20.03.2020

Autonomous vehicles: AVL optimizes object recognition in AI

The future of driving is autonomous… But until vehicles reach human-level driving capabilities, AI still has to learn a few things. The Graz-based company AVL is tackling some of these challenges together with the Silicon Valley based technology provider Deepen.AI.
/artikel/deepen-ai-avl
AVL trainiert die AI mit Deepen AI
(c) Adobe Stock / Monopoly919
sponsored

Simply leaning back instead of having to pay attention to traffic: That is the vision of autonomous driving. This is intended not only to make traveling more pleasant for the passengers, but also to make it safer than having one person at the steering wheel, when distractions and human errors are the leading cause of fatalities. Clearly, in order to successfully tackle the driving task, Autonomous Driving  Systems (ADS) must be able to recognize objects, assess situations correctly, and master driving skills.

+++How software helps to reduce human driving errors+++

This process takes place in several stages. In the first phase, the object detection must determine where an object is located at all. In the second step, a detected object is then classified: It is determined whether it is, for example, a vehicle, an adult, a child or an animal – because a child behaves differently from an adult, for example. Finally, the system must carry out the so-called “tracking”. This involves analyzing where the object was in the past and where it is now – in order to draw conclusions about where the object will probably be next.

Separating the data wheat from the data chaff

Self-driving cars use data from various sensors installed in the vehicle – such as cameras or LiDAR sensors, which measure the distance between the objects and the car. These sensors produce countless amounts of data – and it is precisely this data that must be correctly classified so that the AI can identify which part of it is relevant to safety and which is not.

This is where the Silicon-Valley company Deepen.AI comes into play. Deepen has developed technology for better detection and segmentation of object data in road traffic in cooperation with AVL, based in Graz. First results of this cooperation were presented at the CES 2020 in Las Vegas.

PoC with AVL for the future of autonomous driving

Deepen.AI, founded by three former Google employees, is about the aforementioned challenge of providing ADSs a correct understanding of the world surrounding them. To achieve this, AI needs some human help in order to be effectively trained to make correct inferences. That’s why, in addition to its 17 full-time employees, Deepen.AI works with around 250 people in India who clean up the data collected by the sensors and teach AI to recognize things: For example, they mark when the AI has overlooked a side mirror on a car or misclassified objects. “These data analysts clear up doubts that the AI has about some objects,” explains Mohammad Musa, Co-Founder and CEO of Deepen.AI: “They help with classification and calibration.”

This very deep focus on data integrity is also the context of the PoC developed jointly with AVL. “It is important for AVL to have correctly annotated data at pixel and point level,” explains Thomas Schlömicher, Research Engineer ADAS at AVL. Ideally, the cooperation should result in a complete “Data Intelligence Pipeline”, which will be used by AVL’s numerous B2B customers to annotate their data and thus jointly shape the future capabilities of autonomous driving.

 “Safety Pool” as next step after PoC

“Together” is also the keyword behind the joint goal that the partners want to pursue after the successful PoC. One big challenge affecting the industry is that the various car manufacturers are currently pursuing different paths, each one using its own proprietary approach. “But the industry needs standards,” says Musa: “That is the basis for everyone to trust the safety of the systems.”

Therefore, “Safety Pool™, (www.safetypool.ai) a project led by Deepen and the World Economic Forum, has the goal to define quantified benchmarks and uniform descriptions of driving situations, which will then serve not only as standards for the industry, but also as a solid backbone to derive consensus-driven safety assessments and frame regulations. This will bring society one significant step closer to benefitting from the revolutionary capabilities of automated driving technologies.

Video-Talk with AVL and Deepen AI

==> Deepen AI

==> AVL Creators Expedition

Redaktionstipps
Deine ungelesenen Artikel:
19.11.2024

Lanbiotic: Grazer Startup entwickelt Pflegeprodukte für Neurodermitis und expandiert

Das Grazer Startup Lanbiotic hat es geschafft, seit Gründung jedes Jahr profitabel zu sein. 2024 wird das Umsatzziel voraussichtlich verdoppelt. Co-Founderin Katrin Wallner berichtet von neuen Produkten, Expansionsplänen und der Unterstützung durch die Austria Wirtschaftsservice (aws).
/artikel/lanbiotic-grazer-startup-entwickelt-pflegeprodukte-fuer-neurodermitis-und-expandiert
19.11.2024

