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:
29.07.2026

75.000 neue Jobs: Was Europas Sicherheitsinvestitionen für Österreich bedeuten

Eine Studie von EY und DekaBank beziffert die jährliche Produktionswirkung sicherheitsrelevanter Infrastruktur auf 822 Mrd. Euro europaweit. Für Österreich ergibt sich daraus ein Investitionsbedarf von 7,5 Mrd. Euro pro Jahr.
/artikel/75-000-neue-jobs-was-europas-sicherheitsinvestitionen-fuer-oesterreich-bedeuten
29.07.2026

75.000 neue Jobs: Was Europas Sicherheitsinvestitionen für Österreich bedeuten

Eine Studie von EY und DekaBank beziffert die jährliche Produktionswirkung sicherheitsrelevanter Infrastruktur auf 822 Mrd. Euro europaweit. Für Österreich ergibt sich daraus ein Investitionsbedarf von 7,5 Mrd. Euro pro Jahr.
/artikel/75-000-neue-jobs-was-europas-sicherheitsinvestitionen-fuer-oesterreich-bedeuten
Bild: KI-generiert / Google Gemini

Die europäischen NATO-Länder werden ihre Verteidigungsausgaben in den kommenden zehn Jahren massiv erhöhen. Neben den direkten Verteidigungsausgaben, die auf 3,5 Prozent des Bruttoinlandsprodukts steigen sollen, sind weitere 1,5 Prozent des BIP für sicherheitsrelevante Investitionen vorgesehen: etwa für die Anpassung der Verkehrsinfrastruktur, für den Bevölkerungsschutz oder für Cyber- und Netzwerksicherheit. Europaweit entspricht das jährlich rund 320 Mrd. Euro.

Auch für Österreich als Nicht-NATO-Staat hat das Folgen. Legt man das 1,5-Prozent-Ziel als Referenzmaßstab zugrunde, ergibt sich ein potenzieller jährlicher Investitionsbedarf von rund 7,5 Mrd. Euro. Das geht aus der Studie „Verteidigungsrelevante Infrastruktur als Rückgrat souveräner Sicherheitsvorsorge“ von EY und der deutschen DekaBank hervor.

Jeder Euro löst 2,45 Euro aus

Die Investitionen stoßen laut Studie in den europäischen NATO-Ländern eine Produktion von insgesamt 822 Mrd. Euro pro Jahr an, 17 Mrd. Euro davon entfallen auf Österreich. Jeder investierte Euro führt demnach zu einem gesamtwirtschaftlichen Impuls von etwa 2,45 Euro. Profitieren dürften vor allem Bauunternehmen, Informations- und Kommunikationsunternehmen, Logistikfirmen sowie die Elektronik- und Elektrotechnikbranche.

Dazu kommen die Beschäftigungseffekte: Sofern die Infrastrukturinvestitionen wie vorgesehen zu ohnehin geplanten Projekten erfolgen, entstehen europaweit 4,4 Millionen Arbeitsplätze. Knapp 1,8 Millionen davon direkt in der Infrastrukturindustrie, ähnlich viele bei Zulieferern. In Österreich wären es rund 75.000 Jobs.

„Investitionen in Infrastruktur, von Mobilität über Energie bis zu Häfen, Flughäfen, Schutzräumen und Cyber-Sicherheit, bilden das Rückgrat militärischer Fähigkeiten“, sagt Axel Preiss, Partner bei EY Österreich und Defence Leader Europe. Die Effekte gingen über den Rüstungssektor hinaus: Solche Investitionen könnten die Konjunktur stärker ankurbeln als Rüstungsinvestitionen im engeren Sinn und bieten zugleich die Chance auf eine Modernisierung von Logistik, Verkehr und Energie.

Investitionsstau und knappe Kassen

Der Bedarf trifft allerdings auf strukturelle Engpässe. In Österreich wie in ganz Europa besteht bereits heute ein hoher Investitionsstau, die zugesagten Mittel müssten zusätzlich und möglichst kurzfristig aufgebracht werden.

Für Matthias Danne, stellvertretender Vorsitzender des Vorstands der DekaBank, führt daran kein Weg vorbei: „Der Staat wird die hohen Kosten der militärischen Infrastrukturinvestitionen nicht allein schultern können, ohne privates Kapital ist eine ausreichende Resilienz nicht erreichbar.“ Er verweist auf ÖPP-Modelle, die bei deutschen Behörden unbeliebt, international aber etabliert seien. Besonders bei Dual-Use-fähiger Infrastruktur in den Bereichen Energie, Netze, Logistik und Kommunikation ermögliche privates Kapital eine zügigere Skalierung. Auch in Österreich werde verstärkt diskutiert, wie sich privates Kapital für öffentliche Zukunftsprojekte mobilisieren lässt, ergänzt Preiss.

Als weitere Hürden nennt der EY-Partner lange Vorlaufzeiten, komplexe Genehmigungsverfahren und begrenzte kurzfristige Skalierbarkeit. Nötig seien daher beschleunigte Genehmigungen, eine koordinierte zivil-militärische Planung und eine stärkere europäische Abstimmung bei grenzüberschreitender Infrastruktur.

Was das für die heimische Szene bedeutet

Für Österreichs Technologieunternehmen trifft der erwartete Investitionsschub auf ein Feld, das sich gerade erst öffnet. Reine DefenseTech-Startups gibt es hierzulande kaum, die meisten agieren im Dual-Use-Bereich, also mit Produkten, die sich zivil wie militärisch einsetzen lassen. Genau dort setzt auch die Studie an, wenn sie Dual-Use-fähige Infrastruktur in Energie, Netzen, Logistik und Kommunikation als bevorzugtes Feld für privates Kapital nennt. Bewegung kommt zusätzlich von politischer Seite: Wirtschaftsminister Wolfgang Hattmannsdorfer hat angekündigt, gesetzliche Hürden für die heimische Rüstungs- und DefenseTech-Branche abzubauen, unter der Bedingung, dass die Neutralität gewahrt bleibt.

Erste Finanzierungsrunden zeigen, dass das Thema auch bei Investor:innen ankommt. Das 2025 gegründete Grazer Startup GuardAero, dessen Systeme Drohnenbedrohungen an Militärfahrzeugen autonom erkennen und neutralisieren, holte sich zuletzt ein Seed-Investment im niedrigen Millionenbereich von Angels United und der Beteiligungsgesellschaft von Bernhard Klemen. Zuvor hatte das Team die „Austrian Defence Innovation Garage 2025“ gewonnen und kooperiert bei Entwicklungstests mit dem Bundesheer. Ob die von EY skizzierten Milliarden tatsächlich auch bei heimischen Startups landen, wird weniger von den Zusagen abhängen als von Genehmigungsverfahren, Vergabepraxis und der Frage, wie schnell Österreich seinen eigenen regulatorischen Rahmen nachschärft.

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.