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:
18.11.2026

Sarah Buchner: „Wer seinen eigenen Job wegautomatisiert, den behalten wir“

Mit ihrem New Yorker PropTech-Scaleup Trunk Tools hat die Österreicherin Sarah Buchner mittlerweile 70 Millionen Dollar Kapital aufgenommen. Am Rande von brutkasten MOMENTUM sprachen wir mit ihr über KI, Regulatorik und Mindset.
/artikel/sarah-buchner-wer-seinen-eigenen-job-wegautomatisiert-den-behalten-wir
18.11.2026

Sarah Buchner: „Wer seinen eigenen Job wegautomatisiert, den behalten wir“

Mit ihrem New Yorker PropTech-Scaleup Trunk Tools hat die Österreicherin Sarah Buchner mittlerweile 70 Millionen Dollar Kapital aufgenommen. Am Rande von brutkasten MOMENTUM sprachen wir mit ihr über KI, Regulatorik und Mindset.
/artikel/sarah-buchner-wer-seinen-eigenen-job-wegautomatisiert-den-behalten-wir
Trunk-Tools-Gründerin Sarah Buchner © Tobias Gärtner

Wo sie auftritt, sorgt sie für Aufsehen und Begeisterung. Mit gerade einmal Mitte 30 kann die im beschaulichen Eitzing in Oberösterreich aufgewachsene Sarah Buchner bereits einen beachtlichen Lebenslauf vorweisen: Tischlerin, Bauleiterin, Führungskraft bei der Strabag und fünf abgeschlossene Studien, darunter ein MBA an der US-Eliteuni Stanford, sind nur einige Stationen. Mittlerweile ist sie seit sieben Jahren in den USA, 2021 gründete sie in New York das Startup Trunk Tools. Mit diesem sammelte sie mittlerweile insgesamt rund 70 Millionen US-Dollar Investorengelder ein, zuletzt mit einer 40-Millionen-Dollar-Series-B-Runde im Sommer 2025, wie brutkasten berichtete. Schon davor hatte brutkasten die Gründerin in der Cover-Story seines Print-Magazins porträtiert.

Nun war Buchner bei brutkasten MOMENTUM in Wien zu Besuch und ermutigte in ihrer vielbeachteten Keynote das Publikum, mehr Risiko einzugehen. Wir sprachen mit ihr am Rande des Events über die Entwicklung ihres Startups, den KI-Boom, und Unterschiede zwischen den USA und Europa in Politik und Regulatorik.


brutkasten: Wir haben schon mehrmals über dich und dein Startup Trunk Tools berichtet: Ihr habt zuletzt im Sommer vergangenen Jahres eine 40-Millionen-Dollar-Runde geraist. Was hat sich seitdem getan und wie ist die weitere Entwicklung verlaufen?

Sarah Buchner: Wir haben ganz schön viel davon ausgegeben! [lacht] Aber Spaß beiseite: Man raist Geld, um zu investieren. Wir haben direkt angefangen, viele Leute einzustellen, und zählen inzwischen um die 100 Mitarbeiter. Vor einem Jahr hat man Startups ja noch daran gemessen, wie viele Mitarbeiter sie haben. Heute ist es fast umgekehrt, weil viele Aufgaben durch KI-Agenten ersetzt werden. Das ist auch eine Journey, die wir gleich nach der Series B ziemlich aggressiv gestartet haben: eigene KI-Agenten zu bauen, die unser Backoffice und alles Mögliche abwickeln. Natürlich haben wir stark in unser AI- und Engineering-Team investiert. Unsere Produktoberfläche ist heute etwa 50-mal größer als vor einem Jahr – was sich bei unserem Produktangebot getan hat, ist extrem und kaum überschaubar.

In Europa tun sich vor allem etablierte Unternehmen schwer mit der KI-Implementierung, brauchen deutlich länger und stehen vor bürokratischen und regulatorischen Hürden. Ist das in den USA ähnlich, sodass ihr als junges Unternehmen einen Geschwindigkeitsvorteil habt, oder agiert die Branche dort generell schneller?

