18.09.2020

Wie man auch mit wenig Daten KI-Lösungen nutzen kann

Transfer Learning kann helfen, wenn nicht genug Daten für den Einsatz von KI-Anwendungen zur Verfügung stehen.
/artikel/wie-man-auch-mit-wenig-daten-ki-losungen-nutzen-kann
(c) TRUMPF Maschinen Austria

Daten sind das neue Öl, sagt man – denn nichts zuletzt sind sie der Treibstoff, der den Motor der Künstlichen Intelligenz antreibt. Doch was tun, wenn die nötigen Daten fehlen, um KI-basiert Prognosemodelle, zum Beispiel im industriellen Bereich, effizient nutzen zu können? Hier kann unter anderem eine Methode namens „Transfer Learning“ eingesetzt werden. Beim Transfer Learning bedient man sich vortrainierter Modelle aus anderen Kontexten, wodurch ein Mangel an Trainingsdaten kompensiert und die KI daher günstiger und leichter eingesetzt werden kann. Eingesetzt wird dies in Österreich zum Beispiel beim Software Competence Center Hagenberg (SCCH).

Transfer Learning: Anschaulich illustriert

(c) SCCH

Links: Klassisches Machine Learning from Scratch bei dem für jeden Datensatz mit unterschiedlicher statistischer Charakteristik (z.B. Bilder einer Inspektionskamera für einen speziellen Bauteil) ein eigenes Modell gelernt wird (z.B. um einen Defekt im Bauteil zu erkennen). Das kann bei einem neuen Bauteil welcher nur in kleiner Menge produziert wird zu Problemen führen, da klassische Machine Learning Modelle sehr datenhungrig sind und schlechte Ergebnisse liefern, wenn zu wenige Daten vorhanden sind.

Rechts: Transfer Learning ist eine Erweiterung des klassischen Machine Learning Ansatz, die darauf abzielt Informationen neuer Daten mit Informationen alten Daten derart zu kombinieren, sodass das Problem von zu wenig Information (z.B. zu wenige Inspektionsbilder eines neuen Bauteils) gelöst werden kann.

Industrie als Vorreiter des Transfer Learning

„Seit 2010 setzen wir im Bereich Data Science Methoden des Transfer Learning ein. Vorbild waren Ansätze, mit denen bestehende Daten zur Problemlösung A mittels Künstlicher Intelligenz (KI) auf ein verwandtes Problem B übertragen werden können“, sagt Bernhard Freudenthaler, Area Manager Software Science am SCCH.

Da es kaum Forschung mit Industriedaten gab, hat das SCCH mit Wirtschaftspartnern Testreihen durchgeführt, um Prozessdaten zu generieren, mit denen KI-Systeme schrittweise trainiert werden, korrekte Werte vorherzusagen und damit den Verarbeitungsprozess zu steuern. „Der Vorteil für Industriebetriebe liegt in der Zeiteinsparung. Denn ohne Transfer Learning muss für jede Maschinenkonfiguration das Training der KI wieder von Neuem begonnen werden.

Transfer Learning ist auch Thema im COMET-Projekt Deepred (Deep Learning based Predicictive Analytics and Optimization). Ein Schwerpunkt ist die Unterstützung vieler ähnlicher Prozesse mit dem Ziel, die richtige Lösung ohne teure, umfassende und prozessspezifische Datensammlung zu finden. Dadurch können KI-basierte Produktionsprozesse flexibler gestaltet und Trainingszeiten des KI-Modells im besten Fall ganz vermieden werden“, so Freudenthaler.

Künstliche Intelligenz für die Blechfertigung

In einer Forschungskooperation arbeitet das SCCH außerdem mit dem oberösterreichischen Maschinenbauunternehmen TRUMPF Maschinen Austria zusammen. „Wir sehen diese Entwicklung als große Chance“, sagt dazu Bernhard Fischereder, Leiter Forschung und Entwicklung bei TRUMPF: „Ziel der langfristigen Zusammenarbeit ist es, die Erkenntnisse der aktuellen Forschung zur Künstlicher Intelligenz und Industrie 4.0 in der Blechbearbeitung zu verankern.“

Deine ungelesenen Artikel:
08.10.2026

Bis 28. Oktober einreichen: Houskapreis 2027 vergibt 760.000 Euro für anwendungsnahe Forschung

Die Einreichphase für den Houskapreis 2027 läuft: Bis 28. Oktober 2026 können Hochschulen, außeruniversitäre Forschungseinrichtungen und KMU ihre Projekte für Österreichs größten privaten Preis für anwendungsnahe Forschung einreichen. Insgesamt werden 760.000 Euro vergeben. In der KMU-Kategorie können Unternehmen mit Innovationen überzeugen, die bereits Umsätze erzielen.
/artikel/houskapreis-2027-call
08.10.2026

