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:
29.09.2026

Nach Braintribe: Stefan Ebner präsentiert KI-Startup Tribe.One

Nach zwei Jahren Entwicklungszeit feiert der österreichische Gründer Stefan Ebner den Soft-Launch seines neuen Startups Tribe.One. Das Unternehmen will mit KI-basierten „Entities" eine Co-Organisation für Führungsetagen etablieren. Begleitet wird der Start vom "Co-lab", einem Ort in Wien für Fokus, Schulungen und Austausch.
/artikel/nach-braintribe-stefan-ebner-praesentiert-ki-startup-tribe-one
29.09.2026

Nach Braintribe: Stefan Ebner präsentiert KI-Startup Tribe.One

Nach zwei Jahren Entwicklungszeit feiert der österreichische Gründer Stefan Ebner den Soft-Launch seines neuen Startups Tribe.One. Das Unternehmen will mit KI-basierten „Entities" eine Co-Organisation für Führungsetagen etablieren. Begleitet wird der Start vom "Co-lab", einem Ort in Wien für Fokus, Schulungen und Austausch.
/artikel/nach-braintribe-stefan-ebner-praesentiert-ki-startup-tribe-one

In der heimischen Startup-Landschaft hat sich Stefan Ebner längst einen Namen gemacht. Er gründete das Datenunternehmen Braintribe, eröffnete später unter anderem den Co-Creation-Space Tribe.Space, launchte die Co-Creation-Plattform Tribe.Land oder das KI-WealthTech-Unternehmen WeR. Nun meldet er sich mit seinem neuesten Projekt Tribe.One zurück, das laut Ebner eine „dritte Welle der KI“ einläuten soll, nach den Sprachmodellen (LLMs) und den KI-Agents.

Von Agents zur Co-Organisation

Agents hätten sich zwar wie ein „Super Personal Assistant“ angefühlt, seien aber nie etwas gewesen, was eine Organisation wirklich aufnehmen könne, argumentiert Ebner. Tribe.One setzt deshalb eine Schicht über den Agents an: „Ich glaube, die nächste Welle wird das sein, was wir Co-Organisation nennen“, erklärt der Gründer. Gemeint ist ein neues Operating Model, in dem Mensch und KI den Output gemeinsam nutzbar machen. Damit richtet sich die Lösung vor allem an CEOs, CFOs und CMOs, denn: „Die meisten KI-Projekte scheitern nicht an der Technik, sondern an der Organisation“, so Ebner.

Digitale Counterparts für die Führungsebene

Kern des Ansatzes sind sogenannte „Entities“, die auf Tribe.Ones Plattform Gzero laufen. Führungskräfte erhalten darüber ein digitales Gegenüber, etwa einen Co-CEO oder Co-CFO. Dieses kennt das Unternehmen samt Plänen und OKRs und gibt Aufgaben an Agents weiter, da eine Entity selbst keinen direkten Datenzugriff hat.

Wie das in der Praxis aussieht, zeigt Tribe.One an sich selbst: Dort arbeiten laut Ebner vier menschliche und acht KI-C-Levels zusammen, und die Entities sind schon seit einem Jahr intern im Einsatz. Für Kund:innen soll die Möglichkeit bestehen bereits bestehende Agents mitzubringen und zu integrieren.

Ein Ort für Fokus und Austausch

Ebner verbindet technologische Vorhaben traditionell mit physischen Orten, vom Nachtclub Chaya Fuera bis zum Tribe.Space. Auch Tribe.One bekommt mit dem „Co-lab“ nun einen solchen Ort in Wien. Er ist laut Ebner kein klassischer Coworking-Space, sondern ein Ort für Fokus, Schulungen und Austausch, an dem auch Marketing, Kommunikation und Frühphasen-Projekte stattfinden sollen. Um die Szene zu vernetzen, ist jeden letzten Donnerstag im Monat ein „Open House“ geplant. Die offizielle Eröffnung soll gemeinsam mit dem großen Launch im Jänner erfolgen.

Forschung in Wien, Kapitalmarkt in London

Während Forschung und Entwicklung in Österreich bleiben, gründet Tribe.One in London eine Limited als Co-Headquarter für Markt und Kapital. Ebner selbst pendelt entsprechend zwischen zwei Welten: Zwei Wochen pro Monat verbringt er in Wien mit Forschung und Coding, die übrige Zeit bei Kunden, die er vor allem im DACH-Raum und in UK sieht.

Finanziert hat sich das Unternehmen bisher selbst und macht nach Ebners Angaben „substanzielle Umsätze“. Im ersten oder zweiten Quartal des kommenden Jahres will er nun aber Kapital aufnehmen.

Die Vision dahinter ist ambitioniert: Tribe.One soll zu den Top-5-KI-Firmen Europas gehören, die die neue Welle mitgestalten. Nach dem Soft Launch ist der große Launch für Januar geplant, und bis Jahresende will das Team 10 bis 15 Enterprise-Kunden und ebenso viele Startups onboarden. Ein Tool für Millionen Nutzer soll Tribe.One dagegen ausdrücklich nicht werden.

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.