Künstliche Intelligenz soll nicht nur Texte schreiben, sondern zunehmend auch selbstständig recherchieren. Hier setzt das Wiener Startup AI Baseline an. Das Unternehmen hat eine neue Retrieval-Architektur für AI Agents entwickelt. Diese sollen Informationen aus großen internen Wissensbeständen schneller finden, analysieren und verknüpfen können. Bei solchen AI Agents handelt es sich um KI-Systeme, die Aufgaben weitgehend selbstständig bearbeiten. Dazu gehört auch die Suche nach Informationen. Ein Unternehmen könnte einen Agenten etwa fragen, welche Entscheidungen im Quartal zu einem bestimmten Projekt getroffen wurden.
Dafür muss die KI Meeting-Notizen, E-Mails, Berichte und Dokumente durchsuchen. Dieser Vorgang ist bisher aufwendig. Bei herkömmlichen Retrieval-Systemen wird für eine neue Anfrage häufig erneut nach passenden Textstellen gesucht und das Material anschließend an ein Sprachmodell übergeben. Dabei entstehen Rechenaufwand, Kosten und Wartezeit. Je größer die Dokumentensammlung und je komplexer die Anfrage, desto aufwendiger kann die Recherche werden. AI Baseline will diesen Ablauf verändern. Das Unternehmen bildet Informationen bereits bei der Aufnahme in einer logisch miteinander verbundenen Struktur ab.
Dieser Knowledge Space soll nicht nur relevante Inhalte speichern, sondern auch deren Zusammenhang und Herkunft erhalten. Die aufwendige Strukturierung wird laut Unternehmen nicht bei jeder neuen Frage wiederholt. Stattdessen soll ein Agent auf eine bereits aufgebaute Wissensstruktur zugreifen können. Dadurch sollen sich auch die Quellen einer Antwort besser nachvollziehen lassen. Das ist dann relevant, wenn KI nicht nur für einfache Fragen eingesetzt wird, etwa in Bereichen wie Medizin, Finanzwesen, Forschung oder Compliance. Eine KI-Antwort reicht dort nicht aus. Es muss erkennbar sein, auf welchen Informationen sie basiert.
AI Baseline hat seine Architektur nach eigenen Angaben mit bestehenden Ansätzen verglichen. Im Research Mode habe das System eine um 44 Prozent höhere Antwortqualität als ein agentisches RAG-System erreicht. RAG steht für "Retrieval-Augmented Generation" und bezeichnet einen Ansatz, bei dem ein Sprachmodell vor der Antwort gezielt externe Informationen abruft. Gleichzeitig soll AI Baseline in diesem Vergleich 22-mal schneller gewesen sein und 72 Prozent weniger Eingabe-Tokens benötigt haben. Tokens sind vereinfacht gesagt Textbausteine, die von Sprachmodellen verarbeitet werden.
Bei maximaler Leistung habe AI Baseline sogar mehr als die doppelte Antwortqualität erreicht. Gleichzeitig sei das System knapp neunmal schneller gewesen und habe rund 15 Prozent weniger Kosten verursacht. AI Baseline wurde von Xenia Galkina und Alexander Czech gegründet. Galkina ist CEO, Czech CTO des Unternehmens. Das Startup wird nach eigenen Angaben von Nvidia Inception und AWS unterstützt und ist seit Dezember 2025 Mitglied des AI Coworking Hubs der AI Factory Austria. Für die Entwicklung konnte AI Baseline nach eigenen Angaben auch Rechenleistung des europäischen Hochleistungsrechners Leonardo nutzen.
Während der Beta-Phase kann die Technologie nach Angaben des Startups kostenlos getestet werden. Der Zugriff ist über eine API oder als Claude Skill möglich. Zusätzlich sucht AI Baseline nach eigenen Angaben Unternehmen, die als Design-Partner an der Weiterentwicklung der sogenannten Ingestion Engine mitarbeiten. Hinter dem Projekt steht die AI Factory Austria AI. Sie ist Österreichs nationale AI Factory im Rahmen des europäischen EuroHPC Joint Undertaking. Getragen wird sie unter anderem vom AIT Austrian Institute of Technology und Advanced Computing Austria sowie Universitäten und Forschungseinrichtungen.
