09.04.2018

Moonvision: Wiener Startup zählt mit AI-Lösung Grillhendln und Bier

Das Wiener Startup Moonvision arbeitet mit Objekterkennung auf Basis von AI. Im ersten Use­Case wurden Grillhendln gezählt. Nun soll die Industrie erobert werden.
/artikel/moonvision-30-mal-schneller-als-google
Moonvision
(c) Moonvision - Die Objekterkennungssoftware arbeitet aus der Vogelperspektive.

Eine halbe Million Grillhendln wandert jedes Jahr aus den Küchen der Oktoberfestzelte. Dazu kommen fast acht Millionen Maß Bier und Dutzende andere Produkte. Für das Personal ist es kaum möglich, da mitzuzählen. Kassensysteme sind überfordert, die Umsatzeinbußen durch Schwund sind schmerzhaft. Ein Problem, das die Objekterkennungssoftware von Moonvision in Echtzeit lösen soll – aber, wenn es nach den Gründern Florian Bauer und Alexander Hirner geht, nicht das letzte. Mit der finanziellen Sicherheit und dem Digital­Know­how seiner Onlineagentur Moonshiner im Rücken gründete Bauer mit Hirner als CTO im August 2017 Moonvision. Sein Team – heute zehnköpfig – arbeitet seitdem an der Entwicklung und Implementierung von horizontalen Use­Cases im Bereich der AI-­unterstützten Objekterkennung.

+++ Wo steht die Artificial Intelligence wirklich? +++

Probleme aus der Vogelperspektive lösen

Moonvision hat ein erfolgreiches erstes Jahr hinter sich: Die Gastronomieprototypen wurden installiert, der Proof of Concept wurde geliefert, ein erstes Patent gesichert und eine erste Investmentrunde fünfstellig abgeschlossen. Jetzt will Moonvision zeigen, was es in anderen Bereichen kann – mit einem grö­ßeren Team und Industriepartnern. Denn laut Moonvision-­Gründer Bauer lassen sich aus der Vogelperspektive noch viel mehr Probleme lösen als nur der Schwund am Oktoberfest oder – wie in einer Kooperation mit A1 gezeigt – auf Skihütten. Vor allem, wenn die Objekterkennung über 30 Mal schneller trainiert als die vergleichbare Google­Technik. Das nächste, bereits laufende Projekt führt Moonvision in die Industrie, wo sehr viele sehr unterschiedliche Objekte, die über ein Fließband in eine Maschine befördert werden, erkannt werden, um im weiteren Prozess sortiert zu werden. Außerdem möchte man laut Gründer Florian Bauer „die Skalierungsmöglichkeit unserer Lösung im zweiten Quartal 2018 spürbar verbessern und damit den Umsatz im Jahresvergleich zumindest verfünffachen“. Ende des Jahres 2018 sollen dann Gespräche zu einem Series-­A-­Investment im siebenstelligen Bereich starten.

Die Funktionsweise von Moonvision

So funktioniert das System von Moonvision: Über eine Kamera von oben werden Bilddaten der sich darunter bewegenden Objekte aufgenommen und mithilfe der Moonvision­-Software analysiert. Am Ende werden die Daten der relevanten Objekte ausgegeben und per API mit der Software des Kunden verbunden – dort werden sie zu wertvollen Insights. Um die besondere Leistung von Moonvision zu verstehen, muss man den Prozess der Bildanalyse genauer betrachten. Das aufgenommene Videomaterial wird nämlich vor der Analyse für die künstliche Intelligenz auf relevante Snapshots reduziert, und zwar so stark, dass aus einem vollen Videostream nur noch wenige Bilddaten übrig bleiben. Anhand dieser Daten wird die KI trainiert – allerdings mit einem relativ geringen Aufwand und in vergleichsweise kurzer Zeit. Auch, dass hierbei keine Laborbedingungen herrschen müssen, um richtig zu liegen, hebt die Moonvision­-Software von bestehenden Systemen ab. Läuft das System schließlich, wird die Analyse weiterhin laufend verbessert: Durch die smarte Wiederverwendung bereits erstellter Daten können neue Objekte identifiziert, benannt und quantifiziert werden. Der  von 2017 zeigte laut CTO Alexander Hirner 30 Mal weniger Aufwand bei der Installation als bestehende Systeme und eine zehnmal schnellere Analyse im laufenden Betrieb – Zahlen, die, wenn sie bei den kommenden Use­Cases gehalten oder sogar gesteigert werden können, einen guten Vorsprung bedeuten.

