16.09.2019

Wie sich eine Zwei-Klassen-Mobilität verhindern lässt

Interview: Christina Hubin ist Head of Research and Development beim Wiener Mobilitätsstartup "Upstream Mobility", das 2016 von den Wiener Stadtwerken gegründet wurde. Im Interview spricht sie darüber, wie sich eine Zwei-Klassen-Mobilität verhindern lässt und wie unterschiedliche Mobilitätsangebote künftig miteinander integriert werden können.
/artikel/upstream-interview-weinzettl
Upstream
Christina Hubin ist Head of Research & Development bei der Upstream – next level mobility GmbH.

Der öffentliche Verkehr soll den Grundstein der Mobilität in der Stadt bieten, damit die Leute öffentlich oder mit öffentlichen verfügbaren Angeboten unterwegs sind und den eigenen PKW eigentlich nicht mehr brauchen. Upstream – next level mobility GmbH ist eine Mobilitäts-Integrationsplattform, die alle Mobilitäts-Angebote vernetzt und digital über Schnittstellen zur Verfügung stellt.

+++ Fokus: Mobility & Connectivity +++ 

„Wir arbeiten daran, dass das notwendige  Know-how für künftige Mobilität  in der öffentlichen Hand aufgebaut wird, um Mobilität als Daseinsvorsorge sicherzustellen und eine Zwei-Klassen-Mobilität zu verhindern.“, sagt Christina Hubin, Head of Research and Development bei der Upstream – next level mobility GmbH. Hubin wird am 18. Oktober 2019 am Austrian Innovation Forum in Wien über Innovation im Bereich der Mobilität sprechen.

Wie entstand die Idee zur Upstream – next level mobility GmbH?

Christina Hubin: Upstream wurde aus einem Forschungsprojekt, das die kombinierte Nutzung öffentlicher, kollektiver und individueller Mobilitätsangebote als Alternative zum eigenen Auto untersuchte, gegründet. Das Ziel war die wachsenden alternativen Angebote, den Kunden so unkompliziert wie möglich, in einer App, darzustellen.

Heute beschäftigen wir uns auch mit der Sicherstellung des Ausbaus und der Verwaltung eigener digitaler Infrastrukturen und der Erweiterung der digitalen Services für vernetzten urbanen Verkehr.

Jedes Auto wird nur zu fünf Prozent genutzt, 95 Prozent der Zeit sind die Autos nicht ausgelastet. Die Idee ist, dass der öffentliche Verkehr den Grundstein der Mobilität in der Stadt bietet, damit die Leute unkompliziert öffentlich oder mit öffentlichen verfügbaren Angeboten unterwegs sein können und den eigenen PKW eigentlich nicht mehr brauchen.

Welches Produkt entwickelt ihr ?

Christina Hubin: In Wien hat man neben den Wiener Linien auch viele andere Möglichkeiten, durch die Stadt zu kommen. Ich arbeite im Bereich Research und Development. Wir analysieren neue Technologien und Services, die für die zukünftige Mobilität relevant sind, und probieren sie prototypisch aus.

Eines unserer derzeitigen Projekt heißt dynamisches Mobilitätsmanagement. Man will nicht nur Mobilitätsangebote vernetzen und zur Verfügung stellen, sondern auch das Angebot optimieren bzw. dort Angebote schaffen, wo auch Nachfrage entsteht.

Wie sieht es mit der technischen Umsetzung aus?

Christina Hubin: Für diese Prognose braucht man einen Überblick der gesamten Mobilität in einer Stadt. Hierzu stellen wir die Nutzerdaten  zu Fahrzeugdaten, den Infrastruktur Auslastungsdaten mit externen Daten wie Wetter, Events, Baustellen, usw in Relation. Die Auswertung dieser Datenbasis gibt einen Überblick über die Mobilität der Stadt und die Möglichkeit Engpässe im Vorfeld zu prognostizieren.

Was sind die Herausforderungen für die Zukunft?

