Wie die Salzburg AG mit einer neuen Crowdinvesting-Plattform die Energiewende vorantreibt

19.03.2025

INTERVIEW

WU-Bootcamp: „Können Venture Building mit KI erheblich beschleunigen“

Interview. Wie kann künstliche Intelligenz im Venture Building eingesetzt werden? Das zu untersuchen, ist das Ziel einer 48-Stunden-Lehrveranstaltung an der Wirtschaftsuniversität Wien, die diese Woche das zweite Mal stattfindet. Wir haben mit den Initiatoren gesprochen.

/artikel/wu-bootcamp-koennen-venture-building-mit-ki-erheblich-beschleunigen

✨ AI Kontextualisierung

Wie KI die Entstehung neuer Geschäftsideen beschleunigen und gleichzeitig fundiertere Entscheidungen ermöglichen kann, beschäftigt Unternehmer:innen und Wissenschaftler:innen weltweit. Vor diesem Hintergrund startete an der Wirtschaftsuniversität Wien (WU) ein experimentelles Format: das „AI Bootcamp for Entrepreneurs“, das im Rahmen der Lehrveranstaltung „E&I Zone: Artificial Intelligence“ im Dezember an der Wirtschaftsuniversität Wien erstmals stattfand und nun diese Woche seine Wiederholung findet.

Die Idee dahinter: In nur 48 Stunden sollte der gesamte „Venture Building“-Prozess durchlaufen werden – von der ersten Konzeptskizze bis zum ausgereiften Pitch. Initiiert haben das Projekt AustrianStartups-Co-Founder Daniel Cronin, WU-Associate-Professor Peter Keinz, KI-Experte Andreas Lederer und Tributech-CEO Thomas Plank.

Gemeinsam mit ihren Studierenden wagten die Initiatoren ein praxisnahes Experiment: Wie weit können KI-Tools wie ChatGPT das Identifizieren, Validieren und Pitchen neuer Geschäftsideen unterstützen? Ist es realistisch, ein ganzes Semester an Arbeit in ein komprimiertes Wochenendformat zu packen – und wie hoch ist die Qualität der Ergebnisse? In diesem Interview geben die Initiatoren einen Einblick in ihre wichtigsten Erkenntnisse und erklären, wie künstliche Intelligenz das Potenzial hat, den Innovationsprozess grundlegend zu verändern.

brutkasten: Wie kam es zum “AI Bootcamp for Entrepreneurs” – wie ist die Idee entstanden und wie kam es zur Umsetzung?

Daniel Cronin: Die Idee zum “AI Bootcamp for Entrepreneurs” entstand fast beiläufig in einem Gespräch mit meinem langjährigen Freund Peter Keinz. Ich meinte damals: „Ich glaube, wir können den gesamten Venture-Building-Prozess mit Hilfe von KI erheblich beschleunigen.“ Peter reagierte sofort und schlug vor, genau diesen Ansatz einmal zu testen.

Von da an ging es rasant voran: Ich kontaktierte Andreas Lederer, einen Kollegen und KI-Experten, und erwartete zunächst, dass er die Idee aus technischer Sicht relativierte – stattdessen wurde er sofort Teil des Teams, um es in der Praxis auszuprobieren, und brachte das technische Know-how mit ein. Zudem holten wir Thomas Plank ins Boot, dessen umfangreiche Markterfahrung und gemeinsame Gedanken zur digitalen Transformation das Team perfekt ergänzten.

Gemeinsam setzten wir uns das ambitionierte Ziel, das, was normalerweise ein Semester an Arbeit ist, in nur 48 Stunden umzusetzen. Die schnelle und überzeugende Resonanz – unser Kurs „E&I Zone: Artificial Intelligence – AI Bootcamp for Entrepreneurs“ war nahezu sofort ausgebucht – bestätigte uns, dass wir mit diesem komprimierten, praxisnahen Format genau den Nerv der Zeit getroffen haben.

Was war euer Ziel mit dem Bootcamp, als ihr es aufgesetzt habt?

Peter Keinz: Mich persönlich hat die akademische Neugier angetrieben. Als Professor für Entrepreneurship und Innovation, der Venture Building unterrichtet und beforscht, beschäftigt mich die Frage, wie eine höchst disruptive Technologie wie KI mein Feld verändern wird.

Das Bootcamp – eine Lehrveranstaltung im Rahmen der SBWL (Spezialisierung innerhalb des BWL-Studiums, Anm. d. Red.) „Entrepreneurship und Innovation“ der WU Wien – war im Grunde ein erstes Experiment, ein MVP, wenn man so will. Mein Hauptziel war zu lernen: Wie funktionieren die aktuellen Tools? Welchen Mehrwert stiften sie im Venture Building? Wie können angehende Entrepreneure mit KI umgehen? Wir haben jetzt ein paar erste, sehr vielversprechende Eindrücke.

