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:
08.10.2026

KI als Nachhilfe: Wie mathion.ai Lernen verändern will

Mathion.ai erstelle nicht einfach nur Lösungen für Mathematikaufgaben, sondern begleite die Schüler durch gezieltes Fragen auf dem Weg dorthin. In Zukunft soll die KI auch im B2B-Bereich angeboten werden.
/artikel/ki-als-nachhilfelehrer-wie-mathion-ai-lernen-veraendern-will
08.10.2026

KI als Nachhilfe: Wie mathion.ai Lernen verändern will

Mathion.ai erstelle nicht einfach nur Lösungen für Mathematikaufgaben, sondern begleite die Schüler durch gezieltes Fragen auf dem Weg dorthin. In Zukunft soll die KI auch im B2B-Bereich angeboten werden.
/artikel/ki-als-nachhilfelehrer-wie-mathion-ai-lernen-veraendern-will
Die beiden Geschäftsführer von mathion.ai Christoph Blizenetz und Alexander Buchinger | © mathion.ai

„Nächste Stunde ist Mathestunde“, ist vermutlich einer der gefürchtesten Sätze vieler Schüler:innen. Die Aufgaben sind oft schwierig und zermürbend. Da bietet es sich im Zeitalter von KI an, einen kurzen Prompt zu schreiben und Sekunden später wird die Lösung geliefert. Der Lerneffekt hält sich dabei bei vielen Schüler:innen in Grenzen. Hier setzt mathion.ai an.

Die KI von Founder Christoph Blizenetz liefert nicht fertige Lösungen, sondern chattet mit den User:innen und bringt sie so zum Ergebnis. Nach einem Pilotprojekt feierte die KI ihren Launch im vergangenen August. Sie ist in der Schweiz, Deutschland und Österreich erhältlich.

Harvard: „KI-gestütztes Tutoring übertrifft aktives Lernen im Unterricht“

Unterstützung erhalten KI-Tutoren wie jene von Blizenetz von der US-amerikanischen Harvard Universität. Im Juni 2025 veröffentlichte sie eine Studie, laut der KI-gestütztes Tutoring aktives Lernen im Unterricht übertreffe. Studierende, die mit einem KI-Tutor arbeiteten, lernten „deutlich mehr in kürzerer Zeit“ als in einer Präsenzveranstaltung. Außerdem würden sich Schüler:innen stärker eingebunden und motivierter fühlen. Harvard betont die Wirksamkeit „einer breit zugänglichen KI-gestützten Pädagogik zur signifikanten Verbesserung der Lernergebnisse“ und erklärt, dass die Ergebnisse überzeugend für die breite Anwendung einer KI-gestützten Pädagogik sprechen.

ChatGPT bringt dir Fertigkeiten bei, „die einfach nicht stimmen“

Für Blizenetz kann nicht einfach eine beliebige KI zum Lernen verwendet werden. Als ehemaliger Nachhilfelehrer kennt er die Probleme, die auftreten können. „Eine Schülerin hat mittels ChatGPT, das war damals noch etwas Neueres, gelernt und sich dabei Fertigkeiten und Begrifflichkeiten angeeignet, die einfach nicht stimmen“, sagt der 21-Jährige und ergänzt: „Nicht, weil das Opus der Mathematik aus der KI bzw. der LLM falsch ist. Es ist einfach nicht so lehrplanbezogen, wie es nun einmal das Schulbuch aber auch eine Lehrkraft ist.“

Daher begann Blizenetz mit der Entwicklung von mathion.ai, das sich aktuell auf die fünfte bis zur achten Schulstufe fokussiere. Es sei aber ein Ausbau bis hin zu Matura geplant.

Das Programm baut auf einem sogenannten „sokratischen“ System auf. Es stellt User:innen immer wieder Fragen, bis jene die Lösung selbst erarbeitet haben. Mathion.ai möchte dadurch zum Nachdenken anregen.

Dabei kann mit der KI geschrieben als auch gesprochen werden. „Wir haben gemerkt, dass junge Menschen einfach lesefaul sind. Sie können oft einfach nicht mehr wirklich sachlich lesen und Informationen über Texte sauber aufnehmen“, erklärt der mathion.ai-Gründer. Der Text wird dabei nicht einfach vorgelesen, sondern erklärt, „wie es ein Mensch tun würde“.