Christina Hubin: Wir arbeiten daran, dass das notwendige  Know-how für künftige Mobilität in der öffentlichen Hand aufgebaut wird, um Mobilität als Daseinsvorsorge sicherzustellen, denn wenn sich private Unternehmen darum kümmern, steht immer ein Business Case dahinter. Das bedeutet, die bessere Mobilität, die bessere Route und das bessere Fahrzeug würden finanziell besser gestellten Personen zugänglich, da sie mehr bezahlen können. Dadurch kann sich schnell eine Zwei-Klassen-Mobilität entwickeln. Das gilt es zu vermeiden.

Wir bleiben als Stadt unabhängig, da wir den Überblick über die Mobilität haben. Wir können durch diverse Datenquellen und durch Simulationen planen und daraus Maßnahmen erstellen und diese wieder durch unsere Datenquellen evaluieren.

Wie wird die Entwicklung in den nächsten zehn Jahren fortschreiten?

Christina Hubin: Ich glaube, der Mobilitätsüberblick und die Vernetzung der Angebote wird auch in zehn Jahren Thema sein. Aufgrund der Klimaziele und CO2-Einsparungen hat sich möglicherweise die Antriebstechnologie geändert. Autonomes Fahren wird mit Sicherheit ein Thema, ob das schon in zehn Jahren sein wird, weiß ich nicht.

Zu der Frage wer die Fahrzeuge steuert, gibt es mehrere Szenarien von Verkehrsexperten. Viele glauben, dass die autonomen Fahrzeuge auf der Straße einfach den privaten PKW mit einer anderen Antriebstechnologie austauschen.

Dann gibt es die Variante der Mischform, so wie heute. Mehrere Angebote nebeneinander, Sharing Systeme und private Fahrzeuge, die nicht wirklich kompatibel miteinander sind und die unterschiedliche Services und unterschiedliche Zugänge für den User bieten.

Wie sieht das optimale Szenario der künftigen Mobilität aus?

Christina Hubin: Das optimale Szenario ist die gesamte Vernetzung, die es dem Nutzer ermöglicht in einer Anwendung jederzeit das beste Angebot in einem individuell gestalteten Mobilität Service zu nutzen jedoch mit der Prämisse die gesamte Mobilität einer Stadt zu optimieren, sprich optimal zu verteilen. Gerade im Bereich der Digitalisierung muss man an alle Altersgruppen denken und die Bedürfnisse von Kindern und von älteren Personen berücksichtigen.

Welche Jobs brauchen wir in Zukunft, die heute noch keinen Namen haben?

Christina Hubin: Es gibt einige Jobs in unserem Bereich, die auch für die breite Masse immer bekannter werden, wie Data Scientist und Data Analyst. Ich denke, dass sich einige Jobs inhaltlich ändern werden. Im dynamischen Mobilitätsmanagement brauchen wir Mathematiker und Logiker.

Derzeit ist das Mathematikstudium eher auf das Finanz und Versicherungswesen ausgerichtet. In Zukunft ist man vielleicht Mathematiker aber in Kombination mit Data Science. Software Entwickler brauchen eine gute Ausbildung für Analytics.
Ich kann mir vorstellen, dass es Mobilitätsbegleiter oder Mobilitätsberater für Betriebe oder Unternehmen gibt, die dementsprechende Mobilitätservices oder Lösungen konzipieren.


Zur Gastautorin

Dieses Interview wurde von Julia Weinzettl geführt und erstmals auf dem Blog der Plattform Taskfarm veröffentlicht. Weinzettl startete ihre Karriere nach dem Wirtschaft-, Politik- und Kommunikationswissenschaften-Studium als Marketingmanagerin der damaligen Startups sms.at, uboot.com und handy.at. Nach Tätigkeiten als Mobile Business Development Manager bei bwin (damals auch noch im Startup-Stadium) und als Data Protection Counselor bei der Personensuchmaschine www.123people.com wurde Weinzettl selbst zur Gründerin. Gemeinsam mit ihrem Mann Mike Weinzettl startete sie 2011 www.taskfarm.com als Marktplatz zur Projektvermittlung. Später folgte der Pivot zu einem Fokus auf Softwareentwicklung und Consulting. Mit dem Taskfarm-Blog legt die Gründerin eine große Interview-Serie zum Thema „Future of Work“ vor.


