27.10.2020

blackshark.AI: Grazer AI-Experten bauen digitale Twins für selbstfahrende Autos

Die digitalen Zwillinge von blackshark.ai aus Graz kommen unter anderem im Microsoft Flight Simulator zum Einsatz. Nun nutzt NVIDIA die Technologie, um selbstfahrende Autos zu trainieren.
/artikel/blackshark-ai-nvidia
NVIDIA nutzt die AI von blackshark.ai, um selbstfahrende Autos mit Digital Twins zu trainieren.
NVIDIA nutzt die AI von blackshark.ai, um selbstfahrende Autos mit Digital Twins zu trainieren. (c) NVIDIA

Der brutkasten berichtet nicht oft über Gaming – und wenn doch, dann muss schon Hightech eines österreichischen Unternehmens dahinter stecken. Genau dies war im Sommer 2020 der Fall, als bekannt wurde, dass das Grazer Unternehmen blackshark.ai hinter den Grafiken des Microsoft Flight Simulator steckt. Hier wurde die gesamte Welt mittels Künstlicher Intelligenz für einen Flugsimulator virtualisiert. Und diese Technologie kommt nicht nur in Spielereien, sondern auch in Szenarien für das echte Leben zum Einsatz: Konkret bei selbstfahrenden Autos, wie Michael Putz, Co-Founder und CEO von blackshark.ai, dem brutkasten mitteilt.

Digitale Zwillinge für jeden Zweck

„Obwohl wir im Gaming bisher die meiste öffentliche Aufmerksamkeit bekommen haben, ist unsere Technologie tatsächlich hauptsächlich außerhalb des Gamings in vielen anderen Industrien im Einsatz“, sagt Putz: Überall geht es um einen „digitalen Zwilling unseres Planeten“, der auf Basis von Input Daten – Satellitenbilder, Luftaufnahmen, Straßenaufnahmen, Point Clouds generiert von Sensoren – in semantischem 3D rekonstruiert wird.

„Das ganze passiert vollautomatisch mit Hilfe von künstlicher Intelligenz und einer von uns eigens entwickelten und patentierten prozeduralen Sprache, und skaliert dadurch ohne Einschränkungen“, sagt Putz: Für den Microsoft Flugsimulator hat blackshark.ai zum Beispiel weltweit 1,5 Milliarden Gebäude detektiert und rekonstruiert. 

Nvidia und blackshark.ai arbeiten an selbstfahrenden Autos

Nun haben blackshark.ai und NVIDIA bekannt gegeben, dass sie gemeinsam an Simulationsumgebungen für das Testen autonomer Fahrzeuge zusammenarbeiten. Dabei kommt eben jene digitale Zwillingsplattform zum Einsatz, die KI und Cloud Computing nutzt, um Material aus der echten Welt zu einer fotorealistischen 3D-Umgebung in der virtuellen Welt umzuwandeln.

Die Technologie wurde auf der NVIDIA DRIVE Sim in einer Keynote von Jensen Huang, Gründer und CEO von NVIDIA, vorgestellt. Die Demonstration zeigte die Stadt San Jose, Kalifornien, in DRIVE Sim, mit Gebäuden und Bäumen, die mit der Blackshark.ai-Technologie rekonstruiert wurden. Mehr dazu im nachfolgenden Video, ab Minute 3:59.

Warum selbstfahrende Autos digitale Zwillinge brauchen

Doch wozu brauchen selbstfahrende Autos überhaupt digitale Zwillinge? „Die Sensoren von autonomen Fahrzeugen müssen auf Herz und Nieren getestet werden bevor sie als straßentauglich zertifiziert werden können“, sagt Putz. Das heißt, dass Sensoren im Test jeder nur möglichen Situation ausgesetzt werden müssen, beeinflusst zum Beispiel durch das Zusammenspiel von Umgebung, Tages- bzw. Nachtzeit, Lichteinfall, Reflektionen, Wetterverhältnisse, Verkehrsverhältnisse und vieles mehr, um das Verhalten der Algorithmik zu überprüfen, und so genannte „edge cases“ zu identifizieren, bei denen die Sensoren bzw. die Algorithmik noch versagen, und wo dementsprechend nachgebessert werden muss.

