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:

Lea Baumgartner

04.11.2026

Mit Flottenfuchs wollen Ex-heizma-Führungskräfte Firmenflotten optimieren

Zwei ehemalige heizma-Mitarbeiter haben mit Flottenfuchs ein eigenes Startup gegründet. Das Wiener Unternehmen übernimmt für Betriebe die Verwaltung ihrer Firmenflotten und setzt dabei auf eine selbst entwickelte Software. Zu den ersten Kunden zählt auch der ehemalige Arbeitgeber der Gründer.

/artikel/mit-flottenfuchs-wollen-ex-heizma-fuehrungskraefte-firmenflotten-optimieren

Lea Baumgartner

04.11.2026

Mit Flottenfuchs wollen Ex-heizma-Führungskräfte Firmenflotten optimieren

/artikel/mit-flottenfuchs-wollen-ex-heizma-fuehrungskraefte-firmenflotten-optimieren

Florian Berger und Georg Weber waren zuletzt maßgeblich am Aufbau und operativen Geschäft des Wiener Energie-Startups heizma beteiligt. Dort arbeiteten sie eng zusammen und beschlossen, auch nach ihrem Abschied gemeinsam unternehmerisch tätig zu werden. Was genau sie machen wollten, war zunächst allerdings unklar. Sie überlegten einen Installationsbetrieb zu übernehmen oder eine KI-Agentur zu gründen.

Eine weitere Möglichkeit ergab sich aus ihrer bisherigen Arbeit bei heizma. Berger hatte dort unter anderem den Fuhrpark betreut. Als die Übergabe seiner Aufgaben anstand, fragte er sich: „Der Fuhrpark ist bereit für die Übergabe, aber wem übergebe ich das jetzt eigentlich?“. Eher scherzhaft schlug er Weber vor, die Verwaltung selbst als externe Dienstleistung anzubieten. Die beiden beschäftigten sich daraufhin intensiver mit dem Geschäftsmodell und entschieden sich Anfang 2026 schließlich für Flottenfuchs.

Eine externe Abteilung für Firmenflotten

„Der Fuhrpark ist ein Wanderpokal in einer Firma. Keiner will ihn, aber man erbt ihn“, sagt Berger. Aufgaben wie Leasingverträge, Werkstatttermine oder Schadensabwicklung werden in vielen Betrieben neben dem Tagesgeschäft erledigt. Gerade kleinere Unternehmen verfügen häufig über keine eigene Fuhrparkabteilung.

Hier setzt das Startup an. Flottenfuchs übernimmt die operative Verwaltung von Firmenfahrzeugen, von der Beschaffung über Wartungen und Reifenwechsel bis zur Schadensabwicklung und Kommunikation mit den Fahrer:innen. Auch gesetzliche Pflichten wie Führerscheinkontrollen gehören zum Angebot.

Zu Beginn analysiert Flottenfuchs den bestehenden Fuhrpark und sucht nach Einsparpotenzialen, etwa bei Versicherungs- und Leasingkonditionen. Nach eigenen Angaben lassen sich Fuhrparkkosten um bis zu 30 Prozent reduzieren. Für die laufende Gesamtbetreuung zahlen Unternehmen einen monatlichen Fixbetrag pro Fahrzeug.

Eigene Software statt zugekaufter Lösung

Die technische Grundlage bildet die selbst entwickelte, KI-gestützte Plattform FlottenfuchsOS. Ursprünglich wollten Berger und Weber eine bestehende Software zukaufen. Nach mehreren Tests entschieden sie sich jedoch dagegen. Laut Berger hätten sie bei den verfügbaren Lösungen nur rund 15 bis 20 Prozent der Funktionen tatsächlich benötigt.

Stattdessen entwickelten sie eine eigene Plattform, die Fahrzeug-, Vertrags- und Kostendaten bündelt, Fristen überwacht und Abweichungen bei verrechneten Leistungen erkennt. Die Softwareentwicklung verantwortet vor allem Weber. „Er ist ein Prozessguru und automatisiert so viel wie möglich“, sagt Berger über seinen Mitgründer.

Unterstützung erhalten die beiden von Florian Rosenberg, mit dem Berger bereits beim IT-Dienstleister Crayon am Aufbau eines Data-&-AI-Geschäftsbereichs gearbeitet hatte. Rosenberg steht Flottenfuchs als Advisor zur Seite.

Auch beim Fahrverhalten der Mitarbeiter:innen sieht das Gründerduo durch Gamification Einsparpotenzial. Eine eigene App soll Fahrer:innen spielerisch dazu motivieren, sparsamer unterwegs zu sein. Dafür können sie beispielsweise ihren Kraftstoffverbrauch und ihre Tankkosten miteinander vergleichen. Unternehmen entscheiden selbst, wie sie die Ergebnisse nutzen.

Bereits mehrere hundert Fahrzeuge in Betreuung

Das Wiener Startup wurde erst im August dieses Jahres gegründet und betreut laut eigenen Angaben bereits rund 20 Unternehmen mit insgesamt mehreren hundert Fahrzeugen. Zu den Kunden gehören neben heizma auch Daikin, Beinkofer und Flamingo Energy. Gewonnen wurden diese laut Berger vor allem über das persönliche Netzwerk und Weiterempfehlungen. Nicht alle Kunden lassen ihren gesamten Fuhrpark betreuen, manche beauftragen Flottenfuchs zunächst mit Einzelleistungen wie z.B. der Analyse des Fuhrparks.

Das Startup ist bislang vollständig eigenfinanziert und will vorerst ohne externe Investoren wachsen. Aktuell richtet sich das Angebot vor allem an Unternehmen mit fünf bis 150 Fahrzeugen und umfasst Pkw sowie Nutzfahrzeuge bis 3,5 Tonnen. Langfristig wollen Berger und Weber weitere Formen der betrieblichen Mobilität abdecken. Ihr erklärtes Ziel ist es, Flottenfuchs als führenden Mobilitätsmanager in Österreich und Europa zu etablieren.

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