Lanbiotic: Grazer Startup entwickelt Pflegeprodukte für Neurodermitis und expandiert

Das Grazer Startup Lanbiotic hat es geschafft, seit Gründung jedes Jahr profitabel zu sein. 2024 wird das Umsatzziel voraussichtlich verdoppelt. Co-Founderin Katrin Wallner berichtet von neuen Produkten, Expansionsplänen und der Unterstützung durch die Austria Wirtschaftsservice (aws).
/artikel/lanbiotic-grazer-startup-entwickelt-pflegeprodukte-fuer-neurodermitis-und-expandiert
Lanbiotic, Neurodermitis
(c) Oliver Wolf - Patrick Hart und Katrin Susanna Wallner von Lanbiotic.

Das Grazer Startup Lanbiotic stellt medizinische Hautpflege-Produkte mit lebensfähigen Bakterien speziell für die von Neurodermitis geplagte Haut her. Dabei verwenden die beiden Gründer:innen Patrick Hart und Katrin Wallner den zum Patent angemeldeten Bakterienstamm “Lactococcus Lanbioticus“.

Lanbiotic: “Skalierung als neue Normalität”

“Mit unseren probiotischen Hautanwendungen bringen wir gesundheitsfördernde Bakterien direkt auf die Haut, um die natürliche Balance des Hautmikrobioms wiederherzustellen und Hautprobleme gezielt an der Ursache zu bekämpfen”, erklärt Wallner.

Das letzte Jahr fühlte sich für die Gründerin an, als sei ein Traum nicht nur wahr, sondern sogar übertroffen worden. Andererseits sei es eine “neue Normalität” an der Skalierung des Unternehmens zu arbeiten.

“Wir haben weitere Produkte mit unserem einzigartigen Bakterienstamm ‘Lactococcus Lanbioticus’ entwickelt, um umfassender auf die Bedürfnisse von Menschen mit zu Neurodermitis neigender Haut eingehen zu können. Neu hinzugekommen sind Flora Bath und Flora Sun”, erklärt Wallner.

Flora Bath ist ein spezieller Badezusatz, der für Menschen entwickelt wurde, die großflächig oder an der Kopfhaut von Ekzemen betroffen sind – ein Bereich, in dem Pflegecremen oft an die Grenzen ihrer Praktikabilität stoßen.

“Der Fokus liegt wie immer bei Lanbiotic auf der Ergänzung des Hautmikrobioms, also ‘der lebende Teil’ der natürlichen Schutzbarriere der Haut, die den gesamten Körper bedeckt, mit probiotischen Bakterien”, so Wallner weiter. “Eine Ausgewogenheit des Hautmikrobioms ist, wie auch im Darm, entscheidend, um die Gesundheit der Haut zu bewahren und Beschwerden zu lindern.”

Flora Sun hingegen ist ein weiteres Produkt, das auf die besonderen Herausforderungen empfindlicher Haut unter UV-Strahlung eingeht. Studien hätten gezeigt, dass das Hautmikrobiom die natürliche Fähigkeit der Haut verbessern kann, mit den Effekten – und häufig auch Schäden – durch Sonneneinstrahlung umzugehen.

EHI-Siegel für Onlineshop

“Parallel dazu haben wir auch international expandiert: Der Eintritt in den deutschen Markt war ein großer Schritt, der mit der Anpassung unserer Produktions- und Logistikkapazitäten verbunden war, um langfristig weitere internationale Märkte beliefern zu können. Unser Webshop wurde außerdem mit dem EHI-Siegel zertifiziert, um unseren Kund:innen einen sicheren und vertrauenswürdigen Einkauf zu ermöglichen.”

Auch das Team wuchs 2024, zudem konnte durch zahlreiche Medienauftritte und Messeteilnahmen Aufmerksamkeit für die eigenen Produkte und die Marke gewonnen werden.

“Als weiteres Highlight wurden wir von der Apothekerkammer mit unserer Fachfortbildung akkreditiert, was Apotheker dazu motiviert, unsere Fortbildungen zu besuchen und mehr über das noch recht ‘nischige’ Thema Hautmikrobiom zu erfahren”, sagt Wallner.

