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:
04.11.2026

SAP stellt neue KI-Tools vor – eines davon kommt auf der Internationalen Raumstation (ISS) zum Einsatz

SAP arbeitet an einem umfassenderen Einsatz von KI in Unternehmen und stellte dafür bei seiner Entwicklerkonferenz TechEd neue Technologien vor. Sie sollen unter anderem die Zusammenarbeit von KI-Agenten verbessern, ihren Einsatz besser kontrollierbar machen und Datenanalysen selbst unter den besonderen Bedingungen der ISS ermöglichen.
/artikel/sap-stellt-neue-ki-tools-vor-eines-davon-kommt-auf-der-internationalen-raumstation-iss-zum-einsatz
04.11.2026

SAP stellt neue KI-Tools vor – eines davon kommt auf der Internationalen Raumstation (ISS) zum Einsatz

SAP arbeitet an einem umfassenderen Einsatz von KI in Unternehmen und stellte dafür bei seiner Entwicklerkonferenz TechEd neue Technologien vor. Sie sollen unter anderem die Zusammenarbeit von KI-Agenten verbessern, ihren Einsatz besser kontrollierbar machen und Datenanalysen selbst unter den besonderen Bedingungen der ISS ermöglichen.
/artikel/sap-stellt-neue-ki-tools-vor-eines-davon-kommt-auf-der-internationalen-raumstation-iss-zum-einsatz
ISS, SAP
Philipp Herzig, CTO SAP I © SAP

SAP hat auf seiner jährlichen Entwicklerkonferenz „SAP TechEd“ Ende Oktober eine Reihe von KI-Innovationen bekannt gegeben, die das SAP-Portfolio für Entwickler erweitern. Erweiterungen der Joule-Lösungen und der SAP Business AI Platform – einschließlich des neuesten Foundation Models von SAP für tabellarische Daten – sollen neue Tools zur Entwicklung und Erweiterung von KI-Agenten bereitstellen. Zugleich sollen sie den Agenten Daten- und Geschäftskontext für logisches Denken sowie zusätzliche Governance-Kontrollen bieten. Um sie unternehmensweit verantwortungsvoll einsetzen zu können, so der Plan.

SAP Business AI Plattform als Basis

„Auf der SAP TechEd präsentieren Entwickler seit jeher die neuesten Innovationen“ sagt Philipp Herzig, CTO von SAP. „In diesem Jahr zeigen wir, wie KI nicht einfach nur lernt, Unternehmen zu verstehen, sondern auch Geschäftsprozesse abzuwickeln. In ‚Joule Work‘ machen Nutzer ihre Eingaben und erledigen Aufgaben in einer durchgängigen Anwendungsumgebung, in der gesamten SAP-Landschaft und darüber hinaus. Das ist die Neuerung, die wir in großem Maßstab bereitstellen.“

Die Basis von allem bildet die SAP Business AI Plattform. Sie sorge für eine schnellere Wertschöpfung, da Geschäftsprozesse von Anfang an verstanden würden, und biete eine höhere Genauigkeit. „Außerdem erfüllt sie die Anforderungen von Unternehmen, gewährleistet ab der ersten Implementierung einen sicheren, kontrollierten und konformen Betrieb und bietet eine einzigartige Kontextebene, die auf dem Prozess- und Branchenwissen aus über 50 Jahren aufbaut, das in jeder Agenten-Aktion verankert ist“, so Herzig weiter.

Code und No-Code

Gebaut werden KI-Agenten im „Joule Studio“. Das ist sowohl ohne Programmierkenntnisse per Klick-Baukasten (No-Code) möglich, als auch mit eigenem Code (Pro-Code). Dafür stehen über 70 verschiedene KI-Modelle zur Auswahl.

Durch neue Funktionen für „Joule Work“ sollen KI-Agenten noch wirkungsvoller komplexe Geschäftsprozesse über offene Protokolle (A2A und MCP) handhaben können. Diese Innovationen machen „Joule Work“ leistungsfähiger, um den Kontext besser zu verstehen, Entscheidungen zu treffen und mehrstufige Workflows über Unternehmenssysteme und Geschäftsbereiche hinweg auszuführen, so der Claim.

SAP erweitert seine KI-Plattform damit eigenen Angaben zufolge um eine neue Orchestrierungsschicht, damit Assistenten und Agenten komplexe, mehrstufige Abläufe über verschiedene SAP-Systeme hinweg zuverlässiger erledigen können. Der SAP Knowledge Graph soll künftig auch Daten aus kundeneigenen SAP- und Drittquellen einbinden, sodass Nutzer ihre Informationen in natürlicher Sprache durchsuchen und exakte, auf den eigenen Daten basierende Antworten erhalten.