Im nächsten Schritt fände ich es spannend, sich diesem Thema auch wissenschaftlich anzunehmen. Wie valide sind beispielsweise Informationen, die im Rahmen synthetischer Customer-Discovery-Interviews gewonnen werden, wirklich? Wie verändert sich der Venture Building-Prozess strukturell? Ist die Qualität des Outcomes mit jenen der üblichen Formate vergleichbar, wo Studierende nicht gut 20 Stunden, sondern vier Monate an ihrem Venture arbeiten? Am Ende steht vielleicht die Entwicklung einer gänzlich neuen Venture-Building-Logik oder Methode?

Daniel Cronin: In den letzten Jahren habe ich viel Zeit mit Venture Building sowie mit Transformationsprozessen in Konzernen verbracht. Dabei hatte ich immer wieder das Gefühl, dass enorm viel Zeit darauf verwendet wird, überhaupt erst festzustellen, ob eine Idee tatsächlich verfolgenswert ist oder nicht.

Gleichzeitig habe ich mich intensiv mit KI beschäftigt und war stets fest davon überzeugt, dass der sogenannte „Fuzzy Frontend“ – also der Prozess von der ersten Idee über den Markttest bis zur Erprobung beim Kunden – viel, viel schneller durchlaufen werden muss. Warum? Weil auf diesem Weg zu viel Zeit und Energie verschwendet wird.

Ein zentrales Ziel für mich war daher, herauszufinden, ob dieser Prozess tatsächlich erheblich schneller möglich ist? Und ob er auch ohne jegliches Vorwissen durchlaufen werden kann? Von beidem war ich überzeugt. Doch es reichte nicht aus, nur daran zu glauben – es musste überprüft werden.

Was waren die wichtigsten Erkenntnisse, die ihr aus der Lehrveranstaltung mitnehmt? Gab es für euch Aspekte, die sich während der Veranstaltung herauskristallisiert haben und die für euch überraschend waren?

Peter Keinz: Überraschend war vor allem, wie versiert unsere Studierenden bereits im Umgang mit KI-Tools sind. Sie sind nicht in die Falle getappt, den Output ungeprüft als „faktisch richtig“ zu übernehmen, sondern haben verschiedene Prompts und Tools getestet, Ergebnisse verglichen und diese mit eigener Recherche validiert. Ihre Kreativität im Einsatz von KI während des Venture Building-Prozesses hat mich ebenfalls beeindruckt – sie haben Einsatzmöglichkeiten identifiziert, die wir als Lehrende so nicht erwartet oder vorhergesehen hatten.

Das zeigt, wie Personen mit dem nötigen Basiswissen KI-Tools auf innovative und unvorhersehbare Weise nutzen können. Auch wenn diese Beobachtungen nicht repräsentativ für alle potenziellen Anwender:innen sind, weil sich die Studierenden unseres Instituts durch überdurchschnittliche Neugier, Offenheit für Technologien und Problemlösungskompetenz auszeichnen, unterstreichen sie doch das enorme und noch nicht voll antizipierbare Potenzial von KI für den Venture Building-Prozess.

Andreas Lederer: Die Lehrveranstaltung hat gezeigt, dass KI-Tools wie ChatGPT und ähnliche Technologien großes Potenzial im Bereich Venture Building haben – wenn sie richtig eingesetzt werden. Die größte Wirkung entfalten sie häufig durch die Verwendung in Kombination mit menschlichem Urteilsvermögen. Ein für mich zentraler Punkt war zum Beispiel, dass KI in der Ideengenerierungsphase das skalierbare Finden neuer Produkt- und Geschäftsansätze ermöglicht.

Die Eigenschaft von KI kreativ zu „halluzinieren“ kann insbesondere in dieser Phase ein echter Vorteil sein, den man auch so sehen und nutzen muss. Das war überraschend: Was oft als Schwäche von KI betrachtet wird, nämlich die Tendenz zu fehlerhaften oder erfundenen Inhalten, kann im kreativen Prozess für den Nutzer einen inspirierenden Mehrwert darstellen.

KI hat sich in dieser ersten Ideenfindungsphase aber auch als sehr gut erwiesen, zum Beispiel in der Rolle als erfahrener und fachkundiger Investor eine große Anzahl erster Ideen substantiell, umfassend und kritisch gegenüber den Teilnehmern zu hinterfragen, um ihnen als zukünftigen Unternehmern rasch eine erste Grundlage für eine Entscheidung zu geben, ob eine bestimmte Idee es wert ist, mehr Arbeit zu investieren, um sie weiter zu verfolgen und umzusetzen.

KI kann ein mächtiges Werkzeug im Venture Building sein, das es ermöglicht, kreativer und effizienter zu arbeiten. Das Seminar hat aber auch gezeigt, dass es einen bewussten, reflektierten Umgang mit diesen Tools braucht, um echte Innovation und Qualität sicherzustellen. KI kann Prozesse anstoßen und unterstützen – aber der Unternehmergeist, die Beurteilung und vor allem die Entscheidungen und die Umsetzung müssen weiterhin vom Menschen kommen.

