29.07.2024
HEALTH

Predicting Health: Grazer HealthTech erkennt vermeidbare Komplikationen im Krankenhaus

Das Grazer Startup Predicting Health führt Risikobewertung in Krankenhäusern durch. Um das Personal zu unterstützen, frühzeitig potentielle Komplikationen zu erkennen, es zu entlasten und eine finanzielle Mehrbelastung für Spitäler zu verhindern.
/artikel/predicting-health-grazer-healthtech-erkennt-vermeidbare-komplikationen-im-krankenhaus
Predicting Health, Risiko Krankenhaus,
(c) Predicting Health - Das Predicting Health-Team.

Die Geschichte von Predicting Health begann als Data-Science-Projekt innerhalb der steirischen Krankenanstalten (KAGes). Die Idee entstand aus der engen Zusammenarbeit zwischen Datenwissenschaftler:innen und medizinischem Personal, um den Klinikalltag zu entlasten und die Patientensicherheit zu erhöhen. Ursprünglich sollte die effiziente Nutzung vorhandener Krankenhausdaten „bloß“ die klinische Praxis verbessern.

Predicting Health: Wendepunkt

Ein Wendepunkt kam aber, als die Founder Diether Kramer – der die Data Science Abteilung der KAGes aufgebaut hat – und Werner Leodolter (Anm.: verstarb leider 2022 bei einem Autounfall in Island) erkannten, dass bis zu zehn Prozent der Krankenhauspatient:innen vermeidbare Komplikationen erleiden.

Bestehende Scoring-Modelle reichten nicht aus, um diese Risiken zuverlässig vorherzusagen. Also musste eine Lösung her: ein Machine Learning-basiertes Tool, das komplexe Zusammenhänge in Patient:innen-Daten erkennt und frühzeitig auf Risiken hinweist. So wurde das „Personalised Risk Tool“ geboren, dessen Algorithmen mit Millionen realer Patientendaten trainiert wurden, um eine hohe Vorhersagegenauigkeit zu erreichen.

Da KAGes das Tool nicht selbst vertreiben konnte, wurde 2019 die Predicting Health GmbH gegründet, um es in die breite Anwendung zu bringen.

„Ein weiterer Schlüsselmoment war die Partnerschaft mit der Vinzenzgruppe (Anm.: eine Krankenhausbeteiligungs und Management GmbH), die zu einer signifikanten Reduktion von Pflegekosten und einer Verbesserung der Patientensicherheit führte“, erklärt Jakob Pieber, Development Manager der PH Predicting Health GmbH.

Zertifiziert

Heute bietet das Startup ein zertifiziertes Medizinprodukt an, das Krankenhauspersonal unterstützen und die Patientensicherheit durch präzise, automatisierte Risikoprognosen steigern soll. Mit dem Ziel, die präventive Früherkennung vollständig zu automatisieren und so das Gesundheitssystem nachhaltig zu entlasten.

Zu den wichtigsten USPs von Prediction Health zähle die Herkunft aus der Krankenhauspraxis, so der Development-Manager weiter: „Unser ‚Personalised Risk Tool‘ wurde in enger Zusammenarbeit mit Ärzten und Pflegekräften entwickelt, um den tatsächlichen Bedürfnissen und Herausforderungen des Klinikalltags gerecht zu werden“, sagt Pieber.

Und führt aus: „Diese praxisorientierte Entwicklung stellt sicher, dass unser Produkt nicht nur den Arbeitsablauf unterstützt, sondern ihn tatsächlich erleichtert. Funktionen und Benutzeroberflächen sind intuitiv und effizient gestaltet, basierend auf dem direkten Feedback des medizinischen Personals. Unsere Algorithmen bieten eine außergewöhnliche Vorhersagequalität, da sie mit umfangreichen und vielfältigen Datensätzen realer Patienten trainiert wurden. Dies ermöglicht eine hohe Genauigkeit bei der Risikoprognose, sodass medizinisches Personal frühzeitig potentielle Komplikationen erkennen und Maßnahmen ergreifen kann.“