Neue Märkte im Fokus

Aktuell arbeitet das Startup intensiv daran, Lanbiotic als Unternehmen und Marke weiterzuentwickeln, strategisch zu positionieren und zu skalieren. Das oberste Ziel ist es, die Lebensqualität von Menschen mit Neurodermitis über ihre mikrobiombasierten Produkte zu verbessern.

“Wir möchten Lanbiotic in weiteren Märkten etablieren, insbesondere natürlich in Ländern, wo die Prävalenz für Neurodermitis hoch ist. Dafür arbeiten wir an effizienten Marketingprozessen, um unsere Markenbekanntheit zu steigern, und bauen unsere Vertriebsstrukturen aus”, erklärt die Founderin. “Um diesen Schritt bestmöglich zu unterstützen, suchen wir gezielt nach vertrauenswürdigen Partnern für den internationalen Vertrieb, die unsere Werte und Qualitätsansprüche teilen. Die Kooperationen sollen es uns ermöglichen, unsere Produkte nachhaltig in weiteren europäischen und außereuropäischen Ländern anzubieten und das Thema Hautmikrobiom international bekannter zu machen.”

Daneben optimiert das Team Produktionsprozesse, um der wachsenden Nachfrage nachkommen zu können. In der Produktentwicklung liegt dabei der Fokus auf der Entwicklung weiterer wissenschaftsbasierten probiotischen Pflegeprodukten, die speziell auf die Bedürfnisse von Menschen mit Neurodermitis und empfindlicher Haut zugeschnitten sind. Dazu steht man intensiv mit Industrie und Spitzenforschung in Kontakt.

Lanbiotic: Strukturen und Prozesse schaffen

Intern sei man vor allem stark mit dem Aufbau der Organisation beschäftigt. Man arbeitet daran, Strukturen und Prozesse zu schaffen, die das Wachstum langfristig stützen können. Ziel sei es, eine gesunde Organisation aufzubauen, die den Expansions- und Innovationszielen gerecht werde und das Unternehmen flexibel in die nächsten Entwicklungsstufen führt.

Lanbiotic wurde in der Vergangenheit unter anderem auch von der Austria Wirtschaftsservice (aws) unterstützt. So absolvierte das Unternehmen den aws First Incubator und erhielt über aws Innovationsschutz eine Förderung, um sein geistiges Eigentum zu schützen. Später folgte eine Preseed- und Seed-Förderung über aws Innovative Solutions. Mit diesem Seed-Förderprogramm unterstützt die aws innovative Gründungsideen, die über die Unternehmensgrenzen hinaus einen positiven gesellschaftlichen Impact bewirken. Der Fokus liegt auf skalierbaren Geschäftsmodellen. Im Fall von Lanbiotic war die Förderung essentiell, um die Produktentwicklung und Markteinführung zu finanzieren und sich allgemein zu professionalisieren.

“Eine bessere Förderung als aws Seed Innovative Solutions könnte es derzeit, meiner Meinung nach, für uns nicht geben”, sagt sie. “Es handelt sich um einen nicht rückzahlbaren Zuschuss von 400.000 Euro, der für unterschiedlichste Aktivitäten in der Markteinführung und Produkteinführung verwendet werden kann. Naturgemäß ist das Programm sehr kompetitiv, aber wenn man für die Finanzierung ausgewählt wird, hat man wirklich einen gewaltigen Booster, um ein nachhaltiges Unternehmen aufzubauen.”

Die weiteren Ziele von Lanbiotic

Im Allgemeinen habe ihnen das Programm bereits jetzt weit mehr gebracht als Geld. “Ich empfand den Bewerbungsprozess per se als wertvolle Erfahrung, um mir unser Business Model noch einmal ganz genau anzusehen und unsere Ziele zu definieren”, präzisiert die Grazerin. “Dass wir sie jetzt so scheinbar ‘locker’ übertreffen konnten, ist natürlich die Draufgabe.”

Durch die positive Resonanz der stetig wachsenden Stammkundenbasis sieht sich Wallner in ihrer Mission bestätigt. “Wir wissen aber auch, dass viele Menschen Lanbiotic noch nicht kennen und Neurodermitis in vielen Ländern nach wie vor ein großes Problem darstellt”, sagt sie. “Daher wollen wir gezielt skalieren, den Umsatz und Gewinn steigern, innerhalb und außerhalb Europas expandieren und unser Produktportfolio weiter diversifizieren.”