Ihr habt euch angesehen, welche Tools im Venture Building Prozess eingesetzt werden können. Welche konkret habt ihr dabei am wertvollsten empfunden und würdet ihr weiter empfehlen? Welche Tools sind möglicherweise überschätzt?

Andreas Lederer: Leistungsfähige Sprachmodelle wie ChatGPT oder Claude haben sich in den meisten Venture Building Phasen als Allrounder und “Schweizer Taschenmesser” der KI-Tools bewährt.

Für Aufgaben wie Market Research oder Competitor Research haben wir Tools wie Perplexity getestet, die mit Sprachmodellen arbeiten und einen Internetzugang für Echtzeitrecherchen haben. Für die Aufarbeitung und Analyse punktueller Rechercheergebnisse waren die Ergebnisse brauchbar, eine aktuell noch große Schwäche von solchen KI-Tools ist allerdings, dass umfassende – geschweige denn vollständige – Live-Recherchen im Internet kaum automatisiert möglich sind.

Solche Tools finden zum Beispiel auf Anweisung punktuell Mitbewerber im Internet und können sie sehr treffend analysieren, aber eine umfassende oder vollständige Recherche der Wettbewerbslandschaft war zum Zeitpunkt des Seminars unseren Erfahrungen nach automatisiert durch KI noch nicht zu erwarten.

Spannend ist allerdings, dass sich alleine in den sechs Wochen nach unserem Seminar mit Google Deep Research (veröffentlicht im Dezember 2024) und OpenAI Deep Research (veröffentlicht im Jänner 2025) zwei KI-Agenten veröffentlicht wurden, die gerade in diesem Punkt große Verbesserungen versprechen. Dadurch zeigt sich, wie unglaublich rasch die Entwicklung momentan voranschreitet.

Es gibt einige auf VentureBuilding spezialisierte Tools, die unserer Erfahrung aber noch alle Einschränkungen haben. Ein Beispiel: VentureKit. Diese KI verfasst auf Basis einer kurzen Geschäftsidee einen sehr ausführlichen Business Plan, der eher allgemein gehalten aber vom Gefühl auch zu 80 Prozent inhaltlich relevant ist. Wenn man eine fertig konzipierte Idee redaktionell ausarbeiten möchte, hilft diese redaktionelle Unterstützung natürlich enorm. Es bleibt einem aber nicht erspart, die wesentlichen 20 Prozent inhaltlich selbst zu ergänzen.

Und: Am Ende unseres Seminars hatten wir einige bereits sehr stark inhaltlich ausgearbeitete Ideen inkl Business Modell und Zielgruppendefinition. Wir haben dann festgestellt, dass die KI auf Basis so detaillierter Infos nicht gut arbeiten kann. Das reduziert natürlich den Wert, wird aber eine Frage der Zeit sein, bis diese Einschränkungen behoben sind.

Bei Dokumentation und Präsentation wurden einzelne KI-Tools wie fireflies (Dokumentation) oder beautiful ai verwendet, die sich als brauchbare Unterstützung erwiesen haben. Für die Aufarbeitung und Auswertung umfangreicherer Textmengen wurde NotebookLM verwendet, das dafür von vielen Tools die beste Performance geliefert hat.

Was sind aktuell die größten Probleme oder Herausforderungen, wenn es um den Einsatz von KI-Tools im Venture-Building-Prozess geht?

Peter Keinz: Am Ball zu bleiben! Die Technologie und die entsprechenden Tools entwickeln sich mit einer so großen Geschwindigkeit, dass Wissen, Skills und Strategien, die heute noch wertvoll sind, morgen schon wieder obsolet sein können. Das beginnt bei der Auswahl der „richtigen“ Tools, geht über Promptingstrategien und endet bei der Frage, wofür ich die KI überhaupt einsetzen kann.

Für ein eigenes Gründungsprojekt hatte ich vor eineinhalb Jahren mal das gesamte Fuzzy Frontend des Venture Building-Prozesses durchlaufen. Und zwar ganz klassisch und ohne jegliche KI. Interviews, Tests verschiedener MVPs, Markt- und Konkurrenzanalyse, etc. Als ich den Prozess dann aus reiner Neugierde ein paar Monate später mit KI-Unterstützung wiederholte, waren die Ergebnisse enttäuschend – sehr oberflächlich und wenig valide. Da hätte ich der KI keinen großen Nutzen im Venture Building zugestanden.

Im Zuge der Vorbereitung des Bootcamps habe ich den Prozess jetzt nochmals durchgespielt mit der letzten Generation von Tools und was soll ich sagen: Die Ergebnisse erscheinen höchst valide. Aber wie gesagt: Diese Eindrücke sind jetzt durch wissenschaftliche Untersuchungen zu untermauern.

Die Lehrveranstaltung wurde in 48 Stunden abgehalten. Inwiefern hat dieses Format sich auf die Ergebnisse ausgewirkt?

