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
Stand der Dinge in der Artificial Intelligence
(c) fotolia.com - koya979

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:
02.10.2026

Was CEOs von der Gen Z lernen können: Reverse Mentoring als Innovationsmotor der Zukunft

Die Halbwertszeit von Wissen schrumpft rasant in einer Zeit, in der Wandel schneller passiert, als Erfahrung aufgebaut wird, dreht Reverse Mentoring die klassische Lernhierarchie um. Eine Spurensuche zwischen Machtgefällen und dem Mut zum Nichtwissen.
/artikel/was-ceos-von-der-gen-z-lernen-koennen-reverse-mentoring-als-innovationsmotor-der-zukunft
02.10.2026

Was CEOs von der Gen Z lernen können: Reverse Mentoring als Innovationsmotor der Zukunft

Die Halbwertszeit von Wissen schrumpft rasant in einer Zeit, in der Wandel schneller passiert, als Erfahrung aufgebaut wird, dreht Reverse Mentoring die klassische Lernhierarchie um. Eine Spurensuche zwischen Machtgefällen und dem Mut zum Nichtwissen.
/artikel/was-ceos-von-der-gen-z-lernen-koennen-reverse-mentoring-als-innovationsmotor-der-zukunft
Mit ihrer Reverse-Mentoring-Agentur forciert Ines Hanusch Zukunftssicherheit in Wirtschaft und Politik. © brutkasten

Dieser Text ist zuerst im brutkasten-Printmagazin von August 2026 „Aufbrechen“ erschienen. Eine Download-Möglichkeit des gesamten Magazins findet sich am Ende dieses Artikels.


Wir leben in einer paradoxen Arbeitswelt: Führungskräfte werden für ihr über Jahrzehnte angesammeltes Wissen bezahlt doch exakt dieses Erfahrungswissen kann angesichts rasanter technologischer und kultureller Umbrüche zum blinden Fleck werden. Genau hier setzt eine Methodik an, die traditionelle Rollenbilder auf den Kopf stellt: Reverse Mentoring.

Ines Hanusch, Gründerin der Reverse-Mentoring-Agentur bond & grow, begleitet Unternehmen und Politik bei diesem Paradigmenwechsel. Für sie ist der Kerngedanke simpel, aber radikal: „Beim klassischen Mentoring lernt die Jüngere von der Erfahreneren. Beim Reverse Mentoring ist es umgekehrt: Die Führungskraft sitzt in der Lernenden-Position gezielt, strukturiert und vor allem nicht nebenbei.“

Kein Kaffeetratsch und keine Therapie

Doch was genau ist Reverse Mentoring in der Praxis? Hanusch wird nicht müde zu betonen, was es nicht ist: Es sei kein lockeres Kaffeegespräch, kein Coaching mit einer einzigen Zielvorgabe und schon gar keine Therapie. Auch der oft gehörte Einwand, man könne sich doch einfach mit den eigenen Kindern austauschen, greift für die Expertin ins Leere: „Mit den eigenen Kindern teile ich eine Sozialisation, ein Machtgefälle, ob ich will oder nicht.

Das Kind wird mir vieles nicht sagen, und ich werde vieles nicht hören wollen.“ Wahre Wirkung entstehe erst durch psychologische Sicherheit ohne persönliche Verstrickung eine Atmosphäre, in der ein junger Mensch kein Interesse daran hat, zu gefallen, sondern ehrlich zu sein.

Der Blick von innen: Reibung als Chance

In klassischen Organisationen verhindert die Hierarchie oft genau jenen Raum der psychologischen Sicherheit, in dem ungefiltert und ohne Angst vor Konsequenzen gesprochen werden kann. Ines Hanusch beschreibt das systematische Dilemma eindrücklich: Je weiter Führungskräfte auf der Karriereleiter nach oben klettern, desto mehr manifestiert sich die Angst vor Inkompetenz und Statusverlust. „Wenn Top-Entscheider:innen plötzlich von jemandem lernen, der dreißig Jahre jünger ist, entsteht unweigerlich intensive Emotion, Irritation und Reibung“ – doch exakt in diesen Momenten verankert sich laut Hanusch der größte Lerneffekt.

