorgeschlagen, Daten eines ganzen Jahres zu sammeln, um zu entscheiden, ob der Griff zur Künstlichen Intelligenz Sinn macht. Nachdem man den passenden Use-Case gefunden hat, muss laut craftworks eine Kosten-Analyse folgen.

• Die richtige Machine Learning Methode

Der nächste Schritt ist es den gewählten Use-Case mit der besten “Machine-Learning”-Methode zu verbinden. Dabei wird zwischen “supervised learning”, “unsupervised learning” und “reinforcement learning” unterschieden.

Beim ersten lernt ein Algorithmus Verbindungen zu isolieren oder zu kombinieren, die er als Datensatz erhält – um eine vordefinierte Aufgabe (dessen Resultat bekannt ist) so effizient wie möglich zu lösen. Während des Prozesses wird der Algorithmus “überwacht”, um sicherzustellen, dass das “learning” stets Richtung vorgegebener Aufgabe ausgerichtet bleibt.

“Unsupervised learning” hingegen umfasst Methoden, die keine vordefinierten Aufgaben benötigen, um zu lernen. Das System versucht Muster im Datensatz zu erkennen, die aufgrund von “Störungen” von der Norm abweichen.

“Reinforcement learning” bezieht sich auf “machine-learning”-Methoden, bei dem eine Strategie erlernt wird, um eine definierte Aufgabe zu erfüllen, mittels eines “trial-and-error-“Prozesses. Der Künstlichen Intelligenz wird hierbei nicht aufgetragen nach einer vorbestimmten Art und Weise zum Erfolg zu kommen, sondern sie wird ähnlich dem “Zuckerbrot- und Peitschen-Prinzip” mit positiven oder negativen Belohnungen animiert, eine dominante und problemlösende Strategie zu entwickeln, die nahe an das Optimum herankommen soll.

• Das “perfekte” Daten-Set

Im vorigen Punkt war viel von Daten die Rede. Konkreter wird es in der dritten Phase der Implementierung der Künstlichen Intelligenz in das eigene Unternehmen. Es geht darum geeignete Datensätze zusammenzutragen.

Im Prinzip gilt, dass mehr Daten logischerweise besser sind, als kleine “Data samples”. Allerdings hängt die Menge stark vom Use-Case ab. Als Beispiel nennt der craftworks-Guide, dass 100.000 Datenpunkte sich als zu gering erwiesen haben, um eine exakte Vorhersage zu treffen, wann Lieferautos am Ziel ankommen. Dagegen waren 500 indizierte Produkte als Beispiel schlechter Qualität ausreichend, um gute Ergebnisse in Sachen “predictive quality control” zu erlangen.

+++ Neue digitale Formatreihe NWXnow widmet sich der Zukunft der Arbeit +++

Es wird daher geraten, einen guten Blick auf die Datenqualität zu legen – Dubletten, Formatierungsfehler oder Inkonsistenzen haben einen starken negativen Einfluss auf die KI-Entwicklung. Daten sollten zudem klassifizierbar und relevant sein. Dabei ist es ratsam, sich genau anzusehen, welche Daten fürs “decision-making” und “operations” bereits verwendet wurden. Mit großer Wahrscheinlichkeit lässt sich daraus leicht eine Automatisierung der Daten-Analyse entwickeln.

• Proof of Concept

Bei diesem Punkt macht craftworks vier Punkte aus, die ausschlaggebend dafür sind, inwiefern ein “Machine Learning”-Modell effektiv sein und wie es weiterentwickelt werden kann.

Die Umsetzbarkeits-Studie soll einen ersten Hinweis darauf geben, inwieweit eine AI-Lösung durchführbar ist. Hier werden erste passende Algorithmen evaluiert und das KI-Grundgerüst geschaffen.

In der zweiten Phase widmet man sich der Entwicklung einer Prototyp-Lösung, die mit den Zielen des Use-Case einhergeht. Management und ausgesuchte Mitarbeiter, die mit Daten zu tun haben, kommen an dieser Stelle zum ersten Mal in Kontakt mit der Künstlichen Intelligenz. Dies soll für eine hohe “user acceptance” der Software-Lösung sorgen, während das Projekt Fahrt aufnimmt.

