13.05.2015

Google für den Bau: Leopold Neuerburg über Building Radar, das Bauvorhaben noch vor Start erkennt

/artikel/google-fuer-den-bau-leopold-neuerburg-ueber-building-radar-das-bauvorhaben-noch-vor-start-erkennt
Das Gründerteam von Building Radar: Leopold Neuerburg, Paul Indinger und Artem Ostankov.

Wenn große Unternehmen wie Viessmann oder Vitra ihr Vertrauen in ein Startup setzen, steht meist eine große Vision dahinter. So auch bei Building Radar. Das Startup, das in das youisnow-Accelerator-Programm von ImmobilienScout24 aufgenommen wurde, hat sich gegen 80 andere Bewerber durchgesetzt.

Die Jungs von Building Radar haben eine globale Online-Datenbank für neue Bauprojekte entwickelt. Die Datenrecherche erfolgt mittels satellitengestützter Suchalgorithmen, Machine Learning und Data Mining. Sie ermöglichen Bauvorhaben Wochen oder sogar Monate früher als Wettbewerber zu entdecken, sowie Informationen wie Bauphase oder Gebäudegröße durch Live-Satelliten-Bildverarbeitung zu verifizieren. Auf diese Weise können auch weltweite Bauvorhaben recherchiert werden. Das ist vor allem für jene Firmen wichtig, die mit dem Neubau oder der Instandhaltung von Gebäuden zu tun haben (Baustoffe, Büroeinrichtung, Reinigung etc.). Denn, würden sie gleich zu Beginn eines großen Bauvorhabens von diesem erfahren, könnten sie ihre Produkte gezielt dorthin verkaufen.

Leopold Neuerburg, der zusammen mit Paul Indinger und Artem Ostankov Building Radar ins Leben gerufen hat, beantwortet dem Brutkasten wie es zur Idee kam und warum seine Arbeitserfahrung bei Google zur Idee geführt hat.

Euer Elevator Pitch: Was macht ihr und welches Problem löst ihr damit? 

Building Radar ist deine Satelliten-unterstütze Suchmaschine für neue Bauvorhaben und Gebäude weltweit. Täglich entdeckt, analysiert und verbessert unser cloud-basierte Big Data Lösung neue Bauprojekte. Unsere Technologie ermöglicht Kostensenkung von bis zu 79%, im Vergleich zu herkömmlichen Methoden. Unsere Kunden sind Weltmarktführer wie Viessmann oder Vitra. Diese müssen frühstmöglich wissen wann, wo, was, von wem gebaut wird um Ihre Produkt gezielt dorthin zu verkaufen. Der jährliche Umsatz für Bauprojekt-Leads beträgt 72 Milliarden Euro. Das Gründerteam besteht aus LSE, Cambridge, CDTM und TUM Alumni.

Im Gegensatz zu Wettbewerbern sind wir nicht auf menschliche Arbeitskraft für unsere Daten-Recherche angewiesen. Stattdessen haben wir einen satellitengestützten Suchalgorithmus entwickelt. Dieser entdeckt, analysiert und verbessert neue Bauvorhaben für unsere Datenbank. Satellitenbilder helfen uns, die aktuelle Bauphase von Bauprojekten zu überprüfen, Informationen über den Gebäudegrundriss abzuleiten oder auch demographische Faktoren und geographischen Layouts zu erkennen.

Dieser Technologie-Ansatz hat drei wesentliche Vorteile: Erstens sind unsere Daten immer auf dem neuesten Stand, dank 24/7 globaler Echtzeit-Analyse unseres Algorithmus. Zweitens, liefern wir unseren Kunden nicht nur Bauprojekt-Leads, sondern sind auch in der Lage, den aktuellen Status zu verifizieren. Bauprojekte entwickeln sich selten wie geplant (z.B. Verzögerung im Bau). Satelliten-Technologie ermöglicht es uns, diese Änderungen sofort zu erkennen und somit nicht auf öffentlich verfügbare Daten angewiesen zu sein. Dies ist essentiell, weil jedes Produkt / Dienstleistung in einer anderen Bauphase an ein Bauvorhaben verkauft wird (bspw. Planungsservice zu Beginn vs. Büromöbel nach Fertigstellung). Und zu guter Letzt nutzen wir Technologien zur Datenrecherche, mit denen wir wesentlich kosteneffizienter operieren können, als unsere Wettbewerber.

