Autonome Fahrzeuge: AVL optimiert die Erkennung von Objekten in AI
Die Zukunft des Fahrens ist autonom... Bis Fahrzeuge über die Fähigkeiten des menschlichen Fahrens verfügen, muss die AI aber noch ein paar Dinge lernen. Das in Graz ansässige Unternehmen AVL adressiert eines dieser Probleme gemeinsam mit dem im Silicon Valley ansässigen Technologieanbieter Deepen.AI.
Sich einfach zurück zu lehnen, anstatt selbst am Steuer auf den Verkehr achtgeben zu müssen, ist die Vision des autonomen Fahrens. So soll das Reisen für die Insassen nicht nur angenehmer werden, sondern auch sicherer als eine Person am Lenkrad sein, da zum Beispiel die menschliche Fehlerquelle des Müdewerdens nicht mehr das Fahren des Fahrzeuges beeinflusst. Um die Aufgabe des Fahrens zu bewältigen, müssen die autonomen Fahrsysteme („Autonomous Driving Systems“ / ADS) noch erfolgreich das Erkennen von Objekten und das Einschätzen von Situationen erlernen.
Dieser Prozess läuft in mehreren Stufen ab. Die Objekterkennung muss in der ersten Phase feststellen, wo sich überhaupt ein Objekt befindet. Im zweiten Schritt wird dann ein erkanntes Objekt klassifiziert: Es wird festgestellt, ob es sich dabei beispielsweise um ein Fahrzeug, einen Erwachsenen, ein Kind oder ein Tier handelt – denn ein Kind verhält sich zum Beispiel anders als ein Erwachsener. Schließlich muss das System noch das sogenanntes# „Tracking“ durchführen: Dabei wird analysiert, wo sich das Objekt in der Vergangenheit befand, wo es sich nun befindet – um somit Rückschlüsse darüber zu ziehen, wo sich das Objekt vermutlich als nächstes befinden wird.
Die Datenspreu vom Datenweizen trennen
Selbstfahrende Autos nutzen dabei Daten verschiedener im Fahrzeug verbauter Sensoren – wie etwa Kameras oder der LiDAR-Sensor, welcher den Abstand der Objekte zum Auto misst. Diese Sensoren produzieren unzählige Daten – und eben diese Daten müssen korrekt zugeordnet werden, so dass die AI erkennen kann, welche Daten für die Sicherheit relevant sind und welche nicht.
Hier kommt das US-amerikanische Startup Deepen.AI ins Spiel. Deepen hat in Zusammenarbeit mit der Firma AVL aus Graz eine Technologie zur besseren Erkennung und Segmentierung von Objektdaten im Straßenverkehr entwickelt. Erste Ergebnisse dieser Zusammenarbeit wurden im Rahmen der CES 2020 in Las Vegas präsentiert.
PoC mit AVL für die Zukunft des autonomen Fahrens
Beim von drei ehemaligen Google-Mitarbeitern gegründeten Startup Deepen.AI geht es um die zuvor erwähnte Herausforderung, autonomen Fahrsystemen zu einem besseren Verständnis ihrer Umwelt zu verhelfen. Um dies zu erreichen, braucht die KI etwas menschliche Hilfe, um effektiv darin trainiert zu werden, korrekte Schlussfolgerungen zu ziehen. Neben den 17 Vollzeit-Mitarbeitern beschäftigt Deepen.AI daher rund 250 Menschen in Indien, welche die von den Sensoren erfassten Daten bereinigen und die KI darin trainieren, Objekte zu erkennen: So markieren sie zum Beispiel, wenn die AI einen Seitenspiegel bei einem Auto übersehen oder Objekte falsch klassifiziert hat. „Diese Datenanalysten bereinigen Zweifel, welche die AI in Bezug auf manche Objekte hat“, erläutert Mohammad Musa, Co-Founder und CEO von Deepen.AI: „Sie helfen bei der Klassifizierung und Kalibrierung.“
Eben dieser starke Fokus auf Datenintegrität ist auch Schwerpunkt des gemeinsam mit AVL entwickelten PoC. „Es ist für AVL wichtig, auf Pixel- und Point-Level korrekt annotierte Daten zu haben“, erläutert Thomas Schlömicher, Research Engineer ADAS bei AVL. Im Idealfall soll im Rahmen der Kooperation eine komplette „Data Intelligence Pipeline“ entstehen, welche von AVLs zahlreichen B2B-Kunden genutzt wird, um deren Daten zu annotieren und so gemeinsam die Zukunft des autonomen Fahrens zu gestalten.
