16.07.2020

Auch Künstliche Intelligenz kann menschliche Schwächen haben

Algorithmen erkennen Sarkasmus, aber sie können vergessen – zwei Themen, denen sich Wissenschaftlerinnen des Software Competence Center Hagenberg in ihren Forschungsarbeiten widmen.
/artikel/kunstliche-intelligenz-menschliche-schwachen
Künstliche Intelligenz hat in Österreich keinen hohen Stellenwert.
(c) Adobe Stock / metamorworks
sponsored

Das Erkennen von Sarkasmus im Web ist sogar für Menschen ein schwieriges Unterfangen – für eine künstliche Intelligenz ist es umso komplizierter. Dabei wäre dies etwa im Onlinehandel wichtig, damit zum Beispiel eine Onlinerezension richtig eingeschätzt werden kann. Bisherige Sarkasmusdetektionen fokussieren sich auf die Erkennung von Sarkasmus auf Satzebene oder für eine spezielle Textphrase. Das Problem dabei ist, dass es oft unmöglich ist, einen einzelnen sarkastischen Satz zu identifizieren, ohne den Kontext zu kennen.

(c) SCCH

Diesem Thema widmet sich Nicole Schwarz vom Software Competence Center Hagenberg (SCCH) in ihrer Arbeit. „Ich arbeite dabei mit einem Deep Neural Network, das jeweils ein Convolutional Neural Network und ein Long-Short-Term Memory Network umfasst“, so Schwarz. Beide Methoden können Texte effizient klassifizieren, die vom Kontext des jeweiligen Textes abhängen, da beide über Speichereinheiten verfügen, um sich bereits gelernte Wörter aus dem Text merken zu können.

Die Ergebnisse der Arbeit zeigen somit, dass Deep Neural Networks die Genauigkeit simplerer Modelle übertreffen können – allerdings mit einem Wermutstropfen: Gäbe es mehr und bessere Daten, so könnten auch genauere Resultate erzielt werden.

Auch eine Künstliche Intelligenz kann vergessen

(c) SCCH

Daten sind zugleich das Thema, dem sich Sabrina Luftensteiner in ihrer Arbeit widmet. Denn Vergessen ist kein menschliches Privileg, wie sie erklärt: Auch bei Maschinen ist das sogenannte „katastrophale Vergessen“ ein Problem.

„Ich erforsche das katastrophale Vergessen, welches beim Online-Learning von neuronalen Netzen auftritt und wodurch gelernte Zusammenhänge in bestehenden Modellen bei der Anpassung mit neuen Daten verdrängt werden“, sagt Luftensteiner. Ein Modell komplett neu zu erstellen ist zum Beispiel in der Industrie aber oft zu aufwendig oder gar nicht möglich – etwa wegen des Überschreitens zeitlicher Limits oder auch, weil hier benötigte Daten fehlen.

In diesem Kontext sind auch zensurierte Daten ein Problem: Diese entstehen zum Beispiel durch physikalische Grenzen von Sensoren (z.B. Hitzesensoren) – sie führen zu einem verfälschten Modell, da die im Training genutzten Daten nicht den realen Daten entsprechen. „Ich habe daher ein Framework entwickelt, welches diese Ansätze einbindet und auf verschiedene Datensätze anwendbar ist. Durch die diversen Konfigurationsmöglichkeiten ist dieses Framework gegen das Vergessen in diversen Bereichen – vor allem aber in der Industrie – anwendbar“, so Luftensteiner.

Deine ungelesenen Artikel:
10.09.2026

Warum Europa kein eigenes Waymo braucht

Ein Fahrzeug ist noch kein Geschäftsmodell: Warum beim autonomen Fahren nicht die Technologie über Europas Chance entscheidet, sondern der Betrieb dahinter, erklärt vionmo-Gründer Michael Jayasekara im Gastkommentar.
/artikel/warum-europa-kein-eigenes-waymo-braucht
10.09.2026

Warum Europa kein eigenes Waymo braucht

Ein Fahrzeug ist noch kein Geschäftsmodell: Warum beim autonomen Fahren nicht die Technologie über Europas Chance entscheidet, sondern der Betrieb dahinter, erklärt vionmo-Gründer Michael Jayasekara im Gastkommentar.
/artikel/warum-europa-kein-eigenes-waymo-braucht
(c) Verena Nageler

Mit vierundzwanzig habe ich einen großen Teil meines Ersparten in ein Wiener Mobility-Startup gesteckt. Verrückt, ich weiß, aber ich habe verdammt viel gelernt, als ich am Tisch mit namhaften Business Angels aus Österreich und VCs wie Elevator Ventures, Uniqa Ventures und dem aws Gründerfonds sitzen durfte. Die Firma hieß goUrban, eine Plattform für Car- und Micro-Mobility-Sharing und für die Digitalisierung von Firmenflotten. Im September 2024 wurde goUrban von Wunder Mobility übernommen.