Wie verdient ihr Geld? 

Kunden zahlen eine monatliche Nutzungsgebühr um auf unsere Datenbank mit hunderten von tausenden Bauprojekten zugreifen zu können.

Wie kam es zur Idee und zum Gründerteam? 

Über 2 Jahre suchte Paul Indinger auf verschiedenen Architekten Webseiten nach neuen Bauprojekt Vorhaben um diese als Sales Leads an Interface Inc. zu verkaufen. Unterstützt wurde er hierbei von bis zu 8 Mitarbeitern in China. Die Tätigkeit half Paul sein Studium zu finanzieren.

Während seines Master Studiums an der London School of Economics (LSE) traf er dann auf mich und wir tauschten uns über seine Unternehmung aus. Als Paul erklärte wie aufwändig der Suchprozess nach neuen Bauvorhaben sei, begannen wir nach klügeren, technologie-basierten Lösungen zu brainstormen. Ich hatte davor schon Arbeitserfahrung bei der Suchmachine Google Inc. gewonnen und hatte dann folgende Idee: warum nicht einen Suchalgorithmus ähnlich wie Google entwicken, aber eben spezialisiert auf Bau-Projekte?

Nach einem Jahr des Experimentierens mit einem Team von Suchalgorithmus, Satelliten, und Big Data Experten wie Artem Ostankov, gelang dem Team schließlich der Durchbruch: durch die Kombination von semantischen Suchmethoden mit Data-Mining, Machine Learning, und Satelliten-Technologien, gelang es ihrer entwickelten Technologie automatisch neue Bauprojekt zu erkennen, und das ohne menschliches zutun. Ein neues Unternehmen war geboren: Building Radar!

Die Vorteile dieser Technologie waren für das gesamte Team sofort klar. Im Gegensatz zu Konkurrenzprodukten, wird kein menschliche Arbeitskraft benötigt, sondern ein einzigartiger Suchalgorithmus zur Gebäude Recherche genutzt. Dies ermöglicht: Bauvorhaben Wochen, teilweise Monate früher als Wettbewerber zu entdecken, sowie Informationen wie Bauphase oder Gebäudegröße durch Live-Satelliten-Bildverarbeitung zu verifizieren und effizienter weltweite Bauvorhaben zu recherchieren.

Habt ihr bereits Finanzierung? Wie seid ihr an die Investoren-Suche heran gegangen, Cold Calling oder übers Netzwerk? 

Viessmann Ventures investierte zusammen mit zwei erfahrenen und erfolgreichen Entrepreneurs. Bei den Investoren war uns vor allem der strategische Fit wichtig. Die Investoren haben wir über unser eigenes Netzwerk angesprochen.

Eure bisherigen Learnings? 

Selbstständigkeit ist wie eine Achterbahn. An manchen Tagen läuft es super, an anderen super schlecht! Daher gilt: Durchhaltevermögen beweisen, jede Situation analysieren und aus ihr lernen!

Die Vision: Was sind eure nächsten Ziele?

Die Vision von Building Radar ist irgendwann über jedes Gebäude und Bauvorhaben auf der ganzen Welt im Detail bescheid zu wissen.

