04.05.2020

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.
/artikel/grazer-ki-startup-kml-vision-ikosa-covid-19
Philipp Kainz (links) und Michael Mayrhofer-Reinhartshuber haben KML Vision 2018 gegründet
(c) GK artworks: Philipp Kainz (links) und Michael Mayrhofer-Reinhartshuber haben KML Vision 2018 gegründet

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.

+++ Mehr zum Thema Künstliche Intelligenz +++

Einfache Anwendung durch eigene Onlineplattform

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.

(c) KML Vision: Die Covid-19-Anwendung auf der Plattform IKOSA

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.

⇒ Zur Page des Startups

Redaktionstipps
Deine ungelesenen Artikel:
10.09.2026

Warum Europa kein eigenes Waymo braucht

Ein Fahrzeug ist noch kein Geschäftsmodell: Warum beim autonomen Fahren nicht die Technologie über Europas Chance entscheidet, sondern der Betrieb dahinter, erklärt vionmo-Gründer Michael Jayasekara im Gastkommentar.
/artikel/warum-europa-kein-eigenes-waymo-braucht
10.09.2026

Warum Europa kein eigenes Waymo braucht

Ein Fahrzeug ist noch kein Geschäftsmodell: Warum beim autonomen Fahren nicht die Technologie über Europas Chance entscheidet, sondern der Betrieb dahinter, erklärt vionmo-Gründer Michael Jayasekara im Gastkommentar.
/artikel/warum-europa-kein-eigenes-waymo-braucht
(c) Verena Nageler

Mit vierundzwanzig habe ich einen großen Teil meines Ersparten in ein Wiener Mobility-Startup gesteckt. Verrückt, ich weiß, aber ich habe verdammt viel gelernt, als ich am Tisch mit namhaften Business Angels aus Österreich und VCs wie Elevator Ventures, Uniqa Ventures und dem aws Gründerfonds sitzen durfte. Die Firma hieß goUrban, eine Plattform für Car- und Micro-Mobility-Sharing und für die Digitalisierung von Firmenflotten. Im September 2024 wurde goUrban von Wunder Mobility übernommen.

Geblieben ist mir aus dieser Zeit vor allem eine Lektion. Sie kommt in der aktuellen Debatte über autonomes Fahren fast nie vor: Ein Fahrzeug ist noch kein Geschäftsmodell.

Beim Sharing entscheidet nämlich nicht die App. Fahrzeuge wollen geladen, gereinigt, gewartet und umverteilt werden. Sie müssen dort stehen, wo in zwanzig Minuten jemand sucht. Stehen sie falsch, kosten sie Geld. Sind sie defekt, ist die Kund:in weg. Bleibt die Auslastung aus, hilft die beste Technologie nichts.

Beim autonomen Fahren ist und wird das nicht anders sein. Die Person am Steuer kann verschwinden. Der Betrieb bleibt ja trotzdem.

Die USA und China machen es logisch, aber anders

Die USA und China skalieren autonome Mobilität dort, wo Dichte, große Flotten und zahlungsbereite Kund:innen zusammenkommen. Das Robotaxi ist als individuelles Produkt gedacht und fährt zuerst in den Gebieten, in denen sich der Betrieb rechnet. Das ist logisch und funktioniert dort auch.

Bei uns sind die Voraussetzungen andere. Wir haben ein dichtes öffentliches Netz, starke Verkehrsverbünde und die politische Erwartung, dass Mobilität auch dort funktioniert, wo sie sich betriebswirtschaftlich nicht ausgeht.

Ein europäisches Waymo zu bauen, löst diese Frage nicht. Der Bahnhof im Seitental, der Weiler am Dienstagabend, der Tourismusort im November: Da fehlt kein weiteres einzelnes Fahrzeug. Da fehlt das System, das dieses Fahrzeug in den öffentlichen Verkehr einhängt.

Die spannendste europäische Position liegt für mich deshalb nicht im Technologie-Layer. Sie liegt bei denen, die Flotten betreiben, Nachfrage bündeln, Fahrten disponieren, Fahrzeuge laden und warten, Schnittstellen zu den Verbünden bauen und Gemeinden, Betriebe und Behörden an einen Tisch bekommen. Also bei der unglamourösen Arbeit.

