19.06.2024
KÜNSTLICHE INTELLIGENZ

Lösung gegen KI-Halluzinationen? So funktioniert Sepp Hochreiters SDLG-Methode

Halluzinationen sind ein großes Problem der KI-Szene. Und das weltweit. Während Google und Microsoft sich bei einer Lösung schwertun, kommt aus Österreich ein Modell, dass solche "KI-Unsicherheiten" besser erkennen soll. Es heißt: SDLG. Wie genau, erklärt KI-Experte Sepp Hochreiter in einem Gespräch mit uns.
/artikel/loesung-gegen-ki-halluzinationen-so-funktioniert-sepp-hochreiters-sdlg-methode
SDLG, KI, Hochreiter, Halluzination
(c) brutkasten - Sepp Hochreiter zu SDLG.

„Großartige Arbeit meines Teams: Erkennen, ob LLMs (Anm.: Large Language Models) halluzinieren. Sie halluzinieren, wenn sie unsicher sind. Wir erkennen diese Unsicherheit und markieren Halluzinationen“ – so beschreibt KI-Koryphäe Sepp Hocheiter auf LinkedIn die Errungenschaft, die er uns seine Forscher:innen am Institut für Machine Learning der Johannes Kepler Universität Linz vollbracht haben. Dabei spricht er von dem SDLG-Modell. Der Begriff steht für „Semantically Diverse Language Generation“.

Denn es ist ein großes Thema, das die KI-Community beherrscht. Bei Nutzung von Künstlicher Intelligenz (KI) kann es passieren, dass man eine Frage stellt und falsche Antworten bekommt. Im Fachjargon sagt man dazu, die KI halluziniert.

SDLG verbessert Erkennung von Halluzinationen

Wie brutkasten berichtete, tun sich Giganten wie Google und Microsoft schwer, dieser Problematik habhaft zu werden. Eine neuer Lösungsansatz kam heuer vom Wiener Startup datAInsights, die statt impliziten explizite Fakten bzw. explizites Wissen verwenden, das dokumentiert ist. „Wir reichern bestehende Knowledge-Systeme mit Quellen an, sodass sie für unsere Architektur verarbeitet werden können“, erklärte datAInsights-Co-Founder René Heinzl im März 2023.

Nun kommt ein weiterer Lösungsansatz aus dem Umfeld von Sepp Hochreiter: SDLG. Diese neue Methode verbessert die Erkennung von Halluzinationen in LLMs (Large Language Modellen), indem es die Unsicherheitsabschätzung vorantreibt oder anders gesagt, aufzeigt, wenn ein Large Language Modell „unsicher“ ist.

Man muss wissen, dass LLMs als Basis für Künstliche Intelligenz dienen und wie eine Zeichenkette aufgebaut sind. Hier wirken Wahrscheinlichkeiten, die das nächste Zeichen (konkret das nächste Wort oder um noch genauer zu sein, die nächsten Buchstaben) produzieren und Antworten auf Fragen liefern. Da kann es zu Fehlern oder falschen Informationen kommen.

Einstein oder Newton?

„Hochreiter präzisiert gegenüber brutkasten: “Halluzinationen können entstehen, wenn ein Trainingsdaten-Set fehlende oder zu wenige Daten zu einem Thema hat”, sagt er. „‚Albert Einstein hat die Relativitätstheorie entwickelt‘ kann in verschiedenen Varianten (Anm.: Einstein hat die Relativitätstheorie erfunden, die Relativitätstheorie wurde von Einstein erfunden oder entwickelt, Der Vater der Relativitätstheorie ist Alber Einstein, etc.) im Trainingsdaten-Set als Information dienen. Gibt es diese nicht oder nur ungenügend, und die KI weiß, dass das Relativität etwas mit Physik zu tun hat, kann es sein, dass die Antwort plötzlich Newton ist.“

SDLG erkennt ob „LLMs halluzinieren“

Lukas Aichberger, „ELLIS PhD“-Student am Institut für Machine Learning der JKU beschreibt per LinkedIn-Post die SDLG-Methode – die er, Kajetan Schweighofer, Mykyta Ielanskyi und Sepp Hochreiter entwickelt haben – wie folgt: „Wir schaffen eine theoretische Grundlage für Unsicherheitsmaße in LLMs und führen theoretisch begründete ‚Estimatoren‘ (Schätzer) für semantische Unsicherheit ein. Und stellen eine Methode zur Verfügung, um semantisch vielfältige und dennoch wahrscheinliche Ausgabesequenzen zu erzeugen, indem wir die Texterzeugung eines LLMs so steuern, dass wichtige Informationen für den semantischen Unsicherheitsschätzer erfasst werden.“

SDGL, KI, Halluzinationen, Hochreiter
(c) zVg – (v.l.) Sepp Hochreiter, Lukas Aichberger, Mykyta Ielanskyi und Kajetan Schweighofer.

