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:
17.11.2026

Primedea: Teleradiologie-Startup holt Preseed-Investment von Hansmann

Mit Hauptsitz in Zürich und Standort in Wien will Primedea dem Engpass bei der Radiologie-Befundung durch ein Netzwerk von Ärzt:innen begegnen. Zwei der drei Co-Founder sind Österreicher: Der Radiologe Florian Huber und Serial Founder Christopher Zemina, der brutkasten ein paar Fragen beantwortete.
/artikel/primedea-teleradiologie-startup-holt-preseed-investment-von-hansmann
17.11.2026

Primedea: Teleradiologie-Startup holt Preseed-Investment von Hansmann

Mit Hauptsitz in Zürich und Standort in Wien will Primedea dem Engpass bei der Radiologie-Befundung durch ein Netzwerk von Ärzt:innen begegnen. Zwei der drei Co-Founder sind Österreicher: Der Radiologe Florian Huber und Serial Founder Christopher Zemina, der brutkasten ein paar Fragen beantwortete.
/artikel/primedea-teleradiologie-startup-holt-preseed-investment-von-hansmann
Die Primedea-Gründer v.l.: Samuel Frey, Florian Huber und Christopher Zemina | (c) Primedea
Die Primedea-Gründer v.l.: Samuel Frey, Florian Huber und Christopher Zemina | (c) Primedea

Rund eine Million MRT-Untersuchungen gab es in Österreich im Jahr 2024 – etwa doppelt so viele wie zehn Jahre davor. Währenddessen bleibe laut Ärztekammer fast jede zweite genehmigte Ausbildungsstelle für Radiologie unbesetzt, heißt es vom Startup Primedea mit Sitz in Zürich und Wien in einer Aussendung, „und die Pensionierungswelle der geburtenstarken Jahrgänge steht erst bevor. Spitäler und Institute haben ausgelastete Geräte, aber nicht genug Fachpersonal für die Befundung.“

Plattform verbindet Spitäler und Zentren mit Fachärzt:innen

Bei diesem Problem setzt das Unternehmen an. Die These: Die Situation lässt sich erheblich verbessern, wenn die vorhandenen Kapazitäten von Fachärzt:innen besser genutzt werden. Konkret setzt Primedea auf ein Netzwerk von Radiolog:innen, das über die Plattform mit Spitälern und Radiologiezentren verbunden wird und orts- und zeitungebunden für Befundungen zur Verfügung steht. Dadurch sollen Notfallbefunde in unter 30 Minuten, reguläre Befunde in zwölf bis 24 Stunden vorliegen. Die Bezahlung erfolgt dabei pro Befund.

Mehrere KI-Touchpoints

Eine zentrale Rolle spielt dabei auch KI: Die Primedea-Plattform ist direkt an die Radiologie-Informationssysteme der Kunden angebunden und Untersuchungen können hochgeladen werden. Die KI trifft dann zunächst eine Vorauswahl, um die Untersuchung passenden Fachärzt:innen zuzuordnen. Diese werden dann unter anderem durch ein Speech-to-Report-Sprachmodell auch bei der Befundung unterstützt. Dabei soll das System mit dem Netzwerk laufend verbessert werden.

Co-Founder Florian Huber hält zugleich fest: „KI wird Radiologinnen und Radiologen nicht ersetzen, aber sie wird ihnen Arbeit abnehmen: Sie wird in der Priorisierung, Vorstrukturierung und Befundung unterstützen. Wir setzen KI dort ein, wo sie den Befund schneller und sicherer macht. Die Verantwortung bleibt immer beim Facharzt.“

Komplementäres Founder-Team mit zwei Österreichern

Der Radiologe stammt ursprünglich aus Wien und ist seit Jahren in Zürich tätig. Dort gründete er das Startup gemeinsam mit dem deutschen Serial-Entrepreneur Samuel Frey, der für IT und KI verantwortlich ist und dem Österreicher ,Christopher Zemina, der Wirtschaft, Finanzen, Vertrieb und Rechtliches abdeckt. Dieses setzt seit der Gründung im März dieses Jahres auch auf einen zweiten Standort in Wien, an dem Zemina sitzt.

Er ist in der heimischen Startup-Szene kein Unbekannter. Nach fünf Jahren als Principal bei Speedinvest gründete er 2020 in Berlin das Fintech-Startup Airbank mit, das später in Friday Finance umbenannt wurde. Nach einem 20-Millionen-US-Dollar-Investment im Jahr 2022 erfolgte im Jahr 2023 der Exit an den Mitbewerber Pliant, wie brutkasten berichtete. „Ich war nach dem Exit noch zwei Jahre bei Pliant. Das war eine tolle Zeit, das Unternehmen hatte seine Series-C-Runde und hat sich gut entwickelt. Ich wollte aber wieder etwas Eigenes gründen“, erzählt Zemina gegenüber brutkasten.

Huber und Frey kenne er bereits seit einigen Jahren. „Es hat sich zeitlich gut ergeben. Beide sind ebenfalls aus ihrem jeweils letzten Unternehmen hinausgegangen. Sie haben die Idee zu Primedea bereits mitgebracht und ich bin noch vor der Gründung als dritter Co-Founder dazugestoßen. Wir sind dabei extrem komplementär und ergänzen einander perfekt“, so der Co-Founder.

Hansmann Family Office steigt mit mittlerem sechsstelligen Betrag ein

Damit überzeugte man nun auch Österreichs bekanntesten Business Angel Hansi Hansmann, der mit seinem Family Office mit einem nicht konkret bezifferten mittleren sechsstelligen Betrag bei Primedea einstieg. „Ich investiere vorrangig in Gründer. Bei Primedea sitzt ein Radiologe am Tisch, der das Problem jeden Tag selbst am Befundungsplatz erlebt, daneben zwei Gründer, die schon einmal ein Unternehmen aufgebaut haben. Diese Kombination aus Fachwissen und Umsetzungsstärke sieht man selten“, wird der Investor in einer Aussendung zitiert.

Freilich dürfte Hansmann auch die Geschäftsentwicklung des Startups interessiert haben, das seit Juni live ist und neben einigen Kunden, darunter das Institut Röntgen Eisenstadt und das Institut Frühwald in St. Pölten, auf ein Netzwerk aus bislang 20 Fachärzt:innen verweisen kann. „Es läuft operativ gut und geht schon Richtung Profitabilität“, verrät Zemina gegenüber brutkasten.

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