25.03.2024
INFRASTRUKTUR

Esrium: Wie es mit dem EU-Millionenprojekt zur Erfassung von Straßenschäden weitergeht

Seit November ist die dreijährige EU-Projektphase von Esrium offiziell vorbei. Die neun beteiligten Partnerfirmen suchen nun nach einem Weg, die Entwicklung fortzusetzen - darunter auch das österreichische Team von Evolit.
/artikel/esrium-wie-es-mit-dem-eu-millionenprojekt-zur-erfassung-von-strassenschaeden-weitergeht
Michael Astleitner, der „Jason Statham unter den IT-Projektmanagern“, leitet das Evolit-Team, das Esrium mitentwickelt. (c) Evolit

Fünf Länder, neun Partnerfirmen, ein Projekt: Esrium. Seit 2021 hat ein europäisches Patchwork-Team gemeinsam daran gearbeitet, ein System zu entwickeln, um Straßenschäden frühzeitig erkennen zu können. Für die Algorithmen dazu ist die österreichische IT-Firma Evolit zuständig. Sie analysierte Daten zu Fahrbahnnutzung, Niederschlag und vielem mehr und modellierte darauf aufbauend Prognosen, die in Zukunft effizientere Straßenwartungen ermöglichen sollen. Die Leitung des fünfköpfigen Evolit-Teams übernahm Michael Astleitner – der „Jason Statham unter den IT-Projektentwicklern“, wie er sich selbst mit Augenzwinkern bezeichnet.

Vom All auf die Straße

Das Projekt basiert auf den Kartendaten des Satellitensystems „Galileo“, das europäische Pendant zum amerikanischen GPS. Dadurch können die Straßenschäden in zentimetergenauer Auflösung erfasst werden – und dadurch auch die damit verbundenen Sicherheitsrisiken. Mithilfe von Algorithmen können in weiterer Folge Prognosen darüber erstellt werden, welche Schäden in den Straßen entstehen und wann sie zu Sicherheitsrisiken werden können. Wichtig sind diese Infos vor allem für Straßenbetreiber, die so künftig die Instandhaltung besser planen können sollen.

Esrium als Beifahrer

Aber auch für die Fahrer:innen selbst soll Esrium einen Mehrwert haben. In Zukunft könnten Autohersteller möglicherweise Esrium in ihr System implementieren, um den Lenker:innen Empfehlungen auszuspielen, damit sie Straßenschäden ausweichen können. Nicht über Risse oder Schlaglöcher zu fahren, könnte wiederum Schäden am Fahrzeug verhindern. Diese Anwendung wurde bereits mit LKW-Fahrern auf beschädigten Strecken im oberösterreichischen Asten getestet.

Grundlegend dafür sind Erkenntnisse über die Ursachen von Schäden: Wie viele Fahrzeuge nutzen welche Fahrspuren? Wie viele davon sind LKWs? Und wie wirkt sich Wetter auf den Zustand einer Straße aus? Die Daten dazu wurden von der Infrastrukturgesellschaft Asfinag bereitgestellt und von dem Evolit-Team aufbereitet und analysiert. Darauf aufbauend modellierte das Team rund um Entwicklerin Adriana Ion Algorithmen. Fünf davon sind mittlerweile bei Esrium implementiert und liefern bereits Ergebnisse, wie Astleitner berichtet.

Drei Jahre, drei Millionen

Finanziert wurde das Projekt mit einer Summe von drei Millionen Euro aus dem „Horizont 2020“-Förderprogramm der EU. Ab dem Startschuss Ende 2021 hatte das Patchwork-Team drei Jahre Zeit, aus dem Projekt Esrium ein ausgereiftes Produkt zu machen. Mit November ist die EU-Projektphase offiziell vorbei. „Esrium war ein Erfolg, das ist auch von allen so betitelt worden“, so Astleitner. „Markttauglich ist es zwar noch nicht – aber wir könnten es markttauglich machen.“

Die Sterne stehen gut

Vor allem der Hauptinitiator Asfinag habe deshalb großes Interesse daran, die Plattform weiterzuentwickeln. Bereits jetzt ist künstliche Intelligenz in Esrium implementiert; dieser Bereich könnte in Zukunft noch spannender für das Projekt werden, um die Algorithmen mit größeren Datenmengen zu trainieren. Laut Astleitner könne man sich durchaus vorstellen, das Projekt weiterzuführen, und befinde sich bereits in entsprechenden Gesprächen.

