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:
13.11.2026

„Österreichs Startup-Ökosystem im Benchmark“: Neue Studie liefert Diagnose und konkrete Empfehlungen

Die WU-Wien-Studie "Österreichs Startup-Ökosystem im Benchmark" belegt eine Asymmetrie in Österreichs Startup-Ökosystem: Während staatliche Förderungen überzeugen, bremsen Lücken bei Risikokapital, Transfer und Bürokratie. Bei der Präsentation an der WU diskutierten Expert:innen über mögliche Maßnahmen.
/artikel/oesterreichs-startup-oekosystem-im-benchmark-neue-studie-liefert-diagnose-und-konkrete-empfehlungen
13.11.2026

„Österreichs Startup-Ökosystem im Benchmark“: Neue Studie liefert Diagnose und konkrete Empfehlungen

Die WU-Wien-Studie "Österreichs Startup-Ökosystem im Benchmark" belegt eine Asymmetrie in Österreichs Startup-Ökosystem: Während staatliche Förderungen überzeugen, bremsen Lücken bei Risikokapital, Transfer und Bürokratie. Bei der Präsentation an der WU diskutierten Expert:innen über mögliche Maßnahmen.
/artikel/oesterreichs-startup-oekosystem-im-benchmark-neue-studie-liefert-diagnose-und-konkrete-empfehlungen
Die gut besuchte Studienpräsentation an der WU Wien wurde von brutkasten-Redakteur Dominik Perlaki moderiert | (c) Victoria Nazarova
Die gut besuchte Studienpräsentation an der WU Wien wurde von brutkasten-Redakteur Dominik Perlaki moderiert | (c) Victoria Nazarova

Woran hakt es im österreichischen Startup-Ökosystem tatsächlich und was muss passieren, um diese Schwächen zu adressieren? Das sind die zentralen Fragen hinter der neuen Studie „Österreichs Startup-Ökosystem im Benchmark“ von Benjamin Monsorno und Dorothee Horvath vom Institut für Entrepreneurship und Innovation an der Wirtschaftsuniversität Wien, die in Kooperation mit der eXplore!-Initiative der B&C Privatstiftung und dem Beratungsunternehmen EY entstanden ist.

Zehetner: „Wir werden den Dachfonds auf den Weg bringen, aber ohne weitere steuerliche Incentives wird das alleine nicht helfen.“

Die Studie wurde nun an der WU im Rahmen einer Podiumsdiskussion präsentiert. Den Auftakt bildete dabei eine Eröffnungs-Keynote von Startup-Staatssekretärin Elisabeth Zehetner, die den Status quo heimischer Gründer:innen auf den Punkt brachte: „Man wird für eine gute Idee am Beginn staatlich gut gefördert. Doch wenn es darum geht, in den Markt hinauszugehen und zu skalieren, sagt der Staat logischerweise, dass er nicht mehr der richtige Ansprechpartner ist. Dann ist plötzlich eine Lücke da.“

Staatssekretärin Elisabeth Zehetner hielt eine Keynote zum Start | (c) Victoria Nazarova

Genau hier müsse die Standortpolitik ansetzen, so Zehetner weiter: „Die Rolle des Staates muss es immer sein, Impulse zu setzen und Risiken am Beginn abzufedern. Aber dann müssen wir gemeinsam die Rahmenbedingungen dafür schaffen, dass eben auch der Anschluss funktioniert. Ein wesentlicher Faktor ist der Anreiz für privates Kapital. Wir werden den Dachfonds auf den Weg bringen, aber ohne weitere steuerliche Incentives wird das alleine nicht helfen.“

Studie setzt auf Interaktion verschiedener Faktoren

Die Studie basiert auf einem umfassenden Datensatz des Global Entrepreneurship Monitor (GEM), der 52 strukturelle Rahmenbedingungen in 106 Ländern über einen Zeitraum von zwölf Jahren mit rund 544.000 Datenpunkten umfasst. Zudem floss unter anderem eine ergänzende inhaltliche Analyse von 197 brutkasten-Artikeln über das heimische Startup-Ökosystem ein. Wie Co-Autor Monsorno bei der Präsentation erläuterte, unterscheidet sich das Studiendesign in mehreren Punkten von bisherigen Veröffentlichungen: „Sehr häufig werden in solchen Studien einfach Gründungsraten herangezogen, wo auch Friseursalons und Kebab-Buden reingezählt werden. Hier konnten wir die Zielgröße gezielt herausfiltern: Es geht explizit um ambitionierte Gründungen mit hohem Technologiegrad, starker Internationalisierung und hohem volkswirtschaftlichen Mehrwert.“

Um die komplexen Wirkungsmechanismen des Ökosystems abzubilden, setzten die Studienautor:innen auf Machine-Learning-Algorithmen. „Studien nutzen üblicherweise vor allem lineare Regressionen. Damit kann man viele Faktoren aber gar nicht abbilden. Durch Machine-Learning-Modelle können wir erfassen, wie Faktoren miteinander interagieren. Denn Ökosysteme agieren per Definition miteinander“, so Monsorno.

