29.06.2021

craftworks: Diese Vorteile bietet die neue Managed KI-Plattform „navio“ für Unternehmen

Das Wiener Softwareunternehmen craftworks hat die Managed KI-Plattform navio entwickelt, die zum Erstellen, Verwalten, Überwachen und Bereitstellen von Machine-Learning-Modellen dient. navio soll noch 2021 auf dem Microsoft Azure Marketplace zur Verfügung stehen.
/artikel/craftworks-navio
Craftworks
(c) Craftworks
sponsored

Ungeplante Ausfälle schaden jedem Unternehmen: Defekte Geräte und stillstehende Maschinen bedeuten hohe Kosten, die sich auf alle Bereiche der Produktion auswirken. Reklamationen von fehlerhaften Chargen führen zu administrativem Mehraufwand und Zeitverlust. Moderne, mit Künstlicher Intelligenz betriebene Lösungen bieten die automatisierte Überwachung und Überprüfung von Maschinen auf ihre Leistungsfähigkeit und ihren Betrieb. So wissen Unternehmen schon im Voraus, wann die Betriebsdauer sich dem Ende zuneigt oder eine Produktion Fehler aufweisen könnte – und wie sie dem entgegenwirken können.

craftworks bietet Problemlösung an

Bei der Entwicklung von diesen Machine Learning-Modellen sind zahlreiche Kompetenzen gefragt. Der Prozess besteht aus mehreren Schritten, bei denen unterschiedliche Akteur:innen oft voneinander abhängig sind. So kommt es schnell zu Verzögerungen, bis das finale Modell für den Einsatz bereit ist. Ein Problem, das craftworks aus der Praxis kannte und mit einer innovativen Managed-KI-Plattform lösen möchte. Um für eine effizientere Prozessoptimierung durch intelligente und voraussehende Qualitätskontrolle und Wartung (Predictive Quality und Predictive Maintenance) zu sorgen, hat das österreichische Unternehmen die Plattform navio entwickelt. Für die Umsetzung fiel die Wahl auf Microsoft Azure, da die Plattform in der Industrie weitestgehend etabliert ist.

Die Anfänge von navio

craftworks ist seit seiner Gründung im Jahr 2014 bestrebt, die Grenzen in der Softwareentwicklung und künstlicher Intelligenz (KI) zu verschieben. Ohne fremdes Kapital ist das Unternehmen inzwischen zu einem Team von 29 Mitarbeiter:innen mit Sitz in Wien gewachsen. Insgesamt 23 Engineers und Scientists im Bereich Software und Data arbeiten an Lösungen, die die Effizienz der Kunden zu steigern. 

„Als Softwareunternehmen, das sich auf kundengerechte KI-Lösungen für die Industrie spezialisiert hat, hatten wir selbst den Bedarf für navio. Wir arbeiten immer in enger Kooperation mit unseren Kunden. Wir selbst waren mit Software-Engineers konfrontiert, die auf die Ergebnisse von Data Scientists warten mussten, um ihre Arbeitspakete abschließen zu können“, erklärt Simon Grabher, CEO von craftworks die Motivation hinter der neuen Lösung.

So funktioniert navio

Mit navio geht der Betrieb für alle Beteiligten fließend weiter: Software-Engineers können bereits ein Basismodell erstellen und es in den Testbetrieb übergeben, während Data Scientists noch das endgültige Modell trainieren und optimieren. Nach dem Einsatz können Kunden die Modelle direkt in die Produktion bringen, diese überwachen und die Modelle selbst austauschen oder sogar neu trainieren. Das wiederum sorgt nicht nur für eine Steigerung der Geschwindigkeit, sondern auch für Kostenreduktion im Tagesgeschäft.

Konkreter Use-Case: Automobil-Industrie

Die Plattform kann beispielswiese bei der Herstellung von Autoteilen eingesetzt werden: Hier kommt es zur Effizienzsteigerung durch Qualitätskontrolle durch visuelle Inspektion. Beim Zusammenfügen von Metallteilen werden 10.000 Bilder von Kameras ins System eingespeist. Künstliche Intelligenz analysiert anschließend, wie viel Kleber benutzt werden muss und wie die Teile korrekt zusammengesetzt werden. Etwaige Abweichungen werden bereits während des Fertigungsprozesses signalisiert. Produktionsmitarbeiter:innen können rechtzeitig eingreifen und das Modell lernt dazu. Fehlerhafte Chargen verlassen nicht die Fabrik und Reklamationen werden vermieden. Nach demselben Prinzip können Machine Learning Modelle auch dazu trainiert werden, verschiedene Holzarten – sowie die effizienteste Verarbeitung davon – zu erkennen.

