Anyline: Wiener KI-Startup erhält 2,64 Millionen Euro von der FFG
Anyline, das Wiener KI-Startup, möchte die FFG-Förderung dazu nutzen, um das "Closed Loop Training" weiterzuentwickeln, um die Genauigkeit von KI-Modellen zu erhöhen.
Das Wiener KI-Startup Anyline erzielte nach einem Stellenabbau 2023 heuer ein starkes Umsatzwachstum. Am 20. Februar stellt das Unternehmen zudem eine neue autonome Drohnen-Software vor, die in der Lage ist, ganze Lagerhallen und Distributionszentren selbstständig zu scannen – der brutkasten berichtete. Nun erhielt man über die Österreichische Forschungsförderungsgesellschaft (FFG) 2,64 Millionen Euro für die letzten drei Jahre.
Anyline nutzt Kapital zur Entwicklung des “Closed Loop Trainings”
Die öffentliche Förderung dient dazu, die Forschung und Entwicklung des “Closed Loop Trainings” (CLT) für Modelle der Künstlichen Intelligenz (KI) zu finanzieren, welche die Erfassung und Digitalisierung analoger Informationen beschleunigen – wie beispielsweise Stromzählerstände oder Reifenflankendaten.
In den letzten drei Jahren hat Anyline CLT als Grundlage für eine hochmoderne KI-basierte Software entwickelt, die Computer Vision, OCR (Optical Character Recognition) und Machine Learning nutzt, um visuelle Informationen schneller und genauer digital zu erfassen. CLT sei eine intelligente, sich ständig verbessernde Methodik, um die Genauigkeit von KI-Modellen zu erhöhen – mit dem Ergebnis, dass sich die Erstellung präziser Datenerfassungslösungen mithilfe von KI-Modellen und Bildverarbeitung von Monaten auf Tage verkürze.
Tech-Stack neu gestaltet
“Anyline hat es sich zur Aufgabe gemacht, die statischen, analogen Informationen unserer Umgebung auf einfache Weise nutzbar zu machen, indem die Kamera eines Smartphones sie ganz einfach erfassen kann”, sagt Christian Pichler, Chief Technology Officer (CTO) bei Anyline. “Die Finanzierung durch die FFG ermöglicht es uns, technische Herausforderungen bei der Umsetzung unserer Vision zu überwinden. Dass eine externe Organisation unsere Vision teilt und bereit ist, zu dieser Innovation beizutragen, ist eine außerordentliche Anerkennung unserer Arbeit. Mit der Unterstützung durch die FFG haben wir unseren Tech-Stack neu gestaltet sowie die Art und Weise, wie wir unsere KI-Modelle trainieren, industrialisiert und automatisiert. Dadurch können wir die Zeit, die wir für die Bereitstellung neuer Lösungen benötigen, drastisch reduzieren.”
Zur Erklärung: Die Genauigkeit ist die größte Herausforderung, wenn mittels Computer Vision und KI-Modellen analoge Buchstaben, Zahlen und Symbole zu erfassen sind – so wie es etwa bei Ausweisen, Stromzählern oder Reifenflankeninformationen der Fall ist. Eine Verbesserung der Genauigkeit von 40 auf 50 Prozent sei dabei viel einfacher zu erzielen als eine Verbesserung von 95 auf 97 Prozent, was im Machine Learning oft als Long-Tail-Problem oder Problem abnehmender Erträge bezeichnet wird.
Anyline: Lösungen innerhalb weniger Tage kreieren
Um diese Genauigkeit zu erhöhen, werden in der Regel größere Mengen an realen Daten benötigt: “CLT generiert auf intelligente Weise die erforderliche Quantität und Qualität von Varianten aus kleineren Datensätzen, um eine höhere Genauigkeit in viel kürzerer Zeit zu erreichen, als es bei Standardmethoden von Machine Learning und KI-Modell-Training möglich wäre”, heißt es per Aussendung. “In den letzten drei Jahren hat Anyline eine CLT-Plattform entwickelt, mit der sich kundenspezifische, KI-basierte Computer Vision-Lösungen innerhalb weniger Tage kreieren lassen. Diese Lösungen produzieren Ergebnisse in bester Qualität und mit hoher Genauigkeit.”
“Der größte Feind ist Zettel und Bleistift”: Erfolgsfaktoren und Herausforderungen in der KI-Praxis
Nachlese. Der Hype um künstliche Intelligenz ist längst im Rollen. Doch wie schaffen Unternehmen den Durchbruch in der Praxis? In der dritten Folge der neuen brutkasten-Serie “No Hype KI” schildern Expert:innen, welche Erfolgsfaktoren wirklich zählen und wie sich Herausforderungen souverän meistern lassen - von Datenlücken bis hin zur Einbindung der Belegschaft. Klar wird, dass die Technik nur ein Teil der Gleichung ist.