In der Optimierungsphase ist vorrangig das Feedback der Mitarbeiter von Bedeutung und wird in das Projekt implementiert. Danach folgt der Rollout, der noch als “starting point” gilt und für andere Use-Cases skaliert werden kann. Für die ersten drei Schritte wird ein jeweiliger Zeitraum von vier, bei der letzten Phase vier bis zwölf Wochen empfohlen.

• Das Team

Ein wichtiger und selbstverständlicher Hinweis des Guides für die Implementierung der Künstlichen Intelligenz ins Unternehmen betrifft die richtige Auswahl an Mitarbeitern für das Projekt. Jene sollten die nötigen Fertigkeiten und Übersicht in Sachen Prozess-Entwicklung, Daten und Technologie mit sich bringen. Zudem sollte man sich Gedanken machen, wer die nötige IT-Infrastruktur aufsetzen, entwickeln und warten kann.

• Resultate Visualisieren

An dieser Stelle wird darauf hingewiesen, wie wichtig Transparenz des ganzen “Machine Learning”-Prozesses ist. Daten-Analysen sollten in User-freundlicher Manier visualisiert werden, denn wie craftworks sagt: “Die Kombination von ‘human und Articficial Intelligence’ erlangt die besten Resultate.

• “Key Software”-Entscheidungen

Die Wahl richtiger Technologie will wohl durchdacht sein und sollte sich am Ziel des Implementierungsvorhaben orientieren. Der Leitfaden empfiehlt, auf “Open Source”-Technologie zurückzugreifen. Craftworks zeigt sich überzeugt, dass die Entwicklung einer solchen Software seitens der globalen Community Vorteile bringt: eine bessere Qualität und sichere Software-Tools. Durch die Nutzung von “Open Source” entgeht man auch der Abhängigkeit eines einzelnen Providers und kann die IT-Infrastruktur flexibler anpassen, wenn nötig.

+++ So entwickelt sich Österreichs AI Landschaft im Moment +++

Weitere Möglichkeiten technologischer Nutzung umfassen den “Model as a Service”- oder “Model as Dependency”-Approach. Im ersten Fall agiert das Modell unabhängig und kann divers eingesetzt werden. Im zweiten Fall ist es direkt in einer generellen Anwendung integriert. Und macht etwa in einer Pilot-Phase Sinn. Auch können AI-Anwendungen, laut craftworks, problemlos “on-premise” oder als “cloud solution” eingesetzt werden.

• Ständige Optimierung der “Machine Learning”-Modelle

Da sich viele Datensätze im Laufe der Zeit verändern, ist es essentiell das “Industrial AI-System” dynamisch zu halten und ihm Erlaubnisse zu erteilen, Änderungen vorzunehmen.

• Vom Prototypen bis zum globalen Rollout

Nach einem erfolgreichem Pilot-Projekt ist es, so der Guide weiter, an der Zeit, die Künstliche Intelligenz auszuweiten – sie zu skalieren. Neue Use-Cases im Sinn, können genutzte “Machine-Learning”-Modelle als Startpunkt für ähnliche Ziele und Vorhaben genutzt werden. Zudem wird es wichtiger, je größer die Datenmenge wird, Dienstleistungen zu “containerisieren”. Soll heißen, sie einzuteilen und zwar getrennt zu halten, jedoch parallel und unabhängig voneinander innerhalb der gleichen Infrastruktur laufen zu lassen.

• Dokumentation

Am Ende des Leitfadens weist craftworks darauf hin, dass “Industrial AI” kein fertiges Produkt oder fertige Lösung ist, die man man ohne Entwicklungsprozess erstehen kann. Allerdings sorgt ein professionell geführtes AI-Projekt zu einer hohen Lernkurve, die sich positiv auf Folgeprojekte auswirken kann. Daher wird geraten, den Fortschritt zu dokumentieren und zu reflektieren, inwiefern Erfahrungen mit “Machine Learning” in welchen Bereichen lehrreich waren. Denn, wie Hetteger sagt: “Datengetriebene Prozessoptimierung ist kein Innovationsprojekt, das in Zukunft von einem neuen Trend abgelöst wird. ‘Industrial AI’ wird zur Grundlage für Marktführerschaft”.