„Safety Pool“ als nächster Schritt nach dem PoC
„Gemeinsam“ ist auch das Stichwort hinter dem Ziel, das die Partner nach dem erfolgreichen PoC gemeinsam verfolgen möchten. Eine große Herausforderung für die Branche ist, dass die verschiedenen Autohersteller derzeit unterschiedliche Wege gehen, wobei jeder seinen eigenen Ansatz verfolgt. „Die Branche braucht aber Standards“, sagt Musa: Das sei die Basis dafür, dass jeder in die Sicherheit der Systeme vertraut.
Daher hat „Safety Pool™, (www.safetypool.ai), ein Projekt unter der Leitung von Deepen und dem Weltwirtschaftsforum, das Ziel, quantifizierte Benchmarks und einheitliche Beschreibungen von Fahrsituationen zu definieren, die dann nicht nur als Standards für die Industrie, sondern auch als solides Rückgrat zur Ableitung von konsensbasierten Sicherheitsbewertungen und Rahmenregelungen dienen sollen. Dies wird die Gesellschaft einen bedeutenden Schritt näher zum Ziel bringen, von den revolutionären Fähigkeiten der automatisierten Fahrtechnologien zu profitieren.
Das Voting zum „Innovator of the Year“ 2026 – Kategorie Scaleups
Mit dem Innovator of the Year kürt brutkasten jedes Jahr gemeinsam mit seiner Community die innovativsten Köpfe Österreichs. In der Kategorie „Scaleups“ kannst du jetzt bis 1. November 2026 für deine:n Favorit:in abstimmen. Der Award wird am 5. November im Rahmen des brutkasten-Jahresevents Momentum vergeben.
Das Voting zum „Innovator of the Year“ 2026 – Kategorie Scaleups
Mit dem Innovator of the Year kürt brutkasten jedes Jahr gemeinsam mit seiner Community die innovativsten Köpfe Österreichs. In der Kategorie „Scaleups“ kannst du jetzt bis 1. November 2026 für deine:n Favorit:in abstimmen. Der Award wird am 5. November im Rahmen des brutkasten-Jahresevents Momentum vergeben.
Erfolgreiche Skalierung ist das Ziel jedes Startups. Bekanntlich schaffen das bei weitem nicht alle, doch auch hierzulande wird die Gruppe jener, denen der Sprung zum starken Wachstum gelungen ist, immer größer – und das auch unter bekanntlich teils widrigen Bedingungen.
Auch dieses Jahr schafften wieder einige heimische Unternehmen den Schritt vom Startup zum Scaleup und legten beeindruckende Wachstumsstorys vor. Und einige bereits etablierte Scaleups zeigten eindrücklich, dass ihre Wachstumsambition ungebrochen ist.
Zehn davon holen wir als Nominierte für den Innovator of the Year in der Kategorie Scaleups vor den Vorhang. Der Preis wird heuer zum 6. Mal vergeben. Am 5. November findet die feierliche Award Ceremony im Rahmen des brutkasten-Jahresevents Momentum im Wiener Palais Berg statt. Neben der Kategorie Scaleups wird der Award dieses Jahr in den Kategorien Startups und Corporate Innovation vergeben. Als Preis in allen drei Kategorien winkt jeweils ein brutkasten-Medienpaket im Wert von 4.100 Euro.
Die „Innovator of the Year“-Kategorie Scaleups wird durch Polestar unterstützt.
Publikumsvoting zum Innovator of the Year | Kategorie „Scaleups“
Nun ist, wie jedes Jahr, deine Stimme gefragt. Bis zum 1. November (23:59 Uhr) kannst du für deine:n Favorit:in abstimmen! Jede:r User:in hat pro Tag und Kategorie genau eine Stimme – es lohnt sich also, die eigene Community zu aktivieren.