Mathion.ai liefere nicht einfach nur Ergebnisse, es erarbeite die Lösungen mit den Schüler:innen gemeinsam. | © mathion.ai

Standardisierter Lehrplan

Mathion.ai arbeite dabei nicht nur mit willkürlichen Inhalten, sondern mit einem standardisierten Lehrplan durch seinen Verlagspartner Lemberger, dessen Schulbuch „Genial! Mathematik“ von der fünften bis zur achten Schulstufe in mathion.ai eingefügt wurde. User:innen können Aufgaben aus diesen Büchern auswählen.

Lehrer:innen haben auf der anderen Seite die Möglichkeit über ein Verwaltungsportal ihren Schützlingen Inhalte zuzuweisen. „Da haben wir tausende Übungsaufgaben, die auch kapitelweise in Blöcke gezielt nach Themenbereichen zugewiesen werden können, zu den Schüler:innen und zu den Gruppen“, sagt Blizenetz. Zusätzlich können Lehrkräfte im Verwaltungsportal die Lernstände ihrer Schüler:innen einsehen und auch Inhalte erstellen: „Wir haben da einen eigenen Editor, wo, wie in einer PowerPoint, Textelemente, Dateien, interaktive Aufgaben gebaut und erstellt werden können.“ Der virtuelle Coach Tom führt anschließend durch den Kurs. Zusätzlich können von Lehrer:innen Aufgaben erstellt und zugewiesen werden.

Pädagog:innen durch KI zu ersetzen „ist auch gar nicht unser Ziel“

Wenn die KI bereits eigene Kurse halten kann, drängt sich naturgemäß die Frage auf, ob Lehrkräfte nicht ersetzbar sind. „Weder Lehrpersonen noch Pädagogen wird man durch KI in irgendeiner Art und Weise wirklich ersetzen können, das ist auch gar nicht unser Ziel“, stellt der TU-Student fest. Auch herkömmliche Nachhilfe sieht Blizenetz als sinnvoll an. Für ihn ist mathion.ai eine „Ergänzung“.

Es gebe auch die Möglichkeit für Nachhilifeinstitute, Inhalte einspielen zu können. „Als Schüler bzw. Schülerin habe ich den Unterricht mit der Lehrperson in der Klasse und im Nachhinein kann ich dann die Inhalte, gezielt mit den Aufgaben und dem Input der Lehrperson, weiter üben“, sagt Blizenetz.

Von B2C zu B2B

Mathion.ai kommt ursprünglich aus dem sogenannten Nachmittagsmarkt, in dem Eltern für ihre Kinder ein Abo abschließen. Allerdings möchte sich das Unternehmen nun im B2B-Bereich etablieren.

„Es ist einfach sehr schwierig, vor allem als österreichisches Unternehmen, in diesem B2C-SaaS-Bereich (Anm.: Software-as-a-Service-Bereich) wirklich standhaft zu werden“, erklärt Blizenetz. In Zukunft will sich mathion.ai auf Bildungsinstitute bzw. Bildungseinrichtungen fokussieren. Daher möchte der Gründer sein Unternehmen als zertifizierter Anbieter des Bildungsministeriums auf dem Markt etablieren. Das sei aber ein langer Weg. Mathion.ai befinde sich aktuell am Anfang des Genehmigungsverfahrens, ab September 2027 wolle man die Zertifizierung haben.

100 % eigenfinanziert

Das Unternehmen, offiziell bereits im Juli 2025 gegründet, kommt bisher ohne Investoren-Kapital aus und ist von Anfang an gebootstrappt. Blizenetz hat mathion.ai in Zusammenarbeit mit Weitsprung Solutions aufgebaut, das einen KI-gestützten Lerncoach anbietet. Bisher hat das Unternehmen noch keine Förderungen erhalten, allerdings laufe ein Förderantrag bei Netidee und ein FFG-Antrag für ein Forschungsprojekt werde aktuell erstellt.

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.