Peter Keinz: Den gesamten Venture Building-Prozess in zwei Tage zu packen – eigentlich waren es nur gut 20 Stunden für die Studierenden – ist natürlich ein sehr ambitioniertes Format. In den üblichen Formaten haben die Studierenden für diese Aufgabe wesentlich länger Zeit, da sprechen wir von ein paar Monaten. Insofern war ich überrascht, wie gut die an unserem Demo Day präsentierten Pitches waren! Inhaltlich war alles da, was einen potenziellen Investor interessieren könnte, auch die Storyline der Pitches und die Slides waren top. Da hätte ich kaum einen signifikanten Unterschied zu den „klassisch“ erarbeiteten Pitches gesehen.

Was man aber schon merkt, ist, dass die Studierenden wenig Zeit hatten, all die gesammelte Information auch wirklich kognitiv zu verarbeiten. Es macht einfach einen Unterschied, ob ich mit einer Business Opportunity mehrere Monate beschäftige, sie wirklich aus verschiedensten Perspektiven in Ruhe durchdenken kann, oder aber innerhalb von nur ein paar Stunden eine Unmenge an relevanten Daten generiere und zu verarbeiten versuche.

Da kommt es schnell zum information overload und wichtige Details bleiben auf der Strecke. Das ist dann am Demo Day bei den sehr spezifischen Nachfragen der Investoren schon aufgefallen. Aber wie schon weiter oben erwähnt: Die Idee ist ja auch bisher gar nicht, die „klassischen“ Schritte des Venture Building-Prozesses zu ersetzen, sondern sie zu ergänzen, zu bereichern und zu beschleunigen.

Was waren die interessantesten Business-Ideen, die von Studierenden im Rahmen der Veranstaltung identifiziert wurden? Gab es eine, die euch besonders beeindruckt hat?

Daniel Cronin: Es gab eine ganze Reihe spannender Business-Ideen, doch was mich weitaus mehr fasziniert hat, war die Geschwindigkeit, mit der Pivotierungen stattfinden konnten. Wir kennen alle den alten Grundsatz: “Never love your own product.“ In der Regel dauert es jedoch Wochen, wenn nicht sogar Monate, bis eine Gründerin oder ein Gründer die Erkenntnis gewinnt: „Wow, ich habe eine großartige Idee! – nur um wenig später festzustellen: Oh, ich muss pivotieren.“

Doch was wir in unseren Tests schnell erkannt haben, war etwas vollkommen Neues: Pivotierungen waren hier nicht nur innerhalb weniger Stunden, sondern teilweise sogar innerhalb von Minuten notwendig. Warum? Weil KI als Sparring-Partner genau an diesen Punkt führt – schneller, präziser und mit knallharter Analyse.

Der vielleicht eindrucksvollste Moment war, als wir in den Gesichtern der Studentinnen und Studenten sehen konnten, wie begeistert sie zunächst von ihren Ideen waren – nur um kurze Zeit später die harte Entscheidung treffen zu müssen. Denn auch wenn die Idee gut war, zeigten die Zahlen, die Daten und das KI-Feedback unmissverständlich: Ja, vielleicht müssen wir das Konzept doch noch einmal überdenken und weiterentwickeln.“

Diese radikale Beschleunigung des Pivot-Prozesses ist eine der faszinierendsten Auswirkungen der KI auf den Innovationsprozess.

Können KI-gestützte Analysen einen Gründungsprozess „zu generisch“ machen, oder kann KI auch Originalität fördern?

Daniel Cronin: Diese Frage ist äußerst spannend, und ich würde sie aus mehreren Perspektiven betrachten. Der erste Punkt, ist dass KI Gründungen ohne Vorwissen ermöglicht. Das bedeutet konkret: KI kann Menschen die Möglichkeit bieten, großartige Ideen umzusetzen, die sonst niemals realisiert worden wären. Warum? Weil ihnen oft das richtige Umfeld, der fachliche Background oder der Zugang zu einer Hochschule fehlt. Viele scheitern nicht an ihren Ideen, sondern daran, dass ihnen die einfachen, aber essenziellen Werkzeuge fehlen, die man ansonsten nur in einem Entrepreneurship-Institut kennenlernen würde.

Diese Entwicklung ist spektakulär, weil sie Unternehmertum zugänglicher macht und Menschen mit innovativen Ideen eine echte Chance gibt – unabhängig von ihrem Bildungshintergrund oder ihrem Netzwerk.

Andererseits muss man auch ganz klar sagen: KI kann halluzinieren. Sie ist in ihrer grundlegendsten Form darauf trainiert, Muster zu erkennen und daraus Vorhersagen zu treffen. Das bedeutet, dass KI oft die wahrscheinlichsten und naheliegendsten Ausgänge bevorzugt.

