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:
04.08.2026

USB-Stick-Erfinder Dov Moran: „Man muss Nischen finden, in denen man wirkliche Wettbewerbsvorteile aufbauen kann“

„Es reicht nicht mehr aus, nur auf reine Software-Anwendungen zu setzen“, warnt USB-Stick-Erfinder Dov Moran im brutkasten-Interview. Der israelische Tech-Pionier und heutige Deep-Tech-Investor erklärt, warum beim KI-Boom vor allem Hardware und Energieeffizienz zählen und warum Österreich sich nicht im Defense-Tech versuchen sollte. Brutkasten hat ihn auf der Restart Innovation & Investment Vienna getroffen.
/artikel/erfinder-des-usb-sticks-dov-moran-man-muss-nischen-finden-in-denen-man-wirkliche-wettbewerbsvorteile-aufbauen-kann
04.08.2026

USB-Stick-Erfinder Dov Moran: „Man muss Nischen finden, in denen man wirkliche Wettbewerbsvorteile aufbauen kann“

„Es reicht nicht mehr aus, nur auf reine Software-Anwendungen zu setzen“, warnt USB-Stick-Erfinder Dov Moran im brutkasten-Interview. Der israelische Tech-Pionier und heutige Deep-Tech-Investor erklärt, warum beim KI-Boom vor allem Hardware und Energieeffizienz zählen und warum Österreich sich nicht im Defense-Tech versuchen sollte. Brutkasten hat ihn auf der Restart Innovation & Investment Vienna getroffen.
/artikel/erfinder-des-usb-sticks-dov-moran-man-muss-nischen-finden-in-denen-man-wirkliche-wettbewerbsvorteile-aufbauen-kann
USB-Stick Erfinder Dov Moran im Interview. (c) LinkedIn/Dov Moran

Mit der Gründung von M-Systems und der Erfindung des USB-Flash-Laufwerks sowie revolutionärer Speicherlösungen schrieb der israelische Halbleiter-Pionier Dov Moran Technologiegeschichte, bevor er sein Unternehmen für rund 1,6 Milliarden US-Dollar an SanDisk verkaufte. Heute lenkt er als Managing Partner beim Deep-Tech-Fonds Grove Ventures als einer der angesehensten Tech-Investoren Israels die Zukunft von KI, Halbleitern, Cloud-Infrastruktur und digitaler Gesundheit.

Der Tech-Pionier und Investor erklärt im Interview, dass im aktuellen KI-Boom vor allem die physische Infrastruktur entscheidend ist und sich Europa statt auf Defense-Tech auf Nischen wie Quantentechnologie konzentrieren sollte. Darüber hinaus empfiehlt er staatliche Unternehmensbeteiligungen nach taiwanesischem Vorbild sowie eine Kultur, die echten Gründergeist und Mut zum Risiko fördert.

brutkasten: Sie haben geholfen, mit dem USB-Flash-Laufwerk eine der am weitesten verbreiteten Technologien der Welt zu erfinden. Wenn Sie zurückblicken: Was unterscheidet bahnbrechende Innovationen von Technologien, die niemals skalieren?

Dov Moran: Zunächst einmal ist der USB-Stick heute ein totes Produkt. Nur noch sehr wenige Menschen benutzen ihn, aber genau das ist das Wesen von Technologie: Man baut etwas auf, und das dient dann als Fundament für etwas Fortschrittlicheres. Ich bin sehr stolz darauf, dass ich einen kleinen Teil zu dieser Infrastruktur beitragen konnte.

