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:
20.08.2026

Deepentix: sechsstellige Pre-Seed-Runde für NÖ-Deep-Tech-Startup – Kambis Kohansal Vajargah mit dabei

Mit einem SAFE (Simple Agreement for Future Equity) treibt das niederösterreichische Deep-Tech-Startup Deepentix seine nächsten Wachstumsschritte voran. An der Finanzierung beteiligen sich tecnet equity, der internationale Frühphaseninvestor Rockstart sowie der Business Angel Kambis Kohansal Vajargah.
/artikel/deepentix-sechsstellige-pre-seed-runde-fuer-noe-deep-tech-startup-kambis-kohansal-vajargah-mit-dabei
20.08.2026

Deepentix: sechsstellige Pre-Seed-Runde für NÖ-Deep-Tech-Startup – Kambis Kohansal Vajargah mit dabei

Mit einem SAFE (Simple Agreement for Future Equity) treibt das niederösterreichische Deep-Tech-Startup Deepentix seine nächsten Wachstumsschritte voran. An der Finanzierung beteiligen sich tecnet equity, der internationale Frühphaseninvestor Rockstart sowie der Business Angel Kambis Kohansal Vajargah.
/artikel/deepentix-sechsstellige-pre-seed-runde-fuer-noe-deep-tech-startup-kambis-kohansal-vajargah-mit-dabei
Deepentix
© tecnet equity - (v.l.) Investor Kambis Kohansal Vajargah, Endri Deliu, Morteza Amini und Altan Nar (alle Deepentix) sowie Peter Buchinger (tecnet equity).

Das NÖ-Startup Deepentix hat eine Enterprise-KI-Plattform entwickelt, die Unternehmen dabei unterstützen soll, aus Dokumenten wie Studien, Patenten oder internen Berichten einen sogenannten Wissensgraphen aufzubauen – ein Netzwerk aus Fakten und ihren Beziehungen. Dadurch lassen sich Antworten einer Künstlichen Intelligenz bis zum exakten Satz im Ursprungsdokument zurückverfolgen. Gerade in stark regulierten Branchen sei dies entscheidend, weil Aussagen jederzeit belegt und geprüft werden müssen.

Deepentix: Unternehmensdaten in Graphen überführen

Zielgruppe sind etwa Unternehmen in Branchen wie Pharma, Medizintechnik, Versicherungen oder Banken, die täglich mit großen Mengen an Studien, Patenten, Normen und internen Berichten arbeiten. Klassische generative KI liefere dazu zwar schnelle Antworten, könne deren Herkunft jedoch oft nicht lückenlos belegen. Genau hier möchte Deepentix ansetzen und unstrukturierte Unternehmensdaten in einen Wissensgraphen überführen – im Sinn einer nachvollziehbaren Wissensbasis für KI-Anwendungen.

„Wenn Mitarbeitende einer KI blind vertrauen müssen, weil sie deren Antworten nicht überprüfen können, ist das gerade in sensiblen Bereichen ein echtes Risiko. Genau dieses Vertrauensproblem lösen wir, indem wir jede Antwort bis zu ihrem Ursprung im Dokument sichtbar machen“, erklärt Morteza Amini, Mitgründer und CEO von Deepentix.

Mehrere Sprachmodelle

Der Aufbau von Wissensgraphen erfolge Deepentix nach häufig im Rahmen aufwendiger Beratungsprojekte oder über standardisierte Lösungen, die sich nur begrenzt auf einzelne Fachbereiche zuschneiden lassen. Bei Unternehmen, die ihre sensiblen Daten selbst kontrollieren und gleichzeitig präzise Ergebnisse benötigen, stoße dieser Ansatz oft an seine Grenzen. Aus diesem Grund entwickelte das Startup kein Beratungsprojekt für einzelne Kunden, sondern ein Werkzeug, mit dem Unternehmen Wissensgraphen selbst erstellen, betreiben und an ihre Anforderungen anpassen können.

Dabei setzt die Plattform nicht auf ein einziges großes KI-Modell aus der Cloud, sondern auf mehrere kleine, spezialisierte Sprachmodelle, die gezielt auf einzelne Fachbereiche wie Pharma oder Banken trainiert werden. Dadurch sollen die Ergebnisse präziser werden, während die Modelle bei Bedarf direkt auf den eigenen Servern der Unternehmen betrieben werden können.

Dafür gab es nun eine Pre-Seed-Finanzierung in sechsstelliger Höhe, an der sich tecnet equity, der internationale Frühphaseninvestor Rockstart sowie der Business Angel Kambis Kohansal Vajargah beteiligt haben. Das frische Kapital soll vor allem in Forschung und Entwicklung sowie in den Ausbau erster Pilotprojekte in regulierten Branchen fließen.

Deepentix baut Wissensnetz

„Wir verstehen uns nicht als Berater, die für einzelne Kunden ein Wissensnetz bauen, sondern als Technologieanbieter, der Unternehmen die volle Kontrolle über ihre eigenen Daten und Modelle gibt“, so Amini weiter. „Mit tecnet equity, Rockstart und Business Angel Kambis Kohansal Vajargah haben wir Partner an Bord, die den Weg von Deep-Tech-Startups aus erster Hand kennen. Das gibt uns nicht nur Kapital, sondern auch Zugang zu Netzwerk und Erfahrung, um in dieser Phase die richtigen Schritte zu setzen.“

Peter Buchinger, Investment Associate bei tecnet equity, ergänzt: „Uns hat neben der Technologie vor allem das stark aufgestellte Gründerteam von Deepentix überzeugt. Die Kombination aus wissenschaftlichem Hintergrund und Erfahrung in internationalen Unternehmen war ausschlaggebend, in dieser frühen Phase zu investieren.“

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?