 

 

Deine ungelesenen Artikel:
24.09.2026

Apollo: Sprachmodell von ÖAW und Mistral schließt Lücken in 2.000 Jahre alten Texten

"Apollo" ergänzt fehlende Inhalte in fragmentarischen antiken Texten und gilt eigenen Angaben nach als weltweit erstes LLM für Altgriechisch.
/artikel/apollo-sprachmodell-von-oeaw-und-mistral-schliesst-luecken-in-2-000-jahre-alten-texten
24.09.2026

Apollo: Sprachmodell von ÖAW und Mistral schließt Lücken in 2.000 Jahre alten Texten

"Apollo" ergänzt fehlende Inhalte in fragmentarischen antiken Texten und gilt eigenen Angaben nach als weltweit erstes LLM für Altgriechisch.
/artikel/apollo-sprachmodell-von-oeaw-und-mistral-schliesst-luecken-in-2-000-jahre-alten-texten
Apollo, KI, Altgiechisch, Mistral
© Österreichische Nationalbibliothek/ÖAW/Daniel Hinterramskogler - Papyrus aus der römischen Kaiserzeit mit einer griechischen Geburtsanzeige, von Apollo rekonstruiert (Römisches Ägypten, 149 n. Chr.) und Anna Dolganov, Forscherin am Österreichischen Archäologischen Institut der ÖAW.

In Museen und Bibliotheken weltweit lagern hunderttausende Inschriften und über eine Million Papyrusfragmente aus der Antike. Der Großteil des Materials ist fragmentarisch und schwer lesbar. „92 Prozent der Papyri warten bis heute auf ihre Entzifferung. Ein gigantischer, unerschlossener Schatz der Geschichte“, heißt es per Aussendung der Österreichischen Akademie der Wissenschaften (ÖAW). Genau hier möchte Apollo ansetzen.

Apollo: „Neues Fenster zu unserem gemeinsamen kulturellen Erbe“

Entwickelt wurde das Large Language Model (LLM) in einer Kooperation zwischen der ÖAW und den europäischen KI-Unternehmen Mistral AI und SAIL Reply. Am gestrigen Mittwoch präsentierten die Forschungspartner die erste Stufe des Apollo-KI-Systems, das ab sofort der Wissenschaft und der Öffentlichkeit zur Verfügung steht.

„Apollo zeigt, was europäische Zusammenarbeit leisten kann, wenn KI, die gezielt an wissenschaftliche Anforderungen angepasst werden kann, auf jahrhundertealtes wissenschaftliches Wissen trifft“, sagt Guillaume Lample, Co-Founder und Chief Scientist von Mistral. „Indem Mistrals Technologie dabei hilft, Texte wiederherzustellen, die seit zweitausend Jahren nur fragmentarisch überliefert sind, eröffnet sie ein neues Fenster zu unserem gemeinsamen kulturellen Erbe – und das ist erst der Anfang.“

600 Millionen Wörter

Die meisten Texte der Antike sind nur unvollständig überliefert und es fehlen einzelne Wörter oder sogar ganze Textpassagen. Das Sprachmodell Apollo könne fehlende Inhalte von Fragmenten eigenständig ergänzen und dabei helfen, das Verständnis und die historische Einordnung eines Schriftstückes zu verbessern.

Obwohl für das Training der KI in Altgriechisch nur 600 Millionen Wörter zur Verfügung standen – mehrere zehn Milliarden Wörter gelten üblicherweise als der Standard für LLMs – sei eigenen Angaben nach Apollo treffsicher.

„Bei einem vorhandenen Originaltext auf Papyrus erreicht das Modell bei maskierten, also bewusst versteckten Passagen eine Trefferquote von rund 80 Prozent“, erklärt Anna Dolganov, Forscherin am Österreichischen Archäologischen Institut der ÖAW und Mastermind hinter dem Projekt. Bei tatsächlich unbekannten Textlücken bewerteten internationale Fachexpert:innen, die das KI-System im Rahmen einer Blindstudie evaluiert haben, Apollos Vorschläge in 77 Prozent der Fälle als mindestens ebenso gut wie durch Menschen vorgenommene Ergänzungen und in 16–20 Prozent der Fälle sogar besser, heißt es.