Asymmetrie in Österreich

Die Ergebnisse zeigen im Vergleich zu sieben strukturell ähnlichen europäischen Industrienationen – Deutschland, die Niederlande, Belgien, die Schweiz, Schweden, Finnland und Dänemark – ausgeprägte Unterschiede. „Man kann es in einem Satz zusammenfassen: Es gibt eine Asymmetrie in Österreich. Wo der Staat stark ist – bei Fördermaßnahmen, Subventionen, Inkubatoren und Technologieparks –, schneiden wir überdurchschnittlich ab. Die Schwächen liegen beim Wissenschafts-Wirtschafts-Transfer, beim privaten Kapital sowie bei Bürokratie und Steuerlast“, führte Monsorno aus. Diese statistisch identifizierten Engpässe decken sich zudem mit einer qualitativen Auswertung der 197 brutkasten-Artikel aus den vergangenen zwölf Jahren sowie Berichten von OECD und IMD.

Co-Studienautor Benjamin Monsorno | (c) Victoria Nazarova

Als entscheidende Erkenntnis der Arbeit hob Monsorno die gegenseitige Abhängigkeit der Standortfaktoren hervor: „Das Spannende ist wirklich, dass wir diese Komplementarität erstmals quantifizieren konnten: 88 Prozent des Einflusses im Ökosystem entstehen durch das Zusammenspiel der Faktoren. In Österreich sind öffentliche Subventionen der wichtigste Anker – zwei Drittel dieser Faktoren werden durch diesen Hebel getragen.“

Reformpaket nach deutschem Vorbild

Bleiben Reformen aus, droht der heimischen Gründungslandschaft bis 2037 laut den Berechnungen ein Rückgang der Rate ambitionierter Gründungen um knapp ein Fünftel. Ein nach deutschem Vorbild geschnürtes Reformpaket – bestehend aus einem Dachfonds nach dem Modell von KfW Capital, einer Transferagentur nach Vorbild der SPRIND sowie einem Forschungszulagengesetz – könnte laut Studie hingegen die Gründungsaktivität bis 2037 um rund 30 Prozent über den Verlustpfad ohne Reformen heben. Voraussetzung dafür ist jedoch der koordinierte Beschluss als Gesamtpaket.

„Startup-Ökosysteme sind nicht wie IKEA-Baukästen“

Dass Einzelmaßnahmen in einem interdependenten Ökosystem verpuffen, bestätigte Christian Friedl, Leiter des Programms Digital Entrepreneurship an der FH Joanneum sowie des GEM Austria, in der Podiumsdiskussion im Rahmen der Präsentation: „Startup-Ökosysteme sind nicht wie IKEA-Baukästen. Du kannst nicht einfach sagen: Es fehlt an dieser Ecke noch etwas, dann geht das automatisch. In der Studie können wir jetzt endlich für Österreich evidenzbasiert herauslesen, wie diese Faktoren zusammenwirken, sich gegenseitig verstärken und welche zeitliche Verzögerung besteht.“

Entrepreneurship-Professor Christian Friedl | (c) Victoria Nazarova

Als neuralgischen Punkt im Wissenstransfer benannte Friedl fehlende Anreize an den Hochschulen: „Geld alleine reicht nicht. Bei den Hochschulen müssen wir diskutieren: Wie schaffen wir Incentives? Im Moment ist fast alles publikationsgetrieben. Das hat für die Forschungsleistung seine Berechtigung, hilft aber wenig für die Verwertung der Forschungsergebnisse.“

Spielball von Klientelpolitik

Die reale Dimension des Defizits bei privatem Risikokapital verdeutlichte Florian Haas, Head of Startup bei EY Österreich und Vorstandsmitglied von invest.austria, anhand von Marktdaten: „Wir erwirtschaften ungefähr 2,7 Prozent der europäischen Wirtschaftsleistung, haben im letzten Jahr aber nur 0,4 Prozent des gesamten Venture-Capital-Volumens bekommen. Rechnet man das um, haben wir eine Finanzierungslücke von 1,2 Milliarden Euro.“ Während die heimische Investorenschaft in der Frühphase noch stark engagiert sei, breche die Beteiligung bei zweistelligen Millionenrunden komplett ab.

