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:
16.09.2026

Zwischen Empathie und KI-Skills: Innox-Gründer Hans Sailer über den Wandel des Innovationsmanagements

Hans Sailer hat mit Innox ein Netzwerk aufgebaut, das Innovationsmanager:innen aus Österreich, Deutschland und der Schweiz branchenübergreifend zusammenbringt. Im Interview spricht er über den Wandel seiner Zunft, über Corporate Venturing zwischen Hype und langem Atem und darüber, warum Innovationsmanager:innen künftig KI-Agenten orchestrieren werden.
/artikel/innoxnetwork-hans-sailer-interview
16.09.2026

Zwischen Empathie und KI-Skills: Innox-Gründer Hans Sailer über den Wandel des Innovationsmanagements

Hans Sailer hat mit Innox ein Netzwerk aufgebaut, das Innovationsmanager:innen aus Österreich, Deutschland und der Schweiz branchenübergreifend zusammenbringt. Im Interview spricht er über den Wandel seiner Zunft, über Corporate Venturing zwischen Hype und langem Atem und darüber, warum Innovationsmanager:innen künftig KI-Agenten orchestrieren werden.
/artikel/innoxnetwork-hans-sailer-interview
Innox-Gründer Hans Sailer. (c) brutkasten / Haris Dervisevic

Wer Innovationsmanagement hört, denkt an Methoden, an Design Thinking, Scouting, Stage Gates. Hans Sailer nennt etwas anderes zuerst: Empathie. Ohne Draht in die Fachabteilungen und in den Vorstand komme man nicht weit, weil dort das Wissen liege. Sailer hat mit Innox ein Netzwerk aufgebaut, in dem sich Innovationsmanager:innen aus Österreich, Deutschland und der Schweiz austauschen, und dabei beobachtet, wie sich ihre Rolle laufend verändert hat: von Ideenmanagement über Open Innovation bis zum Corporate Venturing.


brutkasten: Was war der ausschlaggebende Grund, Innox zu gründen? Gab es eine Vision oder hat sich das organisch entwickelt?

Hans Sailer: Es hat keine Vision gegeben. Am Anfang war einfach ein Treffen von fünf Firmen, die sich austauschen wollten. Dabei waren A1, Magna, Siemens, Erste Bank und der ÖAMTC. Wir sind von einer Firma zur anderen gefahren und haben uns zum Beispiel angehört: Wie macht Siemens Innovation, welche weltweiten Ideen-Wettbewerbe gab es, was waren die Learnings? Mich hat das persönlich immer interessiert, ich hatte damals kein Geschäftsinteresse. Aus diesen fünf Firmen hat dann jeder gesagt: „Du, ich kenne da noch einen, kann die oder der mitgehen?“ So ist das über die Jahre gewachsen. Ich habe das fast zehn Jahre ohne Geschäftshintergrund gemacht, das war privates Vergnügen. Wir haben sogar eine Reise nach Hamburg gemacht und das Airbus Innovation Lab besucht.

Wann kam der Schritt in die Selbstständigkeit?

Irgendwann hat Casinos Austria gesagt: „Warum machst du dich nicht selbstständig?“ Da habe ich mir gedacht: Jetzt bin ich fünfzig. Wenn ich es jetzt nicht mache, dann mache ich es nie. Also habe ich gekündigt und mich selbstständig gemacht. Und dann ist es richtig losgegangen, weil ich gesehen habe, was passiert, wenn du deine ganze Energie konzentriert in eine Sache legst. Gleichzeitig kam die Pandemie. Ich habe geschaut: Was kann ich einem Innovationsmanager jetzt liefern, was er gut brauchen kann? Wir haben digitale Austausch-Treffen organisiert, bei denen Firmen erzählt haben, welche Plattformen sie verwenden. Und ich habe gesehen: Online erreichst du viel mehr Leute. Da ist es auch in Deutschland losgegangen. Die deutschen Firmen tauschen sich genauso gerne aus wie die Österreicher und die Schweizer.

Was braucht ein guter Innovationsmanager, eine gute Innovationsmanagerin?

