12.03.2021

Fail Slow: Was wir in einem Jahr Coronakrise nicht gelernt haben

Vor einem Jahr wurde der erste Lockdown verkündet. Seitdem haben wir mehr schlecht als recht gelernt, mit der Coronavirus-Pandemie umzugehen.
/artikel/dritte-welle-fail-slow-kommentar
Ein Jahr nach dem ersten Lockdown steht die dritte Welle bevor
Ein Jahr nach dem ersten Lockdown steht die dritte Welle bevor (c) Adobe Stock - brgfx

Es mag daran liegen, dass es im März 2020 ein Freitag, der Dreizehnte war, an dem der erste Coronavirus-Lockdown verkündet wurde, dass sich das Datum so gut einprägte. Besser jedenfalls, als das Inkrafttreten in der Woche darauf. Heute ist Freitag, der 12. März 2021. Die Behörden vermelden die höchsten Neuinfektions- und Inzidenzwerte seit Dezember. Und ein Blick auf die inzwischen vertrauten Diagramme zeigt: Die dritte Welle beginnt gerade, der nächste Lockdown steht mit hoher Wahrscheinlichkeit bevor.

Zur Einordnung: Wir haben derzeit rund fünf Mal so viele aktive Coronavirus-Fälle wie am Höhepunkt der “ersten Welle”, die rückbezüglich eher ein Wellchen war. Der Anstieg verläuft aber weniger dynamisch als bei der ersten und der zweiten Welle ab Oktober.

Dritte Welle im Anmarsch und noch immer die selbe Leier

Dass wir ein Jahr nach dem ersten Lockdown wieder mit stark ansteigenden Ansteckungszahlen zu kämpfen haben, zeigt: Wirklich mit dem Virus umzugehen, haben wir noch nicht gelernt – weder die Gesellschaft noch die Politik. Das liegt vor allem an der Wiederholung von Handlungsweisen, die nicht das gewünschte Ergebnis gebracht haben. Die gefühlt einhundertste Pressekonferenz in der der Gesundheitsminister verkündet, dass “die nächsten zwei Wochen entscheidend werden”, steht dafür stellvertretend.

Die Regierung wirkt hilflos, wenn sie zum vierten Mal innerhalb eines Jahres die selbe Maßnahme verkündet, wissend, dass diesmal noch weniger Leute sich daran halten werden. Sie hinterlässt beim Beobachter das Gefühl, ihr Repertoire ausgeschöpft zu haben und nur mehr darauf zu hoffen, dass die nicht nur von ihr selbst, sondern auf EU-Ebene versemmelte Impf-Strategie doch rechtzeitig ausreichend Wirkung zeigt. Doch das wird sie nicht für die dritte Welle, die gerade im Anmarsch ist.

Fail Slow? Es gibt immer einen Plan C, D und E

Muss das so sein? Es gibt immer einen Plan C, D und E. Man muss ihn jedoch suchen. Jeder, der einmal von Fachärztin zu Fachärztin geschickt wurde, weil ein Leiden nicht sofort diagnostizierbar war, kennt die Vorgehensweise. Bringt der eine Experte nicht die gewünschte Antwort, geht man zum nächsten, bis man irgendwann weiß, was man hat.

In der Startup-Welt gibt es einen eigenen Terminus für die Strategie: “Fail Fast”. Deren Prinzip ist einfach: Stellt sich etwas als nicht funktionstüchtig oder auch einfach nur als nicht befriedigend heraus, zieht man rechtzeitig die Bremse und versucht etwas neues. Eine Iteration nach der anderen, so lange, bis es passt.

In unserem Umgang mit der Coronakrise haben wir zwar durchaus einige Innovationen genutzt, etwa zunächst die Masken-Pflicht oder später den Ausbau eines inzwischen guten Schnelltest-Angebots. Sie wurden aber immer auf politischer Ebene an das bestehende System, auf persönlicher an die bestehenden Verhaltensweisen angehängt. Und da wurde kaum jemals verbessert, was nicht funktioniert. Das Prinzip lautet gleichsam: Fail Slow. Wir lernen kollektiv nichts und kommen nicht aus dem Hamsterrad heraus. Kein Wunder, dass immer mehr Menschen da die Geduld verlieren und sich zweifelhaften Bewegungen anschließen.

Es gibt bessere Lösungen

Und was sind die besseren Lösungen? Das ist durchaus kein großes Mysterium. Wie seit einem Jahr hier immer wieder beschrieben, gibt es mehrere, vorwiegend asiatische Länder, die einen Umgang mit dem Coronavirus gefunden haben, der deutlich schonender für die Wirtschaft und die mentale Gesundheit der Bevölkerung ist. Nach einem Jahr zeigen die internationalen Statistiken nicht nur zu den Covid-19-Fallzahlen, sondern zu vielen anderen Parametern auch klar, wo erfolgreicher und wo weniger erfolgreich gehandelt wurde – auch in Ländern, deren Kultur der hiesigen ähnlicher ist. All das würde es zu evaluieren und gegebenenfalls zu adaptieren gelten – zumindest jetzt, wo die dritte Welle bevorsteht. Die österreichische Bevölkerung ist ganz gewiss nicht “von Natur aus” weniger fähig im Umgang mit der Pandemie.