Bis 28. Oktober einreichen: Houskapreis 2027 vergibt 760.000 Euro für anwendungsnahe Forschung

Die Einreichphase für den Houskapreis 2027 läuft: Bis 28. Oktober 2026 können Hochschulen, außeruniversitäre Forschungseinrichtungen und KMU ihre Projekte für Österreichs größten privaten Preis für anwendungsnahe Forschung einreichen. Insgesamt werden 760.000 Euro vergeben. In der KMU-Kategorie können Unternehmen mit Innovationen überzeugen, die bereits Umsätze erzielen.
/artikel/houskapreis-2027-call
Goldene Houskapreis-Statue, Foto: Alexander Müller

Gute Forschung entsteht in Österreich viel. Was seltener gelingt, ist der Schritt danach: dass aus einer Erkenntnis ein Produkt wird, ein Verfahren, ein Unternehmen. Genau an dieser Schnittstelle setzt der Houskapreis der B&C Privatstiftung an. Ausgezeichnet werden Projekte, die wissenschaftliche Qualität mit konkreter wirtschaftlicher Wirkung verbinden. Mit einem Gesamtpreisgeld von 760.000 Euro ist er Österreichs größter privater Preis für anwendungsnahe Forschung.

Nun geht der Preis in seine 22. Runde. Die Einreichphase für den Houskapreis 2027 ist im September gestartet und läuft bis einschließlich 28. Oktober 2026. Eingereicht wird ausschließlich online unter www.houskapreis.at.

Warum der Fokus auf Anwendung? Erich Hampel, Vorstandsvorsitzender der B&C Privatstiftung, erklärt es so: „Forschung und Innovation sind wesentliche Voraussetzungen für die Wettbewerbsfähigkeit eines Landes. Gerade in einem zunehmend technologiegetriebenen internationalen Umfeld wird es für Österreich entscheidend sein, wissenschaftliche Erkenntnisse erfolgreich in die wirtschaftliche Praxis zu überführen. Dafür braucht es wissenschaftliche Exzellenz ebenso wie unternehmerisches Denken und den Austausch zwischen Wissenschaft und Wirtschaft. Mit dem Houskapreis zeichnen wir Projekte aus, die diese Verbindung erfolgreich herstellen und wirtschaftliche Wirkung entfalten.“

Forschungspreis in drei Kategorien

Vergeben wird der Houskapreis 2027 in den Kategorien Hochschulforschung, Außeruniversitäre Forschung sowie Forschung & Entwicklung in KMU. Teilnahmeberechtigt sind österreichische staatliche und private Universitäten inklusive Fachhochschulen, Christian Doppler Labors, die Österreichische Akademie der Wissenschaften (ÖAW), das Institute of Science and Technology Austria (ISTA), heimische außeruniversitäre Forschungseinrichtungen sowie kleine und mittlere Unternehmen. Gemeinsame Voraussetzung: Die wesentlichen Forschungsleistungen müssen in Österreich erbracht worden sein.

Auch der Houskapreis 2027 wird im Rahmen einer feierlichen Preisverleihung vergeben, am 20. April 2027 in Wien | (c) Alexander Müller

Wie weit ein Projekt sein muss, hängt von der Kategorie ab. In der Hochschulforschung reicht es, wenn die wirtschaftliche Umsetzung unmittelbar bevorsteht oder bereits erfolgt ist. In der außeruniversitären Forschung muss sie schon passiert sein. Bei KMU muss das Projekt zusätzlich abgeschlossen sein und bereits Umsätze am Markt erzielen.

Was KMU wissen müssen

Für Unternehmen gelten klare Voraussetzungen. Sie müssen der KMU-Definition von EU und FFG entsprechen, ihren Firmensitz und ihre wesentlichen Forschungsaktivitäten in Österreich haben, maximal 249 Mitarbeiter:innen beschäftigen und einen Jahresumsatz von höchstens 50 Millionen Euro ausweisen. Außerdem müssen sie seit mindestens zwei Jahren bestehen, also vor dem 31. Dezember 2024 im Firmenbuch eingetragen worden sein, und dürfen in keinem Beteiligungsverhältnis zur B&C-Gruppe stehen.

Die Kategorie steht auch jüngeren Unternehmen offen, sofern sie die genannten Voraussetzungen erfüllen. Entscheidend ist, dass das Unternehmen seit mindestens zwei Jahren besteht und mit seiner Innovation schon Umsätze erzielt. Wie realistisch die Chancen sind, hat der Vorjahresjahrgang gezeigt: Alle drei Nominierungen in der KMU-Kategorie gingen an heimische innovative Unternehmen, den ersten Platz holte sich das Linzer Unternehmen sendance.

