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
(c) fotolia.com - phonlamaiphoto

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 +++

(c) Venionaire

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:

  1. Natürliche Sprachverarbeitung
  2. Einen Speicher für die vor oder während des Gesprächs bereitgestellten Informationen
  3. Automatisierte Argumentation
  4. 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

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:
16.11.2026

Emmi-Gründer Dennis Just: „Geld ist nicht das Problem, sondern die Qualität der Teams und Unternehmen“

Ein halbes Jahr nach dem Mega-Exit an Mistral ist Emmi AI Geschichte und Co-Founder Dennis Just als Mistrals Vice President Manufacturing für ein stark wachsendes Team am Standort Linz mitverantwortlich. Wir trafen Just am Rande der invest.austria conference zum Interview über die Umstellung nach dem Exit und über eine kantige These zum heimischen Startup-Ökosystem.
/artikel/emmi-gruender-dennis-just-geld-ist-nicht-das-problem-sondern-die-qualitaet-der-teams-und-unternehmen
16.11.2026

Emmi-Gründer Dennis Just: „Geld ist nicht das Problem, sondern die Qualität der Teams und Unternehmen“

Ein halbes Jahr nach dem Mega-Exit an Mistral ist Emmi AI Geschichte und Co-Founder Dennis Just als Mistrals Vice President Manufacturing für ein stark wachsendes Team am Standort Linz mitverantwortlich. Wir trafen Just am Rande der invest.austria conference zum Interview über die Umstellung nach dem Exit und über eine kantige These zum heimischen Startup-Ökosystem.
/artikel/emmi-gruender-dennis-just-geld-ist-nicht-das-problem-sondern-die-qualitaet-der-teams-und-unternehmen
Dennis Just | (c) brutkasten / Dominik Perlaki
Dennis Just | (c) brutkasten / Dominik Perlaki

Es war eine der größten News des Jahres im heimischen Startup-Ökosystem: Im Mai verkündete das auf Physics AI spezialisierte Linzer KI-Startup Emmi AI seinen Exit im dreistelligen Millionenbereich an den französischen KI-Riesen Mistral.

Schon damals lud brutkasten Co-Founder Dennis Just zum Interview. Rund ein halbes Jahr später trafen wir ihn, mittlerweile Vice President Manufacturing des Pariser Decacorns, im Rahmen der invest.austria conference in Wien erneut. Er erzählte uns über die (persönliche) Umstellung nach dem Exit und teilte eine durchaus provokante These, woran es im österreichischen Startup-Ökosystem tatsächlich mangle.


brutkasten: Wir haben vor ein paar Monaten über den Exit berichtet, du warst damals auch im Video-Interview bei uns im Studio. Was ist seitdem passiert?

Dennis Just: Viel. Emmi AI gibt es so nicht mehr, die Firma ist in Mistral aufgegangen. Wir haben aber immer noch einen wachsenden Standort in Linz, vor allem mit Fokus auf Physics AI und Physical AI – also alles, was Engineering und Robotics angeht. Wir skalieren dort weiter, haben aber natürlich jetzt innerhalb eines großen Unternehmens eine andere Aufgabe übernommen. Wir haben das Team quasi in zwei Teile geteilt, die immer noch sehr, sehr eng verbunden sind, aber unterschiedliche Themen innerhalb von Mistral bedienen.

Das eine ist der Research- und Science-Teil, den Johannes [Anm. Brandstetter, Emmi-Co-Founder] leitet. Das heißt, wir sind innerhalb von Mistral verantwortlich für das Thema Physik und Agentic Engineering – also alles, wo es um Orchestrierung etc. innerhalb von klassischem Research and Development geht.

Das zweite Vertical, das wir übernommen haben bzw. aufbauen, ist das Thema Industriekunden. Dazu zählen alle großen Kunden von Mistral, die nicht im Finance-Bereich und nicht im Government-Sektor sind. ASML war ja ein großes Announcement. Airbus und Samsung jetzt mit der Investmentrunde sind weitere Beispiele. Wir sind sozusagen verantwortlich für alles, was Presales und Post-Sales ist: Scoping, am Ende die Delivery von den Produkten und der Technologie, Integration in die Workflows, Orchestrierung.

Und wie war es auf persönlicher Ebene?

Für uns hat sich weniger verändert, was wir tun – wir haben dieselben Sachen vorher schon gemacht. Was sich klar unterschiedlich anfühlt, ist die Verantwortung, die man innerhalb von einem großen Ganzen trägt. Wir waren zwar in die Finanzierungsrunde von Mistral eingebunden, die jetzt stattgefunden hat, aber man führt sie halt nicht mehr selbst, was sich schon anders anfühlt. Wir sind im Leadership, aber wir sind nicht mehr in der Geschäftsführung. Das braucht persönlich ein bisschen Verarbeitungszeit, um damit klarzukommen und sich zurechtzufinden. Wir sind von einer 30- bis 35-Personen-Bude auf 800 zum Zeitpunkt der Akquise und jetzt gerade auf 1.500 Leute gewachsen. Wir wachsen um 200 Mitarbeiter im Monat. Diese Beschleunigung, die man da mitnimmt, ist einfach noch mal eine ganz andere.