Deine ungelesenen Artikel:
16.12.2024

“Die Zeit des Zuwartens ist vorbei”

Nachlese. Wo steht die österreichische Wirtschaft bei künstlicher Intelligenz zwei Jahre nach Erscheinen von ChatGPT? Dies diskutieren Doris Lippert von Microsoft und Thomas Steirer von Nagarro in der ersten Folge der neuen brutkasten-Serie "No Hype KI".
/artikel/no-hype-ki-folge-1-nachlese
16.12.2024

“Die Zeit des Zuwartens ist vorbei”

Nachlese. Wo steht die österreichische Wirtschaft bei künstlicher Intelligenz zwei Jahre nach Erscheinen von ChatGPT? Dies diskutieren Doris Lippert von Microsoft und Thomas Steirer von Nagarro in der ersten Folge der neuen brutkasten-Serie "No Hype KI".
/artikel/no-hype-ki-folge-1-nachlese
Doris Lippert (Microsoft | Director Global Partner Solutions und Mitglied der Geschäftsleitung) und Thomas Steirer (Nagarro | Chief Technology Officer)
Doris Lippert (Microsoft | Director Global Partner Solutions und Mitglied der Geschäftsleitung) und Thomas Steirer (Nagarro | Chief Technology Officer) | Foto: brutkasten

“No Hype KI” wird unterstützt von CANCOM Austria, IBM, ITSV, Microsoft, Nagarro, Red Hat und Universität Graz


Mit der neuen multimedialen Serie “No Hype KI” wollen wir eine Bestandsaufnahme zu künstlicher Intelligenz in der österreichischen Wirtschaft liefern. In der ersten Folge diskutieren Doris Lippert, Director Global Partner Solutions und Mitglied der Geschäftsleitung bei Microsoft Österreich, und Thomas Steirer, Chief Technology Officer bei Nagarro, über den Status Quo zwei Jahre nach Erscheinen von ChatGPT.

Du willst bei "No Hype KI" am Laufenden bleiben?

Trag dich hier ein und du bekommst jede Folge direkt in die Inbox!

„Das war ein richtiger Hype. Nach wenigen Tagen hatte ChatGPT über eine Million Nutzer”, erinnert sich Lippert an den Start des OpenAI-Chatbots Ende 2022. Seither habe sich aber viel geändert: “Heute ist das gar kein Hype mehr, sondern Realität“, sagt Lippert. Die Technologie habe sich längst in den Alltag integriert, kaum jemand spreche noch davon, dass er sein Smartphone über eine „KI-Anwendung“ entsperre oder sein Auto mithilfe von KI einparke: “Wenn es im Alltag angekommen ist, sagt keiner mehr KI-Lösung dazu”.

Auch Thomas Steirer erinnert sich an den Moment, als ChatGPT erschien: „Für mich war das ein richtiger Flashback. Ich habe vor vielen Jahren KI studiert und dann lange darauf gewartet, dass wirklich alltagstaugliche Lösungen kommen. Mit ChatGPT war dann klar: Jetzt sind wir wirklich da.“ Er sieht in dieser Entwicklung einen entscheidenden Schritt, der KI aus der reinen Forschungsecke in den aktiven, spürbaren Endnutzer-Bereich gebracht habe.

Von erster Begeisterung zu realistischen Erwartungen

Anfangs herrschte in Unternehmen noch ein gewisser Aktionismus: „Den Satz ‘Wir müssen irgendwas mit KI machen’ habe ich sehr, sehr oft gehört“, meint Steirer. Inzwischen habe sich die Erwartungshaltung realistischer entwickelt. Unternehmen gingen nun strategischer vor, untersuchten konkrete Use Cases und setzten auf institutionalisierte Strukturen – etwa durch sogenannte “Centers of Excellence” – um KI langfristig zu integrieren. „Wir sehen, dass jetzt fast jedes Unternehmen in Österreich KI-Initiativen hat“, sagt Lippert. „Diese Anlaufkurve hat eine Zeit lang gedauert, aber jetzt sehen wir viele reale Use-Cases und wir brauchen uns als Land nicht verstecken.“

Spar, Strabag, Uniqa: Use-Cases aus der österreichischen Wirtschaft

Lippert nennt etwa den Lebensmittelhändler Spar, der mithilfe von KI sein Obst- und Gemüsesortiment auf Basis von Kaufverhalten, Wetterdaten und Rabatten punktgenau steuert. Weniger Verschwendung, bessere Lieferkette: “Lieferkettenoptimierung ist ein Purpose-Driven-Use-Case, der international sehr viel Aufmerksamkeit bekommt und der sich übrigens über alle Branchen repliziert”, erläutert die Microsoft-Expertin.

Auch die Baubranche hat Anwendungsfälle vorzuweisen: Bei Strabag wird mittels KI die Risikobewertung von Baustellen verbessert, indem historische Daten zum Bauträger, zu Lieferanten und zum Bauteam analysiert werden.

