15.06.2022

Latido: Warum die Expansion in Europa für E-Health-Startups schwer ist

Das österreichische Startup Latido hat bereits vor der Corona-Pandemie gegründet und hat durch die erhöhte Nachfrage an digitalen Lösungen im Gesundheitswesen während der Pandemie profitiert. Den Wandel hin zu mehr Digitalisierung im Healthcare-Bereich wollen sie auch zukünftig mit ihrer Software vorantreiben.
/artikel/latido-digitalisierung-des-gesundheitssystems
Founder und CEO von Latido, Stefan Speiser im brutkasten-Interview © brutkasten
Founder und CEO von Latido, Stefan Speiser im brutkasten-Interview © brutkasten

Das Wiener HealthTech-Startup Latido möchte die Digitalisierung des österreichischen Gesundheitssystems voranbringen. Dafür hat es eine Software entwickelt, die die Kommunikation zwischen Ärzt:innen und Patient:innen erleichtert, indem Arbeitsprozesse digitalisiert werden. Im brutkasten-Interview erklärt Gründer und CEO Stefan Speiser, welche Herausforderungen dem Unternehmen nach der Pandemie bevorstehen, welche Expansionsziele anstehen und wie sie ihre Plattform bald verdreifachen möchten.

Mit dem Firmennamen “Latido” (spanisch: Herzschlag) möchte sich das Startup von anderen Firmennamen aus der Branche abheben. Doch nicht nur der Name, auch der Fokus ihres Produkts sei im Vergleich zur Konkurrenz anders, da bei ihrem SaaS-Geschäftsmodell anstelle der Patient:innen die Ärzt:innen als Keyplayer agieren. Der Vorteil hier: Für eine funktionierende Kommunikation, müssen Patient:innen nicht erst Dokumente aus der jeweiligen Praxis anfordern, da die Kommunikation vom Arzt bzw. der Ärztin ausgeht. Bisherige Lösungen seien laut Speiser eher lokal installiert gewesen, Latido habe sich dazu entschieden, den Schritt in die Cloud zu gehen.

Eine sichere Kommunikation zwischen Ärzt:innen und Patient:innen

“Um die Digitalisierung im Gesundheitswesen voranzutreiben muss man zunächst die Ärzt:innen abholen. Wir wollen Ärzt:innen eine möglichst gute Lösung für die Verwaltung ihrer Praxis geben und dann im nächsten Schritt die Patient:innen einbeziehen. Über unsere Software mit Zwei-Faktor-Authentifizierung kann dann eine sichere Kommunikation gewährleistet werden”, erklärt Speiser im Interview. Es handelt sich hier also um einen Service, den Ärzt:innen anbieten und dementsprechend von dieser Seite finanziert werde. Patient:innen sollen auch zukünftig nicht für das Produkt zahlen müssen. Stattdessen könne man sich als weitere Monetarisierungsmöglichkeiten vorstellen, die Zusammenarbeit mit weiteren Privatversicherungen auszubauen.

Beim Service handele es sich laut Speiser um ein umfangreiches System, das von der Online-Terminvereinbarung, über die Patient:innenkartei bis hin zur Honorarnote sämtliche Schritte abdecken soll. Im ersten Schritt habe man sich zunächst an Wahlärzt:innen und Privatärzt:innen gewandt.

Die Folgen der Corona-Pandemie

In der Pandemie habe sich die Nachfrage bei Latido sehr gut entwickelt, der CEO erkennt allerdings auch, dass der Peak bereits etwas abgeflacht sei. Dennoch sehe er großes Potential im Bereich der Telemedizin bzw. Telekonsultationen. Dass der Trend nach der Pandemie bleiben wird, sieht er ebenfalls optimistisch. Zwar seien die Fallzahlen in Österreich noch relativ gering, bei Latido habe man aber die Erfahrung gemacht, dass Patient:innen nach der ersten Nutzung einer Telekonsultation sehr zufrieden sind. “Es muss erstmal in den Umlauf gebracht werden”, meint Speiser.

Expansion in andere Länder bleibt schwierig

Das Startup, dessen Software aktuell von über 1000 Ärzt:innen in Österreich genutzt werde, sieht eine Skalierung über Österreichs Grenzen hinaus als schwierig an. Der Founder erklärt im brutkasten-Gespräch, dass eine europäische Expansions vorerst nicht geplant sei, was an einem grundsätzlichen Problem in den Bereichen Healthcare und E-Health liege. Hier sei es erfahrungsgemäß schwierig, Modelle zu finden, die europaweit skalierbar sind, da es sowohl durch unterschiedliche Sprachen, als auch durch länderspezifische regulatorische Rahmenbedingungen kompliziert ist, eine solche Software anzupassen. Zunächst stehe also die Kund:innengewinnung innerhalb Österreichs im Fokus der Wachsstumsstrategie.

Deine ungelesenen Artikel:
07.07.2026

„Europa kann doch State of the Art“: Hochreiters NXAI präsentiert neues Modell

Das Linzer KI-Startup NXAI rund um KI-Pionier Sepp Hochreiter hat mit TiRex-2 ein neues Modell für Industrie-Vorhersagen veröffentlicht. Dieses soll extrem effizient bei der Analyse von Live-Datenströmen sein.
/artikel/europa-kann-doch-state-of-the-art-hochreiters-nxai-praesentiert-neues-modell
07.07.2026

„Europa kann doch State of the Art“: Hochreiters NXAI präsentiert neues Modell

Das Linzer KI-Startup NXAI rund um KI-Pionier Sepp Hochreiter hat mit TiRex-2 ein neues Modell für Industrie-Vorhersagen veröffentlicht. Dieses soll extrem effizient bei der Analyse von Live-Datenströmen sein.
/artikel/europa-kann-doch-state-of-the-art-hochreiters-nxai-praesentiert-neues-modell
KI-Pionier Sepp Hochreiter ist Co-Founder und Chief Scientist von NXAI | (c) NXAI
KI-Pionier Sepp Hochreiter ist Co-Founder und Chief Scientist von NXAI | (c) NXAI

Das Linzer KI-Startup NXAI hat sein neuestes Modell TiRex-2 veröffentlicht. Die Entwicklung des sogenannten „Time Series Foundation Models“ (Zeitreihen-Basismodell) stand unter der wissenschaftlichen Leitung von KI-Pionier Sepp Hochreiter, der Mitgründer ist und als Chief Scientist des Startups fungiert.

