10.10.2017

Kapsch Factory1: Wenn Autos andere Fahrzeuge vor Gefahren warnen

i4drive kombiniert verschiedene Sensoren, damit Fahrzeuge Gefahren besser erkennen können. Kapsch arbeitet unter anderem an der Kommunikation zwischen Fahrzeugen. In einem gemeinsamen Projekt werden die Technologien nun zusammengeführt.
/artikel/kapsch-factory1-wenn-autos-miteinander-kommunizieren
Das Team von 14drive
sponsored

Als eines von sieben internationalen Startups schaffte es i4drive in den Kapsch-Accelerator Factory1. Das 2014 gegründete israelische Jungunternehmen arbeitet an einer Kombination unterschiedlicher Sensoren mit künstlicher Intelligenz und Machine Learning für Autos. Dabei wird optische Erkennung durch Kameras etwa mit Radar-Technologie kombiniert. „Unsere Vision ist es, die Zahl der Autounfälle zu verringern. Unsere Technologie wird auch selbstfahrende Autos noch sicherer machen“, erklärt CEO Adi Goren. Es geht bei der Technologie von i4drive jedoch nicht nur um autonomes Fahren, sondern auch um die Unterstützung menschlicher Fahrer, Stichwort: „Advanced Driving Assistance“. Im gemeinsamen Projekt mit Kapsch wird die Sensor-Erkennung mit Connected Vehicle-Technologie verknüpft.

Software für unterschiedlichste Sensoren und Betriebssysteme

„Seien es nun andere Autos, Fußgänger, Verkehrszeichen oder Ampeln. Unser Programm erkennt mit Hilfe der Sensoren alles, was auch ein Fahrer erkennen sollte“, erklärt Adi Goren. Mit künstlicher Intelligenz werden die gewonnenen Daten dann in Reaktionen, also Warnungen bei menschlichen Fahrern, und Handlungen bei selbstfahrenden Autos, umgesetzt. i4drive liefert dabei die Software-Komponente. Für Goren ist das ein entscheidender Vorteil des Startups: „Wir sind komplett hardware-agnostic. Wir können mit unterschiedlichsten Sensoren und Betriebssystemen arbeiten.“ dadurch könne man sowohl Anwendungen für bestehende Autos anbieten als auch individuelle Produkte für die großen Player herstellen.

Große Bandbreite an Systemen

Die Kombination mehrerer verschiedener Sensoren soll die Fehlerwahrscheinlichkeit verringern und die Zuverlässigkeit erhöhen. „Wenn es etwa zu dunkel für die Kamera-Erkennung ist, können die Radar-Sensoren und weitere Systeme das kompensieren“, erklärt Goren. Durch das eigene Maschine Learning-System werde die Erkennung laufend verfeinert. Immer müssten jedoch nicht so viele Sensoren zum Einsatz kommen: „Für bestimmte Usecases reicht eine einzelne Kamera.“ Und letztendlich sei es auch eine Kostenfrage. „Nicht jeder Kunde kann oder will das komplette Paket bezahlen. Auch mit weniger Sensoren können wir noch viele zuverlässige Anwendungen anbieten“, sagt Goren. Man wolle eben eine große Bandbreite an Produkten von einfachen Assistenzsystemen bis zu Systemen für selbstfahrende Autos anbieten.

Kapsch bringt Connected-Vehicle-Technologie ein

In der Zusammenarbeit mit Kapsch im Rahmen der Factory1 kommt nun eine weitere technologische Komponente dazu, an der der österreichische Konzern bereits längere Zeit arbeitet: „In unserem gemeinsamen Projekt kombinieren wir die Erkennung durch Sensoren mit der Kommunikation zwischen Fahrzeugen“, erklärt Goren. Er gibt ein Beispiel: „Ein Fußgänger läuft über die Straße, die Sensoren erkennen das rechtzeitig, das Auto führt eine Vollbremsung durch. 200 Meter dahinter ist ein weiteres Auto. Dessen Fahrer weiß noch nicht, was ihn in zwei Sekunden erwartet. Er kann durch die Technologie aber schon zu diesem Zeitpunkt gewarnt werden.“

Kooperation als Win-Win-Situation

„Wenn Fahrzeuge Gefahren auch an die anderen Autos und Verkehrszentralen kommunizieren, macht das den Verkehr noch deutlich sicherer“, erklärt Oliver Brandl von Kapsch, der in der factory1 als Lead Mentor des israelischen Startups fungiert. Daher arbeite man seit einigen Jahren intensiv an der Connected-Vehicle-Technologie. „Die Kombination mit der fortgeschrittenen Sensor-Erkennung von i4drive liegt hier für uns auf der Hand“. Ziel sei eine Kooperation auf Augenhöhe. „Sie liefern die Sensor-Technologie und wir die Kommunikationstechnologie. Wir ergänzen einander also. Es ist eine Win-Win-Situation“, erklärt Brandl. Dadurch werde man letztendlich ein bisher nicht dagewesenes Produkt bieten können, mit dem man auch neue Märkt erschließen könne.