Apollo erkennt Sprachstufen

Besonders beeindruckend sei zudem, wie präzise Apollo zwischen verschiedenen Sprachstufen des Griechischen unterscheiden kann, betont Dolganov: „Unser LLM kann mit vergleichsweise geringem Wissen über einen Kontext weitreichende Schlüsse ziehen. Anhand von Satzbau und Vokabular erkennt Apollo präzise, ob ein Text zum Beispiel aus Homers ‚Odyssee‘ stammt, und ergänzt ihn im passenden Sprachregister.“

Als Beweis zeigte Dolganov bei der Präsentation von Apollo etwa eine antike Geburtsurkunde, die vollständig rekonstruiert wurde. Zudem wurde eine beim Ausbruch des Vesuvs verkohlte Schriftrolle an entscheidenden Stellen „vollständig lesbar gemacht“. Und mit der Rekonstruktion einer fragmentarischen Inschrift aus dem Schwarzmeerraum hat sich der Forscherin zufolge belegen lassen, dass in einer bestimmten Region bereits römisches Recht galt. Die Aussendung sprach hierbei von einer „weitreichenden Erkenntnis, die durch einen Beleg für die römische Prostitutionssteuer untermauert wird.“

Weitere Stufen geplant

„Mithilfe der KI entsteht ein neues Bild der antiken Sozial- und Wirtschaftsgeschichte, da sich viele Erkenntnisse erst aus der Masse der Dokumente ergeben – etwa bei Steuerquittungen“, präzisiert Dolganov.

Und Heinz Faßmann, Präsident der Österreichischen Akademie der Wissenschaften, ergänzt: „Apollo bringt die Erforschung von historischen Schriftstücken und Dokumenten in ein neues Zeitalter. Der Einsatz des neuen Sprachmodells wird völlig neue Forschungsfragen zulassen und unser historisches Wissen erweitern. Wir sind stolz, dass die ÖAW gemeinsam mit dem europäischen KI-Unternehmen Mistral diese wegweisende Technologie entwickelt hat. Für die Zukunft streben wir eine vertiefte Zusammenarbeit mit Mistral an.“

© ÖAW/Daniel Hinterramskogler – Heinz Faßmann, Präsident der Österreichischen Akademie der Wissenschaften, bei der öffentlichen Vorstellung von Apollo.

Der ersten Stufe des Modells sollen bald noch weitere folgen. „Das Ziel ist ambitioniert, aber machbar“, wie Dolganov betont: Die KI soll künftig unerschlossene Papyri sowohl entziffern als auch rekonstruieren können. Geplant ist außerdem eine Erweiterung, mit der das Modell thematische und semantische Suchen in der gesamten griechischen Textüberlieferung durchführen sowie Parallelstellen suchen soll und so die passende Evidenz für Ergänzungsvorschläge gleich mitliefert.

Dolganov, die ÖAW und Mistral wollen jedoch bei Altgriechisch nicht aufhören. Aufbauend auf den Erfahrungen soll die KI künftig auch mit einem lateinischen Textkorpus trainiert werden. Dafür stehen dann rund zwölf Milliarden Wörter zur Verfügung. Was für das Projekt noch fehlt, sei ein passender Name.

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

Wie sich eine Zwei-Klassen-Mobilität verhindern lässt

AI Kontextualisierung

Welche gesellschaftspolitischen Auswirkungen hat der Inhalt dieses Artikels?

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

Wie sich eine Zwei-Klassen-Mobilität verhindern lässt

AI Kontextualisierung

Welche wirtschaftlichen Auswirkungen hat der Inhalt dieses Artikels?

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

Wie sich eine Zwei-Klassen-Mobilität verhindern lässt

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 …

Wie sich eine Zwei-Klassen-Mobilität verhindern lässt

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 …

Wie sich eine Zwei-Klassen-Mobilität verhindern lässt

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 …

Wie sich eine Zwei-Klassen-Mobilität verhindern lässt

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 …

Wie sich eine Zwei-Klassen-Mobilität verhindern lässt

AI Kontextualisierung

Wer sind die relevantesten Personen in diesem Artikel?

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

Wie sich eine Zwei-Klassen-Mobilität verhindern lässt

AI Kontextualisierung

Wer sind die relevantesten Organisationen in diesem Artikel?

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

Wie sich eine Zwei-Klassen-Mobilität verhindern lässt