Aus Sicherheitsgründen kann dies offensichtlich nicht einfach im Straßenverkehr getestet werden, bevor nicht entsprechende Testergebnisse und Zertifizierungen vorhanden sind. Teststrecken wiederum können unmögliche alle möglichen Szenarien des realen Straßenverkehrs abbilden. Daher greift man unter dem Schlagwort „Virtual Sensor Simulation“ auf virtuelle Tests zurück.

Und eine dieser virtuellen Lösungen ist eben das NVIDIA DRIVE Sim Produkt, für das blackshark.ai aus Graz die automatische und hochskalierbare Generierung von authentischen 3D Umgebungen für die virtuelle Simulation von autonomen Fahrzeugen liefert. Weitere Projekte dieser Art dürften in Zukunft folgen.

Deine ungelesenen Artikel:
18.08.2026

Everleaf: Wiener Indoor-Garten-Startup holt sechsstelliges Investment und Gesellschafter aus Silicon Valley

Das Wiener Startup Everleaf hat eine Finanzierungsrunde im mittleren sechsstelligen Bereich abgeschlossen. Zu den neuen Investoren zählt ein Gründer, der bereits im Silicon Valley ein Unternehmen erfolgreich aufgebaut und verkauft hat.
/artikel/everleaf-wiener-indoor-garten-startup-holt-sechsstelliges-investment-und-gesellschafter-aus-silicon-valley
18.08.2026

Everleaf: Wiener Indoor-Garten-Startup holt sechsstelliges Investment und Gesellschafter aus Silicon Valley

Das Wiener Startup Everleaf hat eine Finanzierungsrunde im mittleren sechsstelligen Bereich abgeschlossen. Zu den neuen Investoren zählt ein Gründer, der bereits im Silicon Valley ein Unternehmen erfolgreich aufgebaut und verkauft hat.
/artikel/everleaf-wiener-indoor-garten-startup-holt-sechsstelliges-investment-und-gesellschafter-aus-silicon-valley
Everleaf
© Everleaf - Christophe Vermeersch, Gründer Everleaf.

Vor etwas mehr als einem Jahr konnte Everleaf eine Finanzierungsrunde in sechsstelliger Höhe holen – brutkasten berichtete. Nun vermeldet man ebenfalls ein Investment im gleichen Umfang.

Everleaf: Umsatz fast verzehnfacht

Frisches Gemüse in der eigenen Wohnung ernten, ohne Garten und ohne grünen Daumen: Mit diesem Versprechen ist Everleaf mit der ersten Version seines vertikalen Indoor-Gartens auf den Markt gegangen. Beim Mai-Investment 2025 lautete das Ziel, den Umsatz im laufenden Jahr zu verzehnfachen. Dieses Ziel hat das Startup nach eigenen Angaben beinahe erreicht.

Die neuen Investoren beteiligen sich als Business Angels und bringen, neben dem Kapital, Netzwerk und operative Erfahrung mit, heißt es. Einer von ihnen habe im Silicon Valley selbst ein Unternehmen aufgebaut und erfolgreich verkauft. Namen der neuen Gesellschafter werden jedoch nicht genannt.

„Geld allein löst in unserer Phase wenig. Was uns wirklich weiterbringt, sind Leute, die den Weg vom Startup zum großen Unternehmen schon einmal gegangen sind und wissen, wo es dabei knirscht“, kommentiert Gründer Christophe Vermeersch die Finanzierungsrunde.

Kapital fließt in Ware

Ein Großteil der neuen Mittel soll nicht ins Marketing, sondern in die Ware selbst fließen. Für Everleaf sei genau das die zentrale Herausforderung im Consumer-Hardware-Geschäft: Produktion und Einkauf müssen Monate vorfinanziert werden, lange bevor ein einziger Garten verkauft ist. Je stärker das Unternehmen wächst, desto größer werde der Kapitalbedarf, der in Lager und Vorproduktion gebunden ist.

Klassische Einkaufsfinanzierungen von Banken würden in dieser Größenordnung noch nicht greifen. Genau hier setzt die neue Runde an: Sie soll das Working Capital stärken und damit die Basis für das geplante Wachstum schaffen. Everleaf hält sich außerdem die Option offen, künftig ein weiteres Double Equity zu beantragen, um diesen Bereich dauerhaft abzusichern, wie man mitteilt.

„Bei Hardware entscheidet nicht nur, wie gut du verkaufst, sondern ob du die Ware überhaupt durchgehend vorfinanzieren kannst, ohne dabei ‚Out of Stock‘ zu sein. Diese Hürde wird mit jedem Wachstumsschritt größer“, erklärt Vermeersch.

