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:

Timon Hausböck

08.10.2026

KI als Nachhilfe: Wie mathion.ai Lernen verändern will

Mathion.ai erstelle nicht einfach nur Lösungen für Mathematikaufgaben, sondern begleite die Schüler durch gezieltes Fragen auf dem Weg dorthin. In Zukunft soll die KI auch im B2B-Bereich angeboten werden.

/artikel/ki-als-nachhilfelehrer-wie-mathion-ai-lernen-veraendern-will

Timon Hausböck

08.10.2026

KI als Nachhilfe: Wie mathion.ai Lernen verändern will

/artikel/ki-als-nachhilfelehrer-wie-mathion-ai-lernen-veraendern-will

„Nächste Stunde ist Mathestunde“, ist vermutlich einer der gefürchtesten Sätze vieler Schüler:innen. Die Aufgaben sind oft schwierig und zermürbend. Da bietet es sich im Zeitalter von KI an, einen kurzen Prompt zu schreiben und Sekunden später wird die Lösung geliefert. Der Lerneffekt hält sich dabei bei vielen Schüler:innen in Grenzen. Hier setzt mathion.ai an.

Die KI von Founder Christoph Blizenetz liefert nicht fertige Lösungen, sondern chattet mit den User:innen und bringt sie so zum Ergebnis. Nach einem Pilotprojekt feierte die KI ihren Launch im vergangenen August. Sie ist in der Schweiz, Deutschland und Österreich erhältlich.

Harvard: „KI-gestütztes Tutoring übertrifft aktives Lernen im Unterricht“

Unterstützung erhalten KI-Tutoren wie jene von Blizenetz von der US-amerikanischen Harvard Universität. Im Juni 2025 veröffentlichte sie eine Studie, laut der KI-gestütztes Tutoring aktives Lernen im Unterricht übertreffe. Studierende, die mit einem KI-Tutor arbeiteten, lernten „deutlich mehr in kürzerer Zeit“ als in einer Präsenzveranstaltung. Außerdem würden sich Schüler:innen stärker eingebunden und motivierter fühlen. Harvard betont die Wirksamkeit „einer breit zugänglichen KI-gestützten Pädagogik zur signifikanten Verbesserung der Lernergebnisse“ und erklärt, dass die Ergebnisse überzeugend für die breite Anwendung einer KI-gestützten Pädagogik sprechen.

ChatGPT bringt dir Fertigkeiten bei, „die einfach nicht stimmen“

Für Blizenetz kann nicht einfach eine beliebige KI zum Lernen verwendet werden. Als ehemaliger Nachhilfelehrer kennt er die Probleme, die auftreten können. „Eine Schülerin hat mittels ChatGPT, das war damals noch etwas Neueres, gelernt und sich dabei Fertigkeiten und Begrifflichkeiten angeeignet, die einfach nicht stimmen“, sagt der 21-Jährige und ergänzt: „Nicht, weil das Opus der Mathematik aus der KI bzw. der LLM falsch ist. Es ist einfach nicht so lehrplanbezogen, wie es nun einmal das Schulbuch aber auch eine Lehrkraft ist.“

Daher begann Blizenetz mit der Entwicklung von mathion.ai, das sich aktuell auf die fünfte bis zur achten Schulstufe fokussiere. Es sei aber ein Ausbau bis hin zu Matura geplant.

Das Programm baut auf einem sogenannten „sokratischen“ System auf. Es stellt User:innen immer wieder Fragen, bis jene die Lösung selbst erarbeitet haben. Mathion.ai möchte dadurch zum Nachdenken anregen.

Dabei kann mit der KI geschrieben als auch gesprochen werden. „Wir haben gemerkt, dass junge Menschen einfach lesefaul sind. Sie können oft einfach nicht mehr wirklich sachlich lesen und Informationen über Texte sauber aufnehmen“, erklärt der mathion.ai-Gründer. Der Text wird dabei nicht einfach vorgelesen, sondern erklärt, „wie es ein Mensch tun würde“.