In Sachen Umsatzentwicklung wird Lanbiotic 2024 das gesetzte Umsatzziel voraussichtlich verdoppeln, wie Wallner erzählt. “Unser für 2025 gestecktes Ziel ist ambitioniert, aber wir sind zuversichtlich, dass wir hier wieder gute Arbeit leisten. Aktuell haben wir einen sechsstelligen Nettoumsatz erreicht, und dank der Unterstützung durch die aws Seed-Förderung werden wir auch heuer, wie jedes Jahr seit unserer Gründung, noch profitabler sein.”


* Disclaimer: Das Startup-Porträt erscheint in Kooperation mit Austria Wirtschaftsservice (aws)

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

Autonomous vehicles: AVL optimizes object recognition in AI

  • Clearly, in order to successfully tackle the driving task, Autonomous Driving  Systems (ADS) must be able to recognize objects, assess situations correctly, and master driving skills.
  • Self-driving cars use data from various sensors installed in the vehicle – such as cameras or LiDAR sensors, which measure the distance between the objects and the car.
  • Deepen has developed technology for better detection and segmentation of object data in road traffic in cooperation with AVL, based in Graz.
  • “It is important for AVL to have correctly annotated data at pixel and point level,” explains Thomas Schlömicher, Research Engineer ADAS at AVL.
  • Ideally, the cooperation should result in a complete “Data Intelligence Pipeline”, which will be used by AVL’s numerous B2B customers to annotate their data and thus jointly shape the future capabilities of autonomous driving.

AI Kontextualisierung

Welche gesellschaftspolitischen Auswirkungen hat der Inhalt dieses Artikels?

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

Autonomous vehicles: AVL optimizes object recognition in AI

  • Clearly, in order to successfully tackle the driving task, Autonomous Driving  Systems (ADS) must be able to recognize objects, assess situations correctly, and master driving skills.
  • Self-driving cars use data from various sensors installed in the vehicle – such as cameras or LiDAR sensors, which measure the distance between the objects and the car.
  • Deepen has developed technology for better detection and segmentation of object data in road traffic in cooperation with AVL, based in Graz.
  • “It is important for AVL to have correctly annotated data at pixel and point level,” explains Thomas Schlömicher, Research Engineer ADAS at AVL.
  • Ideally, the cooperation should result in a complete “Data Intelligence Pipeline”, which will be used by AVL’s numerous B2B customers to annotate their data and thus jointly shape the future capabilities of autonomous driving.

AI Kontextualisierung

Welche wirtschaftlichen Auswirkungen hat der Inhalt dieses Artikels?

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

Autonomous vehicles: AVL optimizes object recognition in AI

  • Clearly, in order to successfully tackle the driving task, Autonomous Driving  Systems (ADS) must be able to recognize objects, assess situations correctly, and master driving skills.
  • Self-driving cars use data from various sensors installed in the vehicle – such as cameras or LiDAR sensors, which measure the distance between the objects and the car.
  • Deepen has developed technology for better detection and segmentation of object data in road traffic in cooperation with AVL, based in Graz.
  • “It is important for AVL to have correctly annotated data at pixel and point level,” explains Thomas Schlömicher, Research Engineer ADAS at AVL.
  • Ideally, the cooperation should result in a complete “Data Intelligence Pipeline”, which will be used by AVL’s numerous B2B customers to annotate their data and thus jointly shape the future capabilities of autonomous driving.

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 …

Autonomous vehicles: AVL optimizes object recognition in AI

  • Clearly, in order to successfully tackle the driving task, Autonomous Driving  Systems (ADS) must be able to recognize objects, assess situations correctly, and master driving skills.
  • Self-driving cars use data from various sensors installed in the vehicle – such as cameras or LiDAR sensors, which measure the distance between the objects and the car.
  • Deepen has developed technology for better detection and segmentation of object data in road traffic in cooperation with AVL, based in Graz.
  • “It is important for AVL to have correctly annotated data at pixel and point level,” explains Thomas Schlömicher, Research Engineer ADAS at AVL.
  • Ideally, the cooperation should result in a complete “Data Intelligence Pipeline”, which will be used by AVL’s numerous B2B customers to annotate their data and thus jointly shape the future capabilities of autonomous driving.