Everleaf mit In-House-Konzept

Everleaf entwickelt seine Produkte seit einem Jahr vollständig in-house und bringt dabei zunehmend neues Zubehör für den Everleaf-Garden auf den Markt. Mithilfe von 3D-Druck werden Ideen zunächst getestet, bevor bei erfolgreicher Nachfrage in skalierbare Produktion investiert wird. Das Unternehmen setzt dabei weiterhin auf ein kleines Team und KI-gestützte Prozesse. Mit dem neuen Kapital will Everleaf ab dem kommenden Jahr auch erstmals über den deutschsprachigen Raum hinausgehen.

„Uns war immer wichtig, erst zu zeigen, dass unser Produkt und unser Ansatz in DACH funktioniert, bevor wir in neue Märkte gehen“, sagt Vermeersch. „Inzwischen haben wir ein System gefunden, das funktioniert. Genau das wollen wir jetzt auf weitere Länder übertragen.“ Die Entscheidung, um welche Länder es sich dabei handelt, ist noch nicht final getroffen worden, doch stehen die nordischen ganz oben auf der Liste, wie der Gründer brutkasten mitteilt: „Das werden wir aber testen müssen“, sagt er. „Und dann wählen, wo wir das größte Potenzial sehen.“

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.

brutkasten Newsletter

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.

Montag, Mittwoch und Freitag

AI Summaries

blackshark.AI: Grazer AI-Experten bauen digitale Twins für selbstfahrende Autos

  • Digital Twins kommen nicht nur in Spielen, sondern auch in Szenarien für das echte Leben zum Einsatz: Konkret bei selbstfahrenden Autos, wie Michael Putz, Co-Founder und CEO von blackshark.ai, dem brutkasten mitteilt.
  • „Obwohl wir im Gaming bisher die meiste öffentliche Aufmerksamkeit bekommen haben, ist unsere Technologie tatsächlich hauptsächlich außerhalb des Gamings in vielen anderen Industrien im Einsatz“, sagt Putz: Überall geht es um einen „digitalen Zwilling unseres Planeten“, der auf Basis von Input Daten – Satellitenbilder, Luftaufnahmen, Straßenaufnahmen, Point Clouds generiert von Sensoren – in semantischem 3D rekonstruiert wird.
  • „Das ganze passiert vollautomatisch mit Hilfe von künstlicher Intelligenz und einer von uns eigens entwickelten und patentierten prozeduralen Sprache, und skaliert dadurch ohne Einschränkungen“, sagt Putz: Für den Microsoft Flugsimulator hat blackshark.ai zum Beispiel weltweit 1,5 Milliarden Gebäude detektiert und rekonstruiert.
  • Nun haben blackshark.ai und NVIDIA bekannt gegeben, dass sie gemeinsam an Simulationsumgebungen für das Testen autonomer Fahrzeuge zusammenarbeiten.
  • „Die Sensoren von autonomen Fahrzeugen müssen auf Herz und Nieren getestet werden bevor sie als straßentauglich zertifiziert werden können“, sagt Putz.
  • Das heißt, dass Sensoren im Test jeder nur möglichen Situation ausgesetzt werden müssen, beeinflusst zum Beispiel durch das Zusammenspiel von Umgebung, Tages- bzw. Nachtzeit, Lichteinfall, Reflektionen, Wetterverhältnisse, Verkehrsverhältnisse und vieles mehr, um das Verhalten der Algorithmik zu überprüfen, und so genannte „edge cases“ zu identifizieren, bei denen die Sensoren bzw. die Algorithmik noch versagen, und wo dementsprechend nachgebessert werden muss.

AI Kontextualisierung

Welche gesellschaftspolitischen Auswirkungen hat der Inhalt dieses Artikels?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