(Hinweis: Bei mehrfacher Stimmabgabe pro Tag erfolgt zwar keine gesonderte Fehlermeldung im Voting-Tool, Mehrfachvotes werden vom System jedoch automatisiert erkannt und ausgefiltert).
Auffallen ist gewiss eine der Stärken des Grazer Scaleups Emerald Horizon – sei es mit ausgerechnet diesem Produkt, Small Modular Reactors, im traditionell extrem atomkraftkritischen Österreich, mit Personalentscheidungen wie Ex-FPÖ-Chef Norbert Hofer oder mit dem dieses Jahr erfolgten ungewöhnlich frühen Börsengang. An der Wiener Börse wird das Unternehmen jedenfalls mittlerweile seit Monaten jenseits der Milliarden-Euro-Grenze bewertet und kann damit – je nach Definition – als Österreichs jüngstes Unicorn gesehen werden. Für die Entwicklung des Unternehmens gewiss noch entscheidender: Im August verkündete man, gemeinsam mit dem niederländischen Partner VDL Groep in die nächste Entwicklungsstufe des Small Modular Reactors zu gehen.
Enpulsion
Enpulsion-Gründer und -CEO Alexander Reissner | (c) Enpulsion
Das niederösterreichische SpaceTech-Scaleup Enpulsion rund um Gründer Alexander Reissner liefert Antriebssysteme für Nano- und Mikrosatelliten. Zu Jahresbeginn sicherte sich das Unternehmen eine 22,5 Millionen Euro schwere Series-B-Finanzierung, um die Produktionskapazitäten am Standort Wiener Neustadt deutlich zu erhöhen. Im August 2026 verkündete Enpulsion zudem die geplante strategische Übernahme der britischen Lift Me Off Ltd, um das eigene Produkt-Portfolio um chemische Antriebe für besonders agiles Manövrieren im Weltraum zu erweitern. Zusätzlich steht für diesen Herbst ein zentraler Meilenstein an: ein Orbit-Test der neuartigen Antriebstechnik an Bord des heimischen Satelliten AT-Astra.
fiskaly
fiskaly – das Gründerteam Simon Tragatschnig (COO), Johannes Ferner (CEO) und Patrick Gaubatz (CTO) | (c) fiskaly
Das 2019 gegründete Wiener Unternehmen fiskaly von Johannes Ferner, Simon Tragatschnig und Patrick Gaubatz macht Kassentransaktionen cloudbasiert und gesetzeskonform. Die Zahlen sprechen für sich: 60 Prozent Wachstum im vergangenen Geschäftsjahr, profitabel, mehr als 150 Mitarbeitende, rund 1.900 B2B-Kund:innen mit über einer Million POS-Systemen in acht EU-Ländern und Marktführerschaft in Deutschland. Im September folgte der nächste Schritt vom Scaleup zum Infrastrukturanbieter: Mit David Feichter holte fiskaly den Ex-CEO von orderbird als Co-CEO an Bord, ausgerechnet jenen Mann, der 2019 als allererster Kunde den Deal mit Ferner verhandelt hatte. Feichter verantwortet den operativen Betrieb, Ferner konzentriert sich auf Partnerschaften und weitere Akquisitionen in Europa.
Das 2023 gegründete Scaleup von Gründer Markus Müller entwickelt eine KI-gestützte Software, die regulatorische und qualitative Prozesse für MedTech- und Pharmaunternehmen automatisiert. Im Februar 2026 sorgte das Unternehmen mit einem Series-A-Investment von 20 Millionen Dollar für Aufsehen. Mit dem frischen Kapital treibt das Scaleup in diesem Jahr die gezielte Expansion auf dem US-Markt voran, um sich weltweit als Standard für regulatorische KI-Prüfungen im Gesundheitsbereich zu etablieren. Zudem plant man eine erste eigene Kund:innenkonferenz, die über 200 internationale MedTech-Entscheider:innen nach Wien bringen soll.