Danke. 

product screenshot_building radar

Deine ungelesenen Artikel:
15.09.2026

Ablatic AI: Linzer LLM Talos spielt ohne VC-Kapital in einer Liga mit internationalen KI-Playern

Das nun gelaunchte Large Language Model (LLM) Talos des Linzer Startups Ablatic AI kann sich in mehreren Benchmarks mit den internationalen KI-Giganten messen. Co-Founder und CEO Florian Zimmermann erklärte uns, wie das ohne VC-Kapital möglich ist und wie man nun den Markt erobern will.
/artikel/ablatic-ai-linzer-llm-talos-spielt-ohne-vc-kapital-in-einer-liga-mit-internationalen-ki-playern
15.09.2026

Ablatic AI: Linzer LLM Talos spielt ohne VC-Kapital in einer Liga mit internationalen KI-Playern

Das nun gelaunchte Large Language Model (LLM) Talos des Linzer Startups Ablatic AI kann sich in mehreren Benchmarks mit den internationalen KI-Giganten messen. Co-Founder und CEO Florian Zimmermann erklärte uns, wie das ohne VC-Kapital möglich ist und wie man nun den Markt erobern will.
/artikel/ablatic-ai-linzer-llm-talos-spielt-ohne-vc-kapital-in-einer-liga-mit-internationalen-ki-playern
Die Ablatic-AI-Gründer vl. Florian Zimmermann (CEO) und Julian Mauerkirchner (CTO) | (c) Ablatic AI
Die Ablatic-AI-Gründer vl. Florian Zimmermann (CEO) und Julian Mauerkirchner (CTO) | (c) Ablatic AI

Wieder einmal ist es Linz. Die Stahlstadt mausert sich immer mehr zu Österreichs KI-Hauptstadt und auch eines der bislang sicher ambitioniertesten Startups in dem Bereich kommt von dort: Ablatic AI. Mit Talos wagt es sich über die Herausforderung schlechthin in der KI-Welt: ein eigenes Large Language Model (LLM) – brutkasten berichtete bereits.

Bei einer Benchmark vor Sol von OpenAI

Nun erfolgte der offizielle Launch und Ablatic gab erste Benchmark-Vergleiche aus (siehe Tabelle unten). An Claude Opus 5 kommt man demnach noch in keiner Kategorie ganz heran, in mehreren aber ziemlich nahe. DeepSeek V4 kann man dagegen gleich bei drei Werten schlagen, Qwen3.8 von Alibaba bei zwei und OpenAIs Flagship-Modell GPT-5.6 Sol immerhin bei einem, konkret der exakten Befolgung schriftlicher Anweisungen (IFBench). Unterm Strich spielt das Linzer LLM also in den vorgelegten Benchmarks in der internationalen Top-Liga mit.

„Es kann ja nicht sein, dass es in Europa nur Mistral gibt“

Aber warum überhaupt noch ein weiteres LLM? „Julian [Anm. Mauerkirchner] und ich kennen uns schon seit der Schule. Später haben wir als Unternehmer damit gestartet, Legacy-ERP-Systeme zu erneuern. Dabei sind wir auf ein Problem gestoßen: Wir konnten dafür aus Daten-Gründen keine US-KI-Systeme nutzen“, erzählt CEO Florian Zimmermann, der Ablatic AI gemeinsam mit Julian Mauerkirchner (CTO) gegründet hat, im Gespräch mit brutkasten. Man habe nur Mistral aus Frankreich oder Open-Source-Modelle verwenden können. „Mistral war für den Zweck aber nicht passend und unser Business Case bald tot“.

Mit dem Entschluss, eine neue Idee zu verfolgen, sei daher auch eine neue Motivation einher gegangen: „Es kann ja nicht sein, dass es in Europa nur Mistral gibt“, so Zimmermann. Man habe sich danach mit der Johannes Kepler Universität Linz (JKU) kurzgeschlossen und sei darüber auch zur AI Factory Austria AI:AT gekommen, wo man wiederum im Rahmen des EuroHPC-Programms europäische Hochleistungsrechenressourcen nutzt, um das Modell zu trainieren. „Ohne diese EU-Ressourcen würde es kostentechnisch überhaupt nicht gehen“, sagt Zimmermann.