Change Management ist überall schwierig. Menschen sind per se nicht dafür geboren, Veränderung zu mögen. Ich sage auch unseren Kunden immer: KI bringt zwei Herausforderungen mit sich. Die erste ist die richtige Technologie – das ist der leichtere Teil, weil man ihn testen kann. Die eigentliche Hürde ist: Wie verändern wir die Arbeitsweise von hunderten oder tausenden Mitarbeitern? Wir sind intern extrem aggressiv vorgegangen und haben ganz klare Ziele gesetzt: Wenn du in der nächsten Woche keinen eigenen Workflow gebaut hast, hast du hier keinen Job mehr. Wer seinen eigenen Job wegautomatisiert, den behalten wir. Diese Reverse Psychology funktioniert.

Im US-Markt sehe ich eine wesentlich schnellere Adaption als in Europa, weil Regulierung dort kaum ein Thema ist. Datenschutz und Cybersicherheit sind zwar präsent, aber in Europa hört man oft: „Wir können keine amerikanische KI verwenden. Ihr müsst europäische KI-Modelle einsetzen“. Auf meine Frage, welche das sein sollen, gibt es meist keine Antwort. In Europa spielen bei solchen Entscheidungen viele politische und wertegetriebene Aspekte mit hinein. In Amerika regiert der pure Kapitalismus. Und im Kapitalismus wird KI schneller implementiert als im Sozialismus, schlicht weil sie Geld spart.

Du hast die Politik angesprochen: Nach den Midterms in den USA stellt sich die Frage, wie es weitergeht. Donald Trump hat einen extrem KI-fördernden Kurs verfolgt, während es in der Opposition auch kritischere Stimmen gibt. Erwartest du Auswirkungen oder eine Blockade zwischen Legislative und Exekutive?

Nein, in Amerika regiert die Wirtschaft und nicht die Politik. Da gibt es viel medialen Lärm: Die Medien müssen unterhalten, und dafür wird gesorgt. In den USA wird KI vor allem deshalb forciert, weil sie als Thema der nationalen Sicherheit und des nationalen Interesses gilt. Der Großteil der Entscheider ist überzeugt, dass man die beste KI besitzen muss, um sich zu schützen – vor allem gegenüber China. Sobald etwas von nationaler Sicherheitsrelevanz ist, rückt alles andere in den Hintergrund. Das sieht man auch daran, mit welchen Summen Kriege finanziert werden. Viele der kritischen Stimmen dienen lediglich dem Wahlkampf, durchgesetzt wird davon kaum etwas.

Nach rund sieben Jahren in den USA bist du wieder einmal zu Besuch in Österreich. Wie siehst du die Chancen des heimischen Startup- und Innovationsökosystems in einer Europäischen Union, die stark auf Regulatorik und moralische Leitplanken setzt?

Ich unterscheide hier zwei Kategorien. Als Startup musst du dir die Frage stellen: Trittst du global oder lokal an? Wenn du global im Wettbewerb mitspielen willst, startest du in Europa hinter der Startlinie. In Österreich muss man sich zuerst monatelang fragen: Darf ich diese KI bauen, wie darf ich sie bauen und wo liegen die Daten? Man verbringt sechs bis zwölf Monate allein mit der Frage, ob man es überhaupt tun darf. In den USA baut und testet man einfach. Dort gilt: Erst ausprobieren, dann diskutieren, dann skalieren und am Ende vielleicht regulieren. In Europa wird reguliert, diskutiert, nochmals reguliert, nochmals diskutiert, dann pilotiert und eventuell irgendwann skaliert. In einer globalen Wirtschaft schneidet man sich damit ins eigene Fleisch.

Wenn du global im Wettbewerb mitspielen willst, startest du in Europa hinter der Startlinie.

Ich finde das traurig für das Startup-Ökosystem, denn in Österreich gibt es dieselben Talente wie in Amerika: extrem kluge Menschen mit Drive, die etwas aufbauen wollen. Aber die Rahmenbedingungen erschweren den Erfolg. Es gibt Gründer, die es trotzdem schaffen, aber die statistische Wahrscheinlichkeit ist geringer: Es gibt hier weniger Kapital, mehr Regulierung und ein völlig anderes Mindset.

