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

22.08.2017

Verstehen, Fühlen, Handeln – Die Grundlagen künstlicher Intelligenz

In Kooperation mit Venionaire Capital veröffentlicht der Der Brutkasten eine vierteilige Artikelserie zum Thema Künstliche Intelligenz. Dabei spannen wir den Bogen von wirtschaftlichen Aspekten über Funktionsweise von KI zur aktuellen Forschung und der Zukunft von Künstlicher Intelligenz.

/artikel/venionaire-kuenstliche-intelligenz-teil2

✨ AI Kontextualisierung

Im ersten Artikel haben wir „Künstliche Intelligenz (KI)“ als die Fähigkeit einer Maschine beschrieben, aus eigener Erfahrung zu lernen und sich anzupassen. In diesem Artikel wollen wir tiefer in die Materie eintauchen. KI besteht aus vielfältigen Technologien, die das Ergebnis einer Kombination aus drei Elementen ist: Verstehen, Fühlen und Handeln.

+++ Teil 1 der Serie: Wirtschaftswachstum durch Künstliche Intelligenzen +++

Verstehen: Den Input verarbeiten und sinnvoll antworten

Beim Verstehen stehen Sprachverarbeitung und Wissensrepräsentation im Vordergrund. Umgesetzt auf Menschen geht es also um die typische Kette: Zuhören (oder Lesen) – Verarbeiten – sinnvoll Antworten. Natural Language Processing (NLP) kombiniert Technologien, die in der Lage sind, Sprache in gesprochener oder schriftlicher Form zu verstehen und zu generieren. Wissensrepräsentation hilft dabei, Wissen zu kommunizieren und die anschließende Entscheidungsfindung zu erleichtern, wie es beispielsweise bei digitalen Assistenten der Fall ist. So arbeitet etwa ein Team ehemaliger FH-Hagenberg Studenten mit myAlfred an einem digitalen Butler. Der Assistent soll Termine organisieren, Reisen buchen, Tische reservieren und vieles mehr.

Fühlen: Gesehenes, Gehörtes und Gespürtes verarbeiten

Das Fühlen beinhaltet maschinelles Sehen, Spracherkennung und die Weiterverarbeitung in Sensoren. Dadurch ist es möglich, die Eingabeinformationen von Kameras, Mikrofonen oder anderen Sensoren zu erfassen, zu identifizieren, zu analysieren und zu verarbeiten. Angewendet wird die Technologie in den unterschiedlichsten Industrien. Das niederösterreichische Unternehmen Peschak Autonome Systeme hat sich etwa auf die Landwirtschaft spezialisiert und rüstet Traktoren zu selbstfahrenden Maschinen um. Das System nutzt Stereokameras, um ein präzises dreidimensionales Bild der Umgebung zu schaffen und kann so auf seine Umwelt reagieren.

Handeln: Das Verstandene und Gefühlte umsetzen

Nachdem Informationen durch Verstehen und Fühlen gesammelt sind, ist der logische dritte Schritt das Handeln. Das kommt vor allem in der industriellen Robotik zum Einsatz, wie Amazons Lagerhallen eindrucksvoll zeigen. Auch für heimische Unternehmen könnte das enormes Potential haben, man denke nur an die riesigen Lagerflächen großer Supermarktketten.

Was brauchen Maschinen, um „menschlich“ zu handeln?

Verständnis, Sensorik und Verarbeitung, also Verstehen, Fühlen und Handel, sind die drei Säulen der Künstlichen Intelligenz. Stuart Russell und Peter Norvig beschreiben in ihrem 2009 erschienen Buch „Artificial Intelligence: A Modern Approach“ welche konkreten Fähigkeiten Maschinen besitzen müssen, um wie Menschen handeln zu können:

Natürliche Sprachverarbeitung
Einen Speicher für die vor oder während des Gesprächs bereitgestellten Informationen
Automatisierte Argumentation
Machine Learning, um sich an neue Umstände anzupassen und Muster abzuleiten

Wenn Maschinen nicht mehr von Menschen zu unterscheiden sind

Bekannt ist in diesem Zusammenhang der 1950 entwickelte Turing-Test. Das Testverfahren besteht zusammengefasst darin, dass sich ein menschlicher Fragesteller mit zwei ihm unbekannten Gesprächspartnern unterhält. Der eine Gesprächspartner ist ein Mensch, der andere eine Maschine. Wenn der Fragesteller trotz intensiver Befragung nicht klar sagen kann, welcher von beiden die Maschine ist, hat die Maschine den Turing-Test bestanden. Bis jetzt hat es kein Computer geschafft, die Fragenden zu überzeugen. Einzig das russische Programm Eugene Goostman konnte 2014 rund ein Drittel aller Tester täuschen, allerdings bediente es sich einiger Tricks, wie etwa der Angabe, dass Englisch nicht die Muttersprache sei und man deshalb Verständigungsprobleme hätte.