Bei M-Systems haben wir damals allerdings noch andere Dinge erfunden, die ich für fast noch wichtiger halte, auch wenn sie für Endkunden weniger sichtbar waren. Damals gab es zwei Arten von Flash-Speicher: NAND-Flash für reine Daten und NOR-Flash – dominiert von Intel und AMD –, um den Code für das Betriebssystem zu speichern. Das gesamte Marktkonzept sah vor, dass jedes System beide Komponenten benötigt. Wir haben damals eine technologische Lösung gefunden, um den NOR-Flash komplett zu eliminieren und den Code direkt in den NAND-Flash zu integrieren. Unser Weg, dieses Problem zu lösen, hat das NOR-Flash-Geschäft für Intel und AMD grundlegend verändert, aber gleichzeitig in jedem einzelnen Telefon auf der Welt den Platzbedarf reduziert und etwa drei Dollar pro Gerät gespart. Bei rund einer Milliarde produzierten Telefonen pro Jahr haben wir der Welt somit jährlich drei Milliarden Dollar eingespart.

Welche Technologie erinnert Sie heute am meisten an die Anfangstage des Flash-Speichers?

Ich denke, wir sehen derzeit eine grundlegende Wende auf dem Markt – weg von einer rein softwaregetriebenen Welt hin zu einer Welt der Infrastruktur. Marc Andreessen sagte einmal: „Software eats the world.“ Heute geht es jedoch vor allem darum, die richtige Hardware- und Infrastrukturbasis zu schaffen: Wir brauchen die richtigen CPUs, wir müssen das enorme Problem des Energieverbrauchs und der Kühlung lösen und wir müssen Rechenzentren bauen, die deutlich effizienter und effektiver sind.

Was heute an Infrastruktur existiert, kann die weltweite Nachfrage schlichtweg nicht bedienen, wenn bald jeder Mensch KI nutzt, forscht und eigene Agenten baut. Wenn auch nur zehn Prozent der Bevölkerung anfangen, intensiv KI-Agenten zu bauen und zu nutzen, würden unsere heutigen Systeme zusammenbrechen. Die Infrastruktur für Künstliche Intelligenz steht genau vor solchen fundamentalen technologischen Skalierungsaufgaben.

Alle sprechen über KI. Wo sehen Sie die größten Chancen jenseits der aktuellen KI-Welle beziehungsweise wo sollte sich Europa positionieren?

KI ist eine gewaltige Revolution, die das Leben aller Menschen beeinflussen wird – vom Reinigungspersonal bis hin zum Leiter einer Onkologie-Abteilung, dessen Diagnostik und Behandlungsweisen sich grundlegend verändern werden. Eine so große Transformation bringt natürlich für jeden enorme Chancen mit sich – für Einzelpersonen, Krankenhäuser, das Bildungswesen und für ganze Staaten.

Wenn ein Land wie Österreich entscheidet, in diesen Markt zu investieren, sollte der Fokus auf der Infrastrukturebene oder auf sehr gezielten Nischen liegen, nicht auf reinen Anwendungen. Ich glaube zum Beispiel nicht, dass Österreich versuchen sollte, im Bereich Defense Tech zu konkurrieren. Dieser Markt erfordert gewaltige Kapazitäten, riesige Budgets und spezifisches Know-how, wie es in den USA oder aufgrund ständiger Konflikte in Israel und der Ukraine existiert.

Man muss Nischen finden, in denen man wirkliche Wettbewerbsvorteile aufbauen kann. Das könnte zum Beispiel die Quantentechnologie sein, die Kombination aus Gesundheitswesen und KI oder hochentwickelte Sensorik für eine bessere medizinische Überwachung von zu Hause aus.

Israel bringt trotz seines relativ kleinen Marktes kontinuierlich globale Technologie-Champions hervor. Was erklärt diesen Erfolg und wie wird Unternehmertum dort gefördert?

Es gibt einen großen Unterschied zwischen Erfindern, Unternehmern und operativen Managern. Viele Erfinder kommen von Universitäten, aber selbst die beste Erfindung oder das beste Patent scheitert, wenn man nicht weiß, wie man ein Unternehmen führt und skaliert. Ich bin der festen Überzeugung, dass Unternehmertum und Innovation viel früher im Bildungssystem verankert werden müssen – spätestens an den weiterführenden Schulen.