Zusammenspiel zwischen Mensch und Maschine

Der Einsatz von Künstlicher Intelligenz für Software-Lösungen erfreut sich steigender Popularität, vor allem in der herstellenden Industrie. Ein zusätzlicher Faktor ist das wachsende Vertrauen in neuen Technologien – ein Muss, um die langfristige Anwendung ohne Vorbehalte zu ermöglichen.

Die Plattform navio bietet deshalb einen integrierten Explainability-Part: Im Zusammenspiel zwischen Mensch und Maschine wird Anwender:innen jederzeit die Möglichkeit gegeben, in den Prozess einzugreifen und den Learning-Prozess somit zur Zufriedenheit der menschlichen Komponente zu beeinflussen. Die Plattform erklärt, warum es zu Fehlern kommt, wo dies geschieht – und wie man sie verhindern kann.

Craftworks
(c) Craftworks

craftworks arbeitet mit Microsoft zusammen

Die Usability für Anwender:innen steht laut craftworks nicht von Ungefähr an erster Stelle bei den Entwicklungen des Wiener Software-Unternehmens. Deswegen vertraut das Unternehmen auf Microsoft, um Kunden seine Expertise in Machine Learning und KI mit einem Höchstmaß an Sicherheit und Skalierbarkeit zur Verfügung zu stellen. 

„Neben Managed Kubernetes und hoher Rechenleistung sind für das Machine Learning auch enorme Grafikleistungen von Nöten. Die meisten Kunden in der Industrie und in anderen Bereichen arbeiten mit Microsoft Azure, da Unternehmen dort alles Nötige geboten wird, wenn man nicht sein eigenes Rechenzentrum betreiben möchte“, sagt Jakob Lahmer, CTO von craftworks. „Deshalb vertreten wir den Standpunkt, dass der Weg auch in Zukunft immer weiter in Richtung Cloud und den sich dort bietenden Möglichkeiten gehen wird.“

navio soll noch 2021 auf dem Microsoft Azure Marketplace und als „navio on edge“ verfügbar gemacht werden. Zudem ist für Anfang 2022 eine Software-as-a-Service-Lösung geplant, um die Verfügbarkeit der Plattform weiter zu maximieren und Kunden damit die bestmögliche User Experience zu bieten.


Deine ungelesenen Artikel:
05.08.2026

„Der Transfer ist das Schwierigste“: Ex-BMW Tech-Scouting-Leiter Frank Möbius über Technologie-Früherkennung

Technologie-Trends zu erkennen ist heute einfach, sie ins Kerngeschäft zu übersetzen bleibt die eigentliche Hürde. Frank Möbius hat BMWs Tech-Früherkennung sechs Jahre verantwortet und erklärt im brutkasten-Gespräch, woran der Transfer scheitert und wie er gelingt.
/artikel/der-transfer-ist-das-schwierigste-ex-bmw-tech-scouting-leiter-frank-moebius-ueber-technologie-frueherkennung
05.08.2026

„Der Transfer ist das Schwierigste“: Ex-BMW Tech-Scouting-Leiter Frank Möbius über Technologie-Früherkennung

Technologie-Trends zu erkennen ist heute einfach, sie ins Kerngeschäft zu übersetzen bleibt die eigentliche Hürde. Frank Möbius hat BMWs Tech-Früherkennung sechs Jahre verantwortet und erklärt im brutkasten-Gespräch, woran der Transfer scheitert und wie er gelingt.
/artikel/der-transfer-ist-das-schwierigste-ex-bmw-tech-scouting-leiter-frank-moebius-ueber-technologie-frueherkennung
Frank Möbius (links) | (c) BMW Group

Knapp 30 Jahre war Frank Möbius bei BMW. Zuletzt leitete er in der Konzernforschung den Bereich Technologiemanagement und -prognose und koordinierte das weltweite Netzwerk der BMW Technology Offices vom Silicon Valley bis Tokio. Seit 2023 gibt er seine Erfahrung als Senior Innovation Advisor bei der UnternehmerTUM GmbH in München, Europas größtem Gründerzentrum, weiter. Im Interview erklärt er, wie systematische Technologie-Früherkennung funktioniert, warum die meisten Unternehmen am Transfer der daraus gewonnenen Erkenntnisse scheitern und wie KI die Tech-Trenderkennung vereinfacht hat.


brutkasten: Sie waren fast 30 Jahre bei BMW. Wie sind Sie dort zum Thema Innovation gekommen?

