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:

Ann-Kathrin Salmen

06.10.2026

„Der Apfel fällt nicht weit vom Stamm“ – Kinder von Unternehmer:innen planen Gründungen mehr als doppelt so oft

Eine neue Umfrage der Stiftung Unternehmerische Zukunft zeigt: Wer unternehmerische Vorbilder in der Familie hat, plant mehr als doppelt so oft unternehmerisch tätig zu werden. Die wichtigsten Zahlen und Erkenntnisse im Überblick.

/artikel/der-apfel-faellt-nicht-weit-vom-stamm-kinder-von-unternehmerinnen-planen-gruendungen-mehr-als-doppelt-so-oft

Ann-Kathrin Salmen

06.10.2026

„Der Apfel fällt nicht weit vom Stamm“ – Kinder von Unternehmer:innen planen Gründungen mehr als doppelt so oft

/artikel/der-apfel-faellt-nicht-weit-vom-stamm-kinder-von-unternehmerinnen-planen-gruendungen-mehr-als-doppelt-so-oft

Wie steht es um das Interesse an der Selbstständigkeit in Österreich? Eine Online-Befragung von Peter Hajek Public Opinion Strategies im Auftrag der Stiftung Unternehmerische Zukunft liefert dazu aktuelle Daten. Im Befragungszeitraum vom 22. Mai bis 8. Juni 2026 wurden insgesamt rund 1.500 Personen der österreichischen Wohnbevölkerung im erwerbsfähigen Alter zwischen 16 und 69 Jahren befragt. Die Zahlen zeigen, wie stark das direkte Umfeld die Neigung zum Unternehmertum in Österreich prägt.

Der „Eltern-Effekt“ als zentraler Einflussfaktor

Der zentralste Befund der Untersuchung liegt in der familiären Prägung: Der Wunsch und die konkrete Absicht zu gründen gehen laut den Studiendaten maßgeblich mit der unternehmerischen Tätigkeit der eigenen Eltern einher. Insgesamt geben 20 Prozent der Befragten an, mindestens einen selbstständigen oder unternehmerischen Elternteil zu haben. Laut Umfrage verändert diese Erfahrung die Haltung grundlegend: Während sich ohne unternehmerischen Hintergrund lediglich 27 Prozent der Befragten eine Gründung grundsätzlich vorstellen können, steigt dieser Wert bei Personen mit unternehmerischem Elternhaus auf 47 Prozent.

Noch drastischer unterscheidet sich die konkrete Planung: Bei Befragten ohne unternehmerische Eltern geben derzeit nur 7 Prozent an, innerhalb der nächsten zwölf Monate konkret eine Gründung zu planen. Hat mindestens ein Elternteil ein Unternehmen geführt oder gegründet, springt diese Gründungsabsicht auf 18 Prozent, also mehr als das Doppelte. Das Elternhaus senkt somit laut Studie die subjektiven Hürden von der bloßen Vorstellung hin zur konkreten Absicht.

Eklatanter Mangel an sichtbaren Vorbildern im Alltag

Dass die familiäre Herkunft in den Daten eine so dominante Rolle spielt, deckt sich mit einem deutlichen Mangel an sichtbaren Alternativen im öffentlichen Raum. Laut Umfrage fällt fast der Hälfte der Gesamtbevölkerung (49 Prozent) spontan kein einziger Name einer Unternehmerin oder eines Unternehmers ein.

Unter den Befragten zwischen 16 und 29 Jahren geben sogar 60 Prozent an, niemanden nennen zu können. Werden überhaupt Namen genannt, handelt es sich meist um prominente Großunternehmer wie Mateschitz (13 Prozent), Haselsteiner (5 Prozent), Benko (3 Prozent), Swarovski (3 Prozent) oder Elon Musk (2 Prozent). Greifbare Vorbilder aus dem alltäglichen Leben fehlen in der Wahrnehmung vieler Befragter.

Gleichzeitig zeigt die Erhebung: Wer im unternehmerischen Umfeld aufwächst oder entsprechende Kontakte hat, würde im Falle eines Gründungsvorhabens eine nahestehende Person laut Eigenangabe mit 37 Prozent mehr als doppelt so oft aktiv bestärken wie Personen ohne dieses Umfeld (17 Prozent).

Breiter Ruf nach Wirtschaftsbildung an Schulen

Unterstützung aus dem Elternhaus ist ein wichtiger Faktor, doch soll er laut den Befragten nicht der einzige sein, der über die berufliche Zukunft entscheidet, wie sich aus weiteren Ergebnissen ablesen lässt. 80 Prozent sprechen sich dafür aus, dass Jugendliche bereits in der Schule stärker lernen sollten, wie man Unternehmen gründet oder führt. Zudem hätten sich 75 Prozent selbst mehr praktische Wirtschaftsbildung gewünscht.

Für Markus Raunig, Vorstand der Stiftung Unternehmerische Zukunft, liefern die Befragungsergebnisse deshalb einen klaren Auftrag an die Bildungspolitik. Seine zentrale These formuliert Raunig bei der heutigen Pressekonferenz als Kernversprechen der Stiftungsarbeit: „Unsere Überzeugung als Stiftung lautet: Es darf nicht davon abhängen, was für Eltern oder welches Umfeld man hat, ob man unternehmerisch tätig wird oder nicht.“

Durch praxisnahe Schulprogramme, den Aufbau eigener Medienkanäle zur Veranschaulichung des unternehmerischen Alltags und die gezielte Sichtbarmachung nahbarer Vorbilder soll dieses Herkunfts-Delta geschlossen werden.

Wachstumsorientierte Startups als echter Jobmotor

Aus volkswirtschaftlicher Sicht kommt es jedoch nicht bloß auf die reine Anzahl an Gründungen an, sondern auf deren Qualität, das betont Monika Köppl-Turyna, Direktorin von EcoAustria. Die auch als Vorstandsmitglied der Stiftung agierende Wirtschaftsforscherin hebt hervor, dass vor allem junge, wachstumsstarke Unternehmen als entscheidender Motor für Beschäftigung und Innovation wirken und überproportional viele neue Arbeitsplätze schaffen.

Auf der Pressekonferenz spitzte Investorin und Stiftungs-Vorstandsmitglied Lisa-Marie Fassl die Notwendigkeit einer gesamtgesellschaftlichen Haltungswende zu: „Das einzige, was uns hilft wirtschaftlich erfolgreich zu bleiben als Standort, ist Innovation. […] Es muss gesamtgesellschaftlich gesehen einfach wieder sexy sein, einen Beitrag zu leisten. Wir leben in einem Land mit einer massiven Vollkaskomentalität, wo man darauf wartet, dass irgendwer etwas für einen richtet.“

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