Konkret wird angestrebt, die Zusammenarbeit mit der EU fortzusetzen. Das Projekt wird bereits bei entsprechenden Ausschreibungen präsentiert. Laut Astleitner wären auch die bisherigen Partner bei der Fortsetzung des Projekts „großteils alle dabei“. Wie diese Zusammenarbeit konkret aussehen wird, steht jedoch noch in den zwölf goldenen Sternen.

Deine ungelesenen Artikel:
21.09.2026

AI Baseline: Wie ein Wiener Startup KI-Agenten effizienter machen will

Das Wiener Startup AI Baseline hat eine Retrieval-Architektur für KI-Agenten entwickelt. Mit Unterstützung von Supercomputing-Ressourcen von AI:AT will das Gründungsteam die Recherche in riesigen Datenmengen drastisch beschleunigen und Kosten senken – bei höherer Antwortqualität und voller Transparenz.
/artikel/ai-baseline-wie-ein-wiener-startup-ki-agenten-effizienter-machen-will
21.09.2026

AI Baseline: Wie ein Wiener Startup KI-Agenten effizienter machen will

Das Wiener Startup AI Baseline hat eine Retrieval-Architektur für KI-Agenten entwickelt. Mit Unterstützung von Supercomputing-Ressourcen von AI:AT will das Gründungsteam die Recherche in riesigen Datenmengen drastisch beschleunigen und Kosten senken – bei höherer Antwortqualität und voller Transparenz.
/artikel/ai-baseline-wie-ein-wiener-startup-ki-agenten-effizienter-machen-will
Das Gründungsteam von AI Baseline: Xenia Galkina, CEO, und Alexander Czech, CTO | © APA-Fotoservice / Krisztian Juhasz
Das Gründungsteam von AI Baseline: Xenia Galkina, CEO, und Alexander Czech, CTO | © APA-Fotoservice / Krisztian Juhasz

KI-Agenten sollen in Unternehmen und Organisationen zunehmend komplexe Aufgaben übernehmen – etwa die Analyse von Hunderttausenden Seiten interner Berichte, Dokumente und Richtlinien. Bisherige Retrieval-Systeme stoßen dabei jedoch an technische und ökonomische Grenzen, meint man beim Wiener Startup AI Baseline. Ein KI-Agent beginne bei aktuellen Ansätzen nämlich für jede neue Frage eine eigenständige Suche, wodurch dieselben Dokumente immer wieder neu verarbeitet werden müssten. Das führe zu einem hohen Verbrauch an kostenpflichtigen Modell-Tokens, Rechenleistung und Zeit. Bei anspruchsvollen Fragen könne die Beantwortung bis zu 40 Minuten dauern, während die zugrunde liegenden Textfragmente oft nicht mehr bis zur Originalquelle zurückverfolgt werden können.

„Knowledge Space“ für mehr Effizienz und Transparenz

Um dieses Zusammenspiel aus Effizienz- und Transparenzproblemen zu lösen, hat das von CEO Xenia Galkina und CTO Alexander Czech gegründete Unternehmen eine neue Retrieval-Architektur entwickelt. Das System bildet Informationen in einer logisch verknüpften Ebene ab, wodurch die Herkunft der Daten über die Struktur des sogenannten „Knowledge Space“ erhalten bleibt. Da die aufwendige Strukturierung einmalig bei der Datenaufnahme erfolgt, soll der anschließende Rechercheprozess auch bei großen Datenmengen wirtschaftlich und nachvollziehbar bleiben. Das Versprechen des Startups: Organisationen müssen bei KI-Anfragen nicht mehr zwischen Geschwindigkeit, Kosten und Qualität wählen.