fonio.ai
fonio.ai-Co-Founder Daniel Keinrath (CEO, l.) und Matthias Gruber (CTO) | (c) fonio.ai
Wenn bei einem KMU niemand ans Telefon geht, übernimmt fonio.ai: Die KI-Agenten des erst 2024 gegründeten Wiener Startups von Daniel Keinrath und Matthias Gruber führen inzwischen rund zwei Millionen Anrufe pro Monat für über 7.000 Kund:innen. Im Juni schloss man eine Seed-Runde über 14,6 Millionen Euro ab, angeführt vom Londoner Fonds 20VC bei einer Bewertung von 120 Millionen Euro, ohne offiziellen Fundraise und ohne Pitch Deck. Im August knackte fonio.ai die Marke von zehn Millionen Dollar ARR – später folgte im Oktober die Marke von 15 Millionen Dollar. Mehr als die Hälfte des Umsatzes kommt laut Keinrath inzwischen von außerhalb der DACH-Region, im September eröffnete das Startup unter anderem sein Büro in Barcelona als Hub für Südeuropa.
Helferline
v.l.: Die Helferline-Gründer Clemens Schmidgruber und Alexander Niederhofer mit CTO Janko Glavić | (c) Helferline
Es ist eine Geschichte, wie sie nur die Startup-Welt schreiben kann: Vor mehr als zehn Jahren gegründet, konnte Helferline über lange Zeit zwar eine ganze Zahl namhafter Referenzen vorweisen, der wirtschaftliche Durchbruch blieb aber aus. Das änderte sich im Laufe der vergangenen Monate drastisch: Vor etwas mehr als einem Jahr stieg Hansi Hansmann als Investor ein. Seitdem holte man Großaufträge vom deutschen Telekom-Riesen O2, von Asus, von Starlink und weiteren. Aktuell befindet sich das Wiener Scaleup auf einem steilen Wachstumskurs und macht nach eigenen Angaben monatliche sechsstellige Gewinne.
Neoh
v.l.n.r.: Die Neoh-Gründer Adel Hafizovic, Manuel Zeller und Patrick Kolomaznik | (c) Neoh
Das Wiener Scaleup von Manuel Zeller konnte mit Süßigkeiten, die auf dem selbst entwickelten, kalorienarmen Zuckerersatzstoff Zero+ basieren, mittlerweile eine große Fangemeinde aufbauen, die auch über die Grenzen Österreichs hinausgeht. Auch machte, Stand April 2026, das B2B-Geschäft bereits rund 15 Prozent des Gesamtumsatzes aus, mit steigender Tendenz, wie Zeller erklärte. Dies und auch die Entwicklung einer gelungenen Bueno-Alternative sorgten dafür, dass eine Investmentgesellschaft aus Luxemburg namens Teseo Capital ins Scaleup einstieg. Dahinter steht die italienische Familie Ferrero, die mit Marken wie Nutella, Kinder und Ferrero Rocher den Süßigkeitenmarkt dominiert.
Das Innsbrucker Quantenunternehmen ParityQC von Wolfgang Lechner und Magdalena Hauser hat allein im heurigen Jahr einen 35-Mio.-Deal für den Bau eines mobilen Quantencomputers für das deutsche Verteidigungsministerium ergattert und im Rahmen der „EUREKA-Ausschreibung Deutschland-Israel“ eine Kooperation mit dem israelischen Quantensoftware-Spezialisten Classiq gestartet. Zudem lieferte es im April einen deutlichen Beleg dafür, dass europäisches Quantencomputing den Sprung aus dem Labor in die Industrie geschafft hat. Gemeinsam mit IBM stellte man einen neuen Weltrekord bei der Quanten-Fourier-Transformation (QFT) auf. Konkret wurde dabei die bislang größte jemals gemessene QFT auf einem IBM-Quantum-Heron-Prozessor realisiert, mit 52 supraleitenden Qubits statt der bisherigen 27 Ionenfallen-Qubits.