blackshark.AI: Grazer AI-Experten bauen digitale Twins für selbstfahrende Autos

  • Digital Twins kommen nicht nur in Spielen, sondern auch in Szenarien für das echte Leben zum Einsatz: Konkret bei selbstfahrenden Autos, wie Michael Putz, Co-Founder und CEO von blackshark.ai, dem brutkasten mitteilt.
  • „Obwohl wir im Gaming bisher die meiste öffentliche Aufmerksamkeit bekommen haben, ist unsere Technologie tatsächlich hauptsächlich außerhalb des Gamings in vielen anderen Industrien im Einsatz“, sagt Putz: Überall geht es um einen „digitalen Zwilling unseres Planeten“, der auf Basis von Input Daten – Satellitenbilder, Luftaufnahmen, Straßenaufnahmen, Point Clouds generiert von Sensoren – in semantischem 3D rekonstruiert wird.
  • „Das ganze passiert vollautomatisch mit Hilfe von künstlicher Intelligenz und einer von uns eigens entwickelten und patentierten prozeduralen Sprache, und skaliert dadurch ohne Einschränkungen“, sagt Putz: Für den Microsoft Flugsimulator hat blackshark.ai zum Beispiel weltweit 1,5 Milliarden Gebäude detektiert und rekonstruiert.
  • Nun haben blackshark.ai und NVIDIA bekannt gegeben, dass sie gemeinsam an Simulationsumgebungen für das Testen autonomer Fahrzeuge zusammenarbeiten.
  • „Die Sensoren von autonomen Fahrzeugen müssen auf Herz und Nieren getestet werden bevor sie als straßentauglich zertifiziert werden können“, sagt Putz.
  • Das heißt, dass Sensoren im Test jeder nur möglichen Situation ausgesetzt werden müssen, beeinflusst zum Beispiel durch das Zusammenspiel von Umgebung, Tages- bzw. Nachtzeit, Lichteinfall, Reflektionen, Wetterverhältnisse, Verkehrsverhältnisse und vieles mehr, um das Verhalten der Algorithmik zu überprüfen, und so genannte „edge cases“ zu identifizieren, bei denen die Sensoren bzw. die Algorithmik noch versagen, und wo dementsprechend nachgebessert werden muss.

AI Kontextualisierung

Welche wirtschaftlichen Auswirkungen hat der Inhalt dieses Artikels?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

blackshark.AI: Grazer AI-Experten bauen digitale Twins für selbstfahrende Autos

  • Digital Twins kommen nicht nur in Spielen, sondern auch in Szenarien für das echte Leben zum Einsatz: Konkret bei selbstfahrenden Autos, wie Michael Putz, Co-Founder und CEO von blackshark.ai, dem brutkasten mitteilt.
  • „Obwohl wir im Gaming bisher die meiste öffentliche Aufmerksamkeit bekommen haben, ist unsere Technologie tatsächlich hauptsächlich außerhalb des Gamings in vielen anderen Industrien im Einsatz“, sagt Putz: Überall geht es um einen „digitalen Zwilling unseres Planeten“, der auf Basis von Input Daten – Satellitenbilder, Luftaufnahmen, Straßenaufnahmen, Point Clouds generiert von Sensoren – in semantischem 3D rekonstruiert wird.
  • „Das ganze passiert vollautomatisch mit Hilfe von künstlicher Intelligenz und einer von uns eigens entwickelten und patentierten prozeduralen Sprache, und skaliert dadurch ohne Einschränkungen“, sagt Putz: Für den Microsoft Flugsimulator hat blackshark.ai zum Beispiel weltweit 1,5 Milliarden Gebäude detektiert und rekonstruiert.
  • Nun haben blackshark.ai und NVIDIA bekannt gegeben, dass sie gemeinsam an Simulationsumgebungen für das Testen autonomer Fahrzeuge zusammenarbeiten.
  • „Die Sensoren von autonomen Fahrzeugen müssen auf Herz und Nieren getestet werden bevor sie als straßentauglich zertifiziert werden können“, sagt Putz.
  • Das heißt, dass Sensoren im Test jeder nur möglichen Situation ausgesetzt werden müssen, beeinflusst zum Beispiel durch das Zusammenspiel von Umgebung, Tages- bzw. Nachtzeit, Lichteinfall, Reflektionen, Wetterverhältnisse, Verkehrsverhältnisse und vieles mehr, um das Verhalten der Algorithmik zu überprüfen, und so genannte „edge cases“ zu identifizieren, bei denen die Sensoren bzw. die Algorithmik noch versagen, und wo dementsprechend nachgebessert werden muss.