Das Wichtigste ist Empathie. Weil er oder sie Zugänge ins ganze Unternehmen braucht, ob zum Vorstand oder in eine Fachabteilung. Wenn man diesen Draht nicht aufbauen kann, wird es ganz schwierig, denn das Know-how liegt in den Fachabteilungen. Eine große Unterscheidung, die man machen muss: Bin ich Innovator:in oder bin ich Innovation Facilitator:in? Das war am Anfang oft stark verschwommen. Die Rolle der Innovationsmanager:innen hat sich seither laufend geändert und ändert sich gerade wieder extrem stark.

Inwiefern?

Als ich angefangen habe, gab es die ganzen Venturing-Bestrebungen noch gar nicht. Venturing ist in großen Firmen in der M&A-Abteilung passiert. Damals ging es in Corporates eher um Ideenmanagement-Plattformen und das Nutzen der internen Intelligenz, bald kam Open Innovation mit allen externen Stakeholdern, dann ist Design Thinking aufgekommen und ein verbessertes Trend- und Foresight-Management. Ab etwa 2015 kam das Venturing dazu, und plötzlich musstest du wissen: Wie kooperiere ich mit einem Startup? Wie bewerte ich ein Startup? Dieses Know-how hat ein Innovationsmanager vorher nie gebraucht. Das war auch für Corporates keine leichte Aufgabe, da ist viel Geld für diese Learnings ausgegeben worden.

Hans und Karin Sailer von Innox im Gespräch mit brutkasten-Chefredakteur Martin Pacher. (c) brutkasten / Haris Dervisevic

In dem Zusammenhang fällt oft der Begriff „Innovationstheater“.

Da muss man vorsichtig sein. Natürlich kann man Sichtbarkeit überbetonen, dann ist es Theater. Aber wenn ich nicht sichtbar mache, was meine Innovationsabteilung leistet, werde ich nicht wahrgenommen, und dann arbeiten die Abteilungen auch nicht gerne mit mir. Das ist ein feiner Grat. Wir haben oft erlebt, dass die Sichtbarkeit über externe Medien größer war als intern: Ohne Artikel in einer Zeitung bist du in der eigenen Firma gar nicht aufgefallen. Bei denen, die nie etwas auf die Straße gebracht haben, bin ich beim Vorwurf des Innovationstheaters dabei. Aber das wollte auch nie jemand bewusst.

Wie ordnest du Corporate Venturing in Österreich im Vergleich zu Deutschland ein?

Die Deutschen sind ein bisschen mutiger, haben vielleicht auch mehr Geld und nehmen Dinge als Erste in die Hand. Projekte, die wir bei der Innovationsagentur Hyve in Deutschland gemacht haben, haben wir zwei Jahre später in Österreich umgesetzt. Das Venturing ist dort schneller losgegangen, aber auch bei uns wurde es in einigen Corporates ordentlich aufgezogen. Dass Venturing auch ein Hype war, ist unbestritten, und wie bei jedem Hype gibt es Gewinner und Verlierer. Aber man kann aus heutiger Sicht nicht sagen: Das bringt nichts, das muss zurückgefahren werden. Man muss fragen: Wie gut ist es gemacht worden? Wenn du etwas komplett Neues herausbringst, brauchst du mindestens sieben Jahre, bis du damit etwas verdienst. Diesen langen Atem haben wenige Firmen. Jede Firma muss für sich draufkommen, ob das Vehikel zu ihr passt. Nur weil es bei einer anderen funktioniert hat oder nicht, heißt das nichts für die eigene.

Welchen Stellenwert hat Innovation in der aktuellen Wirtschaftskrise?

Dass Innovation näher ans Kerngeschäft geführt wird, ist sichtbar. In Krisen wird üblicherweise viel zusammengefahren, das hat man in der Pandemie ganz stark gesehen. Aber es kommt der Punkt, an dem alle Firmen sagen: „Ohne Innovation werden wir das nicht schaffen.“ Dann werden Innovationsabteilungen wieder größer aufgestellt, und diese Schwankungen tun mir oft weh. Ganz schlimm ist es, wenn eine Abteilung komplett aufgelöst wird. Dann verlierst du oft die Personen, die die kurzen Wege in die Firma hatten. Bis sich das jemand Neuer wieder erarbeitet hat, vergehen zwei Jahre. Das wird oft übersehen, wenn man zusammenspart. Vorteile durch Innovation erhalte ich dann nicht schnell auf Knopfdruck.

