07.01.2019

Smart Data: Rettungsboje im Datenmeer?

Doppelinterview: Wir haben mit den Gründern Christian Lutz von Crate.io und Stefan Ebner von Braintribe gesprochen, die uns aus den Datenfluten retten möchten. Rund um das gemeinsame Schlagwort Smart Data stellen sie Zukunftshypothesen bezüglich einfach zugänglicher Daten auf, die teilweise bereits heute greifen.
/artikel/smart-data-rettungsboje-im-datenmeer
Smart Data
(c) crate.io und braintribe: v.l.n.r. Christian Lutz (Crate.io) und Stefan Ebner (Braintribe)

Die Digitalisierung erzeugt seit Jahrzehnten Datenmengen, deren Ausmaß heute nur noch schwer erfassbar ist. Auf 2,5 Trillionen Bytes schätzt man den globalen Datenoutput pro Tag. Die KIs können mit Big Data umgehen, ihre User immer weniger. Welchen Nutzen stiften großen Datenmengen? Wie können sie unsere Gesellschaft positiv verändern? Stefan Ebner von Braintribe und Christian Lutz von Crate.io geben uns darauf Antworten.

+++ brutkasten Magazin #7: Die Welt in 5 Jahren +++

Smarte Daten für smarte Städte

Stefan Ebners Smart-Data-Unternehmen Braintribe legt mit dem Smart City Lab, das gemeinsam mit der UN initiiert wurde, ein Beispiel für einen Bereich vor, in dem Smart Data zu weitreichenden globalen Veränderungen führen könnte. Städte spülen schon heute riesige Datenmengen in die Rechenzentren ihrer Verwaltungsapparate. Heute wird ihr Potential kaum ausgeschöpft, weil der Umgang mit diesen extremen Daten zu komplex erscheint. Wir haben mit Stefan Ebner, der mit Braintribe 2017 ein Millioneninvestment von Technologiegrößen wie Hermann Hauser einfahren konnte, über das Smart City Lab und die Evolution der Daten gesprochen.

Die technologisierte Stadt, die Smart City – woran denkst du, wenn du das hörst?

Ebner: Ehrlich gesagt: Seit George Orwell hat sich eigentlich in unseren Städten nicht so viel verändert. Ich habe immer noch das Bild von dem Bürgermeister im Kopf, der wissen will, was seine Bürger treiben. Aber: Es gibt ein spannenderes Feld, das aufzeigt, wie wir Städte in Zukunft entwickeln können. Dabei werden wir nicht drum herumkommen, den Menschen ins Zentrum zu stellen und herauszufinden, wie die Technologie dem urbanen Leben dienen kann. Es klingt kitschig, aber die Technologie ist nicht der Zweck. Sie existiert, um ein besseres Zusammenleben zu schaffen. Und Städte sind organische Lebensräume, keine maschinellen oder technologischen.

Braintribe hat gemeinsam mit der UN und der Organisation für internationale Wirtschaftsbeziehungen das Smart City Lab ins Leben gerufen. Wie wird dort gearbeitet?

Ebner: Es ist eine globale Initiative, die in Wien entstanden ist. Im Grunde genommen hat das Smart City Lab zwei Ziele. Das erste ist: Co-Creation. Wir suchen nach Partnern, die Ideen haben, die wir gemeinsam umsetzen. Das zweite ist, die entwickelten Ideen früh mit der Öffentlichkeit zu teilen, damit sie allen zur Verfügung stehen.

Wie hängen die Schlagworte Smart Data und Smart City für dich zusammen?

Ebner: Braintribe lebt seit über 15 Jahre in diesem Big-Data-Raum, der ja im Endeffekt für unsere Gesellschaft zu komplex ist, um allgemein zugänglich zu sein. Wir haben damit gekämpft, eine erstklassige Plattform zu bauen, die das Komplexitätsproblem von Big Data löst. Das Endergebnis ist Smart Data, für uns mit der inzwischen patentggestützten Kerntechnologie Cortex.

