16.06.2015

Google für den Bau: Startup „Building Radar“ gewinnt 100.000 US-Dollar

/artikel/google-fuer-den-bau-startup-building-radar-gewinnt-100-000-us-dollar
© Building Radar: Das Gründerteam: Leopold Neuerburg, Paul Indinger und Artem Ostankov.

„Building Radar„, jenes Startup, das Bauvorhaben noch vor Start erkennt, hat es beim gestrigen World Founder Forum in Stockholm unter die Top 10 des Förderprogramms 2016 geschafft. Außerdem bekommt es 100.000 US-Dollar Fördergeld und nimmt ab sofort ein Jahr lang am „8D Company Building Program“ von Founder.org teil. Hinter dem Förderprogramm steht übrigens ein großer Name: Silicon-Valley-Investor Michael Baum. Der Serial Entrepreneur ist mit der Software-Firma Splunk zu Geld gekommen.

DerBrutkasten hatte erst vor Kurzem die Möglichkeit mit Leopold Neuerburg, einem der Building Radar Gründer über ihre Idee und die Vision zu sprechen. Zusammen mit Paul Indinger und Artem Ostankov wurde Building Radar ins Leben gerufen.

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, 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 radarSiehe auch diesen Beitrag zu Building Radar

 

Deine ungelesenen Artikel:
10.11.2026

KI-Agenten gezielt steuern: Warum klare Grenzen im Kundenservice entscheidend sind

KI-Agenten können im Kundenservice viel leisten, solange sie wissen, wo ihre Grenzen liegen. Ein Gastbeitrag über die gezielte Steuerung von KI im Kundenkontakt.
/artikel/ki-agenten-gezielt-steuern-warum-klare-grenzen-im-kundenservice-entscheidend-sind
10.11.2026

KI-Agenten gezielt steuern: Warum klare Grenzen im Kundenservice entscheidend sind

KI-Agenten können im Kundenservice viel leisten, solange sie wissen, wo ihre Grenzen liegen. Ein Gastbeitrag über die gezielte Steuerung von KI im Kundenkontakt.
/artikel/ki-agenten-gezielt-steuern-warum-klare-grenzen-im-kundenservice-entscheidend-sind

Ein Kunde fragt nach dem Lieferstatus seiner Bestellung. Ein anderer benötigt eine Produktempfehlung. Ein dritter möchte wissen, welche Bedingungen für eine Reklamation gelten. Obwohl alle drei Anfragen im Kundenservice eingehen, stellen sie unterschiedliche Anforderungen an den Einsatz künstlicher Intelligenz. Denn während eine Produktberatung individuell formuliert werden kann, müssen Auskünfte zu Vertragsbedingungen auf verbindlichen Informationen beruhen.

Für mittelständische Unternehmen stellt sich deshalb eine zentrale Frage: Wie lässt sich genau festlegen, welche Informationen KI-Agenten nutzen und welche Aufgaben sie eigenständig übernehmen dürfen?

Unternehmen müssen bestimmen, worauf die KI zugreifen darf

Moderne Sprachmodelle können Informationen verarbeiten, Zusammenhänge erkennen und Antworten formulieren. Im Kundenservice reicht diese Fähigkeit allein jedoch nicht aus. Entscheidend ist, dass die KI ausschließlich auf Informationen und Funktionen zugreift, die für das jeweilige Anliegen freigegeben sind.

Bei Fragen zu Lieferbedingungen sollte sie beispielsweise nur die aktuellen Unternehmensrichtlinien berücksichtigen. Bei einer allgemeinen Produktberatung kann es dagegen sinnvoll sein, verschiedene Wissensquellen miteinander zu verknüpfen. Für eine Bestellstatusabfrage wiederum benötigt der Agent Zugriff auf aktuelle Daten aus einem angebundenen System.

Was in der Praxis häufig unterschätzt wird: KI muss im Unternehmen nicht als frei agierendes System eingesetzt werden. Durch gezielte Konfiguration lassen sich Informationsquellen, Antwortvorgaben und Handlungsmöglichkeiten so eingrenzen, dass KI-Agenten innerhalb klar definierter Regeln arbeiten. Damit können Unternehmen KI auch dort einsetzen, wo Verlässlichkeit und Kontrolle besonders wichtig sind.

Dabei lässt sich nicht nur festlegen, welche internen Dokumente, Datenbanken oder externen Quellen verwendet werden dürfen. Auch der Zugriff auf eine Websuche oder die Ausführung bestimmter Aktionen kann eingeschränkt werden.

Restriktiv, generativ oder agentisch: Der Anwendungsfall entscheidet

Je nach Aufgabe können unterschiedliche KI-Ansätze zum Einsatz kommen. Diese schließen sich nicht gegenseitig aus, sondern lassen sich innerhalb einer Kundenservice-Lösung miteinander kombinieren.

Restriktive KI: Antworten innerhalb klarer Vorgaben

Bei verbindlichen Auskünften sind enge Grenzen notwendig. Ein restriktiv konfigurierter KI-Agent greift ausschließlich auf freigegebene Informationen zurück und darf definierte Antwortvorgaben nicht verlassen.