Reploid
Jonas Finck und Philip Pauer, Vorstände der Reploid Group AG | (c) Reploid / Stefan Beiganz
Kein anderes heimisches Scaleup schaffte es dieses Jahr, in einer derartigen Regelmäßigkeit für Schlagzeilen zu sorgen. Das seit 2025 an der Wiener Börse gelistete Welser Insektenzucht-Unternehmen baute seine Führungsebene aus, eröffnete neue Expansionsmärkte, präsentierte neue Kund:innen, verkündete eine Übernahme und holte sich einen achtstelligen Wachstumskredit. Wiewohl die Geschäftszahlen bei genauerer Betrachtung etwas komplexer sind, als vom Scaleup dargestellt, steht fest: Reploid ist weiter voll auf Wachstumskurs.
waterdrop
Die waterdrop-Gründer v.l.n.r: Christoph Hermann, Martin Murray, Henry Murray | (c) waterdrop
Das Wiener Scaleup waterdrop von Henry Murray, Martin Murray und Christoph Hermann holte sich im Mai ein 100-Millionen-Euro-Investment. Zu den Investor:innen dieser Runde zählten Aspeya, Atlantic Grupa und der alpine Ski-Weltcup-Champion Aleksander Aamodt Kilde. Schon im Jänner dieses Jahres verkündete das Scaleup seine Profitabilität. Zudem übernahm Jristian Cruz Limsico die Rolle des Global Creative Director, der seit 2017 die visuelle Identität des Modehauses Karl Lagerfeld prägte. Er verantwortet nun die weltweite Markenidentität des Unternehmens.
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.
Autonome Fahrzeuge: AVL optimiert die Erkennung von Objekten in AI
Sich einfach zurück zu lehnen, anstatt selbst am Steuer auf den Verkehr achtgeben zu müssen, ist die Vision des autonomen Fahrens. So soll das Reisen für die Insassen nicht nur angenehmer werden, sondern auch sicherer als eine Person am Lenkrad sein, da zum Beispiel die menschliche Fehlerquelle des Müdewerdens nicht mehr das Fahren des Fahrzeuges beeinflusst.
Zugleich muss die AI noch lernen, welche Daten für die Sicherheit relevant sind und welche nicht.
Hier kommt das US-amerikanische Startup Deepen.AI ins Spiel, welches in einer Kooperation mit der in Graz ansässigen AVL einen Prototyp zur besseren Erkennung und Segmentierung von Objektdaten im Straßenverkehr entwickelt hat.
„Die Datenanalysten bereinigen Zweifel, welche die AI in Bezug auf manche Objekte hat“, erläutert Mohammad Musa, Co-Founder und CEO von Deepen.AI: „Sie helfen bei der Klassifizierung und Kalibrierung.“
Im Idealfall soll im Rahmen der Kooperation eine komplette „Data Intelligence Pipeline“ entstehen, welche von AVLs zahlreichen B2B-Kunden genutzt wird, um deren Daten zu annotieren und so gemeinsam die Zukunft des autonomen Fahrens zu gestalten.
Im Rahmen des „Safety Pool Project“ sollen gemeinsam mit dem World Economic Forum quantifizierte Benchmarks und einheitliche Objektklassen definiert werden, die dann als Standards für die Branche gelten.
AI Kontextualisierung
Welche gesellschaftspolitischen Auswirkungen hat der Inhalt dieses Artikels?
Leider hat die AI für diese Frage in diesem Artikel keine Antwort …
Autonome Fahrzeuge: AVL optimiert die Erkennung von Objekten in AI
Sich einfach zurück zu lehnen, anstatt selbst am Steuer auf den Verkehr achtgeben zu müssen, ist die Vision des autonomen Fahrens. So soll das Reisen für die Insassen nicht nur angenehmer werden, sondern auch sicherer als eine Person am Lenkrad sein, da zum Beispiel die menschliche Fehlerquelle des Müdewerdens nicht mehr das Fahren des Fahrzeuges beeinflusst.
Zugleich muss die AI noch lernen, welche Daten für die Sicherheit relevant sind und welche nicht.
Hier kommt das US-amerikanische Startup Deepen.AI ins Spiel, welches in einer Kooperation mit der in Graz ansässigen AVL einen Prototyp zur besseren Erkennung und Segmentierung von Objektdaten im Straßenverkehr entwickelt hat.
„Die Datenanalysten bereinigen Zweifel, welche die AI in Bezug auf manche Objekte hat“, erläutert Mohammad Musa, Co-Founder und CEO von Deepen.AI: „Sie helfen bei der Klassifizierung und Kalibrierung.“
Im Idealfall soll im Rahmen der Kooperation eine komplette „Data Intelligence Pipeline“ entstehen, welche von AVLs zahlreichen B2B-Kunden genutzt wird, um deren Daten zu annotieren und so gemeinsam die Zukunft des autonomen Fahrens zu gestalten.