Doch was bedeutet das für Innovation? Könnte es dazu führen, dass KI nur bestehende Erfolgsmodelle reproduziert und wahre Originalität unterdrückt? Nicht unbedingt. Denn am Ende des Tages trifft immer der Mensch die Entscheidung. Die KI dient lediglich als Sparring-Partner, der Ideen in kürzester Zeit herausfordert und den Nutzer zwingt, neue Perspektiven einzunehmen.

Insofern sehe ich KI als eine enorme Möglichkeit, Originalität zu fördern – aber nur, wenn der Purpose stark genug ist. Wie in allen Bereichen gilt: Der wahre Antrieb für eine Gründung muss aus einer tiefen Überzeugung kommen. Ohne einen klaren Purpose, ohne das brennende innere Verlangen, ein wirklich relevantes Problem zu lösen, bleibt eine Idee schwach – ganz egal, wie gut die KI sie weiterentwickelt. Innovation braucht Mut, Leidenschaft und einen klaren inneren Antrieb.

Deine ungelesenen Artikel:

Martin Pacher

12.10.2026

Keba-CEO Knogler: „Die Hyperscaler brauchen uns genauso wie wir sie“

Österreichs Industrie liegt bei der AI Maturity unter dem EU-Schnitt. Für Keba-CEO Christoph Knogler, der die KI-Taskforce der Industriellenvereinigung mit leitet, ist das kein Grund zur Resignation: „Verlieren ist gar keine Option.” Im Interview spricht er über digitale Souveränität, Europas Rolle als Enabler der Hyperscaler und seine Pläne mit Keba Digital.

/artikel/christoph-knogler

Martin Pacher

12.10.2026

Keba-CEO Knogler: „Die Hyperscaler brauchen uns genauso wie wir sie“

/artikel/christoph-knogler

Dieser Text ist zuerst im brutkasten-Printmagazin von August 2026 „Aufbrechen„ erschienen

28 Standorte in 16 Ländern, drei Geschäftsbereiche von der Industrie- über die Handover- bis zur Energy-Automation, dazu seit Kurzem eine eigene KI-Einheit: Keba aus Linz baut Steuerungen für Maschinen und Anlagen und steckt über Trumpf mit einer Komponente in den Lithografiemaschinen von ASML. Christoph Knogler führt das Unternehmen als CEO und steht gemeinsam mit A1-CEO Thomas Arnoldner der KI-Taskforce der Industriellenvereinigung vor, die bis Sommer 2027 die AI Maturity der heimischen Industrie messen und steigern soll. Der erste Befund: Österreich liegt unter dem EU-Schnitt. Warum das ein Leadership-Thema ist und kein technologisches, wieso die Hyperscaler die europäische Industrie dringender brauchen als umgekehrt – und was Industrial Intelligence von einem Hype-Begriff unterscheidet.

Die österreichische Industrie liegt bei KI unter dem EU-Schnitt – das zeigt die McKinsey-Studie „State of AI in Austria 2025″, die im Rahmen der Taskforce entstanden ist, der du vorsitzt: ein AI-Quotient von 30 gegenüber 34 im EU-Schnitt. Wie kam es zu diesem Befund?

Ein wesentlicher Aspekt unserer KI-Taskforce ist, dass wir die AI Maturity unserer Mitglieder und so auch der gesamten österreichischen Industrie quantitativ messbar machen, mit je einem Assessment zu Beginn, zur Mitte und zum Ende der Laufzeit, pro bono begleitet von McKinsey. Mit dem ersten Assessment im vergangenen Jahr hat sich die Vermutung der Industriellenvereinigung bestätigt: Wir liegen in Österreich unter dem Niveau des EU-Durchschnitts und damit auch des weltweiten Durchschnitts. Das zweite Assessment wurde nun im Juli dieses Jahres abgeschlossen, die Veröffentlichung ist für Anfang Oktober geplant. Wir sind schon gespannt, ob wir das schaffen, was wir uns vorgenommen haben – nämlich eine konsequente Steigerung der AI Maturity der österreichischen Industrie.

Warum gibt es diesen Rückstand?

Es gibt ihn sicher auch, weil es uns als Industrie schon sehr gut gegangen ist und so der Veränderungsdruck in vielen Unternehmen nicht groß genug war, KI konsequent einzusetzen. Wir haben als Industrie den Startschuss verpasst. Es gibt aber auch in Österreich Frontrunner; in der Studie sieht man etwa die Telekommunikationsunternehmen vorne. Aber im produzierenden Bereich und im Maschinenbau waren wir überrascht, dass selbst hoch innovative Unternehmen bei der Nutzung von KI im internationalen Vergleich nicht vorne mit dabei sind. Wenn man genauer hineinschaut, ist es weniger ein technologisches Thema, sondern sehr oft ein Leadership-Thema: Dort, wo die strategische Aufmerksamkeit des C-Levels ist, fließt auch die Energie hin. KI war zu Beginn oft ein IT-Thema statt ein strategisches Positionierungsthema. Das hat sich im ersten Jahr unserer Taskforce aber massiv gedreht. Andritz hat beispielsweise aufgezeigt, wie KI die Automatisierung einer Anlage so weit optimiert, dass eine Art Dark Factory vorstellbar wird; Voestalpine hat anhand umgesetzter Use Cases gezeigt, wo ganz konkrete Einsparungseffekte gehoben wurden; und Miba hat gezeigt, wie KI als übergreifendes Thema in der Unternehmensgruppe verankert wurde.

