KML Vision: KI von Grazer Startup erkennt Covid-19 auf Röntgen-Bildern
Das 2018 gegründete Grazer DeepTech-Startup KML Vision stellt eine KI-Anwendung zur Bilderkennung von Covid-19-Erkrankungen kostenlos auf der hauseigenen Onlineplattform IKOSA zur Verfügung. Wir sprachen mit CEO und Co-Founder Philipp Kainz über diesen krisenrelevanten Show-Case.
Das Training für den nun benutzten KI-basierten Algorithmus des Grazer Startups KML Vision war relativ komplex. “Das Forschungsteam der kanadischen University of Waterloo und KI-Experten des Unternehmens DarwinAI haben etwa 13800 Röntgenbilder benötigt, um das KI-Modell zu trainieren”, führt CEO und Co-Founder Philipp Kainz daraufhin befragt aus. Nunmehr könne die Anwendung aber auf eine 96,8-prozentige Trefferquote verweisen. “Es unterscheidet bei der Analyse der Bilder zwischen Nicht-Erkrankungen, Lungenentzündungen ohne Covid-19-Erkrankung und Covid-19-Erkrankungen“, berichtet der CEO. Das gelinge, weil es bestimmte Muster bei Lungen-Röntgenbildern gebe, die eine Covid-Infektion erkennbar machen.
Diese Covid-19-Anwendung gehört an sich nicht zum Tagesgeschäft des steierischen Unternehmens. “Wir verstehen es eher als Show-Case”, meint Kainz dazu. Für gewöhnlich entwickle man selbst Bildanalyse-Algorithmen. Mit der kostenlosen Open-Source Covid-19-Anwendung wolle man aber zeigen, was die selbstentwickelte Online-Plattform IKOSA so alles kann.
Die Vorteile lägen auf der Hand. “Wir wollten in diesem Fall belegen, wie schnell und einfach bestehende Algorithmen in unsere Plattform integriert werden können”, stellt der KML Vision CEO fest. Einen Vorteil stelle beispielsweise die einfache Bedienbarkeit dar. “Bei vielen KI-Algorithmen und KI-Unternehmen fehlt es an der passenden Infrastruktur”, streicht der CO-Gründer heraus. “Wir bringen damit Algorithmen auf ein neues Level”, sagt er.
Ebenjene Vorteile zeige man mit der Covid-19-Anwendung auf. “Mit wenigen Klicks kann jeder Benutzer die Covid-19-Applikation ohne Programmierkenntnisse bedienen“, so Kainz. In Sekunden werde dann das das Röntgenbild analysiert und ausgewertet. Primäre fokussiert ist die Anwendung aber auf die Forschung, nicht auf eine breitere Masse. “Wir verkürzen für die Forschung in diesem Bereich die Zeit, um wichtige Informationen aus Bildern herauszuholen”, sagt Kainz in Bezug auf die Covid-19-Anwendung und über die Stoßrichtung des eigenen Unternehmens ganz generell.
KML Vision und die Coronakrise
Auch wenn das Grazer Unternehmen jetzt mit einer Covid-19-Applikation die eigenen Stärken demonstrieren möchte, ist es selbst nicht von der Coronakrise betroffen. “Wir sehen eher einen Zuwachs an Anfragen”, stellt Kainz klar. Und: “Die Automatisierung, die jetzt um sich greift, spielt uns definitiv in die Karten”. Man habe als Unternehmen sowohl die Tools als auch das entscheidende Know-How, das vor allem in einer Zeit des “Umdenkens in der Industrie“ relevant sei.
Zudem stünden höchstwahrscheinlich Finanzierungsrunden ins Haus. “Für 2020 ist diesbezüglich etwas in Planung, die Runde ist aber noch offen”, sagt Kainz und gibt sich auch bedeckt was die mögliche Investitionssumme betrifft. “Auch die Vorbereitungen für eine weitere größere Finanzierungsrunde im Jahr 2021 laufen bereits”, schiebt er nach. Prinzipiell wolle man sich zukünftig noch mehr in den Bereich Forschung und Entwicklung der Pharma-Industrie bewegen. “Wir schauen uns auch den Markt im Bereich HealthTech an”, so Kainz. “Unser Bereich, der ja letztlich ein digitales Business-Modell ist, ist krisensicher”, gibt er sich abschließend zuversichtlich.
