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:
19.08.2026

Oakley Capital übernimmt Mehrheit an Wiener KI-Unternehmen Graphwise – neunstellige Bewertung

Graphwise, ein weltweiter Anbieter von Graph-KI-Technologien, gab heute bekannt, dass Oakley Capital, ein paneuropäischer Private-Equity-Investor, die Mehrheit am Unternehmen übernommen hat. Mit diesem strategischen Investment und mit Oakley als Partner möchte Graphwise seine Position als KI-Enabling-Plattform global ausbauen.
/artikel/oakley-capital-uebernimmt-mehrheit-an-wiener-ki-unternehmen-graphwise-neunstellige-bewertung
19.08.2026

Oakley Capital übernimmt Mehrheit an Wiener KI-Unternehmen Graphwise – neunstellige Bewertung

Graphwise, ein weltweiter Anbieter von Graph-KI-Technologien, gab heute bekannt, dass Oakley Capital, ein paneuropäischer Private-Equity-Investor, die Mehrheit am Unternehmen übernommen hat. Mit diesem strategischen Investment und mit Oakley als Partner möchte Graphwise seine Position als KI-Enabling-Plattform global ausbauen.
/artikel/oakley-capital-uebernimmt-mehrheit-an-wiener-ki-unternehmen-graphwise-neunstellige-bewertung
Andreas Blumauer, bislang CEO von Semantic Web Company und nun SVP Growth bei Graphwise | (c) Graphwise
Andreas Blumauer | (c) Graphwise

Im Oktober 2024 fusionierte das Wiener Unternehmen Semantic Web Company (2004 von Andreas Blumauer und Martin Kaltenböck gegründet) mit Ontotext aus dem bulgarischen Sofia und wurde zu Graphwise. Blumauer, bis dato CEO von Semantic, wurde SVP Growth, Atanas Kiryakov, davor CEO von Ontotext, wurde Präsident. Details zum Deal wurden damals nicht genannt – brutkasten berichtete.

Nun hat das britische Private-Equity-Haus Oakley Capital die Mehrheit an Graphwise übernommen. Auch hier wurden die Höhe der Summe und der verkauften Anteile nicht aktiv kommuniziert, Gründer Blumauer erklärte dem brutkasten jedoch, dass man sich nun weltweit gesehen in den Top 3 – was die Evaluation von KI-Infrastrukturunternehmen betrifft – befände.

Graphwise: Ein Meilenstein in Bulgariens IT-Historie

„Durch den Merger hat die Firma eine besondere Konstellation mit Standorten bzw. Strukturen in Wien, Sofia und den USA geschaffen“, sagt Blumauer. „Die Bewertung basiert wesentlich auf dem ARR. Das heurige Jahr ist dabei zäher als die Jahre zuvor, dennoch ist es uns gelungen, uns im Markt zu behaupten und einen Multiple über dem 2026er Marktdurchschnitt zu erzielen. Daher liegt die Bewertung im neunstelligen Bereich und ist damit signifikant. Für Bulgarien bedeutet das sogar, dass es sich nun um die dritthöchste Bewertung eines IT-Unternehmens in der Geschichte des Landes handelt.“

Auf die Frage, wie es zu diesem Deal kam, war für Blumauer die Marktdynamik ganz entscheidend. „In den vergangenen zwei Jahren hat sich KI in Unternehmen zunehmend langsam in den operativen Einsatz entwickelt. Es gibt zwar immer wieder pointierte Erfolgsmeldungen, gleichzeitig besteht weiterhin Unsicherheit darüber, welche LLM-Ansätze sich tatsächlich durchsetzen werden. Gerade bei Multi-Agentic- und autonomen Systemen ist ein breiter Roll-out noch meilenweit entfernt“, erklärt er.

Kontakt über Messen in London

Umso wichtiger seien deswegen Referenzkunden, bei denen sich anhand konkreter Anwendungen demonstrieren lässt, wie KI vertrauenswürdiger und in bestehende Unternehmensstrukturen integriert werden kann. „Das lässt sich auch mit Company Rules verknüpfen: Ein wesentlicher Teil der Story ist die Frage, wie KI in Unternehmen kontrolliert und gleichzeitig hochskalierbar ausgerollt werden kann“, führt er aus. „Das hat auch Oakley erkannt und verstanden. Über Messen in London kam der Kontakt zustande, woraufhin unser Business genauer analysiert und das Potenzial erkannt wurde. Begleitet wurde die Entwicklung unter anderem von Deloitte, EY und Bain, die bestätigen konnten, dass Graphwise eine zentrale Rolle in diesem Umfeld spielen kann.“