Eingeschränkte KI: Der Schachcomputer kann keine Pizza bestellen

Der Turing-Test ist nun schon über ein halbes Jahrhundert alt und trotzdem stehen wir erst am Anfang der Entwicklung. Artificial Narrow Intelligence oder auf Deutsch „eingeschränkte künstliche Intelligenz“ beschreibt, was heute technisch möglich ist. Maschinen können sehr gut ein definiertes Set an Aufgaben lösen. Der Schachcomputer schafft es, Millionen von komplexen Zügen vorauszuberechnen, aber er kann keine Pizza bestellen.

Redaktionstipps

„Brain Hacking“: Technologien, die ins Gehirn des Menschen dringen

18.06.2017

Artificial Intelligence: Können Maschinen kreativ sein?

03.07.2017

Mit einer Größe von drei Tennisfeldern dem Menschen ebenbürtig

Nur Maschinen mit riesiger Rechenkapazität können verschiedenste Situationen intellektuell verarbeiten, womit Artificial General Intelligence (AGI) umschrieben ist. Einige bemerkenswerte Projekte in diesem Bereich existieren bereits, wie etwa der chinesische Supercomputer „Tianhe-2“. Dieser Computer hat theoretisch die Rechenleistung, um dem intellektuellen Verständnis eines Menschen nahezukommen. Mit einer Grundfläche von fast drei Tennisfeldern ist Tianhe-2 aber nicht gerade fürs Home-Office geeignet. AGI bleibt daher vorerst großen Forschungsprojekten vorbehalten.

Mit Qubits zur Überlegenheit

Allerdings zeigte schon die Smartphone-Entwicklung, wie schnell immer bessere Rechenleistung in kleinere Geräte verbaut wurde. Mehr Rechenleistung wird wiederum die Entwicklung von entsprechender Software vorantreiben, bis vielleicht sogar Artificial Superintelligence (ASI) möglich wird. ASI wäre ein Computer, dessen Intelligenz die des Menschen überschreitet. In diesem Zusammenhang ist auch Quantum Computing ein wichtiger Begriff. Während Computer mit Bits – also Nullen und Einsen arbeiten – nutzen Quantencomputer sogenannte Qubits, die mehrere Zustände einnehmen können und dadurch enorme Rechenleistungen erlauben.

Viele Meilensteine zurück – noch mehr voran

„Künstliche Intelligenz“ wurde erstmals zum Thema auf der Darmouth Conference, die 1956 vom Informatiker John McCarthy organisiert wurde. Nach der Konferenz gab es die ersten Systeme, die als „allgemeine Problemlöser“ bezeichnet werden können. Im Jahr 1985 entwickelte der Psychologe Frank Rosenblatt mit „perceptron“ das erste neurale Netzwerk. Die 80er-Jahre brachten dann den Aufstieg des Deep Learnings, als Pionier Geoffrey Hinton einen Weg fand, um neurale Netzwerke zu trainieren und Fehler zu korrigieren. 1996 schlug IBMs Supercomputer „Deep Blue“ den amtierenden Schachweltmeister Garri Kasparow.

Im Jahre 2007 gründete Li Fei-Fei, Professorin an der Standford University, mit ImageNet eine kostenfreie Online-Datenbank mit mehr als 14 Millionen verschlagworteten Bildern, die als Grundlage für neurale Netze dient. Im Jahre 2012 hörte man erneut von KI und Deep Learning, als Google Brain die Ergebnisse von „cat experiment“ veröffentlichte. Ein neurales Netzwerk hat sich selbst so trainiert, dass es Katzen aus 10 Millionen nicht beschrifteten Bildern auf YouTube erkannte.

Alle diese historischen Meilensteine zeigen, welchen langen Weg das Thema künstliche Intelligenz bereits hinter sich hat. Im dritten Teil der Artikelserie werden wir uns mehr der aktuellen KI-Forschung widmen.