Und welche Rolle spielt KI?

So ein gutes Hilfsmittel hatten wir noch nie. Ich glaube, dass das Innovationsmanagement dadurch gerade wieder eine spannende Rolle bekommt. Die IT ist der technologische Enabler, aber nicht die Abteilung, die für die Transformation sorgt. Innovationsmanager:innen werden in Zukunft Orchestratoren von mehreren KI-Agenten sein: ein Agent für Foresight, einer für Patentprüfungen, einer für Potenzialanalysen. Wofür du früher zwei Wochen oder einen Monat gearbeitet hast, das bekommst du plötzlich in ein paar Minuten. Dann wird die Entscheidungsgeschwindigkeit zum KPI: Wie schnell kann ich mich auf ein Thema festlegen? Innovationsmanager:innen brauchen künftig eine Ahnung von Vibe Coding und davon, wie man KI-Agenten bestmöglich verwendet. Aber genauso muss man wissen, wie die eigene Firma tickt. Nur weil eine neue Technologie kommt, ist sie nicht sofort erfolgreich. Es geht immer mit dem Tempo, in dem du die Transformation machst. KI alleine wird dabei aber auch nicht die eierlegende Wollmilchsau sein. Entscheidend wird das Thema Ownership: Wer schnallt sich Ideen um und läuft die notwendigen Extrameilen, und wie realisiert man sie dann gemeinsam? Da wird es weiter Menschen brauchen, die ihre Firmen gut kennen, Know-how und ein Feingefühl für People-Management haben.

Ihr habt Ende August wieder euer Summercamp veranstaltet, diesmal bei der Austria Wirtschaftsservice (aws) und der FFG. Was ist die Idee hinter dem Format, und was waren heuer die wichtigsten Erkenntnisse?

Das Summercamp dient dem Zweck, sich mit möglichst vielen Innovationsmanager:innen aus anderen Unternehmen und anderen Branchen zu vernetzen, auf die man sonst nicht zugehen würde. Genau dieser Cross-Industry-Austausch ist wichtig, um neue Impulse zu bekommen und Partner für gemeinsame Projekte zu finden. Wir machen das mit interaktiven Übungen zu aktuellen Innovationsthemen, das ist ein bisschen wie zwei Tage intensives Speed-Dating mit ganz viel positiver Energie. Heuer waren wieder knapp 100 Personen dabei, die ihr Wissen teilen und offen über ihre Erfahrungen sprechen. In den Sessions ging es an den Beispielen AVL Creators Co-Lab und Wiener Stadtwerke um erfolgreiche Cross-Industry-Kooperationen, mit dem Lufthansa Innovation Hub um AI Augmented Leadership und mit Miele um Intrapreneurship versus Venture Building. aws und FFG stellten gemeinsam mit Infineon, Bionic Surface und XBC erfolgreiche Förderprojekte vor.

Unsere wichtigste Erkenntnis: Die Zusammenarbeit in Ökosystemen bringt Unternehmen viele Vorteile, dafür braucht es aber das Commitment aller Beteiligten, vor allem des oberen Managements, sowie eine gute Orchestrierung und moderierte Begleitung. Wir haben außerdem gesehen, dass Förderorganisationen Firmen mit ganz unterschiedlichen Services unterstützen, nicht nur mit Finanzierungen. Und KI bringt sehr unterschiedliche Erwartungshaltungen ins Unternehmen: Was sich das Management vorstellt und was in den Abteilungen tatsächlich möglich ist, liegt in der Praxis oft weit auseinander. Eine wesentliche Aufgabe der Innovationsabteilungen ist es, voranzugehen, gesichertes Wissen aufzubauen, mit der schnellen Entwicklung Schritt zu halten und eine vorteilhafte KI-Nutzung breit in der Firma zu etablieren.

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