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:
02.10.2026

„Results matter“ statt Russmedia: RM Equity Partners mit 500 Mio. Euro Assets under Management wird unabhängig

Bis vor kurzem Teil der Vorarlberger Russmedia-Gruppe, ging RM Equity Partners mit Sitz in Liechtenstein komplett in den Besitz von Eugen Benedikt Russ, Chris Wittlinger und Nicola Szekely über. Die Private-Equity-Gesellschaft ist auf Mehrheitsübernahmen spezialisiert und investiert dabei bis zu 250 Millionen Euro pro Beteiligung.
/artikel/results-matter-statt-russmedia-rm-equity-partners-mit-500-mio-euro-assets-under-management-wird-unabhaengig
02.10.2026

„Results matter“ statt Russmedia: RM Equity Partners mit 500 Mio. Euro Assets under Management wird unabhängig

Bis vor kurzem Teil der Vorarlberger Russmedia-Gruppe, ging RM Equity Partners mit Sitz in Liechtenstein komplett in den Besitz von Eugen Benedikt Russ, Chris Wittlinger und Nicola Szekely über. Die Private-Equity-Gesellschaft ist auf Mehrheitsübernahmen spezialisiert und investiert dabei bis zu 250 Millionen Euro pro Beteiligung.
/artikel/results-matter-statt-russmedia-rm-equity-partners-mit-500-mio-euro-assets-under-management-wird-unabhaengig
Die drei Partner von RM Equity Partners (v.l.) Nicola Szekely, Eugen Benedikt Russ und Chris Wittlinger | (c) RM Equity Partners
Die drei Partner von RM Equity Partners (v.l.) Nicola Szekely, Eugen Benedikt Russ und Chris Wittlinger | (c) RM Equity Partners

Rund 50 Digital-Unternehmen mit etwa 600 Mitarbeiter:innen und mehr als 400 Millionen weltweiten Nutzer:innen – das ist das Portfolio der Liechtensteiner Private-Equity-Gesellschaft RM Equity Partners. Insgesamt hält diese eine halbe Milliarde Euro Assets under Management (AuM). Bekannte Portfolio-Unternehmen sind etwa die Outdoor-Plattform Bergfex aus Graz oder die deutsche Motorrad-Tour-App Calimoto.

Neue Bedeutung für zwei Buchstaben

Bis vor kurzem war die Gesellschaft Teil der Vorarlberger Russmedia-Gruppe, wie auch die zwei Buchstaben im Namen verraten. Nun befindet sich das PE-Unternehmen komplett im Besitz der drei Partner Eugen Benedikt Russ, Chris Wittlinger und Nicola Szekely. Somit bleibt es freilich zu einem Teil in der Vorarlberger Unternehmerfamilie Russ, die hinter Russmedia steht. Das RM bleibt als etablierter Name erhalten. Mit dem Slogan „Results matter“ bekommt es eine neue Bedeutung.

„Was das Team im vergangenen Jahrzehnt aufgebaut hat, macht uns stolz – und das ist erst das Fundament. Als völlig unabhängiges Unternehmen liegt unser Fokus nun ganz auf der Zukunft: der partnerschaftlichen Zusammenarbeit mit Unternehmern und dem Aufbau beständiger, digitaler Unternehmen“, kommentiert Russ in einer Aussendung.

Bis zu 250 Millionen Euro pro Beteiligung

Die drei Partner investieren über die Gesellschaft ausschließlich eigenes Kapital und fokussieren klar auf Mehrheitsübernahmen und langfristige Beteiligungen. Bei einem Einzeldeal können nach Unternehmensangaben bis zu 150 Millionen Euro fließen, für eine Beteiligung insgesamt bis zu 250 Millionen. Dabei definiert RM Equity Partners klare Anforderungen, die auch auf der Website abzulesen sind: Das übernommene Unternehmen muss Marktführer oder starker Zweiter in seinem Segment sein und ein EBITDA über fünf Millionen Euro bzw. einen Nettoumsatz über 20 Millionen Euro vorweisen.

Gleichzeitig geben die Partner ihrerseits drei Versprechen: Kommt ein Unternehmen für einen Deal in Frage, bekomme es einen ersten Call innerhalb von 48 Stunden, eine konkrete Antwort innerhalb von sieben Tagen und, wenn ein Deal zustande kommt, dessen Abschluss innerhalb von acht Wochen. „Wenn es uns gefällt, sagen wir ja. Wenn nicht, sagen wir schnell nein. Hinter uns steht kein Investmentkomitee, und zwischen uns stehen keine Berater“, so die Partner auf der Homepage.

Zuletzt Verkauf von Alpy.com

Nach der Übernahme restrukturiere man dann nicht, aber unterstütze in jenen Bereichen, in denen man Expertise habe. Wiewohl RM Equity Partners als PE-Gesellschaft im Gegensatz zu einer VC-Gesellschaft nicht Exit-getrieben ist, sind auch Verkäufe übrigens keineswegs ausgeschlossen. Brutkasten berichtete erst im August vom Verkauf der Beteiligung Alpy.com. Es war der zweite Exit für die Gesellschaft in diesem Jahr.

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.