Öffentliche Forschungsergebnisse statt eigenes Riesen-Research-Team

Doch auch mit diesen Ressourcen – wie lässt sich ein konkurrenzfähiges LLM mit einem kleinen Team und bislang gänzlich ohne VC-Kapital umsetzen? Schließlich beschäftigen die globalen KI-Player, mit denen sich Ablatic misst, riesige Teams. Mistral etwa ist mit seiner kürzlich kommuniziert Drei-Milliarden-Euro-Finanzierungsrunde im Vergleich zu Anthropic und OpenAI nach wie vor ein kleiner Fisch (brutkasten analysierte).

„Wir können kein 200-köpfiges Research-Team finanzieren und gleich von 0 auf 100 gehen, also greifen wir auf Bestehendes zurück“, erklärt der Gründer. Konkret verwende man einerseits Open-Source-Layer und code sie auf die eigenen Bedürfnisse um. Andererseits nutze man die neuesten Forschungsergebnisse von Universitäten wie dem MIT oder Stanford, die laufend über die Plattform arXiv veröffentlicht werden. „Wir orientieren uns an der Frontier-Forschung. Wir analysieren die Paper, legen die Erkenntnisse auf unsere Architektur um und testen es durch. Vieles davon funktioniert nicht, aber alles was funktioniert, bringt uns weiter“, so Zimmermann.

Mehr als 100 B2B-Testkunden – viele konvertieren gleich zum Launch

Die Beta-Version wurde nun bereits seit einiger Zeit mit mehr als 100 Unternehmen getestet – Ablatic konzentriert sich nämlich vorerst klar auf den B2B-Markt. Man habe für diese Tests schnell auch größere Unternehmen und Konzerne gewonnen. „Ich bin dafür wochenlang gesessen, habe Leute angeschrieben und einen Call nach dem anderen gemacht“, räumt Zimmermann ein. Dass man ein eigenes LLM und nicht nur eine Oberfläche baue, sei dabei zum entscheidenden Bonus geworden. „Und dass wir von der JKU kommen und im EuroHPC-Programm sind, hat unsere Glaubwürdigkeit enorm gesteigert“, sagt der Gründer.

Jetzt zum Launch würden viele der Testkunden bereits zu regulären Nutzern konvertieren, viele weitere noch die Testphase abschließen, mit dem Vorhaben, das dann auch zu tun, verrät Zimmermann. „Wir werden nicht 100 Prozent, aber einen Großteil konvertieren können“, ist er sicher. Punkten will Ablatic dabei nicht nur mit der europäischen Herkunft – Stichwort: Digitale Souveränität – sondern auch mit dem Pricing. „Wir haben eine relativ effiziente Architektur. Wir können kostengünstig hosten und das an die Kunden weitergeben“, so der CEO. Dass der offizielle Launch genau jetzt erfolgt, hat vor allem mit dem Gründungsprozess zu tun, der länger dauerte, als erhofft. „Ich gründe nie wieder im Sommer ein Unternehmen“, sagt der Gründer lachend.

Investment geplant: „Das Ziel ist definitiv, keine kleine Bude zu bleiben“

Und wie geht es weiter? „Wir wollen zuerst im DACH-Raum Fuß fassen und ohne große weitere Standorte skalieren. Dann wollen wir es auf Europa hochziehen“, erläutert Zimmermann. Auf Dauer werde dabei auch die Aufnahme von VC-Kapital relevant, vor allem wenn es darum gehe, die nächste Modell-Version herauszubringen. „Dann ist es wichtig, dass man schnell skaliert und iteriert. Wir sind stolz darauf, dass wir ein Modell ohne VC-Kapital trainiert haben. Wir haben gezeigt, dass auch so Großes möglich ist. Aber langfristig ist es völlig logisch, dass wir Kapital aufnehmen müssen“, sagt der Gründer.

