02. Dez. 2025
Börsenradio-Interview: innoscripta über Wachstum, Datenstrukturen und Q3-Ergebnisse
Das Börsenradio hat mit Max Hunger und Johanna-Luise Pontani auf dem Eigenkapitalforum in Frankfurt über die Entwicklung von innoscripta gesprochen. Im Mittelpunkt stehen die starke Q3-Performance, der Ausbau datengetriebener Förderprozesse und die Skalierbarkeit der Plattform Clusterix. Das Gespräch ist nun vollständig verfügbar.
Hören Sie sich die vollständige Folge an: https://www.brn-ag.de/45020-innoscripta-Q2-2025-EKF-
Das könnte Sie auch interessieren
20. Apr. 2026
Handelsblatt analysiert: Erholung bei Software-Aktien trotz KI-Druck
Das Handelsblatt berichtet über die jüngste Erholung von Software-Aktien nach einer Phase deutlicher Kursverluste im Zuge der sogenannten „SaaSpocalypse“. Hintergrund sind wachsende Sorgen, dass KI-basierte Systeme bestehende Geschäftsmodelle im SaaS-Bereich unter Druck setzen könnten. Der Artikel ordnet die Entwicklung ein und beleuchtet, warum sich erste Titel dennoch wieder stabilisieren.Erfahren Sie mehr: https://www.handelsblatt.com/finanzen/anlagestrategie/kolumnen/geldanlage-software-aktien-erholen-sich-bleibt-die-apokalypse-aus/100217751.html
16. Apr. 2026
KI braucht Struktur: Warum verlässliche Systemzustände entscheidend sind
„Als Professor für Cyber-Physical Systems beschäftige ich mich mit der Analyse und Verifikation komplexer Softwaresysteme, die in realen, durch menschliche Prozesse geprägten Umgebungen eingesetzt werden. Ein zentrales Forschungsinteresse besteht darin, unter welchen Voraussetzungen algorithmische Systeme belastbare, nachvollziehbare und überprüfbare Aussagen liefern können.Aktuelle KI-Systeme, insbesondere große Sprachmodelle, basieren auf probabilistischer Inferenz. Sie sind sehr leistungsfähig bei der Analyse, Klassifikation und Interpretation von Daten, setzen jedoch voraus, dass ein hinreichend konsistenter und strukturierter Systemzustand vorliegt. Sie erzeugen selbst keine formale Wahrheit, sondern arbeiten mit Wahrscheinlichkeiten und Näherungen.In realen Softwaresystemen – insbesondere dort, wo Prozesse historisch gewachsen sind und Daten aus unterschiedlichen Quellen stammen – sind diese Voraussetzungen häufig nicht gegeben. Daten sind fragmentiert, unvollständig oder widersprüchlich, semantische Definitionen sind nicht explizit formalisiert, sondern im organisatorischen Kontext verankert.Die Herstellung eines konsistenten, prüfbaren Systemzustands ist in solchen Fällen kein reines Lernproblem, sondern auch ein Integrations-, Modellierungs- und Validierungsproblem.Aus systemtheoretischer Sicht folgt daraus eine strukturelle Grenze: KI kann bei der Verarbeitung und Vorstrukturierung unterstützen, sie kann jedoch unter realen Bedingungen noch nicht autonom die vollständige Konsistenz, Nachvollziehbarkeit und formale Korrektheit eines Gesamtsystems garantieren.Insbesondere in Anwendungsfeldern, in denen Ergebnisse ex post erklärbar, prüfbar und verantwortbar sein müssen, bleibt die Etablierung eines verlässlichen Systemzustands eine eigenständige Aufgabe. KI kann diesen Prozess unterstützen, ersetzt ihn jedoch nicht.Diese Einschätzung stellt keine Bewertung einzelner Produkte oder zukünftiger Entwicklungen dar, sondern reflektiert grundlegende Unterschiede zwischen probabilistischer Inferenz und formaler Logik wie sie in der Forschung seit Langem untersucht werden.“Prof. Dr. Matthias Althoff (TUM School of Computation, Information and Technology - Cyber-Physical Systems)Ableitung und Einordnung der Aussagen von Prof. Dr. Althoff im Kontext von innoscripta und ClusterixDie vorstehenden Ausführungen von Prof. Dr. Althoff machen deutlich, dass die Leistungsfähigkeit von KI-Systemen nicht isoliert auf Modellebene zu bewerten ist, sondern im Zusammenhang mit der Beschaffenheit realer Softwaresysteme und ihrer Datenbasis. Insbesondere die Unterscheidung zwischen probabilistischer Inferenz und der Herstellung eines konsistenten, nachvollziehbaren Systemzustands ist für die Einordnung von innoscripta zentral.Aus dieser Perspektive folgt zunächst, dass KI zwar in der Lage ist, Informationen effizient zu analysieren und zu verarbeiten, jedoch keinen verlässlichen Systemzustand autonom erzeugt, wenn Eingabedaten unvollständig, fragmentiert oder widersprüchlich sind. Genau diese Datenrealität beschreibt Prof. Althoff als strukturell typisch für komplexe, reale Softwaresysteme. Sie ist kein temporäres Defizit, sondern eine Folge menschlich geprägter Prozesse.Für Anwendungsfelder wie Steuer-, Förder- und Compliance-Themen ergibt sich daraus eine zusätzliche Konsequenz: Ergebnisse müssen nicht nur plausibel sein, sondern korrekt, nachvollziehbar und haftbar. Während KI probabilistische Vorschläge liefern kann, verbleibt die Verantwortung für Entscheidungen zwingend bei Unternehmen und ihren Organen. Diese Verantwortung ist nicht delegierbar. KI kann