Stichwort Mindset: Du sprichst bei brutkasten MOMENTUM in deiner Keynote genau darüber. Warum nimmst du den Weg aus den USA auf dich und was möchtest du dem Publikum mitgeben?

Ich werde vor allem von europäischen Medien oft gefragt, warum ich mein Unternehmen in Amerika und nicht in Europa gegründet habe. Meine Firma würde in Europa schlicht nicht existieren – jedenfalls nicht in dieser Geschwindigkeit, Skalierung und mit diesem Erfolg. Das bedeutet aber nicht, dass ich Europa nichts zurückgeben möchte. Meine Karriere wäre ohne Europa nicht möglich gewesen. Ich bin bodenständig aufgewachsen, niemand in meiner Familie hatte einen akademischen Abschluss. Ich konnte vier von fünf Universitätsabschlüssen quasi kostenlos absolvieren, dazu gab es ein funktionierendes Gesundheitswesen und verlässliche Infrastruktur – in Europa kann man es wirklich von ganz unten nach oben schaffen. Dafür bin ich dankbar.

Sarah Buchner auf der Bühne von brutkasten MOMENTUM | (c) Tobias Gärtner / brutkasten

Irgendwann bin ich Europa jedoch entwachsen und brauchte ein größeres Spielfeld. Das europäische Mindset hat mich gebremst: Mir wurde ständig gesagt, ich sei „zu viel“ – zu ehrgeizig, zu fordernd, ich würde zu viele Stunden arbeiten. In Amerika gibt es dieses Stigma nicht. Dort wird Individualismus gefördert: Wenn du extrem in eine Richtung gehst, gilt das als Stärke, weil du der Beste darin werden kannst. In Europa herrscht ein Hang zur Normalisierung, in Amerika ein Drang zur Spitzenleistung – beides hat Vor- und Nachteile.

An welchen konkreten Schrauben müsste man drehen, um die Situation für Gründer in Österreich und Europa nachhaltig zu verbessern?

Das Mindset zu ändern, braucht Zeit – auch wenn sich schon einiges getan hat. Vor zehn Jahren war das Umfeld noch wesentlich konservativer als heute. Ein massives Problem bleibt jedoch die bürokratische und politische Struktur, die man vermeintlich zur Sicherheit der Unternehmen aufgebaut hat. In Amerika gründe ich eine Firma online in zehn Minuten für ein paar hundert Dollar und kann sofort Kapital aufnehmen. Ich persönlich habe im ersten Jahr weder für Anwälte noch für mein Büro Geld bezahlt, weil es enorme Unterstützungssysteme gibt.

Die ersten zwei Jahre einer Gründung sind die härtesten. Alles, was Politik und Verwaltung tun können, um diese Anfangsphase radikal zu vereinfachen, bringt mehr Menschen ins Unternehmertum. Und je mehr Erfolgsbeispiele wir sehen, desto mehr Nachahmer gibt es. Für mich war es schon in den USA schwer, weibliche Vorbilder unter Solo-Foundern zu finden. In Europa ist das noch schwieriger, wenn es pro Land gefühlt nur fünf herausragende Gründerinnen gibt. Psychologisch ist es viel entmutigender, eine von fünf sein zu wollen, als eine von fünfhundert.

Das klingt noch nicht übertrieben optimistisch. Siehst du zum Abschluss dennoch Anlass zu Optimismus für den Standort Europa?

Absolut, man sieht klare Fortschritte! Es steht deutlich mehr Venture Capital zur Verfügung und es gibt weit mehr Startups als vor zehn Jahren. Durch Plattformen wie LinkedIn oder Instagram sehen junge Menschen heute viel früher, dass es abseits der klassischen Konzernkarriere andere Lebenswege gibt. Auch die KI verstärkt diesen Wandel: Viele hinterfragen, ob sie noch einen klassischen Studienabschluss brauchen oder wie die Joblandschaft künftig aussieht. Das treibt viele junge Leute direkt in die Selbstständigkeit. Genau das brauchen wir als Gesellschaft. Diese Bewegung muss weiter unterstützt werden, aber der Trend ist eindeutig positiv.

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