Aber es geht natürlich nicht nur uns so. Smart Data ist einfach die nächste Stufe in der digitalen Evolution. Big Data ist heute sehr exklusiv, die Daten gehören einigen Spezialisten. Smart Data hat die richtige Ausdruckskraft und das richtige Format, damit auch Nicht-Spezialisten damit umgehen können. Erst wenn Daten verständlich sind, werden Ihnen die Leute vertrauen. Diejenigen, die sie nicht verstehen, haben Angst vor ihnen.

Und heute verstehen sicher 90 Prozent der Leute Daten nicht, brauchen sie aber. Wir haben dazu Tribefire/Datapedia entwickelt, eine Plattform, die auch Leuten ohne großes Technikwissen Zugang zu Daten vermittelt. So werden im Endeffekt mehr Menschen mehr Macht haben, weil sie besser verstehen, wie man Real-Life-Problems mit Smart Data lösen kann. So helfen wir echten Innovatoren, Projekte umzusetzen, die vorher nur ITlern vorbehalten waren.

Global Smart Data aus dem Ländle

Crate.io, das Startup des Vorarlbergers Christian Lutz, Vater der Onlineportale sms.at und uboot.com und des ehemaligen StudiVZ-Technikchef Jodok Batlogg arbeitet seit einigen Jahren am Umgang mit großen Datenmengen. Wir haben mit Lutz gesprochen.

Was heißt für dich Smart Data und warum brauchen wir sie?

Lutz: Smart Data ist das Ergebnis eines Verdichtungs- oder Anreicherungsprozesses aus Big-Data-Anwendungen. Das heißt: Aus sehr großen Datensammlungen werden die relevanten Daten durch verschiedenste, auch automatisierte Maßnahmen herausgefiltert und weiters noch mit anderen Daten verknüpft, bevor man dann damit arbeitet. Es gibt kaum eine Big Data Anwendung, die ohne Smart Data Ansatz auskommt. Wir brauchen ihn, um Nutzen aus den Daten zu gewinnen.

Kannst du uns auf technischer Ebene einen Einblick geben?

Lutz: Es gibt verschiedene Ansätze, um aus Big Data Smart Data zu generieren. Im einfachsten Fall sind das sogenannte Long-Running-Queries, welche auf dem aktuellen Datenstrom in Echtzeit ausgeführt werden, um bestimmte Werte, Grenzen oder andere Trigger zu erkennen. Oft werden dazu auch gleichzeitig große historische Datenmengen mitanalysiert. Weiters sind verschiedene Methoden aus dem Bereich künstliche Intelligenz im Einsatz, zum Beispiel Machine-Learning, um bestimmte Muster zu erkennen. Dabei werden im ersten Schritt Learning-Queries gefahren – extrem viele über möglichst große Datenmengen. Dann wird das erkannte Muster als Funktion implementiert, welches direkt auf den Datenbank-Servern, also ganz nahe an den Daten, permanent auf dem Datenstrom sitzt und in Echtzeit mitanalysiert.

Wo liegen eure größten Projekte in dem Bereich Smart Data?

Lutz: Crate.io hat in diesem Bereich Kunden in unterschiedlichen Verticals, beispielweise die Firma McAfee mit Securitydaten und Echtzeitanalyse von Policy-Verletzungen, oder für Smart Building Zumtobel, die im Backend Analysen bezüglich des Stromverbrauchs und Zustands von Connected Lights machen. Oder eben Produktionsbetriebe, die in Echtzeit den Fertigungsprozess überwachen, Verbesserungsmaßnahmen zum Teil automatisch setzen können oder den Mitarbeitern an Maschinen helfen können, Ausschuss zu vermeiden beziehungsweise Stillstände zu reduzieren.


Dieser Beitrag erschien in gedruckter Form im brutkasten Magazin #7 “Die Welt in 5 Jahren”.