Regeln und Ausblick

Bremst der AI Act die Industrie?

Für Branchen, in denen der AI Act tatsächlich wie ein Korsett wirkt, kann er dazu führen, dass man im Sinne des Risikomanagements sehr zurückhaltend wird. Der Ruf nach Regulatory Sandboxes ist dort laut; ich denke beispielsweise an Life Sciences und an das Bankenwesen. Bei Produktionsunternehmen und im Maschinenbau – dazu zählen wir uns als Keba – gibt es diese Einschränkungen aus eigener Erfahrung weniger. Ich habe es bisher nicht so wahrgenommen, dass der AI Act ein wesentlicher Technologie-Showstopper wäre. Deswegen plädieren wir auf Selbstwirksamkeit: nicht die Rahmenbedingungen bekämpfen, sondern sich fragen, wie man innerhalb dieser vernünftig arbeitet. Aber viel wichtiger war: mit KI losstarten, es zum Leadership-Thema machen, sich um Daten und Legacy-Systeme im Unternehmen kümmern und vor allem die Menschen auf diese Innovationsreise mitnehmen.

Die Taskforce läuft bis Sommer 2027. Was kommt danach?

Anfang 2027 werden wir entscheiden: Braucht es weiterhin eine Taskforce für KI, die Eintrittsbarrieren abbauen und zur wertschöpfenden Nutzung anregen will? Oder braucht es dann ein anderes Format? Unabhängig vom Format ist für uns wichtig, dass die bisherigen Erkenntnisse und Best Practices weitergetragen werden; da spreche ich auch für meinen Co-Vorsitzenden Thomas Arnoldner. Dazu kommt, dass sich immer mehr kleinere Industrieunternehmen mit KI beschäftigen, für die so eine Plattform hilfreich sein kann.

Was Europa in der Hand hat

Blicken wir über Österreich hinaus: Europa habe das Rennen um generative KI verloren, heißt es. Bleibt Industrial Intelligence als zweite Chance?

Ich habe dazu eine sehr klare Meinung: Die amerikanischen Unternehmen, die in diesem Rennen die Nase vorn haben, brauchen wertschöpfende Prozesse, um ihren eigenen Business Case abzusichern. Auch KI macht nur dann wirtschaftlich Sinn, wenn man sie verkaufen kann. Schaut man sich Europa an – 450 Millionen Konsumenten, eine sehr starke Industrie, im DACH-Raum besonders stark –, dann sind wir der Enabler für die Business Cases der Hyperscaler. Deswegen werden wir auch stark umworben, von genau diesen global denkenden Unternehmen. Sie brauchen dringend Anwendungsfälle für ihre KI-Modelle am Shopfloor, damit der Value Stream entsteht, der die Mega-Investitionen rechtfertigt. Bleibt der aus, wird man die laufenden Infrastruktur-Investitionen über eine kleinere Menge an Anwendern verteilen, was Tokenpreise in die Höhe treiben wird und die Anwendung somit unattraktiver macht. Auf Basis dieser Logik dürfen und müssen wir als europäische Industrie schon selbstbewusst sein.

Also ist das Rennen nicht verloren?

Was für ein Rennen? Wir müssen als Wirtschaftsstandort wettbewerbsfähig sein, um Wertschöpfung zu generieren und unsere Sozialsysteme am Laufen zu halten. Da haben wir noch gar nichts verloren. Verlieren ist gar keine Option! Ich frage mich oft, was aus unserem Selbstbewusstsein in Europa geworden ist. Das sehe ich viel optimistischer, und Industrial Intelligence ist das Schlagwort. Aber dann kommt natürlich die Folgefrage: Wie geht es uns mit den eigenen KI-Unternehmen, mit der Infrastruktur, mit den eigenen europäischen Modellen? Da stehen wir, wie generell im Thema Software, nicht besonders gut da. Es braucht jemanden, der investiert, und jemanden, der das dann auch nutzt, bevorzugt gegenüber Infrastruktur, die vielleicht günstiger ist und anfangs mehr kann. Damit das gelingt, braucht es wohl fast so etwas wie einen Orchestrator im europäischen KI-Konzert. Klug wäre ein progressiver Impuls der EU, aber nicht als weiterer Zwang, sondern indem die Nutzung europäischer Infrastruktur, beispielsweise für die öffentliche Beschaffung, besonders attraktiv wird. Ohne einen Masterplan wird das aber schwierig; die Hyperscaler sind bestens positioniert, brauchen die europäischen Kunden und werden nicht tatenlos zusehen, wie sich Europa plötzlich verselbstständigt.

