18.03.2021

Smoke Test: Kärntner liefert „Reality Check“ für Startups

Im "Smoke Test" werden Geschäftsideen und Produkte an der Zielgruppe getestet – oft mit überraschendem Ergebnis.
/artikel/smoke-test-great-big-value-startups
Rudolf Ball hat
Symvaro-Gründer Rudolf Ball | © Symvaro/Ball

„Startups haben eine Kundenphobie“, sagt Rudolf Ball und meint damit, dass ganz junge Unternehmen oft viel zu wenig mit ihrer Zielgruppe kommunizieren. Der Kärntner will Startups und Projektteams genau dabei dabei helfen. „Smoke Test“ nennt er seine Methode, angelehnt an ein Verfahren, das aus der Softwareentwicklung kommt. „Die Startup-Welt ist eine Fantasiewelt und wir liefern den Realitäts-Check“, sagt Ball.

Ball ist selbst Unternehmer und hat in den letzten Jahren mit Symvaro ein Startup aufgebaut, das sich mittlerweile vor allem auf die Digitalisierung der Wasserversorger konzentriert. Symvaro sei mittlerweile erwachsen und Ball widmet sich parallel dem nächsten Projekt. Mit „Great Big Value“ will er seine Erfahrung an andere Unternehmen weitergeben. Und ein Teil davon ist der „Smoke Test“ für Ideen.

„Smart Calling“: Call Center testet Ideen

Für den Test setzt Ball auf ein Call Center, das er für den Vertrieb bei Symvaro aufgebaut hatte. „Ich hatte für Symvaro die Vision, dass uns jeder aus unserer Zielgruppe kennen muss“. Also musste ein Call Center her, das 11.000 potenzielle Kunden durchtelefoniert. Nach eineinhalb Jahren war das erledigt. Das Call Center war frei für die nächste Aufgabe: „Smart Calling“, erklärt Ball. Kombiniert mit E-Mail-Automatisierung war ein „Pre Sales“-Paket geschnürt, das laut Ball besser ankam, als zunächst gedacht: „Wir waren noch vor dem Start ausgebucht“.

„Haben Gründern Jahre erspart“

Für den „Smoke Test“ braucht Great Big Value eine Liste potenzieller Kunden – etwa 170, damit 100 Interviews zusammenkommen, meint Ball. Die Antworten aus diesen Interviews seien dann nicht immer bequem, dafür aber wertvoll, betont er und zwar ganz egal, wie sie ausfallen. „In einem Fall hatten 97 Prozent in den Interviews gesagt, dass sie kein Interesse an dem Produkt hätten“, erzählt der Unternehmer. „Alle waren geknickt, dabei war das ein sensationelles Ergebnis“. Eine Auswertung hatte nämlich ergeben, dass drei Befragte das Produkt sofort kaufen würden, es aber für eine ganz andere USP schätzen. „Es war einfach nur die falsche Zielgruppe“, erklärt Ball. „Wir haben den Gründern Jahre erspart“.

Den „Smoke Test“ sieht der Gründer auch als Risikominimierung für Startups, aber auch Investoren: „Wir testen, ob und wie sich eine Investition lohnt“. In einem weiteren Schritt will Great Big Value den Test-Prozess weitgehend automatisieren und eine Software anbieten, die einen einfachen Check für neue Produkte, Geschäftsideen und Projekte ermöglicht.

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

Smoke Test: Kärntner liefert „Reality Check“ für Startups

AI Kontextualisierung

Welche gesellschaftspolitischen Auswirkungen hat der Inhalt dieses Artikels?

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

Smoke Test: Kärntner liefert „Reality Check“ für Startups

AI Kontextualisierung

Welche wirtschaftlichen Auswirkungen hat der Inhalt dieses Artikels?

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

Smoke Test: Kärntner liefert „Reality Check“ für Startups

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 …

Smoke Test: Kärntner liefert „Reality Check“ für Startups

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 …

Smoke Test: Kärntner liefert „Reality Check“ für Startups

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 …

Smoke Test: Kärntner liefert „Reality Check“ für Startups

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 …

Smoke Test: Kärntner liefert „Reality Check“ für Startups

AI Kontextualisierung

Wer sind die relevantesten Personen in diesem Artikel?

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

Smoke Test: Kärntner liefert „Reality Check“ für Startups

AI Kontextualisierung

Wer sind die relevantesten Organisationen in diesem Artikel?

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

Smoke Test: Kärntner liefert „Reality Check“ für Startups