“Der größte Feind ist Zettel und Bleistift”: Erfolgsfaktoren und Herausforderungen in der KI-Praxis
Nachlese. Der Hype um künstliche Intelligenz ist längst im Rollen. Doch wie schaffen Unternehmen den Durchbruch in der Praxis? In der dritten Folge der neuen brutkasten-Serie “No Hype KI” schildern Expert:innen, welche Erfolgsfaktoren wirklich zählen und wie sich Herausforderungen souverän meistern lassen - von Datenlücken bis hin zur Einbindung der Belegschaft. Klar wird, dass die Technik nur ein Teil der Gleichung ist.
Wie lässt sich KI “richtig” in Unternehmen integrieren? Wieso erleben Unternehmen einen “Bottom-Up-Push” und warum sprechen viele dabei noch von großen Hürden? Um diese und viele weitere Fragen ging es in der dritten Folge von “No Hype KI”. Zu Gast waren Alexandra Sumper von Nagarro, Manuel Moser von CANCOM Austria, Moritz Mitterer von ITSV sowie Clemens Wasner von AI Austria und EnliteAI.
Der Bottom-Up-Push
“Der AI-Hype ist jetzt circa zehn Jahre alt”, startet Clemens Wasner die Diskussionsrunde. Was als “vorausschauende Warnung und Betrugserkennung” im B2B-Sektor begann, hat sich eine knappe Dekade später zu einer Bottom-Up-Push-Bewegung entwickelt. “Einzelne Mitarbeitende verfügen teilweise über weitaus mehr praktische Erfahrung mit Generativer KI”, als “das oft auf einer Projektebene passiert”, so Wasner.
Um KI federführend in Unternehmen zu verankern, sei es wichtiger denn je, Mitarbeitende einzubinden und ihnen intern eine Bühne für den Best-Practice-Austausch zu geben, erklärt Wasner weiter. Aktuell ginge der KI-Push immer intensiver von Mitarbeiter:innen aus. Vergleichbar sei diese Bewegung mit dem Aufkommen der Smartphones vor etwa fünfzehn Jahren.
Daten mit Qualität
Als Basis sollte zuerst allerdings der Datenhaushalt eines Unternehmens sauber strukturiert und reguliert werden, sagt Manuel Moser, Director Digital Innovation & Software Engineering bei CANCOM Austria. “Wenn ein Unternehmen in puncto Daten hinterherhinkt, kann das jetzt durchaus ein Stolperstein sein”, sagt der Experte. In CRM- und ERP-Systemen finden sich häufig unvollständige Angaben. Die dadurch entstehende unzureichende Datenqualität könne jede KI-Initiative ins Stocken bringen, so Moser.
“Der größte Feind ist Zettel und Bleistift”
Schon allein das Notieren von Informationen auf Zetteln gilt nicht nur als scheinbar banale Hürde, wie Moser im Talk erläutert. Analoge Gewohnheiten können enorme Auswirkungen auf den gesamten Digitalisierungsprozess des Unternehmens haben: “Ich sage immer: Bei Digitalisierungslösungen ist der größte Feind der Zettel und der Bleistift am Tisch, mit denen man das digitale Tool am Ende des Tages umgeht.”
Gerade der öffentliche Sektor sollte im KI-Einsatz sowie in der Verwaltung von Daten sorgfältig agieren. Moritz Mitterer, Aufsichtsratsvorsitzender der ITSV, spricht von besonders sensiblen Daten aus der Sozialversicherung, die ein enges rechtliches Korsett und damit ein höheres Maß an Vorsicht mit sich bringen.
“Wir haben 2017 in der ITSV damit begonnen, innerhalb der Struktur damit zu experimentieren”, erzählt Mitterer. Ein essentielles Learning daraus: Gerade große Prozessmengen stellen sich als ideales Feld für KI heraus – wenn man vernünftige Leitplanken, klare Haftungsregeln und eine unternehmensweite Governance definiert.
Im Fokus stehen User:innen
Datenqualität, Governance und gleichzeitig reichlich Agilität? Worauf sollten sich Unternehmen in erster Linie konzentrieren, um KI lösungsorientiert einzusetzen? Alexandra Sumper, Director Delivery Österreich bei Nagarro, betont, dass KI-Projekte weit mehr als reine Technik voraussetzen: “Meine Erfahrung zeigt wirklich, nicht zu groß zu beginnen, wenn man erst am Anfang steht.“ Viele Firmen würden sich gerade anfangs in Strategiepapieren verlieren, anstatt realitätsgetreue Use Case zu definieren, so die Expertin.
“Man muss gut darauf achten, dass man liefert. Sowohl an Datenqualität, als auch an optimierter User Experience”, erläutert Sumper. Als Erfolgsbeispiel nennt sie die Asfinag, die einen KI-Chatbot erfolgreich eingeführt hat. Das Besondere dabei: Ein Kernteam entwickelte die KI-Lösung, achtete auf Datenqualität und band die künftigen Nutzer:innen ein. Die Akzeptanz im Unternehmen stieg rasant, erzählt Sumper von den Projektanfängen.