Crypto Weekly #154. Bitcoin-ETFs in den USA, das Halving und schließlich das Überschreiten der 100.000er-Marke. Es ist einiges passiert in diesem Jahr - darauf blicken wir in dieser Sonderausgabe von "Crypto Weekly" zurück.
Crypto Weekly #154. Bitcoin-ETFs in den USA, das Halving und schließlich das Überschreiten der 100.000er-Marke. Es ist einiges passiert in diesem Jahr - darauf blicken wir in dieser Sonderausgabe von "Crypto Weekly" zurück.
🚀 Spektakulärer Start ins Jahr: Erstmals Bitcoin-Spot-ETFs in den USA genehmigt
Es war ein starkes Jahr für Krypto – so viel ist klar. Nach dem Boomjahr 2021 und dem “Kryptowinter” 2022 hatten sich die Kurse im Vorjahr schon wieder gut entwickelt. Dieses Jahr ging es in derselben Tonart weiter. Dabei lief bereits der Start ins Jahr gut: Denn bereits in der zweiten Woche des Jahres gab es ein Ereignis von enormer Tragweite: Die US-Börsenaufsicht ließ erstmals Bitcoin-Spot-ETFs zum Handel zu.
Im Gegensatz zu den schon länger existierenden Bitcoin-Futures-ETFs investieren diese Fonds direkt in Bitcoin – und nicht in Finanzprodukte, die den Bitcoin-Preis nachbilden. Dass die Börsenaufsicht die ETF-Anträge genehmigen würde, hatte sich in den Wochen zuvor schon abgezeichnet (siehe Crypto Weekly #127). Zuvor hatte das Thema bereits das zweite Halbjahr 2023 dominiert, nachdem im Sommer bekanntgeworden war, dass der weltgrößte Vermögensverwalter BlackRock einen Antrag auf einen Bitcoin-Spot-ETF stellen würde (siehe Crypto Weekly #104).
Die ETFs waren aus mehreren Gründen eine große Sache: Sie ermöglichen institutionellen Anleger (und bewegen am Markt die wirklich großen Summen!) einfachere Investments in Bitcoin. Auch Privatanleger:innen auf Einsteiger:innen-Niveau wird es dadurch erleichtert, in Bitcoin zu investieren: Sie müssen sich beispielsweise nicht mit der Verwahrung der Coins beschäftigen und können die ETFs auch möglicherweise über ihre bestehende Bank kaufen.
Und ganz unabhängig vom neuen Geld, das dadurch in den Markt kommt: Durch die ETFs stärkt Bitcoin sein Image in der etablierten Finanzbranche und bekommt mehr Legitimität verliehen.
Die unmittelbare Marktreaktion auf die Genehmigung war unspektakulär. Weil sie bereits eingepreist war: Der Bitcoin-Kurs war in Erwartung der Genehmigung schon in den Wochen zuvor deutlich gestiegen. Die ETFs erwiesen sich aber schnell als Erfolg und verzeichneten starke Kapitalzuflüsse. Im Sommer starteten dann erstmals auch Ethereum-Spot-ETFs (siehe Crypto Weekly #147), aber wir bleiben vorerst noch im ersten Quartal.
Der Bitcoin-Kurs bewegte sich im Jänner nach der Genehmigung zunächst seitwärts, legte im Februar aber deutlich zu. Die ETFs haben dabei sicherlich geholfen, aber gleichzeitig wurde der Kryptomarkt auch von einer generell guten Stimmung an den Finanzmärkten gestützt (siehe Crypto Weekly #133). Im März war es dann soweit: Der Kurs überschritt sein bisheriges Rekordhoch von über 69.000 US-Dollar, das im Oktober 2021 erreicht worden war. Er stieg bis auf etwas über 73.000 Dollar.