Im Rahmen des „Safety Pool Project“ sollen gemeinsam mit dem World Economic Forum quantifizierte Benchmarks und einheitliche Objektklassen definiert werden, die dann als Standards für die Branche gelten.
AI Kontextualisierung
Welche wirtschaftlichen Auswirkungen hat der Inhalt dieses Artikels?
Leider hat die AI für diese Frage in diesem Artikel keine Antwort …
Autonome Fahrzeuge: AVL optimiert die Erkennung von Objekten in AI
Sich einfach zurück zu lehnen, anstatt selbst am Steuer auf den Verkehr achtgeben zu müssen, ist die Vision des autonomen Fahrens. So soll das Reisen für die Insassen nicht nur angenehmer werden, sondern auch sicherer als eine Person am Lenkrad sein, da zum Beispiel die menschliche Fehlerquelle des Müdewerdens nicht mehr das Fahren des Fahrzeuges beeinflusst.
Zugleich muss die AI noch lernen, welche Daten für die Sicherheit relevant sind und welche nicht.
Hier kommt das US-amerikanische Startup Deepen.AI ins Spiel, welches in einer Kooperation mit der in Graz ansässigen AVL einen Prototyp zur besseren Erkennung und Segmentierung von Objektdaten im Straßenverkehr entwickelt hat.
„Die Datenanalysten bereinigen Zweifel, welche die AI in Bezug auf manche Objekte hat“, erläutert Mohammad Musa, Co-Founder und CEO von Deepen.AI: „Sie helfen bei der Klassifizierung und Kalibrierung.“
Im Idealfall soll im Rahmen der Kooperation eine komplette „Data Intelligence Pipeline“ entstehen, welche von AVLs zahlreichen B2B-Kunden genutzt wird, um deren Daten zu annotieren und so gemeinsam die Zukunft des autonomen Fahrens zu gestalten.
Im Rahmen des „Safety Pool Project“ sollen gemeinsam mit dem World Economic Forum quantifizierte Benchmarks und einheitliche Objektklassen definiert werden, die dann als Standards für die Branche gelten.
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 …
Autonome Fahrzeuge: AVL optimiert die Erkennung von Objekten in AI
Sich einfach zurück zu lehnen, anstatt selbst am Steuer auf den Verkehr achtgeben zu müssen, ist die Vision des autonomen Fahrens. So soll das Reisen für die Insassen nicht nur angenehmer werden, sondern auch sicherer als eine Person am Lenkrad sein, da zum Beispiel die menschliche Fehlerquelle des Müdewerdens nicht mehr das Fahren des Fahrzeuges beeinflusst.
Zugleich muss die AI noch lernen, welche Daten für die Sicherheit relevant sind und welche nicht.
Hier kommt das US-amerikanische Startup Deepen.AI ins Spiel, welches in einer Kooperation mit der in Graz ansässigen AVL einen Prototyp zur besseren Erkennung und Segmentierung von Objektdaten im Straßenverkehr entwickelt hat.
„Die Datenanalysten bereinigen Zweifel, welche die AI in Bezug auf manche Objekte hat“, erläutert Mohammad Musa, Co-Founder und CEO von Deepen.AI: „Sie helfen bei der Klassifizierung und Kalibrierung.“
Im Idealfall soll im Rahmen der Kooperation eine komplette „Data Intelligence Pipeline“ entstehen, welche von AVLs zahlreichen B2B-Kunden genutzt wird, um deren Daten zu annotieren und so gemeinsam die Zukunft des autonomen Fahrens zu gestalten.
Im Rahmen des „Safety Pool Project“ sollen gemeinsam mit dem World Economic Forum quantifizierte Benchmarks und einheitliche Objektklassen definiert werden, die dann als Standards für die Branche gelten.
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 …
Autonome Fahrzeuge: AVL optimiert die Erkennung von Objekten in AI
Sich einfach zurück zu lehnen, anstatt selbst am Steuer auf den Verkehr achtgeben zu müssen, ist die Vision des autonomen Fahrens. So soll das Reisen für die Insassen nicht nur angenehmer werden, sondern auch sicherer als eine Person am Lenkrad sein, da zum Beispiel die menschliche Fehlerquelle des Müdewerdens nicht mehr das Fahren des Fahrzeuges beeinflusst.