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 …

blackshark.AI: Grazer AI-Experten bauen digitale Twins für selbstfahrende Autos

  • Digital Twins kommen nicht nur in Spielen, sondern auch in Szenarien für das echte Leben zum Einsatz: Konkret bei selbstfahrenden Autos, wie Michael Putz, Co-Founder und CEO von blackshark.ai, dem brutkasten mitteilt.
  • „Obwohl wir im Gaming bisher die meiste öffentliche Aufmerksamkeit bekommen haben, ist unsere Technologie tatsächlich hauptsächlich außerhalb des Gamings in vielen anderen Industrien im Einsatz“, sagt Putz: Überall geht es um einen „digitalen Zwilling unseres Planeten“, der auf Basis von Input Daten – Satellitenbilder, Luftaufnahmen, Straßenaufnahmen, Point Clouds generiert von Sensoren – in semantischem 3D rekonstruiert wird.
  • „Das ganze passiert vollautomatisch mit Hilfe von künstlicher Intelligenz und einer von uns eigens entwickelten und patentierten prozeduralen Sprache, und skaliert dadurch ohne Einschränkungen“, sagt Putz: Für den Microsoft Flugsimulator hat blackshark.ai zum Beispiel weltweit 1,5 Milliarden Gebäude detektiert und rekonstruiert.
  • Nun haben blackshark.ai und NVIDIA bekannt gegeben, dass sie gemeinsam an Simulationsumgebungen für das Testen autonomer Fahrzeuge zusammenarbeiten.
  • „Die Sensoren von autonomen Fahrzeugen müssen auf Herz und Nieren getestet werden bevor sie als straßentauglich zertifiziert werden können“, sagt Putz.
  • Das heißt, dass Sensoren im Test jeder nur möglichen Situation ausgesetzt werden müssen, beeinflusst zum Beispiel durch das Zusammenspiel von Umgebung, Tages- bzw. Nachtzeit, Lichteinfall, Reflektionen, Wetterverhältnisse, Verkehrsverhältnisse und vieles mehr, um das Verhalten der Algorithmik zu überprüfen, und so genannte „edge cases“ zu identifizieren, bei denen die Sensoren bzw. die Algorithmik noch versagen, und wo dementsprechend nachgebessert werden muss.

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 …

blackshark.AI: Grazer AI-Experten bauen digitale Twins für selbstfahrende Autos

  • Digital Twins kommen nicht nur in Spielen, sondern auch in Szenarien für das echte Leben zum Einsatz: Konkret bei selbstfahrenden Autos, wie Michael Putz, Co-Founder und CEO von blackshark.ai, dem brutkasten mitteilt.
  • „Obwohl wir im Gaming bisher die meiste öffentliche Aufmerksamkeit bekommen haben, ist unsere Technologie tatsächlich hauptsächlich außerhalb des Gamings in vielen anderen Industrien im Einsatz“, sagt Putz: Überall geht es um einen „digitalen Zwilling unseres Planeten“, der auf Basis von Input Daten – Satellitenbilder, Luftaufnahmen, Straßenaufnahmen, Point Clouds generiert von Sensoren – in semantischem 3D rekonstruiert wird.
  • „Das ganze passiert vollautomatisch mit Hilfe von künstlicher Intelligenz und einer von uns eigens entwickelten und patentierten prozeduralen Sprache, und skaliert dadurch ohne Einschränkungen“, sagt Putz: Für den Microsoft Flugsimulator hat blackshark.ai zum Beispiel weltweit 1,5 Milliarden Gebäude detektiert und rekonstruiert.
  • Nun haben blackshark.ai und NVIDIA bekannt gegeben, dass sie gemeinsam an Simulationsumgebungen für das Testen autonomer Fahrzeuge zusammenarbeiten.
  • „Die Sensoren von autonomen Fahrzeugen müssen auf Herz und Nieren getestet werden bevor sie als straßentauglich zertifiziert werden können“, sagt Putz.
  • Das heißt, dass Sensoren im Test jeder nur möglichen Situation ausgesetzt werden müssen, beeinflusst zum Beispiel durch das Zusammenspiel von Umgebung, Tages- bzw. Nachtzeit, Lichteinfall, Reflektionen, Wetterverhältnisse, Verkehrsverhältnisse und vieles mehr, um das Verhalten der Algorithmik zu überprüfen, und so genannte „edge cases“ zu identifizieren, bei denen die Sensoren bzw. die Algorithmik noch versagen, und wo dementsprechend nachgebessert werden muss.

