16.10.2017

Kapsch Factory1: Wie mit Big Data die Zukunft vorausgesagt wird

Das niederländische Startup Fileradar arbeitet im Accelerator Factory1 gemeinsam mit Kapsch an einem Verkehrs-Vorhersagesystem. Ein erstes gemeinsames Projekt wird in Madrid umgesetzt.
/artikel/kapsch-factory1-fileradar
(c) Kapsch: Das Fileradar-Team (l.) Mit Kapsch-Lead-Mentor Benoit Robinet (r.)
sponsored

Viele Menschen haben es im Laufe der Geschichte versucht – manche erfolgreicher, manche weniger erfolgreich: Die Zukunft vorhersehen. Dieser alte Traum kann nun dank der technischen Entwicklung in Erfüllung gehen. Während man sich in alten Zeiten auf göttliche Eingebung, Glaskugeln und dergleichen verließ, baut das niederländische Startup Fileradar im Accelerator-Programm Kapsch Factory1 auf Big Data und Machine Learning. Das Ziel ist dann auch etwas bescheidener (und realistischer), als jenes von Nostradamus und Co: 10 bis 15 Minuten im Voraus will Fileradar die Verkehrssituation vorhersagen.

+++ Kapsch: Hinter den Kulissen von Factory1 +++

Nicht nur reine Verkehrsdaten…

“Wir verwenden sowohl Daten über die aktuelle Verkehrssituation als auch große Datensets zum gegebenen Straßenzug aus der Vergangenheit. Über einen Machine Learning-Ansatz sagt unser System dann die wahrscheinlichste Verkehrsentwicklung voraus”, erklärt Fileradar-Co-Founder Frank Zuurbier. Project Engineer Peter Biczók ergänzt: “Was uns von anderen unterscheidet ist, sind die Daten, die wir nutzen.” Denn man verwende bei Fileradar nicht nur direkte Verkehrsdaten, sondern Informationen über unterschiedlichste Parameter, die auf den Verkehr Einfluss haben. So fließen etwa auch Wetterdaten, Informationen über größere Events in der Gegend und Berichte über Unfälle in die Analyse.

… auch Tweets fließen in die Analyse

Eine wichtige Rolle spielen dabei Social Media. “Dass es irgendwo einen Verkehrsunfall gab, wird oft schneller getwittert, als es bei den Verkehrsbehörden landet”, erklärt Biczók. Dabei kombiniere immer eine ganze Reihe von Daten, um Fehlinformationen zu eliminieren: “Ein einzelner Tweet ist ebenso unzuverlässig, wie die Daten eines einzelnen Verkehrssensors.” Generell erwarte man aber auch keine gezielt gestreuten Fehlinformationen im Verkehrsbereich. Vorsicht sei jedenfalls geboten: “Wir hatten einmal einen Tweet über einen ‚Unfall‘, bei dem das falsche Papierformat gewählt wurde, nämlich A4”, erzählt Zuurbier. Das System wertete dies als Hinweis zu einem Verkehrsunfall auf der Autobahn A4.

Mit Kapsch zu neuen Märkten

In der Heimat, den Niederlanden, hat das Unternehmen, das vor sieben Jahren an der Universität Delft gegründet wurde, bereits eine Kooperation mit der Verkehrsbehörde und ist in mehreren Städten aktiv. Über die Zusammenarbeit mit Kapsch soll nun ein größerer Markt erschlossen werden. “Wir dachten uns, wir können es nicht stemmen, einfach loszuziehen und weltweit bei jeder Verkehrsbehörde anzuklopfen, ob sie an unserem Produkt interessiert sind. Wir sollten einen Partner finden, der diese Kontakte bereits hat und diese Märkte bereits abdeckt”, erzählt Zuurbier. Die Ausschreibung der Kapsch Factory1 hätte sich dabei perfekt ergeben.

„Fügt sich perfekt in unser Kerngeschäft“

“Was Fileradar macht, fügt sich wirklich perfekt in unser Kerngeschäft”, ergänzt Eric Karl Diethelm von Kapsch TrafficCom, der im Accelerator als Mentor für das Startup fungiert. “Ein tieferes Verständnis für die vorhandenen Daten zu erlangen und immer mehr aus ihnen herauszuholen ist eines unserer wichtigsten Ziele”, sagt er. Konkret haben Fileradar und Kapsch im Rahmen der Factory1 ein gemeinsames Projekt in Spaniens Hauptstadt Madrid. Das System wird dort für einen etwa fünf Kilometer langen Straßenzug mit 15 Kreuzungen implementiert, den Kapsch bereits seit längerem betreut.

„Die Verkehrsvorhersage ist kein Selbstzweck. Sie nutzt nur dann etwas, wenn man etwas aus den Ergebnissen macht“

Evaluierung führt zu konkreten Vorschlägen

“Wir haben dort zunächst sechs Monate lang Verkehrsdaten gesammelt. Seit September sind wir mit unserem System live”, erzählt Zuurbier. Im nächsten Schritt werde man die Performance in dieser ersten Phase evaluieren. “Das Schöne daran, wenn man 10-Minuten-Voraussagen macht ist, dass man zehn Minuten später weiß, ob man richtig gelegen ist”, sagt Biczók dazu. Doch man verfolge bereits weitere Ziele in Madrid. “Die Verkehrsvorhersage ist kein Selbstzweck. Sie nutzt nur dann etwas, wenn man etwas aus den Ergebnissen macht”, sagt Zuurbier. In diesem Fall wolle man etwa nachher Vorschläge liefern können, die Ampelschaltung effizienter zu gestalten.

