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:
12.11.2026

530 Mio. US-Dollar: Investments für zwei Münchner Startups

Agile Robots holt sich 500 Millionen US-Dollar Kapital. Währenddessen schließt das Deeptech-Startup SE3 eine Finanzierungsrunde von 30 Millionen US-Dollar ab.
/artikel/530-mio-us-dollar-investments-fuer-zwei-muenchner-startups
12.11.2026

530 Mio. US-Dollar: Investments für zwei Münchner Startups

Agile Robots holt sich 500 Millionen US-Dollar Kapital. Währenddessen schließt das Deeptech-Startup SE3 eine Finanzierungsrunde von 30 Millionen US-Dollar ab.
/artikel/530-mio-us-dollar-investments-fuer-zwei-muenchner-startups
Links Agile-Robots-CEO Zhaopeng Chen mit einem Humanoiden und rechts die SE3-Technologie im Einsatz | (c) Agile Robotics / SE3 / Canva

„Unsere Vision ist, dass intelligente Roboter überall auf der Welt in Fabriken und Lagern mit Menschen zusammenarbeiten“, mit diesen Worten verkündet Zhaopeng Chen, Gründer und CEO von Agile Robots, eine Finanzierungsrunde von 500 Millionen US-Dollar. Angeführt wurde die Serie-F-Runde von der SoftBank Group. Weitere Investoren kommen aus der Automobilindustrie, der künstlichen Intelligenz sowie der Digital- und Industrietechnologie, darunter etwa Nvidia, die Hitachi Group und T.Capital. Insgesamt steigt das eingeworbene Kapital des Münchner Scaleups auf zwei Milliarden US-Dollar. Die Bewertung des Unternehmens beträgt nun 8,5 Milliarden US-Dollar.

Kapital für internationales Wachstum

„Wir bringen Physical AI aus dem Labor in die Industrie, sei es in der Logistik, der Automobil- und Elektronikbranche oder der Fertigung. Mit der neuen Finanzierung können wir schneller international wachsen, unsere Präsenz in wichtigen Märkten ausbauen und unsere Produktionskapazitäten erweitern“, sagt Chen. Man wolle vor allem seine Präsenz in den USA stärken und die Entwicklung neuer Robotikanwendungen beschleunigen.

Agile Robots entwickelt humanoide und mobile Roboter, Roboterarme und -hände sowie die Software und KI-Modelle, die sie steuern. Dadurch können Industrieunternehmen auch Aufgaben automatisieren, für die bisher menschliches Fingerspitzengefühl und Urteilsvermögen nötig waren. 

30 Millionen US-Dollar für Europas Verteidigung

Ebenfalls eine Finanzierungsrunde in Millionenhöhe, wenn auch nicht in der Größenordnung von Agile Robots, sicherte sich das Münchner Startup SE3. In einer Serie-A-Finanzierungsrunde lukrierte die Deeptech-Firma 30 Millionen US-Dollar. Accel führte die Runde an, mit Beteiligung von Keen, Lakestar und Seedcamp.

„Die Finanzierung dient dem Ausbau der Entwicklungs-, Vertriebs- und Betriebsteams von SE3, um für die Erfüllung weiterer Aufträge im Zuge des Unternehmenswachstums gerüstet zu sein“, schreibt das Unternehmen auf seiner Webseite. Neben der Stärkung der Präsenz in Deutschland und der Ukraine eröffnet SE3 auch ein Büro in Großbritannien und plant die weitere Expansion in Europa.

Das Münchner Unternehmen arbeitet daran, Sensordaten in räumliches Verständnis umzuwandeln, sodass Maschinen autonom arbeiten können. SE3 entwickelt seine Technologie für komplexe Umgebungen, in denen Systeme zuverlässig funktionieren müssen, auch bei Störungen der Satellitennavigation. Das Startup konzentriert sich primär auf die europäische Verteidigung. Dieser Sektor bleibt vorerst der Schwerpunkt. Ab 2027 sollen Robotik, Katastrophenschutz und andere zivile Anwendungen für anspruchsvolle Umgebungen erforscht werden.

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