Bewertung und Einreichung

Die Bewertung erfolgt in einem zweistufigen Verfahren durch Fachbeiräte pro Kategorie und eine international renommierte Jury aus Wirtschaft und Wissenschaft. Gewichtet wird dabei je nach Kategorie unterschiedlich: Bei der Hochschulforschung zählt die wissenschaftliche Qualität am meisten, bei KMU der wirtschaftliche Erfolg, der mit 40 Prozent in die Bewertung einfließt.

Vier Trophäen, vier Auszeichnungen: Der Houskapreis 2027 wird in drei Kategorien vergeben, dazu kommt der mit 10.000 Euro dotierte Mariella-Schurz-Preis, über den eine Oberstufenklasse entscheidet. | (c) Alexander Müller

Für die Einreichung braucht es je ein einseitiges Abstract auf Deutsch und Englisch sowie ein Dossier von maximal zehn Seiten. KMU dürfen das Dossier auf Deutsch oder Englisch verfassen, in den beiden anderen Kategorien ist Englisch vorgeschrieben. Hochschulen legen mindestens einen Letter of Intent eines Wirtschaftspartners bei, außeruniversitäre Einrichtungen mindestens einen Kooperationsnachweis. In allen Anträgen ist zudem der Beitrag zu den SDGs zu beschreiben.

Preisgeld und Termine

Pro Kategorie werden drei Projekte nominiert, und alle drei gehen mit Preisgeld nach Hause: 150.000 Euro für den ersten Platz, 70.000 Euro für den zweiten, 30.000 Euro für den dritten. Die Erstplatzierten bekommen von der B&C Privatstiftung zusätzlich die goldene Houskapreis-Statue überreicht.

Darüber hinaus vergibt die B&C Privatstiftung den mit 10.000 Euro dotierten Mariella-Schurz-Preis an eines der nominierten Projekte, das eine Oberstufenklasse auswählt. Die Preisgelder gehen an die Institutionen und kommen dort weiteren Forschungsarbeiten zugute.

Die Nominierten werden im Februar 2027 bekannt gegeben, die Verleihung findet am 20. April 2027 in Wien statt. Wer sich vorab informieren will, hat am 5. Oktober 2026 um 14 Uhr bei einer weiteren Online-Informationsveranstaltung Gelegenheit dazu, Anmeldung unter [email protected]. Im Vorjahr gingen die ersten Plätze an die TU Wien, das AIT Austrian Institute of Technology und das Unternehmen sendance. brutkasten hat über die neun Nominierungen für den Houskapreis 2026 berichtet.

Einreichung: bis 28. Oktober 2026 unter www.houskapreis.at
Kontakt: [email protected]

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

Wie man auch mit wenig Daten KI-Lösungen nutzen kann

  • Daten sind das neue Öl, sagt man – denn nichts zuletzt sind sie der Treibstoff, der den Motor der Künstlichen Intelligenz antreibt.
  • Doch was tun, wenn die nötigen Daten fehlen, um KI-basiert Prognosemodelle, zum Beispiel im industriellen Bereich, effizient nutzen zu können?
  • Hier kann unter anderem eine Methode namens „Transfer Learning“ eingesetzt werden: Beim Transfer Learning bedient man sich vortrainierter Modelle aus anderen Kontexten, wodurch ein Mangel an Trainingsdaten kompensiert und die KI daher günstiger und leichter eingesetzt werden kann.
  • Eingesetzt wird dies in Österreich zum Beispiel beim Software Competence Center Hagenberg (SCCH).
  • Da es kaum Forschung mit Industriedaten gab, hat das SCCH mit Wirtschaftspartnern Testreihen durchgeführt, um Prozessdaten zu generieren, mit denen KI-Systeme schrittweise trainiert werden, korrekte Werte vorherzusagen und damit den Verarbeitungsprozess zu steuern.