Frank Möbius: Ich habe an der Uni Stuttgart Maschinenbau, Fachrichtung Fahrzeugtechnik studiert und nach dem Diplom Anfang 1990 meinen ersten Job bei der Lufthansa Technik in Frankfurt gefunden. Dort durfte ich die damals neuartigen stangenlosen Flugzeugschlepper mitentwickeln und 1992 den neuen Flughafen München damit ausrüsten – meine erste Berührung mit Innovationen und ihrer Einführung im Massengeschäft. Ich verließ die Lufthansa nach ein paar Jahren, um an der Uni Kaiserslautern über Robotik zu promovieren. Nach der Promotion kam ich 1996 zu BMW, meiner Wunschfirma in meiner Wunschstadt. Dort konnte ich viele unterschiedliche Funktionen übernehmen: erst arbeitete ich vier Jahre im Versuchsfahrzeugbau, dann vier Jahre im Personalwesen, ein lehrreicher “Side Step” für einen Ingenieur!

(c) BMW Group

Mitte 2004 durfte ich eine Abteilung für Vorentwicklung und Innovationsmanagement im Bereich Antriebsproduktion übernehmen. Daraus entstand meine Rolle im damals neuen elektrifizierten Antrieb für BMW – von der strategischen Inhouse-Entscheidung und fachlichen Befähigung der Firma bis zur Großserie: über zehn Jahre lang war ich für die Industrialisierung und später Entwicklung von Hochvoltbatterien verantwortlich, vom ersten A-Muster mit einem sehr kleinen Team bis zu 100 Mitarbeitenden. 2017 bin ich schließlich in die Forschung gewechselt und habe dort das Team “Technologiemanagement und -prognose” übernommen, das später in die Einheit “Open Innovation” integriert wurde.

Was macht so eine Open-Innovation-Einheit in einem Konzern konkret?

Mit Open Innovation Methoden erkennt und verwertet man frühzeitig innovative Signale und Trends, die außerhalb der eigenen Unternehmensgrenzen stattfinden. Wir schauen bewusst in Branchen jenseits des Automobilbaus: Consumer Electronics, Luft- und Raumfahrt, Medizin, Computing, Biomaterialien, etc. Immer mit der Frage im Hinterkopf: Was können wir davon für das eigene Kerngeschäft nutzen? Konkret: Technologische Trends aus der Cross-Industrie frühzeitig erkennen, verstehen, bewerten, ein Proof-of-Concept-Projekt durchführen, z. B. mit einem Startup, einer Uni, einem Fraunhofer-Institut, etc. und diese Ergebnisse dann in die Firma für die eigenen Produkte, Services und Prozesse transferieren.

(c) BMW Group

BMW hat dafür eine eigene Abteilung aufgebaut. Wie hängen die einzelnen Bausteine zusammen?

2015 wurde die Technologie-Früherkennung mit dem Technologie-Trendradar ins Leben gerufen, fast gleichzeitig wurde die BMW Startup Garage gegründet. Das Radar ist zunächst ein Visualisierungs- und Kommunikationstool: wir platzieren die erkannten Technologien nach Kategorien und Reifegraden, um frühzeitig aufzeigen zu können, was sich technologisch weltweit tut. Aber diese Erkenntnisse stehen erstmal nur auf dem Papier. Entscheidend ist nach Bewertung und Priorisierung die Verwertung dieser Erkenntnisse, der sogenannte Transfer. Dieser erfolgt dann oft mit Startups.

Hier kommt die BMW Startup Garage zum Einsatz. Sie betreibt Venture Clienting, d. h. sie investiert nicht, sondern scoutet im Netzwerk der internationalen BMW Tech Offices die besten Startups und koordiniert Innovationsprojekte mit den betroffenen BMW-Fachbereichen, die meist das Budget dafür stellen. Diese Startups müssen schon reifer sein, also ein stabiles Team, eine robuste Finanzierung, ein fertiges Produkt – ggf in anderen Branchen – und am besten schon erste Kunden haben. Das Ziel dabei ist immer, dass das Startup ein regulärer Lieferant für BMW werden kann, wir nennen das  “startup as a supplier”. Erst wenn die Lösung des Startups wirklich bei BMW zum Einsatz kommt – in Produkt, Service oder Prozess -, entsteht Impact!