Wo hängt umgekehrt die Welt an Europa?

Wir reden viel über die Abhängigkeit von den USA, China bzw. Asien. Wir reden leider ganz wenig darüber, dass diese Regionen genauso von uns abhängig sind. Bestes KI-Beispiel: ASML. Das niederländische Unternehmen hat das Herstellen von Mikroelektronik mit einem speziellen Lithografieprozess perfektioniert, im Zusammenspiel mit zwei weiteren europäischen Playern, Trumpf und Zeiss. Wir sind als Keba stolz, dass wir für Trumpf eine Subkomponente dieser faszinierenden Maschinen beisteuern dürfen. Ohne diese gäbe es keinen KI-Chip, keine Hochleistungs-GPUs. Was wir oft nicht am Radar haben: dass wir als europäische Hightech-Unternehmen mit unseren Technologien vieles möglich machen. Allerdings finden dann die Produktion und die Wertschöpfung leider zu oft in anderen Ländern statt.

Keba ist auch Teil der Initiative Digitale Souveränität. Was heißt Souveränität für ein Unternehmen mit 28 Standorten in 16 Ländern?

Für mich war letztes Jahr in Alpbach Hermann Hauser besonders inspirierend. Er hat die digitale Souveränität mit einer Zwiebel verglichen: Die globalen Tech-Giganten sind weltweit fest in Unternehmen und Prozessen verankert; es ist unrealistisch und naiv, sie komplett aus der Gleichung zu nehmen. Und sie sind für die äußere Zwiebelschicht auch in Ordnung. Doch je näher wir ins Innere der Zwiebel vorstoßen – und das können für jedes Unternehmen andere kritische Prozesse sein –, desto stärker muss man sich bei der aktuellen geopolitischen Lage fragen, in welcher Abhängigkeit man tatsächlich steht. Wir schauen uns unsere Prozesslandschaft an und entscheiden Fall für Fall. ERP zum Beispiel wandert in die Cloud, und da stellt man sich natürlich die Frage, auf welcher Infrastruktur Kernprozesse laufen sollen. Für unser Produktportfolio haben wir entschieden, weitestgehend agnostisch ins Rennen zu gehen, also technologisch offen zu bleiben und je nach Markt und Bedarf die passende Lösung zu wählen. Keba braucht auch Antworten für unsere amerikanischen und asiatischen Kunden.

Was Industrial Intelligence wirklich heißt

Industrial Intelligence steht inzwischen in jedem Wirtschaftsprogramm, vom Bund bis zur Stadt. Was ist damit gemeint?

Ja, das stimmt, Industrial Intelligence ist momentan in aller Munde, sogar im Wirtschaftsprogramm der Stadt Linz. Ich glaube, dass es jetzt etwas braucht, das den Begriff einordenbar macht, denn er darf nicht der nächste Hype-Begriff werden. Industrial Intelligence heißt ja nicht einfach, dass die Industrie irgendwo KI anwendet – es geht darum, mit KI Industriestandards zu erfüllen. Das bedeutet, hochverlässliche, wiederholbare Prozesse zu schaffen, in denen die KI nicht einfach „irgendetwas” tut, sondern kontrolliert in einem definierten Rahmen Arbeitsschritte besser, sicherer, schneller, günstiger oder einfach anders ermöglicht, als das bisher mit normalen Rechnern möglich war. In einer industriellen Produktion muss ein Prozess auch beim tausendsten Durchlauf noch stabil, sicher und reproduzierbar funktionieren. Genau dieser Anspruch unterscheidet Industrial Intelligence von vielen anderen KI-Anwendungen, bei denen ein gewisser Spielraum in den Ergebnissen eher akzeptabel ist.

Viele KI-Projekte, auch von Startups, sterben nicht am Algorithmus, sondern beim Produktionsleiter. Warum?

Weil man mit Daten, die gerade verfügbar sind oder gemacht werden, schnell einmal etwas bauen kann. Wenn man aber nachhaltig in die wertschöpfenden Prozesse hineinwill, dann wird das kein Produktionsleiter zulassen, solange nicht klar ist, dass es verlässlich funktioniert. Wenn ich KI so baue, dass sie mit verlässlich verfügbaren Daten arbeitet, also mit Daten, die im System entstehen oder zugeliefert werden, und daraus ein konkreter Nutzen erzeugt wird, etwa ein effizienteres Produktionssystem oder ein besserer Qualitätsprozess, dann habe ich verstanden, was die Industrie braucht. Heute werden für nette Prototypen oft eigens Daten zusammengestellt, die im späteren Betrieb so nicht zur Verfügung stehen. Das Verständnis dafür, wie die Industrie tickt, differenziert einen Industrial-AI-Anbieter von einem regulären IT-Unternehmen. In der Industrie braucht es wahre Domänenexpertise, sonst ist man in Prozessen nicht anknüpfungsfähig und kann KI nur zum Drüberstreuen verwenden. Und das mag kein Produktionsleiter.