Ähnliche Schlüsse zieht Sumper aus der Beobachtung anderer Kund:innen: In erster Linie gelte es zu testen, ob KI in einem kleinen Rahmen Nutzen bringt. Sobald Mitarbeiter:innen erleben, dass KI ihre Arbeit wirklich erleichtert, wächst das Vertrauen und die Bereitschaft, weitere Schritte zu gehen.
“Am Anfang gibt es nichts, dass zu 100 Prozent funktioniert”
Dass sich eine Trial-and-Error-Phase gerade in den Anfängen des KI-Einsatzes nicht vermeiden lässt, scheint ein allgemeiner Konsens der Diskussionsrunde zu sein. “Es gibt nichts, was sofort 100 Prozent top funktioniert”, so Sumper. Um Fehlerquellen und deren Auswirkungen jedoch möglichst gering zu halten, empfiehlt die Expertin Qualitätssicherung durch ein Key-User-Team, um Fehler festzustellen, zu korrigieren und Daten-Gaps zu schließen.
Hierbei sollen die Möglichkeiten von generativer KI intelligent genutzt werden, wie Clemens Wasner hervorhebt: “Wir haben das erste Mal eine Technologie, die es ermöglicht, unstrukturierte Daten überhaupt auswertbar zu machen.” Nun gilt es, Effizienz in der Datenstrukturierung und -auswertung zu fördern, um mit der aktuellen Welle der digitalen Transformation mitzuhalten. Denn KI ist, wie Manuel Moser von CANCOM Austria bestätigt, ein wesentlicher Teil der digitalen Transformation: “Ein Baustein, wenn man so will, wie ein ausgestrecktes Werkzeug eines Schweizer Taschenmessers.”
KI-Bereiche mit Potenzial zur Ausgründung
Das Gespräch zeigte insgesamt, dass Unternehmen viel gewinnen können, wenn sie KI nicht als fertige Lösung, sondern als Lernprozess verstehen, in den die Belegschaft aktiv mit eingebunden wird. Auf einer soliden Datenbasis mit klarer Kommunikation ließe sich schon in kleinen Projekten ein spürbarer Mehrwert für das Unternehmen erzeugen.
In manchen Branchen, darunter Sozialversicherungen, E-Commerce sowie Luftfahrt und Logistik, sind Fortschritte unvermeidlich, um den steigenden Anforderungen von Markt- und Mitarbeiterseite gerecht zu werden.
Wasner spricht hierbei von einem Fokus auf Digital Business, der sich bereits in der Entstehung neuer Geschäftsfelder am Markt zeigt: Immer häufiger bündeln Unternehmen Wissensträger:innen zu den Bereichen Data, IoT und Machine Learning in einer eigenen Organisation oder Ausgründung. Gezielt wird hier das Potenzial eines eigenen KI-Kernteams zu nutzen und auszubauen versucht.
Luft nach oben
Dass es in vielen Branchen noch reichlich ungenutztes Potenzial gibt, haben mittlerweile einige Reports aufgeschlüsselt dargestellt. Gerade im Healthcare-Bereich sei “mit Abstand am meisten rauszuholen” – unter anderem im Hinblick auf den sicheren und effizienten Umgang mit Patienten- und Amnesie-Daten zur schnellen und akkuraten Behandlung.
Laut Moritz Mitterer der ITSV besteht eine große Herausforderung darin, sensible Patientendaten und strenge Regulatorik mit dem Wunsch nach Fortschritt zu vereinen. Gerade in Sozialversicherungen sei es wichtig, eine klare Governance zu schaffen und den Einsatzrahmen von KI zu definieren. Nur so könne Vertrauen gefestigt und sichergestellt werden, dass neue Technologien nicht an bürokratischen Hemmnissen oder Sicherheitsbedenken scheitern.
Vertrauen ist “noch ein starker Blocker”
“Am Ende des Tages probieren Unternehmen aus: Wie reagiert die Technologie, wie geht man damit um, welche Art von Projekten macht man?”, rundet Manuel Moser von CANCOM Austria die Diskussion ab. Der nächste Schritt liege darin, immer “mehr in die Kernprozesse von Unternehmen reinzukommen”, so Moser. “Und das, glaube ich, ist ein sehr wesentlicher Punkt.” Das Vertrauen, dass es die Technologie braucht. Das ist aktuell noch ein “starker Blocker in Unternehmen”.
Die Expertenrunde teilt einen universellen Konsens: Der Mensch sowie sein Know-how und Vertrauen in KI spielen bei der digitalen Transformation eine erhebliche Rolle. Sobald KI-Anwendungen auf eine verlässliche Datenstruktur und klare Organisation treffen, kann sich KI im Unternehmensalltag entfalten. Erst durch das Zusammenspiel von Technik, Datenkultur und motivierten Teams wird KI zum Treiber neuer Chancen.
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.