„Blicken auf eine sehr reichhaltige Daten-Zukunft“

Außerdem wolle man das Konzept mit den gewonnenen Daten und der weiteren Verbesserung des Machine Learning Systems immer schneller auf neue Orte ausweiten können. “Früher wurden Verkehrsmodelle manuell erstellt. Für so einen Straßenzug wie in Madrid hätte das etwa ein halbes Jahr lang gedauert. Wir sind jetzt bald soweit, dass wir das in unter einer Woche automatisiert machen können”, sagt Biczók. Wichtig sei es nun auch, das System auf Orte ausweiten zu können, die über keine so gute Datenlage verfügten. Auch an der stärkeren Integration von Daten, die von Fahrzeugen selber kommen, arbeite man bereits intensiv, so habe man etwa eine Kooperation mit dem Navigationssystem-Hersteller Tom Tom. “Wir blicken auf eine sehr reichhaltige Daten-Zukunft. Und wir sind dafür bereit”, sagt Zuurbier.

+++ Kapsch Factory1: Wenn Autos andere Fahrzeuge vor Gefahren warnen +++

Deine ungelesenen Artikel:
16.11.2026

Grazer Startup teamazing setzt nach Existenzkrise auf KI

2025 kämpfte das Grazer Startup teamazing noch ums Überleben. Ein Jahr später ist das Unternehmen nach eigenen Angaben wieder profitabel und meldet erste Erfolge mit seiner KI-Plattform Teamo AI. Diese soll Unternehmen dabei helfen, betriebliche Abläufe zu verbessern. Entwickelt wurde die Technologie gemeinsam mit dem deutschen Industriebetrieb Bass.
/artikel/grazer-startup-teamazing-setzt-nach-existenzkrise-auf-ki
16.11.2026

Grazer Startup teamazing setzt nach Existenzkrise auf KI

2025 kämpfte das Grazer Startup teamazing noch ums Überleben. Ein Jahr später ist das Unternehmen nach eigenen Angaben wieder profitabel und meldet erste Erfolge mit seiner KI-Plattform Teamo AI. Diese soll Unternehmen dabei helfen, betriebliche Abläufe zu verbessern. Entwickelt wurde die Technologie gemeinsam mit dem deutschen Industriebetrieb Bass.
/artikel/grazer-startup-teamazing-setzt-nach-existenzkrise-auf-ki
Die Gründer von teamazing: Paul Stanzenberger und Lukas Komar | (c) teamazing

„Das Einzige, was wir auch nach über einem Jahrzehnt nicht kennen, ist Stillstand“, heißt es auf der Website von teamazing. Tatsächlich hat sich das 2014 gegründete Unternehmen mehrfach neu erfunden: vom klassischen Teambuilding-Anbieter über virtuelle Teamevents bis hin zur KI-Plattform.

Mit Teamo AI will teamazing verhindern, dass wertvolles Wissen von Mitarbeitenden im Arbeitsalltag verloren geht. Die Plattform sammelt deshalb Rückmeldungen aus der Belegschaft und verknüpft sie mithilfe künstlicher Intelligenz mit Daten aus bestehenden Unternehmenssystemen. So sollen Probleme schneller erkannt und konkrete Verbesserungen ermöglicht werden.

Vom Teambuilding-Boom zur Existenzkrise

Während der Corona-Pandemie entwickelte sich teamazing nach eigenen Angaben zum europäischen Marktführer im Online-Teambuilding (brutkasten berichtete). Nach dem Ende des Booms wollte das Unternehmen mit einem eigenen Videospiel ein neues Geschäftsmodell aufbauen. Dafür sicherte sich das Startup 2023 knapp eine Million Euro von der Steirischen Wirtschaftsförderung (SFG), ZEN 11 und Situlus (brutkasten berichtete).

Das browserbasierte Spiel Monax Island richtete sich vor allem an Remote-Teams. Mitarbeitende sollten gemeinsam auf einer virtuellen Insel Rätsel lösen und Herausforderungen bewältigen. Regelmäßig neue Spielinhalte sollten die Zusammenarbeit und den informellen Austausch auch über räumliche Distanzen hinweg fördern.

Der erhoffte Erfolg blieb jedoch aus. „Da haben wir keinen Product-Market-Fit gefunden“, sagt Mitgründer und Geschäftsführer Paul Stanzenberger. Insgesamt habe teamazing rund eine Million Euro in Monax Island investiert, damit aber lediglich 15.000 Euro Umsatz erzielt. Zwar hätten mehr als 8.000 Menschen das Spiel ausprobiert, für eine regelmäßige Nutzung habe jedoch der konkrete Mehrwert gefehlt. Auch die zunehmende Konkurrenz durch kostenlose Online-Angebote habe das Geschäftsmodell erschwert.