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 …

blackshark.AI: Grazer AI-Experten bauen digitale Twins für selbstfahrende Autos

  • Digital Twins kommen nicht nur in Spielen, sondern auch in Szenarien für das echte Leben zum Einsatz: Konkret bei selbstfahrenden Autos, wie Michael Putz, Co-Founder und CEO von blackshark.ai, dem brutkasten mitteilt.
  • „Obwohl wir im Gaming bisher die meiste öffentliche Aufmerksamkeit bekommen haben, ist unsere Technologie tatsächlich hauptsächlich außerhalb des Gamings in vielen anderen Industrien im Einsatz“, sagt Putz: Überall geht es um einen „digitalen Zwilling unseres Planeten“, der auf Basis von Input Daten – Satellitenbilder, Luftaufnahmen, Straßenaufnahmen, Point Clouds generiert von Sensoren – in semantischem 3D rekonstruiert wird.
  • „Das ganze passiert vollautomatisch mit Hilfe von künstlicher Intelligenz und einer von uns eigens entwickelten und patentierten prozeduralen Sprache, und skaliert dadurch ohne Einschränkungen“, sagt Putz: Für den Microsoft Flugsimulator hat blackshark.ai zum Beispiel weltweit 1,5 Milliarden Gebäude detektiert und rekonstruiert.
  • Nun haben blackshark.ai und NVIDIA bekannt gegeben, dass sie gemeinsam an Simulationsumgebungen für das Testen autonomer Fahrzeuge zusammenarbeiten.
  • „Die Sensoren von autonomen Fahrzeugen müssen auf Herz und Nieren getestet werden bevor sie als straßentauglich zertifiziert werden können“, sagt Putz.
  • Das heißt, dass Sensoren im Test jeder nur möglichen Situation ausgesetzt werden müssen, beeinflusst zum Beispiel durch das Zusammenspiel von Umgebung, Tages- bzw. Nachtzeit, Lichteinfall, Reflektionen, Wetterverhältnisse, Verkehrsverhältnisse und vieles mehr, um das Verhalten der Algorithmik zu überprüfen, und so genannte „edge cases“ zu identifizieren, bei denen die Sensoren bzw. die Algorithmik noch versagen, und wo dementsprechend nachgebessert werden muss.

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 …

blackshark.AI: Grazer AI-Experten bauen digitale Twins für selbstfahrende Autos

  • Digital Twins kommen nicht nur in Spielen, sondern auch in Szenarien für das echte Leben zum Einsatz: Konkret bei selbstfahrenden Autos, wie Michael Putz, Co-Founder und CEO von blackshark.ai, dem brutkasten mitteilt.
  • „Obwohl wir im Gaming bisher die meiste öffentliche Aufmerksamkeit bekommen haben, ist unsere Technologie tatsächlich hauptsächlich außerhalb des Gamings in vielen anderen Industrien im Einsatz“, sagt Putz: Überall geht es um einen „digitalen Zwilling unseres Planeten“, der auf Basis von Input Daten – Satellitenbilder, Luftaufnahmen, Straßenaufnahmen, Point Clouds generiert von Sensoren – in semantischem 3D rekonstruiert wird.
  • „Das ganze passiert vollautomatisch mit Hilfe von künstlicher Intelligenz und einer von uns eigens entwickelten und patentierten prozeduralen Sprache, und skaliert dadurch ohne Einschränkungen“, sagt Putz: Für den Microsoft Flugsimulator hat blackshark.ai zum Beispiel weltweit 1,5 Milliarden Gebäude detektiert und rekonstruiert.
  • Nun haben blackshark.ai und NVIDIA bekannt gegeben, dass sie gemeinsam an Simulationsumgebungen für das Testen autonomer Fahrzeuge zusammenarbeiten.
  • „Die Sensoren von autonomen Fahrzeugen müssen auf Herz und Nieren getestet werden bevor sie als straßentauglich zertifiziert werden können“, sagt Putz.
  • Das heißt, dass Sensoren im Test jeder nur möglichen Situation ausgesetzt werden müssen, beeinflusst zum Beispiel durch das Zusammenspiel von Umgebung, Tages- bzw. Nachtzeit, Lichteinfall, Reflektionen, Wetterverhältnisse, Verkehrsverhältnisse und vieles mehr, um das Verhalten der Algorithmik zu überprüfen, und so genannte „edge cases“ zu identifizieren, bei denen die Sensoren bzw. die Algorithmik noch versagen, und wo dementsprechend nachgebessert werden muss.

