12.12.2024
SEPP HOCHREITER

NXAI veröffentlicht „energieeffizientestes Modell in der Welt der Large Language Models“

Das Linzer Startup NXAI von KI-Koryphäe Sepp Hochreiter veröffentlicht sein xLSTM 7B Modell - mit großen Versprechungen.
/artikel/nxai-xlstm-7b
Sepp Hochreiter | (c) NXAI
Sepp Hochreiter | (c) NXAI

Das Team des Linzer Startups NXAI rund um KI-Pionier und JKU-Linz-Professor Sepp Hochreiter, der als Chief Scientist fungiert, und CEO Albert Ortig hat es bereits gezeigt: Auf seine Ansagen folgen auch entsprechende Ergebnisse. Im Mai dieses Jahrs veröffentlichte das Unternehmen wenige Monate nach seiner Gründung sein erstes Large Language Model (LLM). Nun folgte, wie bereits im August angekündigt, die nächste Version: das „xLSTM 7B Modell“.

xLSTM 7B deutlich kleiner als die LLMs der großen Player

Wer nun einen österreichischen ChatGPT-Konkurrenten erwartet, wird allerdings enttäuscht. Das NXAI-Modell richtet sich nämlich nicht an die breite Öffentlichkeit und weist deutliche Unterschiede zu den Modellen der großen Player auf. Mit sieben Milliarden Parametern (7B), auf deren Basis es trainiert wurde, ist es maßgeblich kleiner als die bekannten Modelle – GPT-3 von OpenAI wurde etwa mit 175 Milliarden Parametern trainiert, bei GPT-4 wurde die genaue Zahl nicht kommuniziert.

NXAI setzt auf andere Architektur

Im Unterschied zu den großen Playern soll jedoch auch die Stärke von xLSTM 7B liegen. Aufbauend auf der von Sepp Hochreiter bereits in den 1990er-Jahren mitentwickelten Long Short-Term-Memory-Technologie (LSTM) setzt das Modell auf eine andere Architektur, als die bei den bekannten Modellen genutzte „Transformer“-Technologie.

„Im Gegensatz zur Transformer-Technologie steigen die xLSTM-Berechnungen nur linear mit der Textlänge und brauchen im laufenden Betrieb weniger Rechenleistung. Das ist ein großer Vorteil, da komplexe Aufgaben viel mehr Text sowohl zur Aufgabenbeschreibung als auch zur Lösung brauchen“, heißt es dazu von NXAI. xLSTM 7B sei dadurch deutlich effizienter, schneller und brauche weniger Rechenressourcen als andere Large Language Models. Anhand diverser Benchmarks, etwa Massive Multitask Language Understanding (MMLU), vergleicht das Startup sein Modell mit anderen Modellen in ähnlicher Größe (siehe Grafik) und sieht seinen Claim bestätigt.

Hochreiter: „Es ist das energieeffizienteste Modell in der Welt der Large Language Models mit einer schnellen Inferenz“

„Unsere Skalierungsvorhersagen aus unserer Arbeit sind eingetreten. Mit dem xLSTM 7B Modell präsentieren wir das beste Large Language Model (LLM), das auf rekurrenten neuronalen Netzen (RNNs) basiert. Es ist das energieeffizienteste Modell in der Welt der Large Language Models mit einer schnellen Inferenz“, kommentiert Hochreiter.

Zielgruppe für NXAI vor allem Industrie und Robotik

NXAI richtet das Modell klar auf den B2B-Bereich und hier primär auf den Industrie-Sektor aus. „Ich sehe großes Potenzial für xLSTM in der Robotik, weil es in der Inferenz deutlich schneller und speichereffizienter ist“, meint Hochreiter. Seit der Erstveröffentlichung der Architektur im Frühjahr hätten bereits viele Entwickler:innen Lösungen auf deren Basis vorgestellt. „Besonders KI-Anwendungen im Edge- und Embedded-Bereich profitieren enorm von der hohen Effizienz und Geschwindigkeit unseres Modells. Jeder Forscher weltweit kann das xLSTM 7B Modell für seine Arbeit nutzen. Es ist ein Modell aus Europa für die Welt“, so Hochreiter.