Das Modell wurde auch als Open-Source-Software frei zugänglich gemacht. Es ist darauf spezialisiert, historische Datenreihen aus der Industrie zu analysieren, um zukünftige Entwicklungen vorherzusagen. In der Presseaussendung zum Release zeigt sich das Startup selbstbewusst: „Europa kann doch SOTA-Modelle“ (Anm. State of the Art). Laut Hochreiter teilt sich das neue Modell in den offiziellen Bestenlisten „die Spitzenplätze mit AWS“.

Mehrere Signale gleichzeitig im Blick

Die wesentliche technische Neuerung des Modells liegt in der Verarbeitung multivariater Zeitreihen. Während herkömmliche Vorhersagesysteme oft nur eine einzelne Datenreihe anhand ihrer eigenen Vergangenheit analysieren, bezieht TiRex-2 zusätzliche Einflussfaktoren – in der Fachsprache Kovariaten genannt – mit ein. Für Industrieunternehmen soll das zum entscheidenden Vorteil werden, da Maschinen und Prozesse selten nur ein isoliertes Signal erzeugen. In der Praxis bedeutet dies: Will ein Logistik- oder Energiebetrieb den künftigen Verbrauch prognostizieren, kann das Modell neben den historischen Verbrauchsdaten auch begleitende Faktoren wie das Wetter, Kalenderdaten oder Produktionspläne auswerten. Das macht die Vorhersagen präziser und aussagekräftiger.

xLSTM soll Effizienz-Boost bringen

Im Gegensatz zu bekannten KI-Systemen wie ChatGPT, die auf der speicherintensiven Transformer-Architektur basieren, nutzt TiRex-2 das von Hochreiter mitentwickelte xLSTM-Verfahren. Das soll ein zentrales Problem industrieller Live-Anwendungen lösen: Bei kontinuierlich einlaufenden Datenströmen (Streaming) explodiere bei herkömmlichen Systemen nämlich der Rechen- und Speicheraufwand, argumentiert man beim Startup. TiRex-2 hingegen verarbeitet Daten sequenziell und aktualisiert fortlaufend einen internen Zustand. Dadurch würden der Speicherbedarf und die Rechenkosten auch bei unbegrenzten Datenströmen konstant niedrig bleiben. Lukas Fischer, Head of Applied Research bei NXAI, erklärt dazu: „Mit TiRex-2 können wir kontinuierliche Datenströme in Echtzeit analysieren, ohne Einbußen bei der Modellperformance.“ Dies prädestiniert das Modell für den direkten Einsatz an Maschinen vor Ort (Edge-Anwendungen).

„Kunden müssen für unterschiedliche Maschinen nicht immer ein neues KI-Modell trainieren“

Die Leistungsfähigkeit des Modells wird durch das begleitende wissenschaftliche Paper des Forscherteams untermauert. Darin zeigen die Wissenschaftler, dass sich TiRex-2 besonders gut für das sogenannte Zero-Shot-Forecasting eignet. Das bedeutet, dass das Modell ohne vorheriges, spezielles Training präzise Vorhersagen für völlig neue Maschinentypen oder Datensätze treffen kann.

Laut dem CEO von NXAI, Albert Ortig, bringt diese Generalisierungsfähigkeit handfeste wirtschaftliche Vorteile im Betrieb: „Die Kunden müssen für unterschiedliche Maschinen nicht immer ein neues KI-Modell trainieren.“ Ein weiterer Vorzug des vergleichsweise kompakten Modells mit 82 Millionen Parametern ist, dass es auf Wunsch direkt auf den eigenen Servern der Kunden (On-Prem) betrieben werden kann, was die Datensicherheit für sensible Industrie-Prozesse erhöht.

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

Latido: Warum die Expansion in Europa für E-Health-Startups schwer ist

AI Kontextualisierung

Welche gesellschaftspolitischen Auswirkungen hat der Inhalt dieses Artikels?

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

Latido: Warum die Expansion in Europa für E-Health-Startups schwer ist

AI Kontextualisierung

Welche wirtschaftlichen Auswirkungen hat der Inhalt dieses Artikels?

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

Latido: Warum die Expansion in Europa für E-Health-Startups schwer ist

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 …

Latido: Warum die Expansion in Europa für E-Health-Startups schwer ist

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 …

Latido: Warum die Expansion in Europa für E-Health-Startups schwer ist

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 …

Latido: Warum die Expansion in Europa für E-Health-Startups schwer ist

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 …

Latido: Warum die Expansion in Europa für E-Health-Startups schwer ist

AI Kontextualisierung

Wer sind die relevantesten Personen in diesem Artikel?

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

Latido: Warum die Expansion in Europa für E-Health-Startups schwer ist

AI Kontextualisierung

Wer sind die relevantesten Organisationen in diesem Artikel?

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

Latido: Warum die Expansion in Europa für E-Health-Startups schwer ist