Geblieben ist mir aus dieser Zeit vor allem eine Lektion. Sie kommt in der aktuellen Debatte über autonomes Fahren fast nie vor: Ein Fahrzeug ist noch kein Geschäftsmodell.

Beim Sharing entscheidet nämlich nicht die App. Fahrzeuge wollen geladen, gereinigt, gewartet und umverteilt werden. Sie müssen dort stehen, wo in zwanzig Minuten jemand sucht. Stehen sie falsch, kosten sie Geld. Sind sie defekt, ist die Kund:in weg. Bleibt die Auslastung aus, hilft die beste Technologie nichts.

Beim autonomen Fahren ist und wird das nicht anders sein. Die Person am Steuer kann verschwinden. Der Betrieb bleibt ja trotzdem.

Die USA und China machen es logisch, aber anders

Die USA und China skalieren autonome Mobilität dort, wo Dichte, große Flotten und zahlungsbereite Kund:innen zusammenkommen. Das Robotaxi ist als individuelles Produkt gedacht und fährt zuerst in den Gebieten, in denen sich der Betrieb rechnet. Das ist logisch und funktioniert dort auch.

Bei uns sind die Voraussetzungen andere. Wir haben ein dichtes öffentliches Netz, starke Verkehrsverbünde und die politische Erwartung, dass Mobilität auch dort funktioniert, wo sie sich betriebswirtschaftlich nicht ausgeht.

Ein europäisches Waymo zu bauen, löst diese Frage nicht. Der Bahnhof im Seitental, der Weiler am Dienstagabend, der Tourismusort im November: Da fehlt kein weiteres einzelnes Fahrzeug. Da fehlt das System, das dieses Fahrzeug in den öffentlichen Verkehr einhängt.

Die spannendste europäische Position liegt für mich deshalb nicht im Technologie-Layer. Sie liegt bei denen, die Flotten betreiben, Nachfrage bündeln, Fahrten disponieren, Fahrzeuge laden und warten, Schnittstellen zu den Verbünden bauen und Gemeinden, Betriebe und Behörden an einen Tisch bekommen. Also bei der unglamourösen Arbeit.

Ohne Nachfrage keine Skalierung

Autonome Fahrzeuge rechnen sich erst, wenn sie regelmäßig fahren. Und genau hier wird der Tourismus unterschätzt.

Eine Destination bündelt Nachfrage räumlich und zeitlich. Samstagvormittag kommen die Gäste an denselben zwei, drei Bahnhöfen an. Sie fahren zu einer überschaubaren Zahl an Unterkünften, Bergbahnen, Veranstaltungsorten und Ausflugszielen. Diese Wege sind planbarer als die einer beliebigen Stadtbevölkerung. Wir sehen das in unseren Daten immer wieder.

Ein einzelnes Hotel wird trotzdem nie eine autonome Flotte aufbauen. Eine Region kann es. Sie kann die Nachfrage aus Beherbergung, Freizeitwirtschaft, Bevölkerung und öffentlichem Verkehr zusammenlegen. Aus einzelnen Fahrten wird ein Bediengebiet, aus dem Pilotprojekt ein Angebot, das bleibt. Und die Einheimischen fahren mit. Das ist der Punkt, an dem Konnektivität das Leben am Land wieder attraktiver macht.

Nur: Irgendwer muss diese Struktur aufsetzen. Wer übernimmt die Buchung? Wer garantiert den Anschluss, wenn der Zug 18 Minuten Verspätung hat? Wer zahlt die schwachen Zeiten? Wem gehören die Daten? Wer haftet, wenn eine Fahrt ausfällt? Und wer entscheidet, ob das Fahrzeug zum gut ausgelasteten Bahnhof fährt oder zum Betrieb am Ende des Tals?