⇒ Zur Homepage

Deine ungelesenen Artikel:
21.10.2026

Grazer Deep-Tech-Spin-off DiLT Analytics schließt siebenstellige Finanzierungsrunde ab

Das Grazer TU-Spinoff holt den Deep-Tech-Fonds Noctua Science Ventures als Investor an Bord und erhält zusätzlich eine Förderung aus dem Programm aws Seedfinancing – Deep Tech. Das Kapital soll in den Teamaufbau und in den Rollout der Diagnosesoftware FaciliMind fließen.
/artikel/grazer-deep-tech-spin-off-dilt-analytics-schliesst-siebenstellige-finanzierungsrunde-ab
21.10.2026

Grazer Deep-Tech-Spin-off DiLT Analytics schließt siebenstellige Finanzierungsrunde ab

Das Grazer TU-Spinoff holt den Deep-Tech-Fonds Noctua Science Ventures als Investor an Bord und erhält zusätzlich eine Förderung aus dem Programm aws Seedfinancing – Deep Tech. Das Kapital soll in den Teamaufbau und in den Rollout der Diagnosesoftware FaciliMind fließen.
/artikel/grazer-deep-tech-spin-off-dilt-analytics-schliesst-siebenstellige-finanzierungsrunde-ab
DiLT Analytics
© DiLT Analytics

DiLT Analytics hat eine siebenstellige Finanzierungsrunde abgeschlossen. Sie setzt sich aus einem Equity-Investment von Noctua Science Ventures und einer Förderung der Austria Wirtschaftsservice (aws) im Rahmen des Programms Seedfinancing – Deep Tech zusammen. Mit dem Geld möchte das 2021 gegründete Spinoff der TU Graz sein Team ausbauen und FaciliMind, seine Software zur automatisierten Fehlerdiagnose in Heizungs-, Lüftungs- und Klimaanlagen, zu weiteren Betreibern großer Gebäudeportfolios bringen

DiLT Analytics: „Substanziell wachsen“

Noctua Science Ventures ist ein Wiener Deep-Tech-Fonds und ein Joint Venture von Speedinvest und den Technischen Universitäten Österreichs. Der Fonds investiert gezielt in Ausgründungen, deren Produkt auf langjähriger Forschung beruht.

„Die aws-Förderung ergänzt das Investment und ist auf genau diese Phase zugeschnitten: den Schritt von einer erprobten Technologie zu einem Produkt, das sich über viele Standorte hinweg ausrollen lässt“, heißt es per Aussendung. Um im Sinne des Programms aws Seedfinancing – Deep Tech als Deep Tech zu gelten, muss das Vorhaben auf einer „anspruchsvollen technologischen und wissenschaftlichen Herausforderung“ basieren und einen klaren Technologiesprung gegenüber bestehenden Lösungen oder rein inkrementellen Weiterentwicklungen ermöglichen.

„Mit Noctua Science Ventures haben wir einen Partner gefunden, der beides kennt: die technischen Herausforderungen eines Deep-Tech-Produkts und den Weg in die Kommerzialisierung. Für ein junges Spinoff ist das der Best Case. Dass parallel auch die aws-Förderung zugesagt wurde, bestätigt uns, dass FaciliMind und unser Team auf dem richtigen Weg sind. Jetzt geht es darum, substanziell zu wachsen“, sagt Theresa Kohl, CEO von DiLT Analytics.

Philipp Stangl, Managing Director von Noctua Science Ventures, ergänzt: „Von unseren vielen Gesprächspartnern erhielten wir ein sehr einheitliches Bild zu DiLT: ein glaubwürdiger, technisch differenzierter Ansatz, umgesetzt von einem Team, mit dem Immobilienprofis gerne zusammenarbeiten. Genau diese Kombination aus Forschungsvorsprung und starker Kundenorientierung ist es, wonach wir in der Pre-Seed-Phase suchen.“

2021 gegründet

DiLT Analytics wurde Ende 2021 von Franz Wotawa und Gerald Schweiger als Spinoff des Instituts für Softwaretechnologie der TU Graz gegründet und ging aus der Forschungsgruppe „Intelligent Systems“ hervor. Erstes größeres Projekt war „Inframonitor“, eine herstellerunabhängige IoT-Datenplattform für den Campus Inffeldgasse der TU Graz.