+++ Kurioser Usecase: Artificial Intelligence benennt Meerschweinchen +++

Über die Autoren

Dieser Artikel ist Bestandteil einer von Venionaire Capital verfassten vierteiligen Serie über Künstliche Intelligenz für DerBrutkasten.com. Autoren sind Aleksandar Vucicevic (Senior Analyst), Sarah Grandits (Marketing Assistant), Fabian Greiler (Junior Partner) und Berthold Baurek-Karlic (Managing Partner).

Venionaire hat sich auf die Innovationsberatung, Corporate Startup Engagement und dem Management von Venture Capital Fonds für Dritte spezialisiert.

Mit Partnern der KPMG Österreich hat Venionaire zudem das Investorennetzwerk European Super Angels Club gegründet, der in geschäftlichen Beziehungen mit im Text genannten Startups Yodel.io, Grape und oratio steht.

Deine ungelesenen Artikel:

Martin Pacher

vor 18 Stunden

Zyglox: Grazer Startup holt Sensortechnik aus dem All auf die Schiene

Das Grazer Startup Zyglox misst Belastungen an Radsätzen von Zügen berührungslos mit Sensorik aus der Raumfahrt. Gefördert wird es von der Austria Wirtschaftsservice (aws). Wir haben mit Gründer Jakob Moder gesprochen.

/artikel/zyglox-grazer-startup-holt-sensortechnik-aus-dem-all-auf-die-schiene

Martin Pacher

vor 18 Stunden

Zyglox: Grazer Startup holt Sensortechnik aus dem All auf die Schiene

/artikel/zyglox-grazer-startup-holt-sensortechnik-aus-dem-all-auf-die-schiene

Rund die Hälfte der Lifecycle-Kosten eines Zuges entfällt auf die Wartung, und davon wiederum mehr als die Hälfte auf Räder, Achsen und Fahrwerk, sagt Jakob Moder. Wie stark diese Bauteile im Betrieb tatsächlich belastet werden, wird bisher aber kaum gemessen. Der Grund ist simpel: Es fehlt an präziser Messtechnik, die im Dauerbetrieb einsetzbar ist. Das Grazer Startup Zyglox will das ändern.

„Die Eisenbahn ist nicht ins 21. Jahrhundert gekommen“

Der Name ist ein Wortspiel: Zyglox, gesprochen „Zügloks“, steht für Messtechnik für Züge und Loks. Dahinter stehen Jakob Moder und Erik Gerstl, die zuvor gemeinsam in der Messtechnik gearbeitet haben. Moder wechselte später in den Eisenbahnbereich und erlebte die Lücke dort aus der Praxis. Was es brauche, sei eine Lösung, „die das einerseits zuverlässig erkennt und gleichzeitig gut applizierbar ist“. Sein Urteil: „Bei der Usability ist die Eisenbahn nicht ins 21. Jahrhundert gekommen.“ Ende 2023 gründeten die beiden Techniker Zyglox in Graz.

Die bisherige Methode mit Dehnmessstreifen sei „einfach zu teuer“, erklärt Moder. Der Zug müsse dafür ein bis zwei Wochen zerlegt und instrumentiert werden, deshalb passiere das nur bei der Zulassung. „Das dauert ein Jahr, diese Technik reinzubringen, die Zulassung durchzuführen, und dann wird es wieder rausgenommen.“ Im laufenden Betrieb bleiben nur Beschleunigungssensoren, wie sie auch in jedem Smartphone stecken. „Das ist von der Datenqualität her ganz was anderes. Unser Sensor ist wie 4K, der Beschleunigungssensor liefert ein verpixeltes Foto von den Zuständen.“

Ein Sensor für Zulassung und Dauerbetrieb

Die Lösung von Zyglox lässt sich ohne größere Änderungen am Bauteil anbringen. „Wir haben eine Plug-and-Play-Lösung, die kann man einfach aufstecken“, sagt Moder. Ein Techniker braucht dafür laut Zyglox 30 Minuten. Der Sensor messe Dehnungen an Achsen, Wellen oder Schienen und liefere „gleiche oder bessere Daten als die Lösungen bisher“. Das Ziel ist ein Universalwerkzeug: genau genug für die Zulassung, aber so ausgelegt, dass es danach auf dem Fahrzeug bleibt und die Kräfte im Rad-Schiene-Kontakt dauerhaft erfasst. „Da gibt es ein großes Anwendungsfeld, denn damit wird auch die Infrastruktur überwacht“, so Moder.