Das klingt weniger nach Zukunft als Sensorik und Fahrzeugmodelle. Wirtschaftlich entscheidet es mehr.

Menschen steigen nicht wegen der Technik um

Das beste Angebot scheitert, wenn es niemand nutzt. Und die Rolle des Klimabewusstseins wird dabei gehörig überschätzt.

Der Gast lässt das Auto nicht stehen, um ein guter Mensch zu sein. Er lässt es stehen, wenn die Alternative bequemer ist und er sich darauf verlassen kann. Wenn sie günstiger ist, umso besser.

Der Urlaub ist dafür ein guter Moment. Menschen sind aus ihren Routinen raus, probieren Sachen aus, organisieren ihre Wege ohnehin neu. Ob das zuhause nachwirkt, ist noch nicht ausreichend belegt, da würde ich mich nicht zu weit hinauslehnen. Für eine Destination reicht der Urlaub trotzdem: Hier lässt sich zeigen, dass es ohne eigenes Auto geht, ohne dass sich jemand einschränken muss.

Die Technologie macht es möglich. Genutzt wird sie erst, wenn sie im Alltag der Gäste die bequemere Variante ist.

Wer das System organisiert, dem gehört der Markt

Europa pilotiert viel und skaliert wenig. Das liegt nicht nur an Regulierung und technischer Vorsicht. Meistens fehlt jemand, der aus Fahrzeug, öffentlichem Verkehr, touristischer Nachfrage und regionaler Verantwortung ein Produkt macht.

Waymo wird uns das nicht bauen. Und auch kein europäischer Fahrzeughersteller wird entscheiden, wie der Gast vom Bahnhof in ein österreichisches Seitental kommt.

Die unternehmerische Chance liegt zwischen den Zuständigkeiten. Sie gehört denen, die Betreiber, Verkehrsverbünde, Destinationen, Gemeinden und Betriebe koordinieren und daraus ein Angebot machen, das an einem Dienstag im November genauso funktioniert wie am Anreisesamstag im Winter.

Wer damit anfangen will, braucht dafür übrigens kein autonomes Fahrzeug. Es reicht, in einer Region die Fragen von oben zu beantworten: Buchung, Anschluss, Finanzierung der schwachen Zeiten, Daten, Haftung. Wer das geklärt hat, ist bereit, wenn die Fahrzeuge kommen. Die anderen pilotieren dann noch.

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

Auch Künstliche Intelligenz kann menschliche Schwächen haben

  • Das Erkennen von Sarkasmus im Web ist sogar für Menschen ein schwieriges Unterfangen – für eine künstliche Intelligenz ist es umso komplizierter.
  • Diesem Thema widmet sich Nicole Schwarz vom Software Competence Center Hagenberg (SCCH) in ihrer Arbeit.
  • „Ich arbeite dabei mit einem Deep Neural Network, das jeweils ein Convolutional Neural Network und ein Long-Short-Term Memory Network umfasst“, so Schwarz.
  • Daten sind zugleich das Thema, dem sich Sabrina Luftensteiner in ihrer Arbeit widmet.
  • Denn Vergessen ist kein menschliches Privileg, wie sie erklärt: Auch bei Maschinen ist das sogenannte „katastrophale Vergessen“ ein Problem.
  • In diesem Kontext sind auch zensurierte Daten ein Problem: Diese entstehen zum Beispiel durch physikalische Grenzen von Sensoren – sie führen zu einem verfälschten Modell, da die im Training genutzten Daten nicht den realen Daten entsprechen.

AI Kontextualisierung

Welche gesellschaftspolitischen Auswirkungen hat der Inhalt dieses Artikels?

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

Auch Künstliche Intelligenz kann menschliche Schwächen haben

  • Das Erkennen von Sarkasmus im Web ist sogar für Menschen ein schwieriges Unterfangen – für eine künstliche Intelligenz ist es umso komplizierter.
  • Diesem Thema widmet sich Nicole Schwarz vom Software Competence Center Hagenberg (SCCH) in ihrer Arbeit.
  • „Ich arbeite dabei mit einem Deep Neural Network, das jeweils ein Convolutional Neural Network und ein Long-Short-Term Memory Network umfasst“, so Schwarz.
  • Daten sind zugleich das Thema, dem sich Sabrina Luftensteiner in ihrer Arbeit widmet.
  • Denn Vergessen ist kein menschliches Privileg, wie sie erklärt: Auch bei Maschinen ist das sogenannte „katastrophale Vergessen“ ein Problem.
  • In diesem Kontext sind auch zensurierte Daten ein Problem: Diese entstehen zum Beispiel durch physikalische Grenzen von Sensoren – sie führen zu einem verfälschten Modell, da die im Training genutzten Daten nicht den realen Daten entsprechen.