🪙 Das vierte Bitcoin-Halving - und wie es sich auswirkte
Und dann gab es gleich noch einen weiteren Faktor, von dem sich viele Unterstützung für den Kurs erwarteten: Das vierte Bitcoin-Halving im April 2024. Beim Halving wird die Belohnung, die Miner erhalten, um neue Blöcke zur Bitcoin-Blockchain hinzufügen, halbiert. Die Folge: Es kommen weniger neue Bitcoins in den Umlauf als es ohne Halving der Fall wäre.
Das Halving spielt, wie in Crypto Weekly #138 ausgeführt, eine zentrale Rolle für die Geldpolitik von Bitcoin. Denn dass die Menge aller jemals bestehender Bitcoin begrenzt ist, ist eines der zentralen Merkmale von Bitcoin. Und geht Hand in Hand mit einer deterministischen Geldpolitik, die nicht einfach von einer Zentralbank geändert werden kann.
Viele Anleger:innen erhoffen sich vom Halving aber auch einen positiven Impuls für die Kursentwicklung. Immerhin sinkt die Anzahl der Bitcoin, die neu in Umlauf geraten. Zumindest relativ gesehen (nämlich zu der Anzahl der Bitcoin, die ohne Halving entstehen würden) ist es also eine Angebotsverknappung - und eine solche bewirkt üblicherweise einen steigenden Preis.
Demgegenüber steht, dass das Eintreten des Halvings bekannt und de facto völlig sicher ist. Es könnte daher im Vorfeld bereits vollständig eingepreist sein. Somit wäre zum Zeitpunkt des Halvings selbst mit keinen Kursauswirkungen zu rechnen. Theoretisch. Denn selbst wenn es so ist, könnte das Halving auch als “selbsterfüllende Prophezeiung” wirken: Weil alle den Kursanstieg erwarten und deshalb kaufen, steigt der Kurs tatsächlich.
Schon im Vorfeld wurde genau darüber intensiv diskutiert. Letztlich ging das Halving am 20. April reibungslos über die Bühne. Starke Auswirkungen auf den Kurs hatte es nicht mehr. Anzumerken ist dabei aber: Der Bitcoin-Kurs war zwischen Ende Jänner und Mitte März bereits sehr stark von etwa 40.000 auf über 70.000 Dollar gestiegen.
Auch nach dem Halving blieb die Marktentwicklung über den Sommer weitgehend unspektakulär. Erst im Herbst gab es die nächste starke Aufwärtsbewegung.
🇺🇸 US-Politik dominiert zweite Jahreshälfte
Und damit sind wir auch schon bei dem Thema, das die zweite Jahreshälfte dominierte: Die US-Politik. Die Kryptobranche des Landes stand schon länger auf Kriegsfuß mit der Börsenaufsicht rund um deren Chef Gary Gensler. Die Behörde hatte insbesondere nach der Pleite der Kryptobörse FTX ihr Vorgehen gegen die Branche deutlich intensiviert. Die Kryptobranche hoffte klarerweise auf einen Kurswechsel. Und die anstehende Präsidentschaftswahl schien dafür eine Chance zu bieten.
Dies galt umso mehr, als sich der republikanische Kandidat Donald Trump bereits im Frühsommer explizit für Bitcoin und Krypto-Assets aussprach (siehe Crypto Weekly #142). Er griff die Biden-Regierung für ihren Umgang mit der Branche scharf an. Ob Trumps Gegenkandidatin Kamala Harris den scharfen Kurs der Biden-Regierung, deren Teil sie natürlich war und ist, fortgesetzt hätte, bleibt unklar. Im Wahlkampf äußerte sie sich dann ebenfalls mehrfach positiv über Krypto-Assets. Zumindest der scharfe Kurs der Börsenaufsicht der vergangenen beiden Jahre wäre wohl ebenfalls aufgeweicht worden.
Die US-Kryptobranche stand aber ohnehin klar auf Seiten Trumps. Als sich dessen Wahlsieg abzuzeichnen begann, erreichte der Bitcoin-Kurs noch in der Nacht der Präsidentschaftswahl ein Rekordhoch bei rund 75.000 US-Dollar. In den folgenden Wochen ging es bis auf 99.000 Dollar aufwärts. An der 100.000er-Marke schien der Kurs zunächst abzuprallen. Anfang Dezember war es dann soweit: Erstmals in seiner Geschichte überschritt der Bitcoin-Kurs die vielbeschworene Schwelle von 100.000 US-Dollar.