Wie sich dieser Rollentausch in der Realität anfühlt, schildert eine 21-jährige Mentorin, die im Rahmen von bond & grow Top-Entscheider:innen begleitet. Kristin Barnowsky sieht in ihrer Aufgabe eine enorme Verantwortung: Für sie bedeutet Reverse Mentoring, erfahrenen Führungskräften neue Perspektiven mit auf den Weg zu geben und dabei auch hin und wieder Reibung zu erzeugen“. Nervosität vor dem ersten Aufeinandertreffen ist keine Seltenheit, wie sie verrät. Ihr persönlicher mentaler Trick für das erste Meeting? „Ich stelle mir einfach vor, dass die Person mich bereits mag und ich sie auch. Dadurch gehe ich wesentlich natürlicher, authentischer und positiver in das Gespräch.“

Die größte Herausforderung im laufenden Prozess ist für sie das Gespür dafür, wie tief man in die Glaubenssätze des Mentees eindringen darf. Wenn auf Mentee-Seite Widerstand entsteht, stecke dahinter oft eine unbewusste Angst; etwa das Gefühl, nicht gehört oder gesehen zu werden. Es erfordere Empathie und präzises Timing, unangenehme Themen anzusprechen, ohne die Führungskraft emotional zu überfordern, erklärt die 21-Jährige.

Für wen das Konzept geeignet ist – und wann es scheitert

Die Zahlen sprechen für sich, doch Reverse Mentoring ist kein Selbstläufer. Laut Hanusch eignet es sich primär für Führungskräfte, die Nichtwissen als Startpunkt und nicht als Schwäche betrachten. In hierarchisch geprägten Unternehmen erfordere das immense Größe. „Statusverlust berührt das Selbstbild direkt, und das ist unbequem“, analysiert Hanusch. Viele Führungskräfte fürchten den Moment, in dem sie erkennen müssen, dass jemand, der viele Jahre jünger ist, über entscheidendes Know-how verfügt – sei es über moderne Arbeitskulturen, neue Konsumgewohnheiten oder schlicht den Umgang mit Unsicherheit in Krisenzeiten.

Wann also scheitert Reverse Mentoring? Die Expertin zieht eine klare Grenze: „Ich rate ab, wenn Unternehmen Reverse Mentoring als Imagemaßnahme einsetzen wollen, ohne wirkliche Bereitschaft, etwas zu verändern.“ Ohne intrinsische Motivation beider Seiten, einen geschützten Rahmen und professionelles Matching wird das Format zur reinen Simulation.

Innovation durch unbefangenes Denken

Wenn die Rahmenbedingungen jedoch stimmen, entpuppt sich Reverse Mentoring als machtvoller Innovationsmotor. In vielen Branchen sind junge Menschen näher an der Zielgruppe oder stellen diese gar selbst dar. Sie spüren kulturelle Trends früher und besitzen den Mut, Unbequemes auszusprechen. Kristin Barnowsky erlebt das regelmäßig in ihren Mentoring-Sessions, etwa wenn es um künstliche Intelligenz, Automatisierung von Workflows oder den Einsatz von Social Media geht. Doch der tiefere Wert liegt oft jenseits der Technologie: Es geht um das Hinterfragen erstarrter Prozesse. „Oft sehen die Dinge, die uns Sorgen machen, nur für uns so aus; aus einer anderen Perspektive sind sie plötzlich Chancen für innovative Veränderungen“, resümiert die Mentorin.

Letztlich profitiert nicht nur die Führungskraft auch die jungen Mentor:innen wachsen, bauen sich ein Netzwerk auf und erleben direkte Selbstwirksamkeit. Die wichtigste Frage für Ines Hanusch: „Was, wenn du von denen lernst, die bisher nicht gefragt wurden? Es tut manchmal weh, sich spiegeln zu lassen. Aber nur so entsteht Fortschritt.“ In einer Wirtschaft, die händeringend nach Fachkräften und neuen Wegen sucht, könnte die Bereitschaft, vom Nachwuchs zu lernen, bald über die Existenz von Unternehmen entscheiden. Oder wie Ines Hanusch sagt: „Wer heute keine Kultur des gegenseitigen Lernens etabliert, verliert morgen den Anschluss bei existenziellen Themen wie Mitarbeiterbindung und Innovation.“

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

Wo steht die Artificial Intelligence wirklich?

AI Kontextualisierung

Welche gesellschaftspolitischen Auswirkungen hat der Inhalt dieses Artikels?

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

Wo steht die Artificial Intelligence wirklich?

AI Kontextualisierung

Welche wirtschaftlichen Auswirkungen hat der Inhalt dieses Artikels?

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

Wo steht die Artificial Intelligence wirklich?

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 …

Wo steht die Artificial Intelligence wirklich?

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 …

Wo steht die Artificial Intelligence wirklich?

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 …

Wo steht die Artificial Intelligence wirklich?

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 …

Wo steht die Artificial Intelligence wirklich?

AI Kontextualisierung

Wer sind die relevantesten Personen in diesem Artikel?

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

Wo steht die Artificial Intelligence wirklich?

AI Kontextualisierung

Wer sind die relevantesten Organisationen in diesem Artikel?

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

Wo steht die Artificial Intelligence wirklich?