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:
10.11.2026

Weg von der weißen Wand: Fotografin Antje Wolm darüber, was gute Porträts von Führungskräften auszeichnet

Antje Wolm fotografiert Menschen, die Verantwortung tragen. Bevor die gebürtige Berlinerin, die heute in Linz wohnt, zur Kamera griff, arbeitete sie selbst in Führungspositionen. Ein Gespräch über einstudierte Posen, die unterschätzte Rolle der Umgebung und darüber, warum sie für Persönlichkeitsporträts keine KI braucht.
/artikel/antje-wolm-portraets-fuehrungskraefte
10.11.2026

Weg von der weißen Wand: Fotografin Antje Wolm darüber, was gute Porträts von Führungskräften auszeichnet

Antje Wolm fotografiert Menschen, die Verantwortung tragen. Bevor die gebürtige Berlinerin, die heute in Linz wohnt, zur Kamera griff, arbeitete sie selbst in Führungspositionen. Ein Gespräch über einstudierte Posen, die unterschätzte Rolle der Umgebung und darüber, warum sie für Persönlichkeitsporträts keine KI braucht.
/artikel/antje-wolm-portraets-fuehrungskraefte
Antje Wolm | (c) Mark von Wardenburg

Dieser Text ist zuerst im brutkasten-Printmagazin von August 2026 „Aufbrechen„ erschienen


Ob für das LinkedIn-Profil oder die Unternehmenswebsite: Das Porträtfoto ist oft der erste Eindruck, den eine Führungskraft hinterlässt. Trotzdem zeigen viele dieser Bilder vor allem eine einstudierte Pose. Antje Wolm geht es dagegen, wie sie selbst sagt, „nicht um Inszenierung, sondern um Substanz“. Sie fotografiert Führungskräfte, Unternehmer:innen und Personenmarken, neben Oberösterreich unter anderem in Wien, Berlin und München. Ihr eigener Hintergrund liegt in der Wirtschaft, in der Welt der Zahlen und Prozesse. Bei ihren Shootings setzt sie auf Zeit, auf Fragen im richtigen Moment und auf Orte, die zur Person passen. Mit brutkasten hat sie darüber gesprochen, was ein gutes Porträt ausmacht.


brutkasten: Warum zeigen Bilder von Führungskräften so selten die tatsächliche Person?

Viele haben im Kopf, dass ein Foto ein konservatives Abbild sein muss. Sie haben gar nicht das Gefühl, dass man durch ein Foto auch Persönlichkeit zeigen kann. Dabei kann ein Bild unheimlich viel transportieren statt einfach nur ein Gesicht, zwei Augen und eine Nase.

Vor der Kamera stehen sonst souveräne Menschen…

Die meisten, die zu mir kommen, führen Teams. Vor der Kamera ist plötzlich nichts mehr mit Routine; da sind die selbstsichersten Menschen unsicher und wissen nicht, wohin mit den Händen. Puls und Herzschlag steigen, und dann übernehme ich die Führung. Das, was diese Menschen sonst im Unternehmen machen, ist in dem Moment meine Aufgabe.

Wie löst du jemanden von den einstudierten Posen?

Man fordert ihn auf, komplett aus seiner Komfortzone zu kommen. In der Interviewsituation davor schaue ich zu, wie jemand sitzt, wie er die Beine verschränkt, wie er agiert. Und dann merkt man, dass er die Pose vor der Kamera sonst überhaupt nicht einnimmt.

Wie kommst du zu einem authentischen Bild?

Deswegen ist die Zeit so wichtig – irgendwann kann man sich nicht mehr verstellen. Manche schaffen es überhaupt nicht, wirklich authentisch zu schauen. Dann stelle ich Fragen und drücke in dem Moment ab, in dem eine bestimmte Emotion im Gesicht ist. Es geht um diese Zwischenmomente.

Welche Rolle spielt die Umgebung?

Eine ziemlich große – sie wird oft unterschätzt. Am besten fotografiert man dort, wo sich jemand gern bewegt; an einem Ort, der ihn in seiner Art widerspiegelt. Jemanden aus einem aufgeräumten, cleanen Büro würde ich nicht in einer Startup-Umgebung fotografieren. Das Umfeld sagt viel über einen Menschen aus.

Was rätst du für das nächste LinkedIn-Bild?

Weg von der weißen Wand – man soll ein bisschen Raum spüren, nicht nur dieses passbildähnliche Foto. Und gerne das anziehen, was man normalerweise trägt, nicht die typische Krawatte und den Anzug. Gute Bilder zeigen nicht nur ein Gesicht, sondern Haltung, Wirkung und ob du wirklich bei dir bist.

Was hältst du von KI-generierten Porträts?

Ich finde KI prinzipiell okay, das kann jeder machen, wie er glaubt. Aber in dem Bereich, wo man Persönlichkeit zeigt, finde ich sie nicht notwendig. Für mich zählt der Mensch; wer du bist, wenn du einfach mal nur du bist.

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.