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:
19.11.2026

City Layers: Was hinter dem „Wiener Suderplan“ steckt

Mehr als 4.900 Beschwerden und 16.800 Reaktionen innerhalb weniger Wochen: Mit dem "Wiener Suderplan" hat das Startup City Layers zahlreiche Menschen erreicht. Hinter der interaktiven Karte steckt ein Geschäftsmodell, das weit über das Wiener Sudern hinausgehen soll.
/artikel/city-layers-was-hinter-dem-wiener-suderplan-steckt
19.11.2026

City Layers: Was hinter dem „Wiener Suderplan“ steckt

Mehr als 4.900 Beschwerden und 16.800 Reaktionen innerhalb weniger Wochen: Mit dem "Wiener Suderplan" hat das Startup City Layers zahlreiche Menschen erreicht. Hinter der interaktiven Karte steckt ein Geschäftsmodell, das weit über das Wiener Sudern hinausgehen soll.
/artikel/city-layers-was-hinter-dem-wiener-suderplan-steckt
City Layers Team | (c) WirtschaftsagenturWien Karin Hackl

Über zugeparkte Radwege, fehlende Sitzgelegenheiten oder andere Ärgernisse im öffentlichen Raum sudern: Auf dem „Wiener Suderplan“ können Bürger:innen ihre Beschwerden direkt auf einer interaktiven Stadtkarte hinterlassen. Hinter der Plattform stehen ausgerechnet vier Menschen, die ursprünglich gar nicht aus Wien kommen. Gerade deshalb ist ihnen der typische Wiener Grant besonders aufgefallen. Lovro Končar-Gamulin und Domagoj Krhen stammen aus Kroatien, Androniki Pappa und Angelos Chronis aus Griechenland.

Gemeinsam wollen sie mit ihrem Startup City Layers die Bürgerbeteiligung vereinfachen. „Wir kennen den Wiener Grant schon seit Jahren“, erzählt Mitgründer Končar-Gamulin. Der Suderplan sei eine Gelegenheit gewesen, die Möglichkeiten ihrer Technologie zu demonstrieren.

Auf dem Wiener Suderplan können Nutzer:innen ihre Beschwerden direkt auf einer interaktiven Karte hinterlassen.

Von der Forschung zum Startup

Die Idee zu City Layers entstand im Rahmen von Končar-Gamulins Doktorarbeit an der Technischen Universität Wien. Ab 2023 wurde der Ansatz mithilfe von Forschungsförderungen weiterentwickelt. Ziel ist es, Bürger:innen einfacher in städtische Entscheidungsprozesse einzubeziehen. „Normalerweise passiert das in Workshops oder Face-to-Face-Sessions. Wir haben uns gedacht, das kann viel effizienter und viel einfacher sein“, erklärt Končar-Gamulin.

City Layers entwickelt sogenannte Community Maps, auf denen Nutzer:innen ihre Erfahrungen, Bedürfnisse und Ideen zu konkreten Orten teilen können. Die Informationen werden anschließend räumlich ausgewertet und beispielsweise für Stadtplanung, Mobilitätsprojekte oder Forschung nutzbar gemacht.

Der Ansatz kam nach Unternehmensangaben bereits in mehr als zehn Projekten in vier Ländern zum Einsatz und erreichte über 10.000 Menschen. 2025 wurde City Layers beim Falling Walls Science Summit unter die 15 weltweit führenden Science-Engagement-Projekte gewählt.

Was den Suderplan von „Sag’s Wien“ unterscheidet

Wie die Technologie funktioniert, zeigt der Wiener Suderplan. Statt nach konkreten Themen wie Mobilität oder Hitze zu fragen, setzt das Team bewusst auf einen humorvollen Zugang. „Warum fragen wir nicht einfach: Was nervt dich hier?“, beschreibt Končar-Gamulin die Überlegung. Innerhalb von vier Wochen entstanden so laut dem Startup mehr als 4.900 Beiträge und über 16.800 Reaktionen.

Mit „Sag’s Wien“ betreibt die Stadt bereits eine App für Meldungen über Probleme im öffentlichen Raum. Končar-Gamulin sieht darin jedoch keine direkte Konkurrenz. Während „Sag’s Wien“ konkrete Probleme an die Verwaltung weiterleitet, soll der Suderplan alltägliche Erfahrungen sichtbar machen und daraus übergreifende Erkenntnisse gewinnen „Auch wenn die Stadt Wien gute offizielle Kanäle hat, gibt es doch Interesse für so etwas“, sagt der Gründer. Die gesammelten Beiträge sollen in einem Bericht mit räumlichen Analysen und Handlungsprioritäten aufbereitet werden.

Wie City Layers Geld verdienen will

Doch wie lässt sich digitale Bürgerbeteiligung monetarisieren? City Layers setzt auf bezahlte Projekte für Planungsbüros, Organisationen und öffentliche Auftraggeber. Dabei erstellt das Team individuelle Karten, organisiert die Beteiligung und übernimmt die Auswertung. „Wir machen die ganze Kampagne, die Community Map, die Datensammlung, die Datenanalyse und dann auch am Ende einen Report“, erklärt Končar-Gamulin.

Zwei bezahlte Pilotprojekte wurden bereits umgesetzt, darunter eines in der kroatischen Stadt Varaždin. Die dafür entwickelten digitalen Vorlagen lassen sich für weitere Aufträge wiederverwenden. „Mit jedem Projekt haben wir weniger Arbeit“, so der Gründer.

Finanziert wird die Entwicklung bislang überwiegend durch Förderungen. Nach einer Förderung des Wissenschaftsfonds FWF und zwei EU-Projekten erhielt das Team Unterstützung von aws und der Wirtschaftsagentur Wien. Die offizielle Unternehmensgründung ist für Anfang 2027 geplant. Končar-Gamulin soll dann die Geschäftsführung übernehmen.

Nächstes Projekt zu Wiener Christkindlmärkten

Noch vor Weihnachten plant das Team eine weitere interaktive Karte. Darauf sollen Besucher:innen Informationen zu Wiener Christkindlmärkten finden und Feedback hinterlassen können. Die Anwendung könnte später auch für andere Veranstaltungen eingesetzt werden.

Langfristig will City Layers international wachsen. Zunächst stehen Österreich, Kroatien und möglicherweise Griechenland im Fokus, später soll die Plattform auch in weiteren EU-Ländern zum Einsatz kommen.

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