Kurz zuvor hatte Trump angekündigt, wer dem in der Krypto-Branche unbeliebten Gensler als Chef der Börsenaufsicht nachfolgen soll – und zwar der als kryptofreundlich geltende Paul Atkins. Mit dem bekannten Investor David Sacks ernannte Trump dann auch einen eigenen “Krypto-Zar” für die kommende Regierung. Eine von Sacks’ Aufgaben werde sein, einen rechtlichen Rahmen zu arbeiten, mit dem Kryptobranche jene Klarheit bekäme, die sie brauche, schrieb Trump in seiner Ankündigung.
Wie eine solche Regulierung genau aussehen wird, ist zum jetzigen Zeitpunkt klarerweise noch völlig offen. Dies gilt auch für andere Punkte - etwa die von Trump im Wahlkampf geforderte strategische Bitcoin-Reserve.
Diese Idee hat jetzt auch diesseits des Atlantiks einen Nachahmer gefunden: Der vor wenigen Wochen als deutscher Finanzminister entlassene Christian Lindner regte an, dass die Europäische Zentralbank (EZB) Bitcoin in ihren Bestand aufnehmen soll. Lindner befindet sich als Spitzenkandidat der liberalen FDP im Wahlkampf. Während seiner Amtszeit als Finanzminister, die fast drei Jahre dauerte, hatte er keine entsprechenden Initiativen unternommen.
Wie geht es jetzt weiter? Mitte Dezember stieg der Bitcoin-Kurs zunächst bis auf 108.000 US-Dollar. Dann korrigierte er jedoch deutlich. Zuletzt bewegte er sich im Bereich von 93.000 Dollar. Nach der sehr starken Kursentwicklung der vergangenen Wochen sollte eine solche Gegenbewegung aber nicht überraschen.Zu berücksichtigen ist auch, wie in Crypto Weekly #153 bereits thematisiert, dass die Kursgewinne der vergangenen Wochen hauptsächlich auf Erwartungen (an die US-Politik) beruhen. In den nächsten Wochen und Monaten (in manchen Fällen: Jahren) wird sich nach und nach zeigen, was davon eingelöst wird. Dazu kommt: Auch makroökonomische und geopolitische Entwicklungen werden den Markt wieder stärken beeinflussen. Die Vorzeichen stehen zwar günstig. Wo sich der Kryptomarkt 2025 aber wirklich hinbewegen wird, wird sich erst zeigen.
Disclaimer: Dieser Text sowie die Hinweise und Informationen stellen keine Steuerberatung, Anlageberatung oder Empfehlung zum Kauf oder Verkauf von Wertpapieren dar. Sie dienen lediglich der persönlichen Information. Es wird keine Empfehlung für eine bestimmte Anlagestrategie abgegeben. Die Inhalte von brutkasten.com richten sich ausschließlich an natürliche Personen.
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.
KML Vision: KI von Grazer Startup erkennt Covid-19 auf Röntgen-Bildern
Das Training für den nun benutzten KI-basierten Algorithmus des Grazer Startups KML Vision war relativ komplex.
“Das Forschungsteam der kanadischen University of Waterloo und KI-Experten des Unternehmens DarwinAI haben etwa 13800 Röntgenbilder benötigt, um das KI-Modell zu trainieren”, führt CEO und Co-Founder Philipp Kainz daraufhin befragt aus.
Nunmehr könne die Anwendung, die Covid-19-Erkrankungen auf Röntgen-Bildern erkennt, aber auf eine 96,8-prozentige Trefferquote verweisen.
Diese Covid-19-Anwendung gehört an sich nicht zum Tagesgeschäft des steierischen Unternehmens.
“Wir verstehen es eher als Show-Case”, meint Kainz, für gewöhnlich entwickle man selbst Bildanalyse-Algorithmen.
AI Kontextualisierung
Welche gesellschaftspolitischen Auswirkungen hat der Inhalt dieses Artikels?
