Wie die Salzburg AG mit einer neuen Crowdinvesting-Plattform die Energiewende vorantreibt

05.04.2018

Wo steht die Artificial Intelligence wirklich?

Was ist Artificial Intelligence und was wird nur so genannt? Und wo auf dem Weg zu den Science-Fiction-Vorbildern aus Star Trek und Co stehen wir?

/artikel/stand-der-dinge-in-der-artificial-intelligence

✨ AI Kontextualisierung

Die Faszination für künstliche Intelligenz (AI) bzw. vom Menschen geschaffene Intelligenz ist fast so alt wie die Menschheit selbst. Bereits in der griechischen Mythologie finden sich mechanische, aus Bronze gefertigte Diener, die über eigenständigen Willen verfügen. Die Geburtsstunde des Begriffs Artificial Intelligence war 1956, als sich unter der Führung von Marvin Minsky eine Gruppe von Wissenschaftlern für einen achtwöchigen Workshop in Dartmouth traf, in dem der Grundstein für die Disziplin gelegt wurde. Doch was ist heute der Stand der Dinge in der Artificial Intelligence?

AI lässt sich grob folgendermaßen unterteilen:

Narrow AI: Systeme, die eng abgesteckte, repetitive Aufgaben automatisieren können, z.B. Bilderkennung,
Artificial General Intelligence: AI, die in der Lage ist, selbstständig neue Probleme zu erkennen und zu lösen, z. B. Data in Star Trek
Conscious AI: Sie verfügt über ein eigenes Bewusstsein und Emotionen, z.B. HAL 9000 in „2001: Odyssee im Weltraum“.

+++Zombies, Aliens & Star Trek: “Lemmings”-Inkubator holt Silicon Valley Mindset nach Wien+++

Stand der Dinge in der Artificial Intelligence

Die gewählten Beispiele zeigen: Alle heutigen als AI betitelten Systeme fallen unter Narrow AI, da sie weder in der Lage sind, das Gelernte zu generalisieren, noch Emotionen fühlen können oder gar über ein eigenes Bewusstsein verfügen. Der Befund zum Stand der Dinge in der Artificial Intelligence ist also – zumindest für Science Fiction Fans – eher ernüchternd.

Von Machine und Deep Learning

Innerhalb der Narrow AI sind es vor allem Machine Learning und im Speziellen Deep Learning, die den aktuellen Hype losgetreten haben. Machine Learning ist eine Technik, die bereits seit den 1950ern existiert. Sie beschreibt Algorithmen, die sich in Abhängigkeit von den Eingangsdaten selbst anpassen können. Auf diese Art können Muster und Gesetzmäßigkeiten in Datenbeständen erkannt werden, um darauf basierend Vorhersagen zu treffen. Typische Anwendungsgebiete für Machine Learning sind etwa Spamfilter, Prognosesysteme (z. B. Wetter oder Real Estate) sowie Betrugserkennung.

Deep Learning, das eine Subkategorie von Machine Learning darstellt, basiert auf künstlichen neuronalen Netzen, weshalb die Begriffe Deep Learning und (Artificial) Neural Networks fast austauschbar verwendet werden. Das Kernelement sind dabei künstliche Neuronen, die eine beliebige Anzahl von Eingängen haben können, aber nur einen Ausgang. Für jeden Eingang gibt es ein sogenanntes Gewicht, das bestimmt, wie wichtig er für den Ausgang ist.

Lernen durch Errors

Das „Deep“ in Deep Learning bezieht sich auf die Anordnung der Neuronen, die oft in mehreren Schichten erfolgt. Am Ausgang des gesamten Netzes erfolgt mittels der sogenannten „Error Function“ eine Überprüfung, wieweit der Vorhersagewert vom tatsächlichen Wert der Trainingsdaten abweicht. Dieser Error wird danach dazu verwendet, die Gewichte der einzelnen Neuronen zu adjustieren – das System lernt somit. Vereinfacht sieht das bei einer Vorhersage über Wohnungspreise folgendermaßen aus: Das neuronale Netz erhält als Eingangsdaten eine Liste an Wohnungen, bei denen neben dem Verkaufspreis und der Lage auch Daten wie z. B. Verkäufer und Maklerbüro zu finden sind. Nach mehreren Durchläufen erkennt das Netz, dass z.B. „Verkäufer“ und „zuständiges Maklerbüro“ nur einen sehr geringen Einfluss auf den Verkaufspreis haben, und setzt dementsprechend die Gewichte für die entsprechenden Eingänge neu.

Viele Anwender, wenige „echte AI-Startups“

Soviel zum technologischen Stand der Dinge in der Artificial Intelligence. Zu beachten gibt es in der Beurteilung von AI-Produkten aber noch einen weiteren Punkt. Denn die meisten Firmen, die Artificial Intelligence nutzen, haben sie nicht selbst kreiert. Was unterscheidet also ein „echtes AI-Startup“ von reinen Anwendern?

Hier ein paar Anhaltspunkte:

Erstellen und Trainieren von eigenen Modellen (Deep Learning, Machine Learning)
Eigenständige Implementierung von domänenspezifischen Lösungen, teilweise on top von bestehenden AIFrameworks wie z. B. Google TensorFlow, PyTorch oder Keras, und
über Verwendung und Kombination von Frameworks hinausgehende Anwendungen. Im Fall von ChatbotFrameworks wie IBM Watson und Facebooks wit.ai wären das z.B. eigene Sprachmodelle für Umgangssprache.