Heute wird die Graphwise-Technologie von Banken und großen Pharmakonzernen in Europa eingesetzt, darunter beispielsweise Roche und weitere prominente Unternehmen in Österreich, die nicht genannt werden wollen: „Gleichzeitig gibt es gute Statements und Bewertungen aus dem Markt“, führt Blumauer weiter aus. „Mit der Entwicklung der Sprachmodelle und insbesondere GraphRAG (Anm.: Retrieval-Augmented Generation mit Graphen) stehen nach dem Merger sehr zentrale Komponenten zur Verfügung, um die nächste Entwicklungsstufe von KI in Unternehmen abzubilden. Das zeigt sich auch in unseren operativen Kennzahlen: Der ARR wächst organisch um rund 30 Prozent, bei inzwischen mehr als 200 Blue-Chip-Kunden. Damit verfügen wir über eine relevante Kundenbasis und konkrete Referenzen, die die technologische Positionierung und die Skalierbarkeit des Geschäftsmodells untermauern.“

Gründer bleiben im Management

Für den Founder ist der neue Eigentümer ein Investor mit einem langfristigen und klar auf Wertschöpfung ausgerichteten Ansatz: „Oakley, mit Gründer Peter Dubens, hat unter anderem in die Sigmund Freud Privat-Universität investiert und Dubens selbst war mehrfacher Startup-Gründer. Er hat sich immer wieder gefragt, warum sich klassische VCs teilweise so wenig mit den Gründern selbst auseinandersetzen. Für ihn geht es letztlich darum, Ideen zur Welt zu bringen und Unternehmen langfristig aufzubauen. Martin Kaltenböck und ich verstehen uns weiterhin klar als Gründer. Wir sind nach wie vor im Management-Board aktiv und bringen damit unsere Erfahrung und unsere ursprüngliche Gründerperspektive weiterhin unmittelbar in die Entwicklung des Unternehmens ein. Das ist ausdrücklich so gewünscht und Teil der langfristigen Konstellation.“

Oakley baut auf Graphwise auf

„Wir freuen uns sehr über diese neue Partnerschaft mit Oakley, da ihr Team sowohl unsere Technologie als auch unsere Ambitionen versteht. Oakley hat eine herausragende Erfolgsbilanz darin, gründergeführte Software-Unternehmen zu Unicorns zu machen. Mit Oakley als paneuropäischem Investor im Rücken sind wir besser denn je positioniert, um global als KI-Enabling-Plattform aufzutreten und Unternehmen dabei zu unterstützen, souveräne und vertrauenswürdige KI in großem Maßstab zu implementieren“, sagt Kiryakov.

KI-Souveränität im Fokus

In einer Zeit, in der Unternehmen zunehmend unabhängig von einzelnen großen Tech-Plattformen agieren wollen, gewinnt das Thema „KI-Souveränität“ an Bedeutung. Der Einstieg von Oakley als paneuropäischer Investor sei deswegen ein starkes Signal für den europäischen Technologie-Standort und stärke die Rolle von Graphwise als unabhängige KI-Plattform.

„Der Wert von Künstlicher Intelligenz hängt direkt von der Qualität und Zuverlässigkeit der zugrunde liegenden Daten ab. Large Language Models (LLMs) sind extrem leistungsfähig bei der Sprachverarbeitung, haben aber entscheidende Schwächen: Sie neigen zu faktischen Fehlern („Halluzinationen“) und können oft nicht nachvollziehbar erklären, wie sie zu einem Ergebnis gekommen sind“, liest man in der Aussendung.

Graphwise mit Rückgrat

Graphwise löst dieses Problem durch den Aufbau eines sogenannten „Semantic Backbone“ (semantisches Rückgrat) in Form eines Knowledge Graphs. Diese Wissensgraphen verknüpfen isolierte Unternehmensdaten, geben ihnen Kontext und stellen großen KI-Modellen eine Faktenbasis zur Verfügung. Das Ergebnis: Die KI soll nicht mehr halluzinieren, Ergebnisse würden revisionssicher und die Token-Kosten drastisch sinken, so der Claim. Dies sei besonders in regulierten und datenintensiven Branchen wie Finanzdienstleistungen, im Gesundheitswesen (Life Sciences) und im öffentlichen Sektor unverzichtbar.

Dubens, Gründer und Managing Partner von Oakley Capital, dazu: „KI verändert die Art und Weise, wie jede Organisation arbeitet. Das macht vertrauenswürdige, gut verwaltete Daten heute wichtiger denn je.“

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