Fehlen die erforderlichen Informationen, sollte das System keine Aussagen ergänzen oder Vermutungen anstellen. Stattdessen kann es die Anfrage an einen Mitarbeitenden weiterleiten.

Dieser Ansatz eignet sich beispielsweise für Garantiebedingungen, Vertragsinformationen oder sensible Serviceprozesse.

Generative KI: Individuelle Antworten auf kontrollierter Wissensbasis

Andere Anliegen erfordern eine flexiblere Kommunikation. Möchte ein Kunde mehrere Produkte vergleichen oder technische Zusammenhänge verstehen, kann generative KI Informationen aus hinterlegten Wissensquellen zusammenführen und verständlich aufbereiten.

Dabei muss die KI nicht auf ihr allgemeines Trainingswissen zurückgreifen. Sie kann so konfiguriert werden, dass ihre Antworten ausschließlich auf ausgewählten Unternehmensinformationen basieren. Die Formulierung bleibt flexibel, während die zugelassenen Informationsquellen klar definiert sind.

Agentische KI: Aufgaben innerhalb festgelegter Berechtigungen ausführen

Agentische KI geht über die reine Beantwortung von Fragen hinaus. Sie kann verfügbare Werkzeuge auswählen, Schnittstellen nutzen und mehrstufige Aufgaben bearbeiten.

Beispielsweise kann ein KI-Agent eine Bestellnummer entgegennehmen, den zugehörigen Status über eine Schnittstelle abfragen und die Information anschließend verständlich ausgeben.

Welche Aktionen er ausführen darf, legt das Unternehmen fest. Ein Agent kann somit berechtigt sein, Bestelldaten abzurufen, ohne gleichzeitig Änderungen oder Stornierungen vornehmen zu dürfen.

Die Steuerung erfolgt auf Ebene einzelner Anliegen

Für mittelständische Unternehmen ist es häufig sinnvoll, nicht sämtliche Kundenanfragen nach denselben Regeln bearbeiten zu lassen.

So lässt sich beispielsweise festlegen, dass ein Agent bei Fragen zu Unternehmensrichtlinien ausschließlich interne Dokumente verwendet. Bei allgemeinen Fachfragen kann eine ergänzende Websuche erlaubt sein. Geht es hingegen um kundenspezifische Informationen, erfolgt der Zugriff über eine autorisierte Schnittstelle.

Auch die Grenzen der Automatisierung können individuell definiert werden. Während ein Agent den Bearbeitungsstand einer Reklamation selbstständig mitteilen darf, kann eine Erstattungsentscheidung weiterhin einem Mitarbeitenden vorbehalten bleiben.

Entsprechende Möglichkeiten zur Verknüpfung von Wissensquellen, KI-Funktionen und bestehenden Systemen bieten Plattformen wie DialogBits für den KI-gestützten Kundenservice.

Praxisbeispiel: KI-Agent beim HERDT-Verlag

Wie sich die Bearbeitung unterschiedlicher Kundenanliegen mit kontrollierten Systemzugriffen verbinden lässt, zeigt der HERDT-Verlag für Bildungsmedien.

Dort unterstützt der KI-Agent „Berti“ Kunden im Online-Shop. Über angebundene Werkzeuge kann er unter anderem Bestellinformationen abrufen und verschiedene Anliegen innerhalb eines Gesprächs bearbeiten.

Die verfügbaren Funktionen und ihre Einsatzmöglichkeiten werden dabei konfiguriert. Anhand der jeweiligen Kundenanfrage wählt der Agent ein geeignetes Werkzeug aus, ohne uneingeschränkten Zugriff auf sämtliche Systeme zu erhalten.

In den ersten zwei Wochen nach der Umstellung beantwortete Berti bereits 76 Kundenanfragen eigenständig. Die Success Story des HERDT-Verlags zeigt, wie dieser Ansatz in der Praxis umgesetzt wurde.

Fazit: Kontrolle ist die Grundlage sinnvoller Automatisierung

Der Einsatz von KI-Agenten im Kundenservice bedeutet nicht, künstlicher Intelligenz möglichst viele Freiheiten einzuräumen. Vielmehr müssen Unternehmen bestimmen können, welche Informationen genutzt, welche Antworten formuliert und welche Aktionen ausgeführt werden dürfen.

Gerade für mittelständische Betriebe liegt darin ein wesentlicher Vorteil: Unterschiedliche Serviceprozesse lassen sich automatisieren, ohne für jede Anfrage denselben Handlungsspielraum zuzulassen. Entscheidend ist nicht, wie viel ein KI-Agent grundsätzlich kann, sondern was er im jeweiligen Kontext tatsächlich darf.

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: Startup „Building Radar“ gewinnt 100.000 US-Dollar

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: Startup „Building Radar“ gewinnt 100.000 US-Dollar

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: Startup „Building Radar“ gewinnt 100.000 US-Dollar

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: Startup „Building Radar“ gewinnt 100.000 US-Dollar

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: Startup „Building Radar“ gewinnt 100.000 US-Dollar

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: Startup „Building Radar“ gewinnt 100.000 US-Dollar

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: Startup „Building Radar“ gewinnt 100.000 US-Dollar

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: Startup „Building Radar“ gewinnt 100.000 US-Dollar

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: Startup „Building Radar“ gewinnt 100.000 US-Dollar