Dieser Artikel erschien in gedruckter Form im aktuellen Brutkasten Magazin #6

Deine ungelesenen Artikel:

Dominik Perlaki

13.08.2026

Dachfonds-Management soll im Herbst aussgeschrieben werden – weitere Hürden zu erwarten

Startup-Staatssekretärin Elisabeth Zehetner präzisierte den Zeitplan für den geplanten "Start-up & Scale-up Dachfonds" weiter. Hinter vorgehaltener Hand gibt es auch Kritik am konkreten Vorgehen.

/artikel/dachfonds-management-soll-im-herbst-aussgeschrieben-werden-weitere-huerden-zu-erwarten

Dominik Perlaki

13.08.2026

Dachfonds-Management soll im Herbst aussgeschrieben werden – weitere Hürden zu erwarten

Startup-Staatssekretärin Elisabeth Zehetner präzisierte den Zeitplan für den geplanten "Start-up & Scale-up Dachfonds" weiter. Hinter vorgehaltener Hand gibt es auch Kritik am konkreten Vorgehen.

/artikel/dachfonds-management-soll-im-herbst-aussgeschrieben-werden-weitere-huerden-zu-erwarten

Wirklich neu oder gar überraschend ist das jüngste Statement von Startup-Staatssekretärin Elisabeth Zehetner zum mit „bis zu“ 500 Millionen Euro Volumen geplanten „Start-up & Scale-up Dachfonds“ nicht. Wie mehrere heimische Medien berichten, sagte sie zuletzt gegenüber der APA: „Die Ausschreibung für das Fondsmanagement wird im Herbst stattfinden“ – betraut ist damit die aws. Anders wäre es freilich gar nicht möglich, den bereits zuvor kommunizierten Start der operativen Tätigkeit mit Anfang 2027 zu gewährleisten.

Und auch so könnte es schwer werden. Denn „im Herbst“ ist immer noch eine recht vage Zeitangabe und Ausschreibungsverfahren können bekanntlich auch länger dauern, als erhofft – sofern nicht bereits im Hintergrund Vorentscheidungen getroffen wurden, was hier keineswegs unterstellt werden soll.

Kleiner Pool an erfahrenen Dachfonds-Manager:innen

Der Pool an Personen, die konkrete Erfahrung mit dem Management VC-fokussierter Dachfonds mitbringen, hält sich nämlich europaweit in engen Grenzen. Neben dem European Investment Fund (EIF) als dominierendem Player auf EU-Ebene, gibt es einige nationalstaatliche Fonds, die teilweise auch zum Vorbild für die österreichische Version wurden, und einige private Player, die meist mit deutlich niedrigeren Kapitalvolumina arbeiten. Ein schlagkräftiges Team müsse aktiv mit entsprechenden Incentives abgeworben werden. Die Staatsnähe erschwere die Suche zusätzlich, befürchtet ein Branchenkenner gegenüber brutkasten hinter vorgehaltener Hand.

Keine staatliche Einflussnahme?

Dass es, wie versprochen, tatsächlich keine staatliche Einflussnahme auf den Dachfonds geben werde, glaubt er nämlich nicht. So soll etwa die aws laut einer nicht öffentlichen Präsentation, die dem Insider vorliegt, ins Fundraising eingebunden werden. Und das spreche, kombiniert mit dem geplanten staatlichen Ankerinvestment in Höhe von bis zu 20 Prozent bzw. bis zu 100 Millionen Euro (brutkasten berichtete), gegen völlige Unabhängigkeit.

Und auch die Zielsetzung, den Investmentfokus auf Österreich zu legen, passt nicht ganz mit der Idee zusammen, dass das Fondsmanagement völlig freie Hand haben soll. Zehetner äußerte sich auch hierzu gegenüber der APA: Österreich-Fokus ja, „es gibt aber keine genauen Vorgaben für das Fondsmanagement.“ Hinzu kommt natürlich auch, dass es in Österreich gar nicht so viele VC-Fonds gibt – und noch viel weniger im angestrebten Growth-Stage-Bereich.

Politische Überzeugungsarbeit bei potenziellen LPs

Ist das Management dann einmal aufgestellt, dürfte das Finden geeigneter Limited Partners (LPs), also Kapitalgeber für den Dachfonds, zur nächsten Herausforderung werden. Wirklich attraktiv sei die Beteiligung für die institutionellen Investoren, wie Banken und Versicherungen, die man ansprechen will, nämlich nicht, sagt ein anderer Branchenkenner – ebenfalls off the record. Auch wenn – wie angekündigt – begleitende Gesetze die Situation für die in Sachen Risiko sehr restriktiv geregelten Institutionellen verbessern, gebe es nicht automatisch gute Gründe, die für dieses Investment sprechen.

Die Folge: Es bedürfe auch von politischer Seite Überzeugungsarbeit bei den LPs. Dass man bereits jetzt, bevor das Management überhaupt ausgeschrieben ist, hinter verschlossenen Türen versucht, die großen relevanten heimischen Player zu einem Committment zu bewegen, liegt auf der Hand – schließlich soll das Projekt zum politischen Erfolg werden. Dass darunter die angestrebte Unabhängigkeit abermals leidet, ebenfalls.

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