⇒ craftworks

⇒ KI-Guide zum Download (Englisch)

Redaktionstipps

“Digital Europe”: 9,2 Milliarden Euro für den digitalen Wandel

05.12.2018

„Jedes Unternehmen, das relevant bleiben will, muss ein KI-Unternehmen werden.“

24.08.2019

Deine ungelesenen Artikel:

Vit Le

23.12.2024

KI in Gesundheit, Bildung und öffentlichem Dienst: „Chancen nutzen, Risiken minimieren”

Nachlese. Was kann Künstliche Intelligenz in den Bereichen Gesundheit, Bildung und im öffentlichen Sektor leisten? Welche Chancen und Risiken bringt Künstliche Intelligenz mit sich? Wie lässt sich ihr Potenzial verantwortungsvoll nutzen, ohne ethische Leitlinien zu überschreiten? Diese und viele weitere Fragen stehen im Fokus der zweiten Folge von „No Hype KI“.

/artikel/no-hype-ki-folge-2

Vit Le

23.12.2024

KI in Gesundheit, Bildung und öffentlichem Dienst: „Chancen nutzen, Risiken minimieren”

/artikel/no-hype-ki-folge-2

„No Hype KI” wird unterstützt von CANCOM Austria, IBM, ITSV, Microsoft, Nagarro, Red Hat und Universität Graz.

Gut zwei Jahre ist es her, dass ChatGPT einen Hype rund um generative KI-Modelle auslöste. Doch es stellen sich auch viele kritische Fragen beim Einsatz von KI – besonders in sensiblen Bereichen. Klar ist: Künstliche Intelligenz bietet viele Vorteile und vereinfacht komplexe Prozesse. Gleichzeitig wirft sie jedoch auch Herausforderungen und Ängste auf, mit denen man sich kritisch auseinandersetzen muss.

Was KI in den Bereichen Gesundheit, Bildung und im öffentlichen Sektor leisten kann, diskutierten in der zweiten Folge „No Hype KI”:

Bernd Konnerth (Microsoft Österreich | Public Sector Lead)
Carina Zehetmaier (Women in AI Austria | Präsidentin)
Harald Herzog (Österreichische Gesundheitskasse | Leiter Digitalisierung und Innovation)
Moritz Mitterer (ITSV | Aufsichtsratsvorsitzender)
Markus Fallenböck (Universität Graz | Vizerektor für Personal und Digitalisierung).

Menschenzentrierter Ansatz im Mittelpunkt

Künstliche Intelligenz ist schon längst Teil unseres Alltags – ob bewusst oder unbewusst. Und obwohl KI bereits in vielen Lebensbereichen der Österreicher:innen präsent ist, bleibt die Skepsis bei vielen groß. Laut Carina Zehetmaier ist es daher ein besonders wichtiger Faktor, dass man jeder einzelnen Person KI näher bringt, sodass mehr Vertrauen in die Technologie entsteht: „Derzeit gibt es noch viele Ängste rund um KI. Aber es gibt auch noch gewisse Schwachstellen wie zum Beispiel das Halluzinieren, oder auch Vorurteile, die in den Systemen drinnen sind und widergespiegelt werden können. Es ist relevant, dass man sich hier von Anfang an mit den kritischen Fragenstellungen auseinandersetzt“.

Hierbei müsse an vorderster Stelle die öffentliche Hand hohe Standards setzen – vor allem aus menschenrechtlicher Sicht. Zehetmaier befürwortet in diesem Zusammenhang den AI Act, der klare gesetzliche Rahmenbedingungen schafft. „Die öffentliche Hand ist der direkte Adressat der Grund- und Menschenrechte“, sagt sie.

Ein weiterer wichtiger Punkt von Zehetmaier ist die Notwendigkeit, marginalisierte Gruppen nicht zu übersehen. Man müsse sich bemühen, geschlechtsspezifische und andere Vorurteile in Datensätzen zu vermeiden. „Wir wissen auch, dass Automatisierung den Gender-Pay-Gap öffnet anstatt schließt, das heißt, da müssen wir aktiv und gezielt gegensteuern“.

