Österreichs kräftige Stimme im internationalen Business Angel-Netzwerk

Zum dritten Mal in Folge wurde die österreichische Business Angelina Selma Prodanovic ins Board des europäischen Business Angel-Netzwerks EBAN gewählt. Wir sprachen mit ihr über Österreichs Rolle in der Organisation.
/prodanovic-eban/

Zusammenfassung aus

Zusammenfassung ein

Selma Prodanovic - EBAN
(c) Selma Prodanovic
Der Summary Modus bietet einen raschen
Überblick und regt zum Lesen mehrerer
Artikel an. Der Artikeltext wird AI-basiert
zusammengefasst mit der Unterstützung
des Linzer-Startups Apollo AI.

Mit 197 Mitglieder-Organisationen aus rund 50 Ländern ist EBAN (European Business Angel Network) das weltweit größte Business Angel-Netzwerk. Seit 2013, einem Jahr nach ihrer Gründung, ist die österreichische aaia in der 1999 gegründeten Organisation vertreten. Auch I2 Business Angels des aws und das Business Angel Institute sind von österreichischer Seite dabei. Besonders starkes Engagement zeigt seit dem Beitritt der aaia die „Grande Dame der österreichischen Startup Szene“, Selma Prodanovic. „Bereits im ersten Jahr 2013 haben wir den EBAN-Kongress in Wien organisiert. Er war bis jetzt das größte Business Angel Event, das jemals in Österreich stattgefunden hat“, erzählt sie im Gespräch mit dem Brutkasten.

+++ UNIDO: Startups sollen Lösungen für “Least Developed Countries” liefern +++

Prodanovic zum dritten Mal in Folge im Board

Im Jahr darauf, 2014, wurde Prodanovic erstmals von der Vollversammlung ins Board der EBAN gewählt. Beim EBAN-Kongress 2018 vor wenigen Tagen in Sofia/Bulgarien wurde sie dort abermals bestätigt und tritt nun ihr drittes Mandat an. Das Board hat nun nach 19 Vertretern in der Vorperiode erstmals 22 Mitglieder. Prodanovic will ihre Position, wie auch in den vergangenen zwei Perioden unter anderem dafür nutzen, Österreich eine kräftige Stimme im Netzwerk zu verleihen.

„Wir können uns dadurch hervorragend positionieren“, sagt sie. „Als kleines Land spielen wir hier schon längere Zeit eine wichtige Rolle“. Es ginge aber nicht nur um die Positionierung, sondern es sei eine „Two-Way-Street“. Das Netzwerk bringe auch einzigartige Zugänge, wertvolle Informationen und die Möglichkeit, auf internationaler Ebene mitzugestalten.

EBAN: Globale Vorreiterrolle

Prodanovic betont auch die über Europa hinausgehende Rolle von EBAN. „Die Organisation hat etwa wesentlich zum Aufbau der Partner-Netzwerke am afrikanischen und am südamerikanischen Kontinent beigetragen“, erzählt sie. Sie selbst habe beispielsweise vergangenes Jahr eine Business Angel Masterclass in Kapstadt/Südafrika geleitet.

mySugr und Hansmann holten sich Award in Sofia

Neben Prodanovic sind auch aaia-Geschäftsführerin Lisa Fassl und Hansi Hansmann stark in der EBAN engagiert. „Wir teilen uns die Agenden gut auf“, sagt Prodanovic. Hansmann wurde von der Organisation 2015 auch zum Early Stage Investor des Jahres gekürt. Übrigens nicht der einzige Preis der Non-Profit-Organisation, der bislang nach Österreich ging. „Wir holen seit unserem Beitritt jährlich Preise. Jetzt in Sofia haben sich etwa mySugr und Hansi Hansmann einen Award geholt. UniSpotter hat einen zweiten Platz ergattert“, erzählt Prodanovic.

Livestream Interview vom Webit Sofia mit Selma Prodanovic

Live from Webit with Business Angelina Selma Prodanovic, about her third mandate on the board of European Business Angels Network, the new award from the EBAN conference in Sofia, the success of the Austrian Startups (UNIspotter, Wohnwagon) and Austrian Angel Investors Association at the conference and much more!

Gepostet von DerBrutkasten am Dienstag, 26. Juni 2018

⇒ Zur Page des Business Angel-Netzwerks

die Redaktion

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.
/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.“

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.
Möchtest du in Zukunft mehr von diesen Artikeln lesen?

Dann melde dich für unseren Newsletter an!

Leselisten zum Schmökern

Neueste Nachrichten

Summary Modus

Österreichs kräftige Stimme im internationalen Business Angel-Netzwerk

Es gibt neue Nachrichten

Auch interessant