EY-Startup-Leiter Florian Haas am Mikrofon | (c) Victoria Nazarova

Den geplanten Dachfonds bezeichnete Haas als unverzichtbaren Impuls, warnte die Politik jedoch vor einer isolierten Betrachtung: „Die große Gefahr bei all diesen Themen ist, dass wir sie separiert denken. Wenn wir Standortpolitik ernst meinen, darf die Frage, ob man Gründungen erleichtert, nicht zum Spielball von Klientelpolitik werden. Was wir wirklich brauchen, ist ein Schulterschluss.“

„Wir müssen viel mehr gemeinsam und europäisch denken“

Auf die besonderen Erfordernisse kapitalintensiver Technologiegründungen verwies Julia Reilinger, Geschäftsführerin von B&C Innovation Investments: „Unser Portfolio ist sehr stark auf Industrial Tech und DeepTech fokussiert. Für uns ist wichtig, dass Technologie fundiert ist – das geschieht meist an Universitäten. Es sollte aber nicht bei der Forschung enden, sondern in einem Unternehmen resultieren.“ Um privates Wagniskapital in solche Vorhaben zu lenken, plädierte Reilinger für flexible staatliche Co-Investitionen: „Matching-Mechanismen, bei denen ein staatlicher Investor das Kapital privater Geldgeber unkompliziert spiegelt, erzeugen eine enorme Hebelwirkung.“

Julia Reilinger, Geschäftsführerin von B&C Innovation Investments, am Mikrofon | (c) Victoria Nazarova

Zugleich unterstrich sie die Notwendigkeit öffentlicher Nachfrage: „In unserer Phase ist relevant, dass der Staat auch als Kunde auftritt, wie etwa in Deutschland das Deutsche Zentrum für Luft- und Raumfahrt im Bereich Quantencomputer, wo Konsortien und öffentliche Aufträge echte Referenzprojekte schaffen.“ Mit Blick auf globale Technologieketten forderte sie mehr europäischen Weitblick: „In DeepTech-Themen wird nicht jedes Land eine eigene Technologie entwickeln können. Wir müssen viel mehr gemeinsam und europäisch denken – auch für die europäische Souveränität.“

Bürokratie als Abwanderungsgrund

Die praktischen Hürden in der Frühphase schilderte Andrei Podlesnyi, Investment Manager beim Hansmann Family Office: „Mit der FlexCo ist sicherlich ein Schritt nach vorne gemacht worden. Aber es ist immer noch viel zu kompliziert und viel zu teuer. Wir geben viel zu viel Geld für Anwälte und Notare aus. Jeder Euro, der nicht in der Produktentwicklung ankommt, führt im internationalen Vergleich zu Nachteilen.“

Investment Manager Andrei Podlesnyi am Mikrofon | (c) Victoria Nazarova

Weil zähe Formalakte wertvolle Zeit kosten, wichen immer mehr Gründungsteams aus: „Ich kenne viele gute technische Gründer, die sagen: Ich habe keine Lust auf diese Notariatsakte und Wartezeiten. Die gehen direkt in die USA, gründen dort eine Delaware-Company, wo Mitarbeiterbeteiligungen etabliert sind und man unkompliziert bauen kann, statt erst Steine aus dem Weg zu räumen.“ Neben dem Abbau administrativer Bremsen forderte Podlesnyi gezielte Anreize wie Beteiligungsfreibeträge, um den Kreis heimischer Business Angels spürbar zu erweitern.

„Es reicht nicht zu warten, dass die Politik das von Top-down für uns erledigt“

In der Schlussrunde sprachen sich die Diskutierenden einhellig dafür aus, ein Reformpaket zügig und als unteilbares Gesamtpaket in Angriff zu nehmen, statt Maßnahmen gegeneinander aufzurechnen oder in Einzelinitiativen zu zerfasern. Christian Friedl brachte aber auch einen anderen Aspekt, bei dem Einigkeit herrschte, auf den Punkt: „Es reicht nicht zu warten, dass die Politik das von Top-down für uns erledigt. Du kannst niemanden zum Gründen zwingen. Wir müssen aus diesem passiven Zuschauen und Jammern herauskommen.“

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