Mathion.ai liefere nicht einfach nur Ergebnisse, es erarbeite die Lösungen mit den Schüler:innen gemeinsam. | © mathion.ai

Standardisierter Lehrplan

Mathion.ai arbeite dabei nicht nur mit willkürlichen Inhalten, sondern mit einem standardisierten Lehrplan durch seinen Verlagspartner Lemberger, dessen Schulbuch „Genial! Mathematik“ von der fünften bis zur achten Schulstufe in mathion.ai eingefügt wurde. User:innen können Aufgaben aus diesen Büchern auswählen.

Lehrer:innen haben auf der anderen Seite die Möglichkeit über ein Verwaltungsportal ihren Schützlingen Inhalte zuzuweisen. „Da haben wir tausende Übungsaufgaben, die auch kapitelweise in Blöcke gezielt nach Themenbereichen zugewiesen werden können, zu den Schüler:innen und zu den Gruppen“, sagt Blizenetz. Zusätzlich können Lehrkräfte im Verwaltungsportal die Lernstände ihrer Schüler:innen einsehen und auch Inhalte erstellen: „Wir haben da einen eigenen Editor, wo, wie in einer PowerPoint, Textelemente, Dateien, interaktive Aufgaben gebaut und erstellt werden können.“ Der virtuelle Coach Tom führt anschließend durch den Kurs. Zusätzlich können von Lehrer:innen Aufgaben erstellt und zugewiesen werden.

Pädagog:innen durch KI zu ersetzen „ist auch gar nicht unser Ziel“

Wenn die KI bereits eigene Kurse halten kann, drängt sich naturgemäß die Frage auf, ob Lehrkräfte nicht ersetzbar sind. „Weder Lehrpersonen noch Pädagogen wird man durch KI in irgendeiner Art und Weise wirklich ersetzen können, das ist auch gar nicht unser Ziel“, stellt der TU-Student fest. Auch herkömmliche Nachhilfe sieht Blizenetz als sinnvoll an. Für ihn ist mathion.ai eine „Ergänzung“.

Es gebe auch die Möglichkeit für Nachhilifeinstitute, Inhalte einspielen zu können. „Als Schüler bzw. Schülerin habe ich den Unterricht mit der Lehrperson in der Klasse und im Nachhinein kann ich dann die Inhalte, gezielt mit den Aufgaben und dem Input der Lehrperson, weiter üben“, sagt Blizenetz.

Von B2C zu B2B

Mathion.ai kommt ursprünglich aus dem sogenannten Nachmittagsmarkt, in dem Eltern für ihre Kinder ein Abo abschließen. Allerdings möchte sich das Unternehmen nun im B2B-Bereich etablieren.

„Es ist einfach sehr schwierig, vor allem als österreichisches Unternehmen, in diesem B2C-SaaS-Bereich (Anm.: Software-as-a-Service-Bereich) wirklich standhaft zu werden“, erklärt Blizenetz. In Zukunft will sich mathion.ai auf Bildungsinstitute bzw. Bildungseinrichtungen fokussieren. Daher möchte der Gründer sein Unternehmen als zertifizierter Anbieter des Bildungsministeriums auf dem Markt etablieren. Das sei aber ein langer Weg. Mathion.ai befinde sich aktuell am Anfang des Genehmigungsverfahrens, ab September 2027 wolle man die Zertifizierung haben.

100 % eigenfinanziert

Das Unternehmen, offiziell bereits im Juli 2025 gegründet, kommt bisher ohne Investoren-Kapital aus und ist von Anfang an gebootstrappt. Blizenetz hat mathion.ai in Zusammenarbeit mit Weitsprung Solutions aufgebaut, das einen KI-gestützten Lerncoach anbietet. Bisher hat das Unternehmen noch keine Förderungen erhalten, allerdings laufe ein Förderantrag bei Netidee und ein FFG-Antrag für ein Forschungsprojekt werde aktuell erstellt.

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