AI Kontextualisierung

Welche gesellschaftspolitischen Auswirkungen hat der Inhalt dieses Artikels?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

Wie man auch mit wenig Daten KI-Lösungen nutzen kann

  • Daten sind das neue Öl, sagt man – denn nichts zuletzt sind sie der Treibstoff, der den Motor der Künstlichen Intelligenz antreibt.
  • Doch was tun, wenn die nötigen Daten fehlen, um KI-basiert Prognosemodelle, zum Beispiel im industriellen Bereich, effizient nutzen zu können?
  • Hier kann unter anderem eine Methode namens „Transfer Learning“ eingesetzt werden: Beim Transfer Learning bedient man sich vortrainierter Modelle aus anderen Kontexten, wodurch ein Mangel an Trainingsdaten kompensiert und die KI daher günstiger und leichter eingesetzt werden kann.
  • Eingesetzt wird dies in Österreich zum Beispiel beim Software Competence Center Hagenberg (SCCH).
  • Da es kaum Forschung mit Industriedaten gab, hat das SCCH mit Wirtschaftspartnern Testreihen durchgeführt, um Prozessdaten zu generieren, mit denen KI-Systeme schrittweise trainiert werden, korrekte Werte vorherzusagen und damit den Verarbeitungsprozess zu steuern.

AI Kontextualisierung

Welche wirtschaftlichen Auswirkungen hat der Inhalt dieses Artikels?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

Wie man auch mit wenig Daten KI-Lösungen nutzen kann

  • Daten sind das neue Öl, sagt man – denn nichts zuletzt sind sie der Treibstoff, der den Motor der Künstlichen Intelligenz antreibt.
  • Doch was tun, wenn die nötigen Daten fehlen, um KI-basiert Prognosemodelle, zum Beispiel im industriellen Bereich, effizient nutzen zu können?
  • Hier kann unter anderem eine Methode namens „Transfer Learning“ eingesetzt werden: Beim Transfer Learning bedient man sich vortrainierter Modelle aus anderen Kontexten, wodurch ein Mangel an Trainingsdaten kompensiert und die KI daher günstiger und leichter eingesetzt werden kann.
  • Eingesetzt wird dies in Österreich zum Beispiel beim Software Competence Center Hagenberg (SCCH).
  • Da es kaum Forschung mit Industriedaten gab, hat das SCCH mit Wirtschaftspartnern Testreihen durchgeführt, um Prozessdaten zu generieren, mit denen KI-Systeme schrittweise trainiert werden, korrekte Werte vorherzusagen und damit den Verarbeitungsprozess zu steuern.

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 …

Wie man auch mit wenig Daten KI-Lösungen nutzen kann

  • Daten sind das neue Öl, sagt man – denn nichts zuletzt sind sie der Treibstoff, der den Motor der Künstlichen Intelligenz antreibt.
  • Doch was tun, wenn die nötigen Daten fehlen, um KI-basiert Prognosemodelle, zum Beispiel im industriellen Bereich, effizient nutzen zu können?
  • Hier kann unter anderem eine Methode namens „Transfer Learning“ eingesetzt werden: Beim Transfer Learning bedient man sich vortrainierter Modelle aus anderen Kontexten, wodurch ein Mangel an Trainingsdaten kompensiert und die KI daher günstiger und leichter eingesetzt werden kann.
  • Eingesetzt wird dies in Österreich zum Beispiel beim Software Competence Center Hagenberg (SCCH).
  • Da es kaum Forschung mit Industriedaten gab, hat das SCCH mit Wirtschaftspartnern Testreihen durchgeführt, um Prozessdaten zu generieren, mit denen KI-Systeme schrittweise trainiert werden, korrekte Werte vorherzusagen und damit den Verarbeitungsprozess zu steuern.

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 …

Wie man auch mit wenig Daten KI-Lösungen nutzen kann

  • Daten sind das neue Öl, sagt man – denn nichts zuletzt sind sie der Treibstoff, der den Motor der Künstlichen Intelligenz antreibt.
  • Doch was tun, wenn die nötigen Daten fehlen, um KI-basiert Prognosemodelle, zum Beispiel im industriellen Bereich, effizient nutzen zu können?
  • Hier kann unter anderem eine Methode namens „Transfer Learning“ eingesetzt werden: Beim Transfer Learning bedient man sich vortrainierter Modelle aus anderen Kontexten, wodurch ein Mangel an Trainingsdaten kompensiert und die KI daher günstiger und leichter eingesetzt werden kann.
  • Eingesetzt wird dies in Österreich zum Beispiel beim Software Competence Center Hagenberg (SCCH).
  • Da es kaum Forschung mit Industriedaten gab, hat das SCCH mit Wirtschaftspartnern Testreihen durchgeführt, um Prozessdaten zu generieren, mit denen KI-Systeme schrittweise trainiert werden, korrekte Werte vorherzusagen und damit den Verarbeitungsprozess zu steuern.