Zugleich muss die AI noch lernen, welche Daten für die Sicherheit relevant sind und welche nicht.
Hier kommt das US-amerikanische Startup Deepen.AI ins Spiel, welches in einer Kooperation mit der in Graz ansässigen AVL einen Prototyp zur besseren Erkennung und Segmentierung von Objektdaten im Straßenverkehr entwickelt hat.
„Die Datenanalysten bereinigen Zweifel, welche die AI in Bezug auf manche Objekte hat“, erläutert Mohammad Musa, Co-Founder und CEO von Deepen.AI: „Sie helfen bei der Klassifizierung und Kalibrierung.“
Im Idealfall soll im Rahmen der Kooperation eine komplette „Data Intelligence Pipeline“ entstehen, welche von AVLs zahlreichen B2B-Kunden genutzt wird, um deren Daten zu annotieren und so gemeinsam die Zukunft des autonomen Fahrens zu gestalten.
Im Rahmen des „Safety Pool Project“ sollen gemeinsam mit dem World Economic Forum quantifizierte Benchmarks und einheitliche Objektklassen definiert werden, die dann als Standards für die Branche gelten.
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 …
Autonome Fahrzeuge: AVL optimiert die Erkennung von Objekten in AI
Sich einfach zurück zu lehnen, anstatt selbst am Steuer auf den Verkehr achtgeben zu müssen, ist die Vision des autonomen Fahrens. So soll das Reisen für die Insassen nicht nur angenehmer werden, sondern auch sicherer als eine Person am Lenkrad sein, da zum Beispiel die menschliche Fehlerquelle des Müdewerdens nicht mehr das Fahren des Fahrzeuges beeinflusst.
Zugleich muss die AI noch lernen, welche Daten für die Sicherheit relevant sind und welche nicht.
Hier kommt das US-amerikanische Startup Deepen.AI ins Spiel, welches in einer Kooperation mit der in Graz ansässigen AVL einen Prototyp zur besseren Erkennung und Segmentierung von Objektdaten im Straßenverkehr entwickelt hat.
„Die Datenanalysten bereinigen Zweifel, welche die AI in Bezug auf manche Objekte hat“, erläutert Mohammad Musa, Co-Founder und CEO von Deepen.AI: „Sie helfen bei der Klassifizierung und Kalibrierung.“
Im Idealfall soll im Rahmen der Kooperation eine komplette „Data Intelligence Pipeline“ entstehen, welche von AVLs zahlreichen B2B-Kunden genutzt wird, um deren Daten zu annotieren und so gemeinsam die Zukunft des autonomen Fahrens zu gestalten.
Im Rahmen des „Safety Pool Project“ sollen gemeinsam mit dem World Economic Forum quantifizierte Benchmarks und einheitliche Objektklassen definiert werden, die dann als Standards für die Branche gelten.
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 …
Autonome Fahrzeuge: AVL optimiert die Erkennung von Objekten in AI
Sich einfach zurück zu lehnen, anstatt selbst am Steuer auf den Verkehr achtgeben zu müssen, ist die Vision des autonomen Fahrens. So soll das Reisen für die Insassen nicht nur angenehmer werden, sondern auch sicherer als eine Person am Lenkrad sein, da zum Beispiel die menschliche Fehlerquelle des Müdewerdens nicht mehr das Fahren des Fahrzeuges beeinflusst.
Zugleich muss die AI noch lernen, welche Daten für die Sicherheit relevant sind und welche nicht.
Hier kommt das US-amerikanische Startup Deepen.AI ins Spiel, welches in einer Kooperation mit der in Graz ansässigen AVL einen Prototyp zur besseren Erkennung und Segmentierung von Objektdaten im Straßenverkehr entwickelt hat.