Daneben gibt es das Team BMW iVentures als klassischer Risikokapital-Investor, der ebenfalls über das BMW Tech Office Netzwerk auch in ganz frühphasige Startups investiert. Außerdem gehört dazu ein BMW-interner Incubator und eine Crowd Innovation Plattform.

Wie läuft systematische Tech-Trenderkennung bzw. Tech-Scouting im Alltag ab?

Es gibt vier Prozessschritte: Scouten und Strukturieren, Diskutieren und Bewerten, Visualisieren und Vorbereiten und dann der Transfer in die passenden BMW-Fachbereiche und die dortige Umsetzung. Den ersten Schritt haben früher Mitarbeitende und Werkstudierende gemacht, heute erledigen das maßgeschneiderte KI-Agenten. Für den zweiten Schritt braucht man die Experten: Fachleute von intern und extern. Ggf wird zu einem bestimmten Tech-Trend eine Studie erstellt. Für den dritten Schritt sitzt man in Workshops zusammen und erarbeitet einen Vorschlag für das nächste Trendradar und mögliche Scouting- oder Prototypen-Projekte. Von einer Liste mit über hundert Themen bleiben dann vielleicht vierzig übrig, die auf das Trendradar kommen und fünf, die dann tiefergelegt werden.

(c) BMW Group

Und dann kommt der Teil, an dem viele scheitern.

So ist es! Die ganzen modernen Technologien und Trends kann man heute recht einfach im Netz recherchieren, Generative AI hilft dabei. Das Entscheidende aber ist am Ende: Was leitet das Unternehmen daraus ab? Nur neues Wissen, eine Produktverbesserung oder gleich ein neues Geschäftsmodell? Einfacher gesagt: was mache ich damit morgen besser als heute? Das ist das Schwierige, der Transferprozess. Dieser hat inhaltliche, strukturelle, finanzielle aber auch menschliche Aspekte. Der Transfer einer neuen, erstmal riskanten Technologie aus einer anderen Branche in die eigene Firma ist oft schwierig. Auch bei BMW hat es ein paar Jahre gedauert, bis erste Erfolge kamen und das Vorgehen akzeptiert war.

Was ist das Rezept, damit es funktioniert?

Man holt die Personen, die später die Erkenntnisse umsetzen sollen, frühzeitig in den Prozess mit hinein. Sie dürfen die Startups mit bewerten, sie erfahren sofort, wenn eine neue Technologie für ihren Fachbereich tiefergelegt werden soll, diese wird dann gemeinsam bewertet. Dafür gibt es in der BMW Startup Garage für jedes Ressort einen konkreten Schnittstellenpartner. Dann geht man gemeinsam in den betroffenen Fachbereich, organisiert die Ressourcen und plant das Projekt, damit das Startup den Prototypen bauen kann. Wichtig: für das Startup-Projekt wird oft das Geld des späteren Fachbereichs verwendet. Das erzeugt zusätzliches Commitment! Und das Zweite ist die Hierarchie: Wenn Du einen Bereichsleiter oder Geschäftsführer hast, der voll hinter Open Innovation steht und auch mal in oberen Etagen politisch unterstützt, dann funktioniert es deutlich besser, auch in Krisenzeiten mit Budgetknappheit.

(c) BMW Group

Was raten Sie einem Unternehmen, das ohne viel Budget mit Technologiemanagement starten will?

Man muss nicht gleich zehn Leute einstellen. Oft genügt erstmal eine Person mit den nötigen Ressourcen und Befugnissen, dazu evtl. einen Studierenden und ein paar Teilkapazitäten in den relevanten Fachbereichen als Unterstützung. Ggf hilft am Anfang auch eine externe Trendagentur oder ein passender Toolanbieter. KI-Kenntnisse sind wichtig, um einen KI-Agenten nutzen oder einen eigenen aufbauen zu können. Ein gutes, internationales Netzwerk in alle relevanten Industrien ist ebenso wichtig, denn inzwischen betreiben die meisten großen Firmen Technologie-Früherkennung im Rahmen von Corporate Foresight, man kann von ihnen lernen und Best Practices übernehmen. Ich habe aus meinen über 6 Jahren in dieser Rolle eine Liste mit den zehn wichtigsten Lessons Learned zusammengeschrieben. Da steht alles drin, was man braucht, man muss es halt nur noch machen.