=> zur Page von Crate.io

=> zur Page von Braintribe

Videoarchiv: Live im Interview mit Stefan Ebner – Founder & CEO von Braintribe

Stefan Ebner, der Founder & CEO von Braintribe, im Live Gespräch über sein Firestarters Space, seine Vision einer Co-Creation Community im Wien, das erste Projekt Smart City Lab Opening uvm.

Gepostet von DerBrutkasten am Montag, 14. Mai 2018

Redaktionstipps
Deine ungelesenen Artikel:
15.09.2026

Ablatic AI: Linzer LLM Talos spielt ohne VC-Kapital in einer Liga mit internationalen KI-Playern

Das nun gelaunchte Large Language Model (LLM) Talos des Linzer Startups Ablatic AI kann sich in mehreren Benchmarks mit den internationalen KI-Giganten messen. Co-Founder und CEO Florian Zimmermann erklärte uns, wie das ohne VC-Kapital möglich ist und wie man nun den Markt erobern will.
/artikel/ablatic-ai-linzer-llm-talos-spielt-ohne-vc-kapital-in-einer-liga-mit-internationalen-ki-playern
15.09.2026

Ablatic AI: Linzer LLM Talos spielt ohne VC-Kapital in einer Liga mit internationalen KI-Playern

Das nun gelaunchte Large Language Model (LLM) Talos des Linzer Startups Ablatic AI kann sich in mehreren Benchmarks mit den internationalen KI-Giganten messen. Co-Founder und CEO Florian Zimmermann erklärte uns, wie das ohne VC-Kapital möglich ist und wie man nun den Markt erobern will.
/artikel/ablatic-ai-linzer-llm-talos-spielt-ohne-vc-kapital-in-einer-liga-mit-internationalen-ki-playern
Die Ablatic-AI-Gründer vl. Florian Zimmermann (CEO) und Julian Mauerkirchner (CTO) | (c) Ablatic AI
Die Ablatic-AI-Gründer vl. Florian Zimmermann (CEO) und Julian Mauerkirchner (CTO) | (c) Ablatic AI

Wieder einmal ist es Linz. Die Stahlstadt mausert sich immer mehr zu Österreichs KI-Hauptstadt und auch eines der bislang sicher ambitioniertesten Startups in dem Bereich kommt von dort: Ablatic AI. Mit Talos wagt es sich über die Herausforderung schlechthin in der KI-Welt: ein eigenes Large Language Model (LLM) – brutkasten berichtete bereits.

Bei einer Benchmark vor Sol von OpenAI

Nun erfolgte der offizielle Launch und Ablatic gab erste Benchmark-Vergleiche aus (siehe Tabelle unten). An Claude Opus 5 kommt man demnach noch in keiner Kategorie ganz heran, in mehreren aber ziemlich nahe. DeepSeek V4 kann man dagegen gleich bei drei Werten schlagen, Qwen3.8 von Alibaba bei zwei und OpenAIs Flagship-Modell GPT-5.6 Sol immerhin bei einem, konkret der exakten Befolgung schriftlicher Anweisungen (IFBench). Unterm Strich spielt das Linzer LLM also in den vorgelegten Benchmarks in der internationalen Top-Liga mit.

„Es kann ja nicht sein, dass es in Europa nur Mistral gibt“

Aber warum überhaupt noch ein weiteres LLM? „Julian [Anm. Mauerkirchner] und ich kennen uns schon seit der Schule. Später haben wir als Unternehmer damit gestartet, Legacy-ERP-Systeme zu erneuern. Dabei sind wir auf ein Problem gestoßen: Wir konnten dafür aus Daten-Gründen keine US-KI-Systeme nutzen“, erzählt CEO Florian Zimmermann, der Ablatic AI gemeinsam mit Julian Mauerkirchner (CTO) gegründet hat, im Gespräch mit brutkasten. Man habe nur Mistral aus Frankreich oder Open-Source-Modelle verwenden können. „Mistral war für den Zweck aber nicht passend und unser Business Case bald tot“.