AI Kontextualisierung

Wer sind die relevantesten Personen in diesem Artikel?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

blackshark.AI: Grazer AI-Experten bauen digitale Twins für selbstfahrende Autos

  • Digital Twins kommen nicht nur in Spielen, sondern auch in Szenarien für das echte Leben zum Einsatz: Konkret bei selbstfahrenden Autos, wie Michael Putz, Co-Founder und CEO von blackshark.ai, dem brutkasten mitteilt.
  • „Obwohl wir im Gaming bisher die meiste öffentliche Aufmerksamkeit bekommen haben, ist unsere Technologie tatsächlich hauptsächlich außerhalb des Gamings in vielen anderen Industrien im Einsatz“, sagt Putz: Überall geht es um einen „digitalen Zwilling unseres Planeten“, der auf Basis von Input Daten – Satellitenbilder, Luftaufnahmen, Straßenaufnahmen, Point Clouds generiert von Sensoren – in semantischem 3D rekonstruiert wird.
  • „Das ganze passiert vollautomatisch mit Hilfe von künstlicher Intelligenz und einer von uns eigens entwickelten und patentierten prozeduralen Sprache, und skaliert dadurch ohne Einschränkungen“, sagt Putz: Für den Microsoft Flugsimulator hat blackshark.ai zum Beispiel weltweit 1,5 Milliarden Gebäude detektiert und rekonstruiert.
  • Nun haben blackshark.ai und NVIDIA bekannt gegeben, dass sie gemeinsam an Simulationsumgebungen für das Testen autonomer Fahrzeuge zusammenarbeiten.
  • „Die Sensoren von autonomen Fahrzeugen müssen auf Herz und Nieren getestet werden bevor sie als straßentauglich zertifiziert werden können“, sagt Putz.
  • Das heißt, dass Sensoren im Test jeder nur möglichen Situation ausgesetzt werden müssen, beeinflusst zum Beispiel durch das Zusammenspiel von Umgebung, Tages- bzw. Nachtzeit, Lichteinfall, Reflektionen, Wetterverhältnisse, Verkehrsverhältnisse und vieles mehr, um das Verhalten der Algorithmik zu überprüfen, und so genannte „edge cases“ zu identifizieren, bei denen die Sensoren bzw. die Algorithmik noch versagen, und wo dementsprechend nachgebessert werden muss.

AI Kontextualisierung

Wer sind die relevantesten Organisationen in diesem Artikel?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

blackshark.AI: Grazer AI-Experten bauen digitale Twins für selbstfahrende Autos

  • Digital Twins kommen nicht nur in Spielen, sondern auch in Szenarien für das echte Leben zum Einsatz: Konkret bei selbstfahrenden Autos, wie Michael Putz, Co-Founder und CEO von blackshark.ai, dem brutkasten mitteilt.
  • „Obwohl wir im Gaming bisher die meiste öffentliche Aufmerksamkeit bekommen haben, ist unsere Technologie tatsächlich hauptsächlich außerhalb des Gamings in vielen anderen Industrien im Einsatz“, sagt Putz: Überall geht es um einen „digitalen Zwilling unseres Planeten“, der auf Basis von Input Daten – Satellitenbilder, Luftaufnahmen, Straßenaufnahmen, Point Clouds generiert von Sensoren – in semantischem 3D rekonstruiert wird.
  • „Das ganze passiert vollautomatisch mit Hilfe von künstlicher Intelligenz und einer von uns eigens entwickelten und patentierten prozeduralen Sprache, und skaliert dadurch ohne Einschränkungen“, sagt Putz: Für den Microsoft Flugsimulator hat blackshark.ai zum Beispiel weltweit 1,5 Milliarden Gebäude detektiert und rekonstruiert.
  • Nun haben blackshark.ai und NVIDIA bekannt gegeben, dass sie gemeinsam an Simulationsumgebungen für das Testen autonomer Fahrzeuge zusammenarbeiten.
  • „Die Sensoren von autonomen Fahrzeugen müssen auf Herz und Nieren getestet werden bevor sie als straßentauglich zertifiziert werden können“, sagt Putz.
  • Das heißt, dass Sensoren im Test jeder nur möglichen Situation ausgesetzt werden müssen, beeinflusst zum Beispiel durch das Zusammenspiel von Umgebung, Tages- bzw. Nachtzeit, Lichteinfall, Reflektionen, Wetterverhältnisse, Verkehrsverhältnisse und vieles mehr, um das Verhalten der Algorithmik zu überprüfen, und so genannte „edge cases“ zu identifizieren, bei denen die Sensoren bzw. die Algorithmik noch versagen, und wo dementsprechend nachgebessert werden muss.