Die Folgen waren gravierend. 2024 musste teamazing seine Strategie ändern, 2025 wurde die finanzielle Situation existenzbedrohend. Zeitweise sei es darum gegangen, überhaupt das Geld für die nächste Gehaltszahlung aufzubringen. „Das war sehr, sehr knapp“, erinnert sich Stanzenberger.

Das Unternehmen reduzierte seine Kosten drastisch. Heute sind nur noch Stanzenberger und Lukas Komar als Geschäftsführer direkt im Unternehmen tätig. Das ursprüngliche Eventgeschäft wurde automatisiert und ausgelagert, besteht aber weiterhin.

Aus dem gescheiterten Projekt zog Stanzenberger eine Lehre für zukünftige Finanzierungen: „Ohne Product-Market-Fit mache ich keine Finanzierungsrunde mehr.“ Bei Monax Island habe man vor allem auf Basis einer Idee und der bisherigen Erfolge Kapital eingesammelt. Das wolle er nicht wiederholen.

Teamo AI entstand aus einem Kundenbedürfnis

Für die neue KI-Plattform änderte teamazing deshalb seinen Ansatz. Statt zunächst ein Produkt zu entwickeln und anschließend Kunden zu suchen, orientierte man sich an konkreten Problemen von Unternehmen. „Wir müssen nicht schauen, was wir gut finden und gut können, sondern eher, was die Kunden brauchen“, sagt Stanzenberger.

Gemeinsam mit dem deutschen Präzisionswerkzeughersteller Bass GmbH entwickelte teamazing 2025 den sogenannten „Vibe Check“. Beschäftigte können damit unkompliziert Beobachtungen und Probleme aus ihrem Arbeitsalltag melden. Bass wollte diese Informationen anschließend mit bestehenden Unternehmensdaten verknüpfen. Daraus entstand die heutige Plattform Teamo AI.

Beim Industrieunternehmen mit rund 170 Mitarbeitenden zeigen sich mittlerweile konkrete Verbesserungen. Im Produktionsbereich Gewindeschleifen sank der Ausschuss- und Nacharbeitsindex zwischen den Vergleichszeiträumen Jänner bis August und September bis Dezember 2025 von 100 auf 55. Das entspricht einem Rückgang um 45 %.

Die Verbesserungen sind allerdings nicht ausschließlich auf Teamo AI zurückzuführen. Auch ein weiterentwickeltes Shopfloor-Management und begleitende Trainings trugen laut dem Unternehmen dazu bei. Im Juni 2026 unterzeichnete BASS einen Dreijahresvertrag mit teamazing.

Wieder profitabel und neue Kunden

Auch KPMG Österreich setzt inzwischen als Allianzpartner auf die Technologie. Mit dem österreichischen Brillenhersteller Andy Wolf nennt Stanzenberger zudem einen weiteren neuen Kunden.

2026 sei das erste Jahr seit der Pandemie, in dem das Unternehmen wieder profitabel wirtschaftet. Das liege allerdings auch an den stark gesunkenen Kosten. Pro Monat gewinne teamazing derzeit zwei bis vier Unternehmen für seine KI-Plattform. „Wir sind jetzt quasi gebootstrapped neu gestartet“, fasst Stanzenberger zusammen.

Auch wenn sich das Geschäftsmodell von teamazing in den vergangenen Jahren grundlegend verändert hat, sieht Stanzenberger die ursprüngliche Vision weiterhin als relevant an. Künftig gehe es darum, nicht nur Menschen miteinander zu verbinden, sondern auch künstliche Intelligenz in Teams zu integrieren. „Die KI ist ein neues Teammitglied, das man auch im Betrieb, in den Teams einführen muss“, sagt er.

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

Kapsch Factory1: Wie mit Big Data die Zukunft vorausgesagt wird

AI Kontextualisierung

Welche gesellschaftspolitischen Auswirkungen hat der Inhalt dieses Artikels?

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

Kapsch Factory1: Wie mit Big Data die Zukunft vorausgesagt wird

AI Kontextualisierung

Welche wirtschaftlichen Auswirkungen hat der Inhalt dieses Artikels?

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

Kapsch Factory1: Wie mit Big Data die Zukunft vorausgesagt wird

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 …

Kapsch Factory1: Wie mit Big Data die Zukunft vorausgesagt wird

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 …

Kapsch Factory1: Wie mit Big Data die Zukunft vorausgesagt wird

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 …

Kapsch Factory1: Wie mit Big Data die Zukunft vorausgesagt wird

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 …

Kapsch Factory1: Wie mit Big Data die Zukunft vorausgesagt wird

AI Kontextualisierung

Wer sind die relevantesten Personen in diesem Artikel?

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

Kapsch Factory1: Wie mit Big Data die Zukunft vorausgesagt wird

AI Kontextualisierung

Wer sind die relevantesten Organisationen in diesem Artikel?

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

Kapsch Factory1: Wie mit Big Data die Zukunft vorausgesagt wird