Mit dem Entschluss, eine neue Idee zu verfolgen, sei daher auch eine neue Motivation einher gegangen: „Es kann ja nicht sein, dass es in Europa nur Mistral gibt“, so Zimmermann. Man habe sich danach mit der Johannes Kepler Universität Linz (JKU) kurzgeschlossen und sei darüber auch zur AI Factory Austria AI:AT gekommen, wo man wiederum im Rahmen des EuroHPC-Programms europäische Hochleistungsrechenressourcen nutzt, um das Modell zu trainieren. „Ohne diese EU-Ressourcen würde es kostentechnisch überhaupt nicht gehen“, sagt Zimmermann.

Öffentliche Forschungsergebnisse statt eigenes Riesen-Research-Team

Doch auch mit diesen Ressourcen – wie lässt sich ein konkurrenzfähiges LLM mit einem kleinen Team und bislang gänzlich ohne VC-Kapital umsetzen? Schließlich beschäftigen die globalen KI-Player, mit denen sich Ablatic misst, riesige Teams. Mistral etwa ist mit seiner kürzlich kommuniziert Drei-Milliarden-Euro-Finanzierungsrunde im Vergleich zu Anthropic und OpenAI nach wie vor ein kleiner Fisch (brutkasten analysierte).

„Wir können kein 200-köpfiges Research-Team finanzieren und gleich von 0 auf 100 gehen, also greifen wir auf Bestehendes zurück“, erklärt der Gründer. Konkret verwende man einerseits Open-Source-Layer und code sie auf die eigenen Bedürfnisse um. Andererseits nutze man die neuesten Forschungsergebnisse von Universitäten wie dem MIT oder Stanford, die laufend über die Plattform arXiv veröffentlicht werden. „Wir orientieren uns an der Frontier-Forschung. Wir analysieren die Paper, legen die Erkenntnisse auf unsere Architektur um und testen es durch. Vieles davon funktioniert nicht, aber alles was funktioniert, bringt uns weiter“, so Zimmermann.

Mehr als 100 B2B-Testkunden – viele konvertieren gleich zum Launch

Die Beta-Version wurde nun bereits seit einiger Zeit mit mehr als 100 Unternehmen getestet – Ablatic konzentriert sich nämlich vorerst klar auf den B2B-Markt. Man habe für diese Tests schnell auch größere Unternehmen und Konzerne gewonnen. „Ich bin dafür wochenlang gesessen, habe Leute angeschrieben und einen Call nach dem anderen gemacht“, räumt Zimmermann ein. Dass man ein eigenes LLM und nicht nur eine Oberfläche baue, sei dabei zum entscheidenden Bonus geworden. „Und dass wir von der JKU kommen und im EuroHPC-Programm sind, hat unsere Glaubwürdigkeit enorm gesteigert“, sagt der Gründer.

Jetzt zum Launch würden viele der Testkunden bereits zu regulären Nutzern konvertieren, viele weitere noch die Testphase abschließen, mit dem Vorhaben, das dann auch zu tun, verrät Zimmermann. „Wir werden nicht 100 Prozent, aber einen Großteil konvertieren können“, ist er sicher. Punkten will Ablatic dabei nicht nur mit der europäischen Herkunft – Stichwort: Digitale Souveränität – sondern auch mit dem Pricing. „Wir haben eine relativ effiziente Architektur. Wir können kostengünstig hosten und das an die Kunden weitergeben“, so der CEO. Dass der offizielle Launch genau jetzt erfolgt, hat vor allem mit dem Gründungsprozess zu tun, der länger dauerte, als erhofft. „Ich gründe nie wieder im Sommer ein Unternehmen“, sagt der Gründer lachend.