Das Bildungssystem muss weg vom reinen Frontalunterricht und Auswendiglernen, hin zu echter Interaktion, Teamwork und praktischer Projektarbeit. Ich bin selbst Verwaltungsratsmitglied einer 150 Jahre alten jüdischen Schulkette namens ORT. Um den Schülern dieses Denken nahezubringen, habe ich ein Buch über Unternehmer geschrieben, das nach jedem Kapitel Diskussionsfragen aufwirft. Ich beginne darin mit Abraham als dem „ersten jüdischen Unternehmer“, der den Monotheismus erfunden hat.

Im Talmud gibt es die Geschichte, dass Abraham die Götzenstatuen im Laden seines Vaters zerstörte, weil er die Logik dahinter hinterfragte, und danach seine Heimat verließ, um ins Ungewisse nach Israel zu ziehen. Genau das passiert vielen Gründerinnen und Gründern: Sie haben eine Vision, jeder sagt ihnen, dass es unmöglich ist, und sie müssen bereit sein, ihre gewohnte Umgebung zu verlassen, um ihr Ziel zu erreichen. Schüler müssen lernen, solche kritischen Fragen zu diskutieren: Was bedeutet es, ins Ungewisse zu gehen? Ist Unternehmertum immer gut oder birgt es auch Risiken? Diese mentale Vorbereitung ist die Basis für eine Innovationskultur.

Was kann Europa und speziell ein Land wie Österreich von der israelischen Innovationskultur und anderen globalen Vorreitern lernen?

Zunächst einmal können auch wir viel von Europa lernen – zum Beispiel, wie man ein Land so lebenswert und friedlich gestaltet. Was die Förderung von Technologie betrifft, lohnt sich für Europa jedoch ein Blick nach Taiwan, speziell auf das ITRI-Institut (Industrial Technology Research Institute).

Der Staat dort verteilt nicht einfach nur passiv Fördergelder an Unternehmen, was oft nicht der klügste Weg ist. Stattdessen definieren kluge Köpfe alle paar Jahre strategische Zukunftsmärkte. So wurde vor Jahrzehnten entschieden, dass der Bau von Halbleiterwerken entscheidend sein wird, woraufhin man gezielt den Gründer von TSMC aus den USA zurückholte. Heute hängt die gesamte Weltwirtschaft von TSMC ab, was für Taiwan zugleich ein enorm starkes sicherheitspolitisches Instrument ist.

Ein weiterer entscheidender Punkt ist, wie Staaten investieren: Wenn staatliche Innovationsbehörden Unternehmen mit Kapital unterstützen, sollten sie dafür im Gegenzug auch Unternehmensanteile (Equity) erhalten, anstatt nur verlorene Zuschüsse zu verteilen. Der Staat sollte sich als stiller Gesellschafter beteiligen, sich nicht in das operative Tagesgeschäft einmischen, aber bei einem erfolgreichen Exit sein Geld inklusive Rendite zurückerhalten. So kann ein Staat mit Innovation tatsächlich Geld verdienen, das wieder in das Ökosystem zurückfließen kann.

Welchen Rat würden Sie Gründern geben, die heute in Europa Deep-Tech-Unternehmen aufbauen?

Schauen Sie sich genau an, wer in der aktuellen Marktphase wirklich Geld verdient. Im KI-Bereich verlieren viele Software- und Anwendungsunternehmen derzeit Milliarden, während diejenigen, die die Infrastruktur und Hardware bereitstellen – wie Nvidia oder TSMC als deren Auftragsfertiger –, enorm erfolgreich sind.

Wir erleben eine Wende: Es reicht nicht mehr aus, nur auf reine Software-Anwendungen zu setzen. Die wahren Deep-Tech-Chancen liegen heute in der Lösung fundamentaler physischer und technischer Probleme – sei es bei der Energieeffizienz, der Kühlung von Rechenzentren, fortschrittlichen Halbleitern oder auch in der Weltraumtechnologie (Space Tech). Wenn Sie ein Unternehmen aufbauen, fokussieren Sie sich auf diese harten Infrastruktur- und Technologieprobleme, die die Welt zwingend lösen muss.

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.