Überzeugende Benchmark-Vergleiche

Eigenen Benchmark-Tests zufolge soll der „Research Mode“ von AI Baseline im Vergleich zu herkömmlichem agentischen RAG eine um 44 Prozent höhere Antwortqualität liefern, bis zu 22-mal schneller arbeiten und 72 Prozent weniger Input-Tokens verbrauchen. Bei maximaler Performance erreicht das System laut Unternehmensangaben mehr als die doppelte Antwortqualität bei nahezu neunfacher Geschwindigkeit und rund 15 Prozent geringeren Kosten.

20.000 GPU-Stunden auf Supercomputer Leonardo im AI:AT Hub

Das im Dezember 2025 gegründete bzw. im Hub aufgenommene Startup wird von NVIDIA Inception sowie AWS unterstützt und ist Mitglied im AI:AT Coworking Hub der AI Factory Austria. Für die Entwicklung der ersten Produktversion nutzte das bootstrappende Team unter anderem 20.000 GPU-Stunden auf dem europäischen Supercomputer Leonardo, die über die AI Factory Austria und EuroHPC bereitgestellt wurden. „Die Arbeit im AI:AT Hub war für uns ein echter Booster“, heißt es von CEO Xenia Galkina. Der Zugang zu Hochleistungsinfrastruktur habe es erst möglich gemacht, die Technologie in dieser Größenordnung umzusetzen. CTO Alexander Czech verweist zudem auf den Wert des Netzwerks: „Ebenso wertvoll ist die Community: Der Austausch mit anderen Gründern […] und der Zugang zu Experten […] haben uns geholfen, über die Technologie selbst hinauszudenken“.

Die Lösung richtet sich laut AI Baseline vor allem an technische Teams in regulierten und datenintensiven Branchen wie Life Sciences, Healthcare, Recht, Finanzforschung und dem öffentlichen Sektor. Während der aktuellen Beta-Phase kann die Architektur über eine API oder als Claude Skill getestet werden. Zudem sucht das Unternehmen derzeit Design-Partner für seine Ingestion Engine.

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

Esrium: Wie es mit dem EU-Millionenprojekt zur Erfassung von Straßenschäden weitergeht

AI Kontextualisierung

Welche gesellschaftspolitischen Auswirkungen hat der Inhalt dieses Artikels?

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

Esrium: Wie es mit dem EU-Millionenprojekt zur Erfassung von Straßenschäden weitergeht

AI Kontextualisierung

Welche wirtschaftlichen Auswirkungen hat der Inhalt dieses Artikels?

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

Esrium: Wie es mit dem EU-Millionenprojekt zur Erfassung von Straßenschäden weitergeht

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 …

Esrium: Wie es mit dem EU-Millionenprojekt zur Erfassung von Straßenschäden weitergeht

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 …

Esrium: Wie es mit dem EU-Millionenprojekt zur Erfassung von Straßenschäden weitergeht

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 …

Esrium: Wie es mit dem EU-Millionenprojekt zur Erfassung von Straßenschäden weitergeht

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 …

Esrium: Wie es mit dem EU-Millionenprojekt zur Erfassung von Straßenschäden weitergeht

AI Kontextualisierung

Wer sind die relevantesten Personen in diesem Artikel?

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

Esrium: Wie es mit dem EU-Millionenprojekt zur Erfassung von Straßenschäden weitergeht

AI Kontextualisierung

Wer sind die relevantesten Organisationen in diesem Artikel?

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

Esrium: Wie es mit dem EU-Millionenprojekt zur Erfassung von Straßenschäden weitergeht