Und es seien bereits mehrere Investoren aktiv auf das Team zugekommen, mit einigen befinde man sich schon in Gesprächen. „Das Ziel ist definitiv, keine kleine Bude zu bleiben, sondern eine größere Firma zu werden. Wir wollen jedenfalls nicht in Vergessenheit geraten“, so Zimmermann. Und der Zeitpunkt sei angesichts der Souveränitätsdebatte gut.


Benchmark-Vergleichstabelle

Anmerkungen zur Tabelle:

  • Fette Zahlen: Höchster Wert in der jeweiligen Zeile unter den Vergleichsmodellen.
  • „text-only“: Das Modell verarbeitet keine Bilder/visuellen Dokumente, weshalb OmniDocBench nicht anwendbar ist.
  • „–“: Kein veröffentlichter Wert vorhanden.

Kurzerklärungen der Benchmarks

  • Agents‘ Last Exam (UC Berkeley): Prüft langwierige, echte Arbeitsaufgaben an einem Computer (Terminal und Bildschirm zusammen), bewertet anhand des fertigen Gesamtergebnisses.
  • AutomationBench (Zapier): Testet 600 Business-Workflows über 47 simulierte Unternehmens-Softwaretools hinweg, die vollständig durchgehend ausgeführt werden müssen.
  • Toolathlon: Bewertet das Erledigen von Aufgaben in echter Büro-Software (z. B. E-Mail, Kalender, Tabellenkalkulationen und GitHub) über deren direkte Schnittstellen.
  • BrowseComp (OpenAI): Stellt schwierige Fragen, deren Antworten über das gesamte Internet verstreut liegen und durch selbstständiges Surfen recherchiert werden müssen.
  • DeepSWE v1.1 (Datacurve): Misst das eigenständige Beheben echter Softwareprobleme (Bugs) in bestehenden Quellcode-Sammlungen. Hinweis: Talos-1 wurde hierfür nicht optimiert und liegt 22 Punkte hinter der Spitze zurück.
  • OmniDocBench: Bewertet das fehlerfreie Lesen und Verstehen echter Dokumente inklusive visueller Layouts, Tabellen und mathematischer Formeln.
  • IFBench: Prüft die exakte Einhaltung von schriftlich vorgegebenen Anweisungen und Formatierungsregeln.
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

Google für den Bau: Leopold Neuerburg über Building Radar, das Bauvorhaben noch vor Start erkennt

AI Kontextualisierung

Welche gesellschaftspolitischen Auswirkungen hat der Inhalt dieses Artikels?

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

Google für den Bau: Leopold Neuerburg über Building Radar, das Bauvorhaben noch vor Start erkennt

AI Kontextualisierung

Welche wirtschaftlichen Auswirkungen hat der Inhalt dieses Artikels?

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

Google für den Bau: Leopold Neuerburg über Building Radar, das Bauvorhaben noch vor Start erkennt

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 …

Google für den Bau: Leopold Neuerburg über Building Radar, das Bauvorhaben noch vor Start erkennt

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 …

Google für den Bau: Leopold Neuerburg über Building Radar, das Bauvorhaben noch vor Start erkennt

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 …

Google für den Bau: Leopold Neuerburg über Building Radar, das Bauvorhaben noch vor Start erkennt

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 …

Google für den Bau: Leopold Neuerburg über Building Radar, das Bauvorhaben noch vor Start erkennt

AI Kontextualisierung

Wer sind die relevantesten Personen in diesem Artikel?

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

Google für den Bau: Leopold Neuerburg über Building Radar, das Bauvorhaben noch vor Start erkennt

AI Kontextualisierung

Wer sind die relevantesten Organisationen in diesem Artikel?

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

Google für den Bau: Leopold Neuerburg über Building Radar, das Bauvorhaben noch vor Start erkennt