unterstützen, sie kann jedoch weder Verantwortung übernehmen noch Haftung tragen. Daraus entsteht ein Bedarf an Systemen, die Entscheidungsgrundlagen transparent machen, Prüfpfade dauerhaft absichern und eine klare Zuordnung von Verantwortlichkeit ermöglichen.Ein weiterer Aspekt, der sich unmittelbar aus den Aussagen von Prof. Althoff ableiten lässt, betrifft den Umgang mit implizitem Wissen und Auslegungsspielräumen. Ein erheblicher Teil relevanter Entscheidungslogik ist nicht vollständig formalisiert oder dauerhaft kodifizierbar. Regulatorische Kriterien unterliegen zeitlichen Veränderungen, Interpretationen entwickeln sich über Praxis und Prüfungen hinweg, und viele Abgrenzungen basieren auf Erfahrungswissen. Diese Inhalte sind kontextabhängig und entstehen aus realer Anwendung; sie lassen sich nicht vollständig aus Texten oder Regelwerken ableiten und sind daher für KI-Systeme nur eingeschränkt zugänglich.Vor diesem Hintergrund wird die Rolle von Clusterix deutlich. Die Plattform ist nicht als Feature-Software konzipiert, die einzelne Funktionen automatisiert, sondern als Dateninfrastruktur, die einen verlässlichen Systemzustand überhaupt erst herstellt. Clusterix konsolidiert reale Daten aus unterschiedlichen Quellen, dokumentiert Annahmen und Entscheidungen und bildet Zusammenhänge zwischen Projekten, Zeiten und Kosten nachvollziehbar ab. Menschliche fachliche Einordnung ist dabei kein externes Element, sondern integraler Bestandteil des Systems und Voraussetzung für belastbare Ergebnisse.Die von Prof. Althoff beschriebene strukturelle Grenze von KI erklärt zugleich, warum sich mit zunehmender Nutzung der Plattform ein proprietärer Datenbestand bildet, der nicht kurzfristig replizierbar ist. Dieser umfasst nicht nur strukturierte Daten, sondern auch Ergebnisse realer Prüfungen, akzeptierte und abgelehnte Argumentationsmuster sowie kontextbezogene Erfahrungswerte. Jeder zusätzliche Anwendungsfall erweitert diesen Bestand, erhöht die Konsistenz des Gesamtsystems und stärkt dessen Aussagekraft in kumulativer Weise.Schließlich ergibt sich aus der Systemperspektive eine weitere Konsequenz: Die Wirkung von Clusterix beschränkt sich nicht auf Softwarefunktionalität, sondern entfaltet sich durch operative Durchsetzung beim Kunden. Prozesse werden verbindlich verankert, parallele Schattenlösungen reduziert und Clusterix als faktische Grundlage für steuerliche und prüferische Arbeit etabliert. Ein potenzieller Ersatz wäre daher nicht lediglich eine technologische Alternative, sondern würde einen umfassenden organisatorischen, haftungsrechtlichen und governancebezogenen Umbau erfordern.Zusammenfassend folgt aus den Aussagen von Prof. Althoff, dass KI dort an strukturelle Grenzen stößt, wo verlässliche Systemzustände, Verantwortung und implizites Wissen erforderlich sind. Clusterix adressiert genau diese Ebene. Daraus ergibt sich nicht eine Abschottung gegenüber KI, sondern eine Positionierung als infrastrukturelle Voraussetzung für deren sinnvollen und verantwortbaren Einsatz.Ergänzend ist zu berücksichtigen, dass Forschungs- und Entwicklungsprozesse strukturell von Unsicherheit, Iteration und Revision geprägt sind. Entscheidungen werden unter unvollständiger Information getroffen, Annahmen ändern sich, und Dokumentation entsteht zeitversetzt über unterschiedliche Systeme und Beteiligte hinweg. Diese menschlichen Faktoren sind kein Effizienzproblem, sondern konstitutiver Bestandteil realer Wissensarbeit und führen zwangsläufig zu Datenlücken, Mehrdeutigkeiten und Inkonsistenzen.Der Einsatz von KI verändert diese Realität nicht grundlegend. KI kann Informationen schneller verarbeiten oder vorstrukturieren, sie beseitigt jedoch nicht die Ursachen unvollständiger oder widersprüchlicher Daten, solange Menschen Daten erzeugen, bewerten und verantworten. Mit zunehmender Automatisierung steigt vielmehr die Notwendigkeit, Ergebnisse einzuordnen, zu validieren und in einen konsistenten Gesamtzusammenhang zu überführen.Daraus folgt, dass der Bedarf an einer Plattform, die einen verlässlichen Systemzustand herstellt und über Zeit stabilisiert, nicht abnimmt, sondern langfristig bestehen bleibt. Clusterix adressiert genau diese strukturelle Konstante, indem die Plattform menschlich erzeugte Realität systemisch abbildet und nachvollziehbar macht, anstatt sie zu idealisieren oder zu vereinfachen.Ein Wegfall dieser Notwendigkeit würde voraussetzen, dass Forschungs- und Entwicklungsprozesse vollständig und autonom durch KI- oder Robotiksysteme ausgeführt werden – einschließlich Zieldefinition, Bewertung und Dokumentation. Ein solches Szenario ist derzeit weder technisch noch organisatorisch absehbar.Bis dahin bleibt die Fähigkeit, reale, menschlich geprägte Daten in einen konsistenten und prüfbaren Systemzustand zu überführen, eine unverzichtbare Voraussetzung für belastbare Entscheidungen und den sinnvollen Einsatz von KI.