AI Kontextualisierung

Welche wirtschaftlichen Auswirkungen hat der Inhalt dieses Artikels?

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

Auch Künstliche Intelligenz kann menschliche Schwächen haben

  • Das Erkennen von Sarkasmus im Web ist sogar für Menschen ein schwieriges Unterfangen – für eine künstliche Intelligenz ist es umso komplizierter.
  • Diesem Thema widmet sich Nicole Schwarz vom Software Competence Center Hagenberg (SCCH) in ihrer Arbeit.
  • „Ich arbeite dabei mit einem Deep Neural Network, das jeweils ein Convolutional Neural Network und ein Long-Short-Term Memory Network umfasst“, so Schwarz.
  • Daten sind zugleich das Thema, dem sich Sabrina Luftensteiner in ihrer Arbeit widmet.
  • Denn Vergessen ist kein menschliches Privileg, wie sie erklärt: Auch bei Maschinen ist das sogenannte „katastrophale Vergessen“ ein Problem.
  • In diesem Kontext sind auch zensurierte Daten ein Problem: Diese entstehen zum Beispiel durch physikalische Grenzen von Sensoren – sie führen zu einem verfälschten Modell, da die im Training genutzten Daten nicht den realen Daten entsprechen.

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 …

Auch Künstliche Intelligenz kann menschliche Schwächen haben

  • Das Erkennen von Sarkasmus im Web ist sogar für Menschen ein schwieriges Unterfangen – für eine künstliche Intelligenz ist es umso komplizierter.
  • Diesem Thema widmet sich Nicole Schwarz vom Software Competence Center Hagenberg (SCCH) in ihrer Arbeit.
  • „Ich arbeite dabei mit einem Deep Neural Network, das jeweils ein Convolutional Neural Network und ein Long-Short-Term Memory Network umfasst“, so Schwarz.
  • Daten sind zugleich das Thema, dem sich Sabrina Luftensteiner in ihrer Arbeit widmet.
  • Denn Vergessen ist kein menschliches Privileg, wie sie erklärt: Auch bei Maschinen ist das sogenannte „katastrophale Vergessen“ ein Problem.
  • In diesem Kontext sind auch zensurierte Daten ein Problem: Diese entstehen zum Beispiel durch physikalische Grenzen von Sensoren – sie führen zu einem verfälschten Modell, da die im Training genutzten Daten nicht den realen Daten entsprechen.

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 …

Auch Künstliche Intelligenz kann menschliche Schwächen haben

  • Das Erkennen von Sarkasmus im Web ist sogar für Menschen ein schwieriges Unterfangen – für eine künstliche Intelligenz ist es umso komplizierter.
  • Diesem Thema widmet sich Nicole Schwarz vom Software Competence Center Hagenberg (SCCH) in ihrer Arbeit.
  • „Ich arbeite dabei mit einem Deep Neural Network, das jeweils ein Convolutional Neural Network und ein Long-Short-Term Memory Network umfasst“, so Schwarz.
  • Daten sind zugleich das Thema, dem sich Sabrina Luftensteiner in ihrer Arbeit widmet.
  • Denn Vergessen ist kein menschliches Privileg, wie sie erklärt: Auch bei Maschinen ist das sogenannte „katastrophale Vergessen“ ein Problem.
  • In diesem Kontext sind auch zensurierte Daten ein Problem: Diese entstehen zum Beispiel durch physikalische Grenzen von Sensoren – sie führen zu einem verfälschten Modell, da die im Training genutzten Daten nicht den realen Daten entsprechen.