„Die Datenanalysten bereinigen Zweifel, welche die AI in Bezug auf manche Objekte hat“, erläutert Mohammad Musa, Co-Founder und CEO von Deepen.AI: „Sie helfen bei der Klassifizierung und Kalibrierung.“
Im Idealfall soll im Rahmen der Kooperation eine komplette „Data Intelligence Pipeline“ entstehen, welche von AVLs zahlreichen B2B-Kunden genutzt wird, um deren Daten zu annotieren und so gemeinsam die Zukunft des autonomen Fahrens zu gestalten.
Im Rahmen des „Safety Pool Project“ sollen gemeinsam mit dem World Economic Forum quantifizierte Benchmarks und einheitliche Objektklassen definiert werden, die dann als Standards für die Branche gelten.
AI Kontextualisierung
Wer sind die relevantesten Personen in diesem Artikel?
Leider hat die AI für diese Frage in diesem Artikel keine Antwort …
Autonome Fahrzeuge: AVL optimiert die Erkennung von Objekten in AI
Sich einfach zurück zu lehnen, anstatt selbst am Steuer auf den Verkehr achtgeben zu müssen, ist die Vision des autonomen Fahrens. So soll das Reisen für die Insassen nicht nur angenehmer werden, sondern auch sicherer als eine Person am Lenkrad sein, da zum Beispiel die menschliche Fehlerquelle des Müdewerdens nicht mehr das Fahren des Fahrzeuges beeinflusst.
Zugleich muss die AI noch lernen, welche Daten für die Sicherheit relevant sind und welche nicht.
Hier kommt das US-amerikanische Startup Deepen.AI ins Spiel, welches in einer Kooperation mit der in Graz ansässigen AVL einen Prototyp zur besseren Erkennung und Segmentierung von Objektdaten im Straßenverkehr entwickelt hat.
„Die Datenanalysten bereinigen Zweifel, welche die AI in Bezug auf manche Objekte hat“, erläutert Mohammad Musa, Co-Founder und CEO von Deepen.AI: „Sie helfen bei der Klassifizierung und Kalibrierung.“
Im Idealfall soll im Rahmen der Kooperation eine komplette „Data Intelligence Pipeline“ entstehen, welche von AVLs zahlreichen B2B-Kunden genutzt wird, um deren Daten zu annotieren und so gemeinsam die Zukunft des autonomen Fahrens zu gestalten.
Im Rahmen des „Safety Pool Project“ sollen gemeinsam mit dem World Economic Forum quantifizierte Benchmarks und einheitliche Objektklassen definiert werden, die dann als Standards für die Branche gelten.
AI Kontextualisierung
Wer sind die relevantesten Organisationen in diesem Artikel?
Leider hat die AI für diese Frage in diesem Artikel keine Antwort …
Autonome Fahrzeuge: AVL optimiert die Erkennung von Objekten in AI
Sich einfach zurück zu lehnen, anstatt selbst am Steuer auf den Verkehr achtgeben zu müssen, ist die Vision des autonomen Fahrens. So soll das Reisen für die Insassen nicht nur angenehmer werden, sondern auch sicherer als eine Person am Lenkrad sein, da zum Beispiel die menschliche Fehlerquelle des Müdewerdens nicht mehr das Fahren des Fahrzeuges beeinflusst.
Zugleich muss die AI noch lernen, welche Daten für die Sicherheit relevant sind und welche nicht.
Hier kommt das US-amerikanische Startup Deepen.AI ins Spiel, welches in einer Kooperation mit der in Graz ansässigen AVL einen Prototyp zur besseren Erkennung und Segmentierung von Objektdaten im Straßenverkehr entwickelt hat.
„Die Datenanalysten bereinigen Zweifel, welche die AI in Bezug auf manche Objekte hat“, erläutert Mohammad Musa, Co-Founder und CEO von Deepen.AI: „Sie helfen bei der Klassifizierung und Kalibrierung.“
Im Idealfall soll im Rahmen der Kooperation eine komplette „Data Intelligence Pipeline“ entstehen, welche von AVLs zahlreichen B2B-Kunden genutzt wird, um deren Daten zu annotieren und so gemeinsam die Zukunft des autonomen Fahrens zu gestalten.
Im Rahmen des „Safety Pool Project“ sollen gemeinsam mit dem World Economic Forum quantifizierte Benchmarks und einheitliche Objektklassen definiert werden, die dann als Standards für die Branche gelten.