Investment geplant: „Das Ziel ist definitiv, keine kleine Bude zu bleiben“

Und wie geht es weiter? „Wir wollen zuerst im DACH-Raum Fuß fassen und ohne große weitere Standorte skalieren. Dann wollen wir es auf Europa hochziehen“, erläutert Zimmermann. Auf Dauer werde dabei auch die Aufnahme von VC-Kapital relevant, vor allem wenn es darum gehe, die nächste Modell-Version herauszubringen. „Dann ist es wichtig, dass man schnell skaliert und iteriert. Wir sind stolz darauf, dass wir ein Modell ohne VC-Kapital trainiert haben. Wir haben gezeigt, dass auch so Großes möglich ist. Aber langfristig ist es völlig logisch, dass wir Kapital aufnehmen müssen“, sagt der Gründer.

Und es seien bereits mehrere Investoren aktiv auf das Team zugekommen, mit einigen befinde man sich schon in Gesprächen. „Das Ziel ist definitiv, keine kleine Bude zu bleiben, sondern eine größere Firma zu werden. Wir wollen jedenfalls nicht in Vergessenheit geraten“, so Zimmermann. Und der Zeitpunkt sei angesichts der Souveränitätsdebatte gut.


Benchmark-Vergleichstabelle

Anmerkungen zur Tabelle:

  • Fette Zahlen: Höchster Wert in der jeweiligen Zeile unter den Vergleichsmodellen.
  • „text-only“: Das Modell verarbeitet keine Bilder/visuellen Dokumente, weshalb OmniDocBench nicht anwendbar ist.
  • „–“: Kein veröffentlichter Wert vorhanden.

Kurzerklärungen der Benchmarks

  • Agents‘ Last Exam (UC Berkeley): Prüft langwierige, echte Arbeitsaufgaben an einem Computer (Terminal und Bildschirm zusammen), bewertet anhand des fertigen Gesamtergebnisses.
  • AutomationBench (Zapier): Testet 600 Business-Workflows über 47 simulierte Unternehmens-Softwaretools hinweg, die vollständig durchgehend ausgeführt werden müssen.
  • Toolathlon: Bewertet das Erledigen von Aufgaben in echter Büro-Software (z. B. E-Mail, Kalender, Tabellenkalkulationen und GitHub) über deren direkte Schnittstellen.
  • BrowseComp (OpenAI): Stellt schwierige Fragen, deren Antworten über das gesamte Internet verstreut liegen und durch selbstständiges Surfen recherchiert werden müssen.
  • DeepSWE v1.1 (Datacurve): Misst das eigenständige Beheben echter Softwareprobleme (Bugs) in bestehenden Quellcode-Sammlungen. Hinweis: Talos-1 wurde hierfür nicht optimiert und liegt 22 Punkte hinter der Spitze zurück.
  • OmniDocBench: Bewertet das fehlerfreie Lesen und Verstehen echter Dokumente inklusive visueller Layouts, Tabellen und mathematischer Formeln.
  • IFBench: Prüft die exakte Einhaltung von schriftlich vorgegebenen Anweisungen und Formatierungsregeln.
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

Smart Data: Rettungsboje im Datenmeer?

AI Kontextualisierung

Welche gesellschaftspolitischen Auswirkungen hat der Inhalt dieses Artikels?

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

Smart Data: Rettungsboje im Datenmeer?

AI Kontextualisierung

Welche wirtschaftlichen Auswirkungen hat der Inhalt dieses Artikels?

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

Smart Data: Rettungsboje im Datenmeer?

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 …

Smart Data: Rettungsboje im Datenmeer?

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 …

Smart Data: Rettungsboje im Datenmeer?

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 …

Smart Data: Rettungsboje im Datenmeer?

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 …

Smart Data: Rettungsboje im Datenmeer?

AI Kontextualisierung

Wer sind die relevantesten Personen in diesem Artikel?

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

Smart Data: Rettungsboje im Datenmeer?

AI Kontextualisierung

Wer sind die relevantesten Organisationen in diesem Artikel?

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

Smart Data: Rettungsboje im Datenmeer?