Im Versicherungsbereich hat die UNIQA mithilfe eines KI-basierten „Tarif-Bots“ den Zeitaufwand für Tarifauskünfte um 50 Prozent reduziert, was die Mitarbeiter:innen von repetitiven Tätigkeiten entlastet und ihnen mehr Spielraum für sinnstiftende Tätigkeiten lässt.

Nicht immer geht es aber um Effizienzsteigerung. Ein KI-Projekt einer anderen Art wurde kürzlich bei der jüngsten Microsoft-Konferenz Ignite präsentiert: Der Hera Space Companion (brutkasten berichtete). Gemeinsam mit der ESA, Terra Mater und dem österreichischen Startup Impact.ai wurde ein digitaler Space Companion entwickelt, mit dem sich Nutzer in Echtzeit über Weltraummissionen austauschen können. „Das macht Wissenschaft zum ersten Mal wirklich greifbar“, sagt Lippert. „Meine Kinder haben am Wochenende die Planeten im Gespräch mit dem Space Companion gelernt.“

Herausforderungen: Infrastruktur, Daten und Sicherheit

Auch wenn die genannten Use Cases Erfolgsbeispiele zeigen, sind Unternehmen, die KI einsetzen wollen, klarerweise auch mit Herausforderungen konfrontiert. Diese unterscheiden sich je nachdem, wie weit die „KI-Maturität“ der Unternehmen fortgeschritten sei, erläutert Lippert. Für jene, die schon Use-.Cases erprobt haben, gehe es nun um den großflächigen Rollout. Dabei offenbaren sich klassische Herausforderungen: „Integration in Legacy-Systeme, Datenstrategie, Datenarchitektur, Sicherheit – all das darf man nicht unterschätzen“, sagt Lippert.

“Eine große Herausforderung für Unternehmen ist auch die Frage: Wer sind wir überhaupt?”, ergänzt Steirer. Unternehmen müssten sich fragen, ob sie eine KI-Firma seien, ein Software-Entwicklungsunternehmen oder ein reines Fachunternehmen. Daran anschließend ergeben sich dann Folgefragen: „Muss ich selbst KI-Modelle trainieren oder kann ich auf bestehende Plattformen aufsetzen? Was ist meine langfristige Strategie?“ Er sieht in dieser Phase den Übergang von kleinen Experimenten über breite Implementierung bis hin zur Institutionalisierung von KI im Unternehmen.

Langfristiges Potenzial heben

Langfristig stehen die Zeichen stehen auf Wachstum, sind sich Lippert und Steirer einig. „Wir überschätzen oft den kurzfristigen Impact und unterschätzen den langfristigen“, sagt die Microsoft-Expertin. Sie verweist auf eine im Juni präsentierte Studie, wonach KI-gestützte Ökosysteme das Bruttoinlandsprodukt Österreichs deutlich steigern könnten – und zwar um etwa 18 Prozent (brutkasten berichtete). „Das wäre wie ein zehntes Bundesland, nach Wien wäre es dann das wirtschaftsstärkste“, so Lippert. „Wir müssen uns klar machen, dass KI eine Allzwecktechnologie wie Elektrizität oder das Internet ist.“

Auch Steirer ist überzeugt, dass sich für heimische Unternehmen massive Chancen eröffnen: “Ich glaube auch, dass wir einfach massiv unterschätzen, was das für einen langfristigen Impact haben wird”. Der Appell des Nagarro-Experten: „Es geht jetzt wirklich darum, nicht mehr zuzuwarten, sondern sich mit KI auseinanderzusetzen, umzusetzen und Wert zu stiften.“


Folge nachsehen: No Hype KI – wo stehen wir nach zwei Jahren ChatGPT?


Die Serie wird von brutkasten in redaktioneller Unabhängigkeit mit finanzieller Unterstützung unserer Partner:innen produziert.

Die Partner von No Hype KI
Die Partner von No Hype KI
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

Fail Slow: Was wir in einem Jahr Coronakrise nicht gelernt haben

AI Kontextualisierung

Welche gesellschaftspolitischen Auswirkungen hat der Inhalt dieses Artikels?

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

Fail Slow: Was wir in einem Jahr Coronakrise nicht gelernt haben

AI Kontextualisierung

Welche wirtschaftlichen Auswirkungen hat der Inhalt dieses Artikels?

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

Fail Slow: Was wir in einem Jahr Coronakrise nicht gelernt haben

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 …

Fail Slow: Was wir in einem Jahr Coronakrise nicht gelernt haben

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 …

Fail Slow: Was wir in einem Jahr Coronakrise nicht gelernt haben

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 …

Fail Slow: Was wir in einem Jahr Coronakrise nicht gelernt haben

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 …

Fail Slow: Was wir in einem Jahr Coronakrise nicht gelernt haben

AI Kontextualisierung

Wer sind die relevantesten Personen in diesem Artikel?

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

Fail Slow: Was wir in einem Jahr Coronakrise nicht gelernt haben

AI Kontextualisierung

Wer sind die relevantesten Organisationen in diesem Artikel?

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

Fail Slow: Was wir in einem Jahr Coronakrise nicht gelernt haben