Deine ungelesenen Artikel:
07.07.2026

„Europa kann doch State of the Art“: Hochreiters NXAI präsentiert neues Modell

Das Linzer KI-Startup NXAI rund um KI-Pionier Sepp Hochreiter hat mit TiRex-2 ein neues Modell für Industrie-Vorhersagen veröffentlicht. Dieses soll extrem effizient bei der Analyse von Live-Datenströmen sein.
/artikel/europa-kann-doch-state-of-the-art-hochreiters-nxai-praesentiert-neues-modell
07.07.2026

„Europa kann doch State of the Art“: Hochreiters NXAI präsentiert neues Modell

Das Linzer KI-Startup NXAI rund um KI-Pionier Sepp Hochreiter hat mit TiRex-2 ein neues Modell für Industrie-Vorhersagen veröffentlicht. Dieses soll extrem effizient bei der Analyse von Live-Datenströmen sein.
/artikel/europa-kann-doch-state-of-the-art-hochreiters-nxai-praesentiert-neues-modell
KI-Pionier Sepp Hochreiter ist Co-Founder und Chief Scientist von NXAI | (c) NXAI
KI-Pionier Sepp Hochreiter ist Co-Founder und Chief Scientist von NXAI | (c) NXAI

Das Linzer KI-Startup NXAI hat sein neuestes Modell TiRex-2 veröffentlicht. Die Entwicklung des sogenannten „Time Series Foundation Models“ (Zeitreihen-Basismodell) stand unter der wissenschaftlichen Leitung von KI-Pionier Sepp Hochreiter, der Mitgründer ist und als Chief Scientist des Startups fungiert.

Das Modell wurde auch als Open-Source-Software frei zugänglich gemacht. Es ist darauf spezialisiert, historische Datenreihen aus der Industrie zu analysieren, um zukünftige Entwicklungen vorherzusagen. In der Presseaussendung zum Release zeigt sich das Startup selbstbewusst: „Europa kann doch SOTA-Modelle“ (Anm. State of the Art). Laut Hochreiter teilt sich das neue Modell in den offiziellen Bestenlisten „die Spitzenplätze mit AWS“.

Mehrere Signale gleichzeitig im Blick

Die wesentliche technische Neuerung des Modells liegt in der Verarbeitung multivariater Zeitreihen. Während herkömmliche Vorhersagesysteme oft nur eine einzelne Datenreihe anhand ihrer eigenen Vergangenheit analysieren, bezieht TiRex-2 zusätzliche Einflussfaktoren – in der Fachsprache Kovariaten genannt – mit ein. Für Industrieunternehmen soll das zum entscheidenden Vorteil werden, da Maschinen und Prozesse selten nur ein isoliertes Signal erzeugen. In der Praxis bedeutet dies: Will ein Logistik- oder Energiebetrieb den künftigen Verbrauch prognostizieren, kann das Modell neben den historischen Verbrauchsdaten auch begleitende Faktoren wie das Wetter, Kalenderdaten oder Produktionspläne auswerten. Das macht die Vorhersagen präziser und aussagekräftiger.

xLSTM soll Effizienz-Boost bringen

Im Gegensatz zu bekannten KI-Systemen wie ChatGPT, die auf der speicherintensiven Transformer-Architektur basieren, nutzt TiRex-2 das von Hochreiter mitentwickelte xLSTM-Verfahren. Das soll ein zentrales Problem industrieller Live-Anwendungen lösen: Bei kontinuierlich einlaufenden Datenströmen (Streaming) explodiere bei herkömmlichen Systemen nämlich der Rechen- und Speicheraufwand, argumentiert man beim Startup. TiRex-2 hingegen verarbeitet Daten sequenziell und aktualisiert fortlaufend einen internen Zustand. Dadurch würden der Speicherbedarf und die Rechenkosten auch bei unbegrenzten Datenströmen konstant niedrig bleiben. Lukas Fischer, Head of Applied Research bei NXAI, erklärt dazu: „Mit TiRex-2 können wir kontinuierliche Datenströme in Echtzeit analysieren, ohne Einbußen bei der Modellperformance.“ Dies prädestiniert das Modell für den direkten Einsatz an Maschinen vor Ort (Edge-Anwendungen).

„Kunden müssen für unterschiedliche Maschinen nicht immer ein neues KI-Modell trainieren“

Die Leistungsfähigkeit des Modells wird durch das begleitende wissenschaftliche Paper des Forscherteams untermauert. Darin zeigen die Wissenschaftler, dass sich TiRex-2 besonders gut für das sogenannte Zero-Shot-Forecasting eignet. Das bedeutet, dass das Modell ohne vorheriges, spezielles Training präzise Vorhersagen für völlig neue Maschinentypen oder Datensätze treffen kann.

Laut dem CEO von NXAI, Albert Ortig, bringt diese Generalisierungsfähigkeit handfeste wirtschaftliche Vorteile im Betrieb: „Die Kunden müssen für unterschiedliche Maschinen nicht immer ein neues KI-Modell trainieren.“ Ein weiterer Vorzug des vergleichsweise kompakten Modells mit 82 Millionen Parametern ist, dass es auf Wunsch direkt auf den eigenen Servern der Kunden (On-Prem) betrieben werden kann, was die Datensicherheit für sensible Industrie-Prozesse erhöht.

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: Wenn Autos andere Fahrzeuge vor Gefahren warnen

AI Kontextualisierung

Welche gesellschaftspolitischen Auswirkungen hat der Inhalt dieses Artikels?

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

Kapsch Factory1: Wenn Autos andere Fahrzeuge vor Gefahren warnen

AI Kontextualisierung

Welche wirtschaftlichen Auswirkungen hat der Inhalt dieses Artikels?

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

Kapsch Factory1: Wenn Autos andere Fahrzeuge vor Gefahren warnen

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: Wenn Autos andere Fahrzeuge vor Gefahren warnen

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: Wenn Autos andere Fahrzeuge vor Gefahren warnen

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: Wenn Autos andere Fahrzeuge vor Gefahren warnen

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: Wenn Autos andere Fahrzeuge vor Gefahren warnen

AI Kontextualisierung

Wer sind die relevantesten Personen in diesem Artikel?

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

Kapsch Factory1: Wenn Autos andere Fahrzeuge vor Gefahren warnen

AI Kontextualisierung

Wer sind die relevantesten Organisationen in diesem Artikel?

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

Kapsch Factory1: Wenn Autos andere Fahrzeuge vor Gefahren warnen