Verantwortungsvolle KI bedeute, aktiv an den Daten und Algorithmen zu arbeiten. Nur so könne sichergestellt werden, dass KI-Anwendungen nicht nur technologisch effizient, sondern auch ethisch und gesellschaftlich verantwortungsvoll gestaltet werden.

Responsible AI: Inklusivität, Fairness, Datenschutz

Dass die Anwendung von generativer KI nicht bloß Kosten senken soll, sondern den Menschen Nutzen bringen muss, ist auch für Bernd Konnerth von Microsoft klar. „Wir setzen auf Responsible-AI-Standards, bei denen es um Inklusivität, Fairness, Datenschutz und all diese Themen geht. Das sind Leitplanken in unserer Produktentwicklung“, sagt der Public Sector Lead von Microsoft Österreich.

Von der Unternehmenstransformation bis hin zum öffentlichen Dienst sei ein breites Umschulungsprogramm notwendig, um Ängste abzubauen: Es sei wichtig, „Umgebungen zu schaffen, die es Mitarbeiterinnen und Mitarbeiter möglich machen, mit der Technologie zu interagieren, um den Berührungsängsten entgegen zu wirken”.

Universität Graz startete UniGPT für Mitarbeitende

Was Bildung angeht, betont Markus Fallenböck von der Universität Graz die Bedeutung einer breiten Wissensvermittlung. Es gehe nicht nur um Spezialist:innen für KI, sondern vor allem um die große Masse an Mitarbeitenden, die einen “sinnvollen Umgang mit KI erlernen” müssen: „Je mehr Wissen wir in die Bevölkerung kriegen, umso mehr können wir Chancen nutzen und Risiken minimieren“.

Die Universität Graz hat dazu eine eigene Micro-Credential-KI gestartet, um Studierenden ein Grundwissen zu KI zu vermitteln: “Das ist ein abgeschlossenes Studienpaket, das man in jedes Studium integrieren kann und das gerade in einer Pilotphase ist”, erläutert Fallenböck. Das Paket lasse sich in jedes Studium integrieren. “Da ist die Idee, dass in ein paar Jahren jeder Bachelor-Studierende, der in Graz einen Abschluss macht, ein Grundwissen hat zu KI-Bereich, Technik, Wirtschaft, Recht, Ethik”.

Für die eigenen Mitarbeiter:innen hat die Universität Graz im Mai 2024 außerdem den Chatbot UniGPT gestartet. Bereits mehrere hundert Mitarbeiter:innen wurden dafür bereits eingeschult. “Da sitzt die Universitätsprofessorin neben der Sekretariatskraft und beide interessieren sich für KI und werden es in ihrem Arbeitsalltag gut einsetzen”, schildert Fallenböck seine Eindrücke.

Über die eigenen Mitarbeitenden will die Universität Graz Wissensvermittlung aber auch in die Bevölkerung tragen. Dazu hat sie im Oktober etwa erstmals den Technology Impact Summit zum Thema KI in Graz veranstaltet. “Weil natürlich auch wichtig ist, dass wir die breite Öffentlichkeit mit dem Thema erreichen. Je mehr Wissen wir in die Bevölkerung kriegen, umso mehr, können wir auch das Chancennutzen und Risikominimieren wirklich schaffen”, erläutert Fallenböck.

ITSV: Künstliche Intelligenz im Gesundheitssystem

Die ITSV wiederum steuert und koordiniert die IT-Aktivitäten der österreichischen Sozialversicherung – und beschäftigt sich schon länger mit dem KI-Thema. Aufsichtsratsvorsitzender Moritz Mitterer erzählt im Talk, dass das Unternehmen bereits 2018 mit der Erprobung von KI-Lösungen begonnen habe. In einem geschützten Umfeld wurden dabei erste Erfahrungen gesammelt, bevor die Systeme in den Echtbetrieb übergingen. Dieser schrittweise Ansatz habe wesentlich dazu beigetragen, das Vertrauen in KI-Modelle im Unternehmen zu stärken.