Seither ist DiLT an mehr als 20 Forschungsprojekten mit über 15 Partnern beteiligt, einige davon FFG-gefördert und gemeinsam mit österreichischen und europäischen Universitäten. Die Ergebnisse fließen über den Forschungszweig DiLT Research direkt in die Produktentwicklung. Geführt wird das Unternehmen heute von Theresa Kohl (CEO), Christopher Gray (Business Development & Strategy), Thomas Hirsch (CTO), Reinhard Pertschy (CPO) und Thomas Schwengler (Head of Software).

Die entwickelte Software FaciliMind analysiert Betriebsdaten von Heizungs-, Lüftungs- und Klimaanlagen, erkennt dabei versteckte Fehler und Optimierungspotenziale und liefert Technikteams eine nach Dringlichkeit sortierte Maßnahmenliste, so der Claim. Die Software von DiLT Analytics arbeitet herstellerunabhängig und lässt sich über ein einzelnes Gerät an die bestehende Gebäudeleittechnik anbinden. Dank eines knowledgegraphbasierten Softwarestacks soll sie das digitale Abbild komplexer Anlagen weitgehend automatisiert innerhalb weniger Tage statt monatelanger Handarbeit erstellen können. Zielgruppe sind Betreiber großer Gebäudeportfolios, etwa in der öffentlichen Hand, an Flughäfen sowie in Industrie und Gesundheitswesen.

DiLT Analytics erhielt Preise

Zu den Kunden zählen u.a. die Technischen Universitäten Graz und Wien, Bundesimmobiliengesellschaft (BIG), IG Immobilien Management GmbH und Industriekunden. 2025 wurde DiLT Analytics mit dem DREA Award und dem ÖGUT Umweltpreis ausgezeichnet. Und ist seit September 2026 nach ISO 27001 zertifiziert.

„Wissen über Anlagenbetrieb soll im Unternehmen bleiben“

Neben der Verstärkung des Teams und dem geplanten Rollout möchte DiLT Analytics künftig ein Übersetzungswerkzeug für den BACtwin-Standard als Open Source veröffentlichen und die Diagnose künftig auf weitere Technologien wie Wärmepumpen, Photovoltaik und Batteriespeicher ausweiten

„Ein Gebäudeportfolio überdauert seine Dienstleister und oft auch seine erfahrensten Mitarbeitenden“, sagt Kohl. „Unser Ziel ist, dass das Wissen über den Anlagenbetrieb im Unternehmen bleibt und dass Entscheidungen auf verifizierter Datengrundlage statt auf Bauchgefühl und Erinnerung beruhen.“

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

Moonvision: Wiener Startup zählt mit AI-Lösung Grillhendln und Bier

AI Kontextualisierung

Welche gesellschaftspolitischen Auswirkungen hat der Inhalt dieses Artikels?

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

Moonvision: Wiener Startup zählt mit AI-Lösung Grillhendln und Bier

AI Kontextualisierung

Welche wirtschaftlichen Auswirkungen hat der Inhalt dieses Artikels?

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

Moonvision: Wiener Startup zählt mit AI-Lösung Grillhendln und Bier

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 …

Moonvision: Wiener Startup zählt mit AI-Lösung Grillhendln und Bier

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 …

Moonvision: Wiener Startup zählt mit AI-Lösung Grillhendln und Bier

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 …

Moonvision: Wiener Startup zählt mit AI-Lösung Grillhendln und Bier

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 …

Moonvision: Wiener Startup zählt mit AI-Lösung Grillhendln und Bier

AI Kontextualisierung

Wer sind die relevantesten Personen in diesem Artikel?

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

Moonvision: Wiener Startup zählt mit AI-Lösung Grillhendln und Bier

AI Kontextualisierung

Wer sind die relevantesten Organisationen in diesem Artikel?

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

Moonvision: Wiener Startup zählt mit AI-Lösung Grillhendln und Bier