Deine ungelesenen Artikel:
18.11.2026

Allocator One: Wiener VC-Dachfonds vermeldet finales Closing von erstem Fonds bei über 100 Mio. Dollar

Allocator One gab zudem Performance-Zahlen zu den bislang mehr als 40 Fonds-Investments seit dem Start im Juli 2024 heraus.
/artikel/allocator-one-wiener-vc-dachfonds-vermeldet-finales-closing-von-erstem-fonds-bei-ueber-100-mio-dollar
18.11.2026

Allocator One: Wiener VC-Dachfonds vermeldet finales Closing von erstem Fonds bei über 100 Mio. Dollar

Allocator One gab zudem Performance-Zahlen zu den bislang mehr als 40 Fonds-Investments seit dem Start im Juli 2024 heraus.
/artikel/allocator-one-wiener-vc-dachfonds-vermeldet-finales-closing-von-erstem-fonds-bei-ueber-100-mio-dollar
Michael Ströck und Felix Staeritz haben Allocator One gegründet | (c) Michael Ströck / brutkasten
v.l. Michael Ströck und Felix Staeritz haben Allocator One gegründet | (c) Michael Ströck / brutkasten

Bereits seit Juli 2024 ist Allocator One, der Fund of Funds mit Sitz in Wien, aktiv – brutkasten berichtete bereits mehrmals. Die Zielsetzung hat sich seitdem nicht verändert: Die besten First-Time- bzw. Zweitfonds sogenannter „Emerging Manager“ ausfindig machen und in diese investieren. Schon bislang investierte der Dachfonds nach eigenen Angaben so in mehr als 40 Fonds – zuletzt etwa Noctua Science Ventures. Die Ticketgröße liegt dabei zwischen zwei und zehn Millionen.

„Daten-Problem“: KI hilft bei Auswahl der Fonds

Allocator One verbindet dabei menschliche Investmententscheidungen mit seiner Fondsinfrastruktur-Plattform Infra One und mit dem KI-Agenten Ori. „Außergewöhnliche Fondsmanager zu finden, sollte nicht davon abhängen, wessen Pitch einen zufällig erreicht. Wir analysieren systematisch Tausende von Emerging Managern weltweit und kombinieren proprietäre Daten mit Investmentkompetenz, um die wenigen Spezialisten mit echtem Wettbewerbsvorteil zu identifizieren und zu unterstützen, bevor der breite Markt sie entdeckt“, sagt dazu Michael Ströck, gemeinsam mit Felix Staeritz Gründungspartner von Allocator One.

Die besten Spezialisten zu finden sei „ein Daten-Problem – und wir behandeln es auch so“, ergänzt Staeritz. Jährlich würden weltweit etwa 1.000 neue Emerging-Manager-Fonds aufgelegt. Man schätze, dass man rund 80 Prozent davon sichte, heißt es von Allocator One. Knapp 20 Prozent der Bewerber kämen in die engere Auswahl für ein Interview. Nach Abschluss der Due Diligence investiere man in die obersten ein Prozent der Manager.

23 Prozent überzeichnetes Closing, bislang indirekt in 17 Unicorns investiert

Nun verkündete Allocator One das finale Closing des ersten Anchor-Fonds „Flagship Fund I“ im September. Dieser sei um 23 Prozent überzeichnet und kam letztlich auf ein (zugesagtes) Volumen von mehr als 100 Millionen US-Dollar. Die Investoren seien Family Offices, erfolgreiche Technologieunternehmer, erfahrene Venture-Investoren und institutionelle Anleger aus mehr als 25 Ländern. Der Dachfonds investiert in Fonds der Jahrgänge 2023 bis 2026.

Zeitgleich nennt Allocator One Performance-Zahlen zu den mehr als 40 Fonds-Investments der vergangenen zwei Jahre. Bei mehr als 60 Prozent davon sei man der größte Investor. Insgesamt sei man über die Beteiligungen indirekt in 600 Unternehmen investiert, darunter 17 Unicorns wie Lovable, Thinking Machines und xAI. 11 Prozent des eingezahlten Kapitals habe man bereits zurückgezahlt

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

NXAI veröffentlicht „energieeffizientestes Modell in der Welt der Large Language Models“

AI Kontextualisierung

Welche gesellschaftspolitischen Auswirkungen hat der Inhalt dieses Artikels?

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

NXAI veröffentlicht „energieeffizientestes Modell in der Welt der Large Language Models“

AI Kontextualisierung

Welche wirtschaftlichen Auswirkungen hat der Inhalt dieses Artikels?

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

NXAI veröffentlicht „energieeffizientestes Modell in der Welt der Large Language Models“

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 …

NXAI veröffentlicht „energieeffizientestes Modell in der Welt der Large Language Models“

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 …

NXAI veröffentlicht „energieeffizientestes Modell in der Welt der Large Language Models“

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 …

NXAI veröffentlicht „energieeffizientestes Modell in der Welt der Large Language Models“

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 …

NXAI veröffentlicht „energieeffizientestes Modell in der Welt der Large Language Models“

AI Kontextualisierung

Wer sind die relevantesten Personen in diesem Artikel?

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

NXAI veröffentlicht „energieeffizientestes Modell in der Welt der Large Language Models“

AI Kontextualisierung

Wer sind die relevantesten Organisationen in diesem Artikel?

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

NXAI veröffentlicht „energieeffizientestes Modell in der Welt der Large Language Models“