Du hast bereits eine Karriere als Serial-Entrepreneur hinter dir, hast mehrere erfolgreiche Unternehmen gegründet, zuletzt eben Emmi. Jetzt bist du Vice President bei Mistral. Ist das das, was du auf Dauer machen willst, oder willst du irgendwann wieder ein eigenes Unternehmen gründen?

Die ehrliche Antwort ist: Es ist schon in irgendeiner Art und Weise komisch. Du bist halt nicht mehr in voller Kontrolle deines eigenen Inputs. Wenn du selbst spielst und verlierst, ist es okay, weil du weißt, dass du dafür verantwortlich bist. Aber hier bist du nicht mehr in voller Kontrolle. Gleichzeitig glaube ich – und wir drei Gründer haben denselben Gedanken –, dass die Reise für uns noch nicht zu Ende ist. Die Reise ist aus unserer Sicht erst zu Ende, wenn wir einen vernünftigen globalen Exit schaffen – und das kann eine Transaktion oder ein IPO mit dem Thema sein, das wir bedienen. Persönlich werde ich, glaube ich, nicht aufhören, Unternehmen zu gründen. Gleichzeitig werde ich nicht nächste Woche anfangen, ein neues Unternehmen zu gründen, denn dafür ist der Zug, auf dem wir gerade sitzen, und die Opportunität einfach zu groß.

Du hast in deiner Keynote hier auf der invest.austria conference einige außergewöhnliche Dinge gesagt. Auch hier wird das altbekannte Thema diskutiert: Wie schaffen wir es, dass in Österreich mehr Tech-Unternehmen skalieren? Du hast gesagt, das Problem siehst du gar nicht primär beim Kapital, sondern bei den Entrepreneurinnen und Entrepreneuren. Kannst du das noch einmal erläutern?

Super gerne. Das basiert natürlich sehr stark auf unserer eigenen Erfahrung als Serial Entrepreneure mit guten Kontakten – um das auch einzuordnen. Wir haben in Europa aus meiner Sicht für gute Ideen, gute Teams und gute Unternehmen kein Problem beim Kapital. Klar, wenn man auf eine Größe wie Mistral blickt, wo es um Milliarden-Fundings geht, sollte man vielleicht etwas tun. Aber im Bereich bis zu dreistelligen Millionensummen haben wir in Europa genug Vehikel, die guten Unternehmen und guten Teams Funding geben, je nachdem, in welcher Phase man ist.

Was wir in Österreich aus meiner Sicht aber nicht haben, sind gute Teams und gute Unternehmen in der Anzahl, in der wir sie bräuchten. Klar hast du die fonios, die Bitpandas, die Dynatraces dieser Welt, und es gibt immer mal ein paar Leuchttürme. Aber die Basis, von der aus wir arbeiten, ist sehr dünn. Meine Hypothese ist, dass Geld nicht das Problem ist, sondern die Qualität der Teams und der Unternehmen, in die das Geld fließt.

Wenn du ein gutes Team hast, ist es dir als opportunistischer Unternehmer auch egal, wo das Geld herkommt. Idealerweise kommt ein großer Teil aus dem lokalen Markt, aber es muss nicht zwingend so sein. In vielen Fällen ist es sogar gut, wenn es von außerhalb kommt, weil man das nutzen will, um international zu expandieren oder strategische Partnerschaften einzugehen.

Woran es aus meiner Sicht hakt, lässt sich mit den richtigen Incentives auf allen Seiten umschreiben. Wir haben gute Forschung, wir haben exzellente Techniker – schau dir Peter Steinberger bei OpenAI an, oder was Sepp Hochreiter an der JKU macht. Aber es gibt zu wenig Anreize, eigene Unternehmen zu gründen, es zu wagen und etwas aufzubauen. Es gibt verschiedene Wege, das auf mehreren Ebenen zu lösen, angefangen dabei, Professoren zu incentivieren. Das ist an der ETH Zürich übrigens Standard, dass eine gewisse Anzahl an Spinoffs hervorgebracht werden muss, um Momentum zu erzeugen. Ich glaube nicht, dass es an Acceleratoren scheitert, sondern wirklich an fundamentalen Anreizen und an Experten, die dabei helfen, das Ganze zu ermöglichen.

Das ist natürlich etwas, was Teil einer Spinoff-Strategie sein könnte, an der ja auch immer wieder gearbeitet wird… Auf einer Konferenz wie dieser ist generell die Frage, was die Politik machen kann, ein großes Thema. Wenn ich dir zuhöre, klingt dein Befund nicht unbedingt nach etwas, wo man sofort einen Hebel der Politik ansetzen kann. Siehst du trotzdem Dinge, die die Politik beitragen könnte?