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 …

Wie man auch mit wenig Daten KI-Lösungen nutzen kann

  • Daten sind das neue Öl, sagt man – denn nichts zuletzt sind sie der Treibstoff, der den Motor der Künstlichen Intelligenz antreibt.
  • Doch was tun, wenn die nötigen Daten fehlen, um KI-basiert Prognosemodelle, zum Beispiel im industriellen Bereich, effizient nutzen zu können?
  • Hier kann unter anderem eine Methode namens „Transfer Learning“ eingesetzt werden: Beim Transfer Learning bedient man sich vortrainierter Modelle aus anderen Kontexten, wodurch ein Mangel an Trainingsdaten kompensiert und die KI daher günstiger und leichter eingesetzt werden kann.
  • Eingesetzt wird dies in Österreich zum Beispiel beim Software Competence Center Hagenberg (SCCH).
  • Da es kaum Forschung mit Industriedaten gab, hat das SCCH mit Wirtschaftspartnern Testreihen durchgeführt, um Prozessdaten zu generieren, mit denen KI-Systeme schrittweise trainiert werden, korrekte Werte vorherzusagen und damit den Verarbeitungsprozess zu steuern.

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 …

Wie man auch mit wenig Daten KI-Lösungen nutzen kann

  • Daten sind das neue Öl, sagt man – denn nichts zuletzt sind sie der Treibstoff, der den Motor der Künstlichen Intelligenz antreibt.
  • Doch was tun, wenn die nötigen Daten fehlen, um KI-basiert Prognosemodelle, zum Beispiel im industriellen Bereich, effizient nutzen zu können?
  • Hier kann unter anderem eine Methode namens „Transfer Learning“ eingesetzt werden: Beim Transfer Learning bedient man sich vortrainierter Modelle aus anderen Kontexten, wodurch ein Mangel an Trainingsdaten kompensiert und die KI daher günstiger und leichter eingesetzt werden kann.
  • Eingesetzt wird dies in Österreich zum Beispiel beim Software Competence Center Hagenberg (SCCH).
  • Da es kaum Forschung mit Industriedaten gab, hat das SCCH mit Wirtschaftspartnern Testreihen durchgeführt, um Prozessdaten zu generieren, mit denen KI-Systeme schrittweise trainiert werden, korrekte Werte vorherzusagen und damit den Verarbeitungsprozess zu steuern.

AI Kontextualisierung

Wer sind die relevantesten Personen in diesem Artikel?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

Wie man auch mit wenig Daten KI-Lösungen nutzen kann

  • Daten sind das neue Öl, sagt man – denn nichts zuletzt sind sie der Treibstoff, der den Motor der Künstlichen Intelligenz antreibt.
  • Doch was tun, wenn die nötigen Daten fehlen, um KI-basiert Prognosemodelle, zum Beispiel im industriellen Bereich, effizient nutzen zu können?
  • Hier kann unter anderem eine Methode namens „Transfer Learning“ eingesetzt werden: Beim Transfer Learning bedient man sich vortrainierter Modelle aus anderen Kontexten, wodurch ein Mangel an Trainingsdaten kompensiert und die KI daher günstiger und leichter eingesetzt werden kann.
  • Eingesetzt wird dies in Österreich zum Beispiel beim Software Competence Center Hagenberg (SCCH).
  • Da es kaum Forschung mit Industriedaten gab, hat das SCCH mit Wirtschaftspartnern Testreihen durchgeführt, um Prozessdaten zu generieren, mit denen KI-Systeme schrittweise trainiert werden, korrekte Werte vorherzusagen und damit den Verarbeitungsprozess zu steuern.

AI Kontextualisierung

Wer sind die relevantesten Organisationen in diesem Artikel?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

Wie man auch mit wenig Daten KI-Lösungen nutzen kann

  • Daten sind das neue Öl, sagt man – denn nichts zuletzt sind sie der Treibstoff, der den Motor der Künstlichen Intelligenz antreibt.
  • Doch was tun, wenn die nötigen Daten fehlen, um KI-basiert Prognosemodelle, zum Beispiel im industriellen Bereich, effizient nutzen zu können?
  • Hier kann unter anderem eine Methode namens „Transfer Learning“ eingesetzt werden: Beim Transfer Learning bedient man sich vortrainierter Modelle aus anderen Kontexten, wodurch ein Mangel an Trainingsdaten kompensiert und die KI daher günstiger und leichter eingesetzt werden kann.
  • Eingesetzt wird dies in Österreich zum Beispiel beim Software Competence Center Hagenberg (SCCH).
  • Da es kaum Forschung mit Industriedaten gab, hat das SCCH mit Wirtschaftspartnern Testreihen durchgeführt, um Prozessdaten zu generieren, mit denen KI-Systeme schrittweise trainiert werden, korrekte Werte vorherzusagen und damit den Verarbeitungsprozess zu steuern.