Besonders bei sensiblen Daten, wie etwa Gesundheitsdaten, ist die Gefahr von Missbrauch ein zentraler Risikofaktor. Mitterer erläutert die Bedeutung von Transparenz und Nachvollziehbarkeit: „Man muss Patientinnen und Patienten mitnehmen, indem man entsprechend strenge Regeln hat und Compliance hat. Und indem man offen damit umgeht, falls doch was sein sollte“.

KI schafft Abhilfe bei steigendem Leistungsaufkommen bei ÖGK

Die ITSV arbeitet dabei unter anderem für die Österreichische Gesundheitskasse (ÖGK). Harald Herzog von der ÖGK erläutert, dass das steigende Leistungsaufkommen – etwa wachsende Fallzahlen, steigende Lebenserwartung, mehr Konsultationen – nach neuen Wegen verlangt: „Würden wir die Prozesse so weiterspielen wie bisher, bräuchten wir mehr Personal“, so Herzog. „Unsere Aufgabe ist es effizient zu arbeiten und alle technischen Möglichkeiten der KI auszunutzen“.

KI könne hier unterstützen, etwa bei der Wahlarztkostenerstattung. Ziel sei es, einen Großteil der Fälle automatisiert abwickeln zu können. Laut Herzog geht es aber nicht darum, den persönlichen Kontakt zu ersetzen, sondern lediglich zu ergänzen.

Zusätzliches Wirtschaftswachstum von bis zu 18 Prozent durch KI-Nutzung

Auch die öffentliche Verwaltung steht vor Herausforderungen, etwa aufgrund der Pensionierungswelle oder des Fachkräftemangels. Künstliche Intelligenz könnte dabei eine Rolle spielen. Bernd Konnerth von Microsoft Österreich sagt: „Künstliche Intelligenz kann eine Antwort sein – vielleicht nicht die Einzige, aber sie hat sehr viel Potenzial durch die Automatisierung wiederkehrender Tätigkeiten, viel Nutzen zu stiften“.

Aktuell befinde sich Österreich erst am Anfang, dieses Potenzial auszuschöpfen. Konnerth verweist auf eine Studie, dass Österreich ein Wirtschaftswachstum von bis zu 18 Prozent erzielen könnte, wenn das ganze Potenzial von KI ausgeschöpft werde.

Ausblick: KI-Nutzung in fünf Jahren

Wo steht der Einsatz von Künstlicher Intelligenz in fünf Jahren? „Ich hoffe, dass wir nicht mehr über die Technologie reden müssen, so wie wir heute auch nicht mehr über Strom sprechen, sondern dass sie einfach da ist“, so Microsoft-Experte Konnerth.

Carina Zehetmaier wiederum blickt auf die EU als Werteunion. In fünf Jahren solle man sehen, dass Österreich und Europa es geschafft haben, einen wertebasierten, menschengerechten KI-Einsatz umzusetzen. Für Österreich könne sich hier eine besondere Chance bieten, so Zehetmaier. Das Land könne sich als Vorreiter für einen vertrauenswürdigen, menschenzentrierten Umgang mit KI etablieren. Es gehe darum, „den menschenzentrierten Ansatz im Einklang mit Werten und Grundrechten umzusetzen“.

KI birgt enormes Potenzial

Die Diskussionsrunde ist sich einig, dass KI in sensiblen Arbeitsfeldern längst keine ferne Zukunftsvision mehr ist, sondern bereits eine zentrale Rolle darstellt. Die Chancen sind enorm – von effizienteren Verwaltungsprozessen über eine präzisere Gesundheitsversorgung bis hin zu einer gerechteren Bildung. Doch um diese Möglichkeiten zu nutzen, braucht es breites Verständnis, klare Regeln, vertrauenswürdige Technik und einen sensiblen Umgang mit Daten.

Folge nachsehen: No Hype KI – Was kann KI in den Bereichen Gesundheit, Bildung und im öffentlichen Sektor leisten?

Hier gehts es zur Nachlese von Folge 1: „No Hype KI – wo stehen wir nach zwei Jahren ChatGPT?”

Die Serie wird von brutkasten in redaktioneller Unabhängigkeit mit finanzieller Unterstützung unserer Partner:innen produziert.

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