Auch andere Anbieter-Einbindung möglich

Agenten anderer Anbieter sollen außerdem über ein kontrolliertes Agenten-Gateway sicher auf „Joule Agents“ zugreifen und mit ihnen zusammenarbeiten können, ohne dass „Kontrolle und Governance verloren gehen“. Das neue „SAP Enterprise AI Gateway“ bündelt zudem Authentifizierung, Richtlinien, Routing, Überwachung, Nutzungsverfolgung und Auditing des gesamten KI-Datenverkehrs im Unternehmen. Ergänzend sollen ein neuer „Joule Assistent“, der „SAP AI Agent Hub“ und ein „AI Governance Assistant“ Kunden dabei helfen, die EU-KI-Verordnung einzuhalten.

Beim „Tabular Foundation Model“ kündigt SAP das Modell „SAP-RPT-2.0“ an, das künftig auch Anomalien und Ausreißer in Tabellendaten erkennen soll. „SAP-RPT-TS“ hingegen soll Geschäftskennzahlen prognostizieren können.

Einsatz auf der ISS

„Es gibt große Weiterentwicklungen bei unseren Tabular Foundation Models“, ergänzt Herzig. „Daraus ist inzwischen eine ganze Modellfamilie geworden. Ein etwas ausgefallener technischer Ausblick ist, dass wir diese Modelle gemeinsam mit Hewlett Packard Enterprise auch auf der Internationalen Raumstation (ISS) einsetzen – für die vorausschauende Wartung im Weltraum.“ Das Modell soll zudem Ausfälle vorhersagen können, ohne dass die dafür benötigten Daten zur Erde übertragen werden müssen.

„SAP-RPT wurde generisch trainiert und kann– ähnlich wie große Sprachmodelle im Bereich Sprache – auf eine Vielzahl unterschiedlicher Anwendungsgebiete übertragen werden“, so Herzig weiter. „Creditplus verwendet solche Modelle beispielsweise für die Risikobewertung. Hitachi setzt sie für die vorausschauende Wartung seiner Maschinen ein. ‚Oxford Cancer‚ nutzt sie, um anhand von Proteinmarkern Krebserkrankungen bei Patienten besser vorherzusagen als mit bisherigen Modellen“, sagt er.

Wenn man sich die Internationale Raumstation ansehe, genauer gesagt das Columbus-Modul, in dem SAP das Modell einsetzt, gebe es dort enorme Datenmengen.

„Nicht einfach zur Erde herunterladen“

„Die Maschinen auf der ISS erzeugen Telemetriedaten, die sehr nützlich sind. Allerdings handelt es sich um rund zehn Gigabyte an Daten. Diese kann man nicht einfach zur Erde herunterladen – das würde viel zu lange dauern, wenn man schnell reagieren möchte, etwa um bestimmte Muster oder Auffälligkeiten in Zeitreihen zu erkennen“, erklärt Herzig. „Die Modelle lassen sich direkt vor Ort einsetzen, weil sie im Vergleich zu großen Sprachmodellen relativ klein sind. Sie können also unmittelbar auf der Raumstation betrieben werden. Und es ist kein Training erforderlich. Man speist die aktuellen Daten direkt als Live-Datenstrom ein und erhält sofort Vorhersagen.“

Der CTO sieht den Anwendungsfall auf der Raumstation nicht bloß als eine Marketingaktion, sondern als Zeugnis dafür, wie weit man gehen könne. Er sagt: „Wie nützlich ist die Technologie unter solch extremen Bedingungen? Auf der Erde ist heute vieles einfach. Wir haben schnelle Internetverbindungen und leistungsfähige GPUs. Bei solchen Anwendungsfällen spielt die Latenz kaum eine Rolle. Aber können wir auch in einer Umgebung echten Mehrwert schaffen, die nur eingeschränkt angebunden ist – oder zumindest sehr weit entfernt? Genau das wollten wir zeigen: Mit einer lokalen Verarbeitungsumgebung lassen sich Probleme lösen, deren Lösung sonst schwierig wäre, weil man zunächst sämtliche Daten zur Erde übertragen müsste. Anschließend müsste man sie dort auswerten und die Ergebnisse zurückübermitteln. Dann könnte es aber bereits zu spät sein.“

SAP löst „Data Drift“-Problem

Ein zentrales Problem bei klassischen KI-Modellen ist der sogenannte Data Drift: Data Scientists trainieren ihre Modelle auf historischen Daten, doch schon beim Abschluss des Trainings können sich die eintreffenden Daten statistisch verändert haben. Die neuen Modelle von SAP wollen genau hier ansetzen.

Man könne jederzeit aktuelle Daten ins Kontextfenster geben und erhalte darauf basierend präzise Vorhersagen, ohne neu trainieren zu müssen. „Veränderungen in Struktur oder Eigenschaften der Daten erkennt das Modell unmittelbar“, betont Herzig. „Das wollten wir demonstrieren: Müsste man bei veränderten Bedingungen erst alle Informationen zur Erde übertragen und das gesamte Modell neu trainieren, wäre es dafür viel zu spät. Dann würde man auf der ISS sagen: ‚Schön, dass ihr uns das jetzt mitteilt – aber das hättet ihr uns schon vor einem oder zwei Monaten sagen müssen‘.“

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