Ohne Nachfrage keine Skalierung

Autonome Fahrzeuge rechnen sich erst, wenn sie regelmäßig fahren. Und genau hier wird der Tourismus unterschätzt.

Eine Destination bündelt Nachfrage räumlich und zeitlich. Samstagvormittag kommen die Gäste an denselben zwei, drei Bahnhöfen an. Sie fahren zu einer überschaubaren Zahl an Unterkünften, Bergbahnen, Veranstaltungsorten und Ausflugszielen. Diese Wege sind planbarer als die einer beliebigen Stadtbevölkerung. Wir sehen das in unseren Daten immer wieder.

Ein einzelnes Hotel wird trotzdem nie eine autonome Flotte aufbauen. Eine Region kann es. Sie kann die Nachfrage aus Beherbergung, Freizeitwirtschaft, Bevölkerung und öffentlichem Verkehr zusammenlegen. Aus einzelnen Fahrten wird ein Bediengebiet, aus dem Pilotprojekt ein Angebot, das bleibt. Und die Einheimischen fahren mit. Das ist der Punkt, an dem Konnektivität das Leben am Land wieder attraktiver macht.

Nur: Irgendwer muss diese Struktur aufsetzen. Wer übernimmt die Buchung? Wer garantiert den Anschluss, wenn der Zug 18 Minuten Verspätung hat? Wer zahlt die schwachen Zeiten? Wem gehören die Daten? Wer haftet, wenn eine Fahrt ausfällt? Und wer entscheidet, ob das Fahrzeug zum gut ausgelasteten Bahnhof fährt oder zum Betrieb am Ende des Tals?

Das klingt weniger nach Zukunft als Sensorik und Fahrzeugmodelle. Wirtschaftlich entscheidet es mehr.

Menschen steigen nicht wegen der Technik um

Das beste Angebot scheitert, wenn es niemand nutzt. Und die Rolle des Klimabewusstseins wird dabei gehörig überschätzt.

Der Gast lässt das Auto nicht stehen, um ein guter Mensch zu sein. Er lässt es stehen, wenn die Alternative bequemer ist und er sich darauf verlassen kann. Wenn sie günstiger ist, umso besser.

Der Urlaub ist dafür ein guter Moment. Menschen sind aus ihren Routinen raus, probieren Sachen aus, organisieren ihre Wege ohnehin neu. Ob das zuhause nachwirkt, ist noch nicht ausreichend belegt, da würde ich mich nicht zu weit hinauslehnen. Für eine Destination reicht der Urlaub trotzdem: Hier lässt sich zeigen, dass es ohne eigenes Auto geht, ohne dass sich jemand einschränken muss.

Die Technologie macht es möglich. Genutzt wird sie erst, wenn sie im Alltag der Gäste die bequemere Variante ist.

Wer das System organisiert, dem gehört der Markt

Europa pilotiert viel und skaliert wenig. Das liegt nicht nur an Regulierung und technischer Vorsicht. Meistens fehlt jemand, der aus Fahrzeug, öffentlichem Verkehr, touristischer Nachfrage und regionaler Verantwortung ein Produkt macht.

Waymo wird uns das nicht bauen. Und auch kein europäischer Fahrzeughersteller wird entscheiden, wie der Gast vom Bahnhof in ein österreichisches Seitental kommt.

Die unternehmerische Chance liegt zwischen den Zuständigkeiten. Sie gehört denen, die Betreiber, Verkehrsverbünde, Destinationen, Gemeinden und Betriebe koordinieren und daraus ein Angebot machen, das an einem Dienstag im November genauso funktioniert wie am Anreisesamstag im Winter.

Wer damit anfangen will, braucht dafür übrigens kein autonomes Fahrzeug. Es reicht, in einer Region die Fragen von oben zu beantworten: Buchung, Anschluss, Finanzierung der schwachen Zeiten, Daten, Haftung. Wer das geklärt hat, ist bereit, wenn die Fahrzeuge kommen. Die anderen pilotieren dann noch.

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

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.