Jeden Tag werden auf der Schiene hunderttausende Kilometer zurückgelegt. Zyglox will jeden davon nutzbar machen, um zu lernen, zu verbessern und vorherzusagen. Mit herkömmlichen Methoden war das Erfassen dieser Daten bisher zu teuer, zu langsam und zu aufwendig. © Zyglox

Physik aus dem Trafo, Sensoren aus dem Weltraum

Technisch nutzt Zyglox hochsensitive Magnetfeldsensoren aus der Raumfahrt, das Startup ist Teil eines Downstream-Programms der ESA. Das Prinzip erklärt Moder am Transformator: Der brummt, weil das Magnetfeld des Wechselstroms den Stahl minimal dehnt. „Und wir machen das Umgekehrte: Wenn sich der Stahl dehnt, ändert sich sein Magnetfeld in der Umgebung.“ Ein aktives Messverfahren berücksichtigt dabei den linearen Zusammenhang zwischen Belastung und Sensorsignal. Die Technologie ist patentiert, entwickelt und montiert wird in Graz.

Betreiber als Kunden, Wartung als Hebel

Als primäre Kunden sieht Zyglox die Bahnbetreiber, bei denen die Wartungskosten anfallen. Dazu kommt die Sicherheit: „Es gibt viele Vorfälle, die vielleicht nicht zu einem Unfall führen, wo man aber trotzdem sicherer und zuverlässiger unterwegs wäre, wenn man gutes Condition Monitoring hat.“

Ein kleines Pilotprojekt ist bereits abgeschlossen. Für 2027 ist der Einbau des Systems in Fahrzeuge im regulären Streckenbetrieb geplant, zunächst als Prototyp für einige Wochen Messung. Danach folgt die Zulassung. Ende 2027 soll daraus ein fertiges Produkt werden, erst dann könne die Skalierung beginnen, sagt Moder. An Interesse mangelt es nicht: „Wir können gar nicht alle Pilotprojekte machen“, weil Sensorentwicklung samt Software personalintensiv sei. Ende September zeigt das Team den Prototyp auf der InnoTrans in Berlin, der größten Messe für Schienenfahrzeuge.

Mit aws Preseed und aws Seed vom Effekt zum Produkt

Finanziert hat sich Zyglox bisher aus eigenen Mitteln und über die Austria Wirtschaftsservice (aws). Mit aws Preseed, konkret im Programm „aws Preseed | Seedfinacing – Deep Tech“, hat das Startup die ersten eineinhalb Jahre an der Sensortechnologie getüftelt. „Es hat uns die Möglichkeit gegeben, eine Idee, die bereits validiert war, einfach zu erproben. Einfach Zeit zu haben, weil Hardware dauert ein bisschen, etwa Prototypen zu iterieren“, sagt Moder. Es sei vor allem darum gegangen, „sicherzustellen, dass das dann ein Produkt werden kann“. Seit Mitte 2025 ist Zyglox im Seed-Programm der aws, das voraussichtlich bis Anfang 2028 läuft. Das Team ist inzwischen auf rund sieben Personen gewachsen. Für die Skalierungsphase im kommenden Jahr will sich das Startup nach Investoren umsehen: „Wenn eine Bestellung eintritt oder größer wird, werden wir das mit den aktuellen Mitteln wahrscheinlich nicht mehr stemmen können.“

Standortvorteil Graz

Den Standort Graz sieht Moder als klaren Vorteil: Siemens fertigt hier Fahrwerke, dazu kommen Messdienstleister, Prüfstandbauer und Nextsense. Zyglox sitzt direkt am Campus der TU Graz, mit Zugang zu Prüfständen der Universität und Maschinen der voestalpine. „Die gesamte Infrastruktur ist einzigartig“, sagt Moder. „Im Silicon Valley könnten wir das Produkt wahrscheinlich nicht entwickeln, in Österreich geht es besser. Das ist eigentlich ein bisschen verrückt, aber wir haben hier die optimalen Bedingungen.“

Disclaimer: Dieser Artikel ist im Rahmen einer Medienkooperation mit der Austria Wirtschaftsservice (aws) entstanden.

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