Wo die Politik am meisten helfen kann, ist, die richtigen Anreize und Freiheiten auf universitärer Ebene zu setzen, weil die Universitäten am Ende von der Politik gesteuert werden. Der private Markt hingegen reguliert sich selbst. Es ist zwar schön, dass wir einen 500-Millionen-Dachfonds haben, aber die Frage bleibt: Wo soll der investieren? Du hast die Invest AG, dann zwei größere VCs und vielleicht drei, vier kleinere. Die haben kein Geldproblem, die haben eher ein Return-Problem. Ich würde den größten Hebel darin sehen, die Infrastruktur und die Anreize zu schaffen, statt mit Muskelkraft hineinzugehen. Man muss den Rahmen setzen – der Rest passiert dann ganz von alleine.

Du sprichst von Spinoffs. Bitpanda war Österreichs erstes Unicorn und ist kein Spinoff. Wenn man sich weltweit umsieht, sind auch längst nicht alle erfolgreichen Tech-Unternehmen als Spinoff gestartet. Was könnte man abseits des universitären Bereichs tun, um das Unternehmertum zu fördern? In den USA funktioniert es ja auch bei Nicht-Spinoffs deutlich besser…

Absolut. Für mich ist das Thema Spinoff ein Ankerpunkt, der sehr greifbar und verständlich ist, deshalb nutzt man ihn gerne als Beispiel. Am Ende muss sich die Kultur ändern. Alle jüngeren Unternehmen, die groß geworden sind – und dann wie GoStudent vielleicht auch wieder kleiner –, kommen aus einer Bildungsschicht, die weiß, wie man Software oder Machine-Learning-Modelle baut. Ich würde grundsätzlich immer in der Phase Ende Schule / Anfang Studium ansetzen, weil das die Phase ist, in der man am stärksten geprägt wird.

Man muss irgendwo anfangen: Wenn man in einem Bereich spezielles Know-how hat und die richtigen Anreize setzt, entstehen automatisch Unternehmen, die an der Weltspitze stehen, die automatisch Funding anziehen und Wert schaffen. Ich würde klar definieren, in welchen Bereichen man Weltspitze sein will, und forschungsseitig gezielt dorthin investieren. Das steht im Moment konträr zur aktuellen Hochschulfinanzierungsthematik, die in der Szene sehr kritisch gesehen wird und eigentlich das falsche Signal setzt.

Was sich im Kern ändern muss, ist aber auch die Kultur – und Kultur ändert sich am langsamsten. Da fehlen mir auch die Patentrezepte, wie man am besten ansetzt. Aber Kultur ändert sich am besten über Gewohnheiten, und Gewohnheiten entstehen durch sichtbare Erfolge.

Daran möchte ich meine letzte Frage anschließen: Du hast in deiner Keynote erwähnt, dass du deine Laufbahn im E-Sport begonnen hast und dort gelernt hast, immer den ersten Platz belegen zu wollen. Kann man dieses Mindset aufbauen? Oder hat man das einfach oder eben nicht?

Gefühlt bekommt man das schon früh in der Erziehung mit. Ich weiß nicht, ob man Ambition oder einen solchen Anspruch künstlich erzeugen kann, aber es ist definitiv etwas Kulturelles. Wenn du Eltern hast, die selbst unternehmerisch tätig waren, wirst du viel eher in diese Richtung geprägt. Es geht um ein kompetitives Verhalten – das im Übrigen auch nicht immer gesund ist, das will ich gar nicht schönreden –, aber man muss irgendwo anfangen. Die Eier und die Ambition zu haben, sich das Ziel ganz nach oben zu setzen und eben nicht nur mitschwimmen zu wollen, ist übrigens nichts, was die Politik verordnen sollte. Die Politik incentiviert aber ohnehin eher das Mitschwimmen.

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

Verstehen, Fühlen, Handeln – Die Grundlagen künstlicher Intelligenz

AI Kontextualisierung

Welche gesellschaftspolitischen Auswirkungen hat der Inhalt dieses Artikels?

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

Verstehen, Fühlen, Handeln – Die Grundlagen künstlicher Intelligenz

AI Kontextualisierung

Welche wirtschaftlichen Auswirkungen hat der Inhalt dieses Artikels?

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

Verstehen, Fühlen, Handeln – Die Grundlagen künstlicher Intelligenz

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 …

Verstehen, Fühlen, Handeln – Die Grundlagen künstlicher Intelligenz

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 …

Verstehen, Fühlen, Handeln – Die Grundlagen künstlicher Intelligenz

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 …

Verstehen, Fühlen, Handeln – Die Grundlagen künstlicher Intelligenz

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 …

Verstehen, Fühlen, Handeln – Die Grundlagen künstlicher Intelligenz

AI Kontextualisierung

Wer sind die relevantesten Personen in diesem Artikel?

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

Verstehen, Fühlen, Handeln – Die Grundlagen künstlicher Intelligenz

AI Kontextualisierung

Wer sind die relevantesten Organisationen in diesem Artikel?

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

Verstehen, Fühlen, Handeln – Die Grundlagen künstlicher Intelligenz