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 …

Auch Künstliche Intelligenz kann menschliche Schwächen haben

  • Das Erkennen von Sarkasmus im Web ist sogar für Menschen ein schwieriges Unterfangen – für eine künstliche Intelligenz ist es umso komplizierter.
  • Diesem Thema widmet sich Nicole Schwarz vom Software Competence Center Hagenberg (SCCH) in ihrer Arbeit.
  • „Ich arbeite dabei mit einem Deep Neural Network, das jeweils ein Convolutional Neural Network und ein Long-Short-Term Memory Network umfasst“, so Schwarz.
  • Daten sind zugleich das Thema, dem sich Sabrina Luftensteiner in ihrer Arbeit widmet.
  • Denn Vergessen ist kein menschliches Privileg, wie sie erklärt: Auch bei Maschinen ist das sogenannte „katastrophale Vergessen“ ein Problem.
  • In diesem Kontext sind auch zensurierte Daten ein Problem: Diese entstehen zum Beispiel durch physikalische Grenzen von Sensoren – sie führen zu einem verfälschten Modell, da die im Training genutzten Daten nicht den realen Daten entsprechen.

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 …

Auch Künstliche Intelligenz kann menschliche Schwächen haben

  • Das Erkennen von Sarkasmus im Web ist sogar für Menschen ein schwieriges Unterfangen – für eine künstliche Intelligenz ist es umso komplizierter.
  • Diesem Thema widmet sich Nicole Schwarz vom Software Competence Center Hagenberg (SCCH) in ihrer Arbeit.
  • „Ich arbeite dabei mit einem Deep Neural Network, das jeweils ein Convolutional Neural Network und ein Long-Short-Term Memory Network umfasst“, so Schwarz.
  • Daten sind zugleich das Thema, dem sich Sabrina Luftensteiner in ihrer Arbeit widmet.
  • Denn Vergessen ist kein menschliches Privileg, wie sie erklärt: Auch bei Maschinen ist das sogenannte „katastrophale Vergessen“ ein Problem.
  • In diesem Kontext sind auch zensurierte Daten ein Problem: Diese entstehen zum Beispiel durch physikalische Grenzen von Sensoren – sie führen zu einem verfälschten Modell, da die im Training genutzten Daten nicht den realen Daten entsprechen.

AI Kontextualisierung

Wer sind die relevantesten Personen in diesem Artikel?

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

Auch Künstliche Intelligenz kann menschliche Schwächen haben

  • Das Erkennen von Sarkasmus im Web ist sogar für Menschen ein schwieriges Unterfangen – für eine künstliche Intelligenz ist es umso komplizierter.
  • Diesem Thema widmet sich Nicole Schwarz vom Software Competence Center Hagenberg (SCCH) in ihrer Arbeit.
  • „Ich arbeite dabei mit einem Deep Neural Network, das jeweils ein Convolutional Neural Network und ein Long-Short-Term Memory Network umfasst“, so Schwarz.
  • Daten sind zugleich das Thema, dem sich Sabrina Luftensteiner in ihrer Arbeit widmet.
  • Denn Vergessen ist kein menschliches Privileg, wie sie erklärt: Auch bei Maschinen ist das sogenannte „katastrophale Vergessen“ ein Problem.
  • In diesem Kontext sind auch zensurierte Daten ein Problem: Diese entstehen zum Beispiel durch physikalische Grenzen von Sensoren – sie führen zu einem verfälschten Modell, da die im Training genutzten Daten nicht den realen Daten entsprechen.

AI Kontextualisierung

Wer sind die relevantesten Organisationen in diesem Artikel?

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

Auch Künstliche Intelligenz kann menschliche Schwächen haben

  • Das Erkennen von Sarkasmus im Web ist sogar für Menschen ein schwieriges Unterfangen – für eine künstliche Intelligenz ist es umso komplizierter.
  • Diesem Thema widmet sich Nicole Schwarz vom Software Competence Center Hagenberg (SCCH) in ihrer Arbeit.
  • „Ich arbeite dabei mit einem Deep Neural Network, das jeweils ein Convolutional Neural Network und ein Long-Short-Term Memory Network umfasst“, so Schwarz.
  • Daten sind zugleich das Thema, dem sich Sabrina Luftensteiner in ihrer Arbeit widmet.
  • Denn Vergessen ist kein menschliches Privileg, wie sie erklärt: Auch bei Maschinen ist das sogenannte „katastrophale Vergessen“ ein Problem.
  • In diesem Kontext sind auch zensurierte Daten ein Problem: Diese entstehen zum Beispiel durch physikalische Grenzen von Sensoren – sie führen zu einem verfälschten Modell, da die im Training genutzten Daten nicht den realen Daten entsprechen.