Leider hat die AI für diese Frage in diesem Artikel keine Antwort …
KML Vision: KI von Grazer Startup erkennt Covid-19 auf Röntgen-Bildern
Das Training für den nun benutzten KI-basierten Algorithmus des Grazer Startups KML Vision war relativ komplex.
“Das Forschungsteam der kanadischen University of Waterloo und KI-Experten des Unternehmens DarwinAI haben etwa 13800 Röntgenbilder benötigt, um das KI-Modell zu trainieren”, führt CEO und Co-Founder Philipp Kainz daraufhin befragt aus.
Nunmehr könne die Anwendung, die Covid-19-Erkrankungen auf Röntgen-Bildern erkennt, aber auf eine 96,8-prozentige Trefferquote verweisen.
Diese Covid-19-Anwendung gehört an sich nicht zum Tagesgeschäft des steierischen Unternehmens.
“Wir verstehen es eher als Show-Case”, meint Kainz, für gewöhnlich entwickle man selbst Bildanalyse-Algorithmen.
AI Kontextualisierung
Welche wirtschaftlichen Auswirkungen hat der Inhalt dieses Artikels?
Leider hat die AI für diese Frage in diesem Artikel keine Antwort …
KML Vision: KI von Grazer Startup erkennt Covid-19 auf Röntgen-Bildern
Das Training für den nun benutzten KI-basierten Algorithmus des Grazer Startups KML Vision war relativ komplex.
“Das Forschungsteam der kanadischen University of Waterloo und KI-Experten des Unternehmens DarwinAI haben etwa 13800 Röntgenbilder benötigt, um das KI-Modell zu trainieren”, führt CEO und Co-Founder Philipp Kainz daraufhin befragt aus.
Nunmehr könne die Anwendung, die Covid-19-Erkrankungen auf Röntgen-Bildern erkennt, aber auf eine 96,8-prozentige Trefferquote verweisen.
Diese Covid-19-Anwendung gehört an sich nicht zum Tagesgeschäft des steierischen Unternehmens.
“Wir verstehen es eher als Show-Case”, meint Kainz, für gewöhnlich entwickle man selbst Bildanalyse-Algorithmen.
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 …
KML Vision: KI von Grazer Startup erkennt Covid-19 auf Röntgen-Bildern
Das Training für den nun benutzten KI-basierten Algorithmus des Grazer Startups KML Vision war relativ komplex.
“Das Forschungsteam der kanadischen University of Waterloo und KI-Experten des Unternehmens DarwinAI haben etwa 13800 Röntgenbilder benötigt, um das KI-Modell zu trainieren”, führt CEO und Co-Founder Philipp Kainz daraufhin befragt aus.
Nunmehr könne die Anwendung, die Covid-19-Erkrankungen auf Röntgen-Bildern erkennt, aber auf eine 96,8-prozentige Trefferquote verweisen.
Diese Covid-19-Anwendung gehört an sich nicht zum Tagesgeschäft des steierischen Unternehmens.
“Wir verstehen es eher als Show-Case”, meint Kainz, für gewöhnlich entwickle man selbst Bildanalyse-Algorithmen.
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 …
KML Vision: KI von Grazer Startup erkennt Covid-19 auf Röntgen-Bildern
Das Training für den nun benutzten KI-basierten Algorithmus des Grazer Startups KML Vision war relativ komplex.
“Das Forschungsteam der kanadischen University of Waterloo und KI-Experten des Unternehmens DarwinAI haben etwa 13800 Röntgenbilder benötigt, um das KI-Modell zu trainieren”, führt CEO und Co-Founder Philipp Kainz daraufhin befragt aus.
Nunmehr könne die Anwendung, die Covid-19-Erkrankungen auf Röntgen-Bildern erkennt, aber auf eine 96,8-prozentige Trefferquote verweisen.
Diese Covid-19-Anwendung gehört an sich nicht zum Tagesgeschäft des steierischen Unternehmens.
“Wir verstehen es eher als Show-Case”, meint Kainz, für gewöhnlich entwickle man selbst Bildanalyse-Algorithmen.