In anderen Worten hebt die SDGL-Methode jene Aussagen hervor, wo sich die KI nicht sicher ist und markiert sie, damit man die durch „semantische Unsicherheit“ (des Large Language Models) hervorgerufenen Halluzinationen erkennt, wie Hochreiter präzisiert.

Im 23-seitigen Paper, das die Forscher herausgebracht haben, heißt es konkret: „SDLG steuert das LLM, um semantisch unterschiedliche, aber wahrscheinliche Alternativen für einen ursprünglich generierten Text zu erzeugen. Dieser Ansatz liefert ein präzises Maß für die aleatorische (Anm.: vom Zufall abhängige) semantische Unsicherheit und erkennt, ob der ursprüngliche Text wahrscheinlich halluziniert ist. Experimente mit Aufgaben zur Beantwortung von Fragen zeigen, dass SDLG bestehende Methoden durchgängig übertrifft und dabei rechnerisch am effizientesten ist, wodurch ein neuer Standard für die Unsicherheitsabschätzung in LLMs gesetzt wird.“

Deine ungelesenen Artikel:
28.10.2026

Vorarlberger Startup vioom will Personen- und Warentransporte auf einer Plattform vereinen

Das Vorarlberger Startup vioom will Mobilität im ländlichen Raum wirtschaftlicher machen. Dafür sollen Personenbeförderung und regionale Lieferdienste gemeinsam organisiert werden. Das Unternehmen ist eigenfinanziert und bereitet derzeit seinen ersten Pilotbetrieb vor.
/artikel/vorarlberger-startup-vioom-will-personen-und-warentransporte-auf-einer-plattform-vereinen
28.10.2026

Vorarlberger Startup vioom will Personen- und Warentransporte auf einer Plattform vereinen

Das Vorarlberger Startup vioom will Mobilität im ländlichen Raum wirtschaftlicher machen. Dafür sollen Personenbeförderung und regionale Lieferdienste gemeinsam organisiert werden. Das Unternehmen ist eigenfinanziert und bereitet derzeit seinen ersten Pilotbetrieb vor.
/artikel/vorarlberger-startup-vioom-will-personen-und-warentransporte-auf-einer-plattform-vereinen
Das Gründerteam von vioom: Lucia Studer und Ronny Türtscher | (c) vioom

Wer auf dem Land lebt, kennt das Problem: Der nächste Bus fährt erst in zwei Stunden und ohne eigenes Auto wird selbst der Weg zum Arzt oder zum Einkaufen zur Herausforderung. Diese Erfahrungen hat auch das Gründerteam des Vorarlberger Startups vioom gemacht. Sie kommen aus dem Großen Walsertal, wo öffentliche Verkehrsverbindungen teilweise nur im Zwei-Stunden-Takt angeboten werden.

„Wir haben als Jugendliche immer Autos gestoppt“, erzählt Mitgründer und Co-CEO Ronny Türtscher. Aus Bedarfserhebungen zur Mobilität in der Region, die Türtscher selbst begleitete, entstand schließlich die Idee zu vioom.

Hinter dem Startup steht die im Februar 2026 gegründete VAREO Innovations GmbH mit Sitz in Ludesch. Als CEOs fungieren Ronny Türtscher und Lucia Studer. Das Gründerteam bringt nach eigenen Angaben gemeinsam mehr als 20 Jahre Erfahrung in der Softwareentwicklung mit.

Personen- und Warentransporte gemeinsam organisieren

Vioom setzt auf sogenannte On-Demand-Mobilität: Fahrgäste können über eine App eine Strecke innerhalb eines festgelegten Gebiets buchen. Das System organisiert daraufhin ein verfügbares Shuttle. Anders als bei klassischen Anrufsammeltaxis sollen die Fahrzeuge zusätzlich regionale Waren transportieren. „Wir versuchen, die Ausnutzung so hoch wie möglich zu halten und diese Wege von A nach B mit mehreren Erlösströmen zu gestalten“, sagt Türtscher. So könnte ein Shuttle beispielsweise eine Gemüsekiste bei einem Bauernhof abholen, anschließend einen Fahrgast vom Bahnhof transportieren und die Ware danach bei einem Hotel abliefern.

Ziel ist es, Leerfahrten zu reduzieren und Fahrzeuge auch außerhalb der Stoßzeiten auszulasten. Gleichzeitig soll das Angebot bestehende Bus- und Bahnverbindungen ergänzen und insbesondere die sogenannte „First und Last Mile“, also den Weg zur beziehungsweise von der nächsten Haltestelle, abdecken. Durch die gemeinsame Nutzung der Fahrzeuge und eine bessere Anbindung an den öffentlichen Verkehr sollen zudem CO₂-Emissionen reduziert werden. Die Regionen entscheiden dabei selbst, wann Personen- beziehungsweise Warentransporte angeboten werden. Die Durchführung übernehmen beispielsweise regionale Taxiunternehmen. Vioom selbst stellt keine Fahrzeuge oder Fahrpersonal bereit, sondern liefert die Software und begleitet die Umsetzung.