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 …

Autonomous vehicles: AVL optimizes object recognition in AI

  • Clearly, in order to successfully tackle the driving task, Autonomous Driving  Systems (ADS) must be able to recognize objects, assess situations correctly, and master driving skills.
  • Self-driving cars use data from various sensors installed in the vehicle – such as cameras or LiDAR sensors, which measure the distance between the objects and the car.
  • Deepen has developed technology for better detection and segmentation of object data in road traffic in cooperation with AVL, based in Graz.
  • “It is important for AVL to have correctly annotated data at pixel and point level,” explains Thomas Schlömicher, Research Engineer ADAS at AVL.
  • Ideally, the cooperation should result in a complete “Data Intelligence Pipeline”, which will be used by AVL’s numerous B2B customers to annotate their data and thus jointly shape the future capabilities of autonomous driving.

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 …

Autonomous vehicles: AVL optimizes object recognition in AI

  • Clearly, in order to successfully tackle the driving task, Autonomous Driving  Systems (ADS) must be able to recognize objects, assess situations correctly, and master driving skills.
  • Self-driving cars use data from various sensors installed in the vehicle – such as cameras or LiDAR sensors, which measure the distance between the objects and the car.
  • Deepen has developed technology for better detection and segmentation of object data in road traffic in cooperation with AVL, based in Graz.
  • “It is important for AVL to have correctly annotated data at pixel and point level,” explains Thomas Schlömicher, Research Engineer ADAS at AVL.
  • Ideally, the cooperation should result in a complete “Data Intelligence Pipeline”, which will be used by AVL’s numerous B2B customers to annotate their data and thus jointly shape the future capabilities of autonomous driving.

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 …

Autonomous vehicles: AVL optimizes object recognition in AI

  • Clearly, in order to successfully tackle the driving task, Autonomous Driving  Systems (ADS) must be able to recognize objects, assess situations correctly, and master driving skills.
  • Self-driving cars use data from various sensors installed in the vehicle – such as cameras or LiDAR sensors, which measure the distance between the objects and the car.
  • Deepen has developed technology for better detection and segmentation of object data in road traffic in cooperation with AVL, based in Graz.
  • “It is important for AVL to have correctly annotated data at pixel and point level,” explains Thomas Schlömicher, Research Engineer ADAS at AVL.
  • Ideally, the cooperation should result in a complete “Data Intelligence Pipeline”, which will be used by AVL’s numerous B2B customers to annotate their data and thus jointly shape the future capabilities of autonomous driving.

AI Kontextualisierung

Wer sind die relevantesten Personen in diesem Artikel?

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

Autonomous vehicles: AVL optimizes object recognition in AI

  • Clearly, in order to successfully tackle the driving task, Autonomous Driving  Systems (ADS) must be able to recognize objects, assess situations correctly, and master driving skills.
  • Self-driving cars use data from various sensors installed in the vehicle – such as cameras or LiDAR sensors, which measure the distance between the objects and the car.
  • Deepen has developed technology for better detection and segmentation of object data in road traffic in cooperation with AVL, based in Graz.
  • “It is important for AVL to have correctly annotated data at pixel and point level,” explains Thomas Schlömicher, Research Engineer ADAS at AVL.
  • Ideally, the cooperation should result in a complete “Data Intelligence Pipeline”, which will be used by AVL’s numerous B2B customers to annotate their data and thus jointly shape the future capabilities of autonomous driving.

AI Kontextualisierung

Wer sind die relevantesten Organisationen in diesem Artikel?

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

Autonomous vehicles: AVL optimizes object recognition in AI

  • Clearly, in order to successfully tackle the driving task, Autonomous Driving  Systems (ADS) must be able to recognize objects, assess situations correctly, and master driving skills.
  • Self-driving cars use data from various sensors installed in the vehicle – such as cameras or LiDAR sensors, which measure the distance between the objects and the car.
  • Deepen has developed technology for better detection and segmentation of object data in road traffic in cooperation with AVL, based in Graz.
  • “It is important for AVL to have correctly annotated data at pixel and point level,” explains Thomas Schlömicher, Research Engineer ADAS at AVL.
  • Ideally, the cooperation should result in a complete “Data Intelligence Pipeline”, which will be used by AVL’s numerous B2B customers to annotate their data and thus jointly shape the future capabilities of autonomous driving.