Wo ist KI bei Keba bereits im laufenden Betrieb im Einsatz?

Beispielsweise in der Elektronikfertigung, das heißt, in der Bestückung von Leiterplatten zu Flachbaugruppen. Wir prüfen dort seit vielen Jahren jedes einzelne Produkt am Ende der Linie mittels AOI, also Automated Optical Inspection, und gleichen es mit einem definierten Sollbild ab. Das war früher ein statischer Prozess: War die Toleranz eng eingestellt, wurde alles aussortiert, was auch nur ein bisschen anders als das Sollbild aussah, und ein Mensch musste sich die Baugruppe noch einmal genauer ansehen. Das System hat dabei nicht dazugelernt. Heute lernt unser System über Machine Learning laufend dazu. Seit wir vor eineinhalb Jahren gestartet haben, sparen wir uns mittlerweile bis zu 70 Prozent unserer Qualitätsaufwendungen in diesem Prozess. Hätten wir aber niemanden gehabt, der zwischen unserem Produktionsleiter – hochkompetent in der Produktion, aber eben kein KI- oder IT-Experte – und unserem IT-Team übersetzt hätte, dann hätte die Produktion wohl gesagt: Lasst uns mit diesem Thema besser in Frieden. Ich bin stolz, dass wir diese Übersetzer- und Katalysator-Expertise im eigenen Unternehmen aufgebaut haben. Das macht vieles leichter; und schneller.

Vom Startup zur Keba Digital

Wann war KI bei Keba erstmals Thema?

Das ist schon lange her. Bereits Anfang der 90er-Jahre haben wir drei wissenschaftliche Kollegen in Hagenberg beschäftigt, die das Thema neuronale Netze für unsere Industriesteuerungen einsetzen wollten. Nach zwei Jahren haben wir es damals allerdings wieder beendet. In der Theorie war damals schon viel möglich, aber die Rechnerleistung war noch viel zu gering. Wir waren viel zu früh.

Der zweite Impuls kam vor rund neun Jahren von meinem Vorgänger, dem damaligen CEO Gerhard Luftensteiner: Wäre es nicht sinnvoll, Machine-Learning-Technologie direkt in unseren Steuerungen Cloud-unabhängig „on device” laufen zu lassen? Daraus ist unser erstes KI-Produkt entstanden, eine „On-Device-AI”-Erweiterung für unsere Industriesteuerungen; kurz darauf unser zweites KI-Produkt namens Kebob, ein KI-basiertes Überwachungs- und Assistenzsystem für Bankfoyers. Als dann der ChatGPT-Hype kam, war KI bei uns offen gesagt gar nichts besonders Aufregendes. Wir haben eher gesagt: Das ist jetzt das nächste Level.

Ihr habt mit Keba Digital eine eigene Einheit gegründet und dafür ein Linzer KI-Startup übernommen. Wie kam es dazu?

Was wir in allen unseren Business Units sehen, in der Industrial Automation, in der Handover Automation und auch in der Energy Automation, ist, dass der große technologische Differenzierungsfaktor zunehmend in der Software liegt. Deshalb war es der nächste logische Schritt, unsere jahrzehntelang aufgebaute Softwarekompetenz mit unserer über Jahre aufgebauten und mit dem Startup-Zukauf 7LYTIX verstärkten KI-Expertise zu verbinden und das Ergebnis im Rahmen eines neuen digitalen Businessmodells unter dem Titel Keba Digital auf den Markt zu bringen. Für Keba Digital haben wir Leute mit Erfahrung in softwarebasierten Geschäftsmodellen ins Unternehmen geholt, Positionierung und Strategie gemeinsam erarbeitet und sind nun mitten in der Umsetzung.

Und wohin soll sie?

Sie wird solide auf drei Säulen stehen: Nach innen als unternehmenseigenes KI-Kompetenzcenter für Keba-Produkte und -Prozesse, mit dem Anspruch „Keba als erster Industriekunde”. Das bringt Erfahrung und Glaubwürdigkeit. Nach außen gehen wir als zweite Säule mit industrieller KI in Branchen, die wir als Keba schon kennen, wo wir bereits Domänenwissen haben; oder auch in neue, wo wir mit KI einen Mehrwert generieren werden. Die dritte Säule ist eine KI-Plattform, mit der wir die Interaktion zwischen Mensch und Maschine, also HMI, ganz neu denken, hardwareunabhängig und somit hochskalierbar.

Es war vom ersten Tag an klar, dass hier etwas entsteht, das auch die drei angestammten Geschäftsbereiche nutzen können; und daher ist das in Bezug auf Industrial AI auch so authentisch: Wenn ich zu einem Industriekunden gehe und der fragt mich: „Was habt ihr denn selbst im Qualitätswesen gemacht?”, dann kann ich sagen: „Bei unserem Shopfloor laufen seit 18 Monaten KI-Modelle operativ.” So positionieren wir uns mit Keba Digital als erfahrener industrieller KI-Partner.

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