Wie sich die regionale Mobilität rechnen soll

Mit seinem Geschäftsmodell richtet sich vioom an Gemeinden und Regionen. Diese zahlen je nach Modell eine monatliche Gebühr für die Nutzung der Plattform. Zusätzlich erhält das Startup eine Vermittlungsprovision für jede gebuchte Fahrt. Die Fahrgäste und Unternehmen bezahlen für die jeweiligen Personen- oder Warentransporte. Diese Einnahmen fließen grundsätzlich an die Regionen selbst. Die Abrechnung erfolgt vollständig automatisiert über die Plattform.

Durch die Kombination von Personenbeförderung und Warenlogistik sollen die Fahrzeuge besser ausgelastet und zusätzliche Einnahmen erzielt werden. Langfristig will vioom damit die Wirtschaftlichkeit regionaler Mobilitätsangebote verbessern und deren Abhängigkeit von öffentlichen Förderungen verringern.

Technologiepartnerschaft mit ioki

Für die technische Umsetzung arbeitet vioom mit dem Mobilitätstechnologie-Anbieter ioki zusammen. Das Unternehmen ist ursprünglich aus der Deutschen Bahn hervorgegangen und bietet Software für bedarfsgesteuerte Mobilitätsangebote an. Vioom nutzt Teile dieser Technologie und hat darauf aufbauend ein eigenes Logistikmodul entwickelt.

Die Partnerschaft soll auch die Skalierung erleichtern. Für jede Region wird zwar eine individuelle Mobilitätsanalyse durchgeführt, die anschließende Umsetzung erfolgt jedoch über eine standardisierte, anpassbare Plattform.

Eigenfinanziert und erste Pilotprojekte geplant

Bislang wurde vioom vollständig aus Eigenmitteln der CEOs finanziert, mit einem Stammkapital von 12.000 Euro. An der VAREO Innovations GmbH sind die LOONEY GmbH (gehört unter anderem Lucia Studer) mit 66,67 % und scale.out (gehört Ronny Türtscher) mit 33,33 % beteiligt. Für externe Investoren zeigt sich das Unternehmen grundsätzlich offen.

Die größte Herausforderung besteht laut Türtscher darin, erste Referenzprojekte umzusetzen und nachzuweisen, dass die Kombination aus Personen- und Warentransporten tatsächlich wirtschaftliche Vorteile bringt. „Viele Kunden fragen: Was habt ihr schon gemacht und was könnt ihr nachweisen?“, erzählt der Gründer.

Der erste Pilotbetrieb ist derzeit in Vorarlberg in Vorbereitung, ein konkreter Starttermin steht noch nicht fest. Parallel führt vioom Gespräche mit zwei Landkreisen und einer Stadt in Deutschland. Bis Ende 2027 will das Startup drei bis fünf Regionen an die Plattform angebunden haben. Zusätzlich sollen weitere Partnerschaften und Anwendungen, etwa im Tourismus, entstehen.

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

Lösung gegen KI-Halluzinationen? So funktioniert Sepp Hochreiters SDLG-Methode

AI Kontextualisierung

Welche gesellschaftspolitischen Auswirkungen hat der Inhalt dieses Artikels?

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

Lösung gegen KI-Halluzinationen? So funktioniert Sepp Hochreiters SDLG-Methode

AI Kontextualisierung

Welche wirtschaftlichen Auswirkungen hat der Inhalt dieses Artikels?

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

Lösung gegen KI-Halluzinationen? So funktioniert Sepp Hochreiters SDLG-Methode

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 …

Lösung gegen KI-Halluzinationen? So funktioniert Sepp Hochreiters SDLG-Methode

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 …

Lösung gegen KI-Halluzinationen? So funktioniert Sepp Hochreiters SDLG-Methode

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 …

Lösung gegen KI-Halluzinationen? So funktioniert Sepp Hochreiters SDLG-Methode

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 …

Lösung gegen KI-Halluzinationen? So funktioniert Sepp Hochreiters SDLG-Methode

AI Kontextualisierung

Wer sind die relevantesten Personen in diesem Artikel?

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

Lösung gegen KI-Halluzinationen? So funktioniert Sepp Hochreiters SDLG-Methode

AI Kontextualisierung

Wer sind die relevantesten Organisationen in diesem Artikel?

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

Lösung gegen KI-Halluzinationen? So funktioniert Sepp Hochreiters SDLG-Methode