Was machen Sie heute bei UnternehmerTUM?

UnternehmerTUM hat drei Zielgruppen: Talente, Startups und Unternehmen – vom großen  Corporate und Mittelstand bis zum Familienunternehmen. Meine Hauptarbeit liegt in der Innovationsberatung, wo ich meine BMW-Erfahrung einbringen kann. Daneben bin ich Startup-Mentor, halte Vorlesungen, unterstütze die Internationalisierung der UnternehmerTUM und betreue Delegationen. Und ich baue gerade einen KI-gestützten Technologie-Trendradar-Prozess für die UnternehmerTUM, die TUM Venture Labs und ihre Partner und Kunden auf. Der ist nochmal deutlich umfangreicher als ein Radar für die Automobilindustrie. Wir haben dafür einen KI-Agenten gebaut, der weltweit schwache Tech-Signale erkennt, also Technologien, die noch kein messbarer Trend sind. Diesen KI-Agenten trainiere ich täglich. Gerade für Mittelständler und Familienunternehmen ist das sehr hilfreich, weil sie in der Regel nicht das Netzwerk und die Möglichkeiten großer Firmen haben.

(c) BMW Group

Gibt es ein Beispiel aus Ihrer BMW-Zeit, das zeigt, was Open Innovation bewirken kann?

Aus der Tech-Trenderkennung und der Startup-Arbeit wurden in den letzten Jahren schon viele Projekte zu Quantum Computing, Fahrzeug-Satelliten-Kommunikation, Gesundheitsdaten-Monitoring im Fahrzeug, Panorama-Displays, In-Car-Gaming u.v.m. erfolgreich transferiert. Einiges davon ist schon im Auto zu erleben, manches wird noch kommen. Mein Lieblingsbeispiel ist das farbwechselnde Auto: keine klassische Trenderkennung, aber ein erfolgreicher Cross-Industry-Transfer und vielleicht sogar ein Trendsetter! Eine Mitarbeiterin von mir hatte vor vielen Jahren die mutige Idee, die Display-Funktionen eines E-Readers aufs Auto zu übertragen. Sie hat sich die E-Ink-Panels besorgt, einen Prototypen entwickelt und damit nach vielen Experimenten mit einigen Helfern den BMW iX Flow aufgebaut – übrigens anfangs im MakerSpace der UnternehmerTUM. Mit diesem Auto war sie mit BMW 2022 in der Schwarz-Weiß-Version und ein Jahr später mit dem BMW i VISION Dee in der Farbversion mit großem Erfolg auf der CES in Las Vegas: The Color-Changing Car! Das ist für mich der perfekte Cross-Industry-Transfer: Ich übertrage eine erfolgreiche Technologie aus einer Industrie in eine völlig andere und habe einen Nutzen daraus. Ob das in irgendeiner Form mal in Serie kommt? Wer weiß …

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

craftworks: Diese Vorteile bietet die neue Managed KI-Plattform „navio“ für Unternehmen

AI Kontextualisierung

Welche gesellschaftspolitischen Auswirkungen hat der Inhalt dieses Artikels?

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

craftworks: Diese Vorteile bietet die neue Managed KI-Plattform „navio“ für Unternehmen

AI Kontextualisierung

Welche wirtschaftlichen Auswirkungen hat der Inhalt dieses Artikels?

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

craftworks: Diese Vorteile bietet die neue Managed KI-Plattform „navio“ für Unternehmen

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 …

craftworks: Diese Vorteile bietet die neue Managed KI-Plattform „navio“ für Unternehmen

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 …

craftworks: Diese Vorteile bietet die neue Managed KI-Plattform „navio“ für Unternehmen

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 …

craftworks: Diese Vorteile bietet die neue Managed KI-Plattform „navio“ für Unternehmen

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 …

craftworks: Diese Vorteile bietet die neue Managed KI-Plattform „navio“ für Unternehmen

AI Kontextualisierung

Wer sind die relevantesten Personen in diesem Artikel?

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

craftworks: Diese Vorteile bietet die neue Managed KI-Plattform „navio“ für Unternehmen

AI Kontextualisierung

Wer sind die relevantesten Organisationen in diesem Artikel?

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

craftworks: Diese Vorteile bietet die neue Managed KI-Plattform „navio“ für Unternehmen