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 …
KML Vision: KI von Grazer Startup erkennt Covid-19 auf Röntgen-Bildern
Das Training für den nun benutzten KI-basierten Algorithmus des Grazer Startups KML Vision war relativ komplex.
“Das Forschungsteam der kanadischen University of Waterloo und KI-Experten des Unternehmens DarwinAI haben etwa 13800 Röntgenbilder benötigt, um das KI-Modell zu trainieren”, führt CEO und Co-Founder Philipp Kainz daraufhin befragt aus.
Nunmehr könne die Anwendung, die Covid-19-Erkrankungen auf Röntgen-Bildern erkennt, aber auf eine 96,8-prozentige Trefferquote verweisen.
Diese Covid-19-Anwendung gehört an sich nicht zum Tagesgeschäft des steierischen Unternehmens.
“Wir verstehen es eher als Show-Case”, meint Kainz, für gewöhnlich entwickle man selbst Bildanalyse-Algorithmen.
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 …
KML Vision: KI von Grazer Startup erkennt Covid-19 auf Röntgen-Bildern
Das Training für den nun benutzten KI-basierten Algorithmus des Grazer Startups KML Vision war relativ komplex.
“Das Forschungsteam der kanadischen University of Waterloo und KI-Experten des Unternehmens DarwinAI haben etwa 13800 Röntgenbilder benötigt, um das KI-Modell zu trainieren”, führt CEO und Co-Founder Philipp Kainz daraufhin befragt aus.
Nunmehr könne die Anwendung, die Covid-19-Erkrankungen auf Röntgen-Bildern erkennt, aber auf eine 96,8-prozentige Trefferquote verweisen.
Diese Covid-19-Anwendung gehört an sich nicht zum Tagesgeschäft des steierischen Unternehmens.
“Wir verstehen es eher als Show-Case”, meint Kainz, für gewöhnlich entwickle man selbst Bildanalyse-Algorithmen.
AI Kontextualisierung
Wer sind die relevantesten Personen in diesem Artikel?
Leider hat die AI für diese Frage in diesem Artikel keine Antwort …
KML Vision: KI von Grazer Startup erkennt Covid-19 auf Röntgen-Bildern
Das Training für den nun benutzten KI-basierten Algorithmus des Grazer Startups KML Vision war relativ komplex.
“Das Forschungsteam der kanadischen University of Waterloo und KI-Experten des Unternehmens DarwinAI haben etwa 13800 Röntgenbilder benötigt, um das KI-Modell zu trainieren”, führt CEO und Co-Founder Philipp Kainz daraufhin befragt aus.
Nunmehr könne die Anwendung, die Covid-19-Erkrankungen auf Röntgen-Bildern erkennt, aber auf eine 96,8-prozentige Trefferquote verweisen.
Diese Covid-19-Anwendung gehört an sich nicht zum Tagesgeschäft des steierischen Unternehmens.
“Wir verstehen es eher als Show-Case”, meint Kainz, für gewöhnlich entwickle man selbst Bildanalyse-Algorithmen.
AI Kontextualisierung
Wer sind die relevantesten Organisationen in diesem Artikel?
Leider hat die AI für diese Frage in diesem Artikel keine Antwort …
KML Vision: KI von Grazer Startup erkennt Covid-19 auf Röntgen-Bildern
Das Training für den nun benutzten KI-basierten Algorithmus des Grazer Startups KML Vision war relativ komplex.
“Das Forschungsteam der kanadischen University of Waterloo und KI-Experten des Unternehmens DarwinAI haben etwa 13800 Röntgenbilder benötigt, um das KI-Modell zu trainieren”, führt CEO und Co-Founder Philipp Kainz daraufhin befragt aus.
Nunmehr könne die Anwendung, die Covid-19-Erkrankungen auf Röntgen-Bildern erkennt, aber auf eine 96,8-prozentige Trefferquote verweisen.
Diese Covid-19-Anwendung gehört an sich nicht zum Tagesgeschäft des steierischen Unternehmens.
“Wir verstehen es eher als Show-Case”, meint Kainz, für gewöhnlich entwickle man selbst Bildanalyse-Algorithmen.