Predicting Health mit SaaS-Ansatz

Das Geschäftsmodell des HealthTechs basiert auf einem Software-as-a-Service (SaaS)-Ansatz: Krankenhäuser zahlen eine Gebühr pro Patient:in, dessen oder deren Daten durch das „Personalised Risk Tool“ analysiert werden. Diese flexible und skalierbare Preisstruktur ermögliche es, den spezifischen Bedürfnissen von Krankenhäusern unterschiedlicher Größe gerecht zu werden.

„Für die Implementierung und Kalibrierung unseres Tools in den bestehenden Krankenhausinformationssystemen (KIS) erheben wir eine einmalige Einrichtungsgebühr“, präzisiert Pieber. „Diese umfasst die Integration, Konfiguration und Schulung des medizinischen Personals, um eine reibungslose und effiziente Nutzung des Tools sicherzustellen. Diese Kombination aus laufenden Gebühren pro Patient:in und einmaligen Einrichtungsgebühren gewährleistet eine nachhaltige und anpassungsfähige Lösung für Krankenhäuser jeder Größe, während wir gleichzeitig kontinuierliche Unterstützung und Verbesserungen bieten können.“

Dazu muss man wissen, dass im Krankenhausalltag die erwähnten zehn Prozent der Patient:innen während ihres stationären Aufenthaltes eine ungeplante Komplikation erleiden, wie etwa Delir (Anm.: fluktuierende Störung der Aufmerksamkeit, der Kognition und des Bewusstseinsniveaus), einen Sturz oder eine durch eine nicht erkannte Schluckstörung verursachte Lungenentzündung.

Dadurch werde nicht nur die Gesundheit der Patient:innen beeinträchtigt, sondern auch die Aufenthaltsdauer erhöht, das Personal belastet und nicht zuletzt eine erhebliche finanzielle Mehrbelastung für die Krankenhausträger erzeugt.

Die geschätzten Kosten innerhalb der EU liegen bei ca. 24 Milliarden Euro im Jahr, wobei laut dem Grazer Team mindestens 40 Prozent dieser Komplikationen vermeidbar wären, wenn rechtzeitig vorbeugende Maßnahmen ergriffen werden würden.

„Keine zusätzlichen Daten“

„Da man diese aber nicht ziellos über alle Patienten hinweg anwenden kann, ist es wichtig, gefährdete Patienten rechtzeitig zu erkennen“, sagt Pieber. „Wir nutzen bestehende Daten aus den Krankenhausinformationssystemen und anderen Quellen, sodass keine zusätzlichen Daten erfasst werden müssen.“

Dabei basieren die Berechnungen des Tools auf bis zu 1.300 Parametern, was eine sehr präzise Risikoeinschätzung ermögliche.

„Wenn ein Risikopatient identifiziert wird, erscheint ein Warnsymbol im KIS“, erklärt Pieber weiter. „Möchte das Personal wissen, warum ein Patient als gefährdet eingestuft wurde, kann es mit einem Klick unsere explainable AI-Komponente, das ‚Personalised Risk Tool‘, aufrufen. Hier werden alle Faktoren, die zur Risikoeinschätzung geführt haben, übersichtlich aufgelistet. Diese transparente und datenbasierte Herangehensweise unterstützt nicht nur die klinische Entscheidungsfindung, sondern stärkt auch das Vertrauen des Personals in die Technologie und trägt wesentlich zur Verbesserung der Patientensicherheit bei.“

Im Detail berechnet das Tool von Predicting Health Wahrscheinlichkeiten für verschiedene Risiken anhand einer Kombination mehrerer Machine-Learning-Algorithmen. Diese Algorithmen sind in der Lage, komplexe und nicht-lineare Zusammenhänge in Patientendaten zu erkennen und präzise Risikoprognosen zu erstellen.

„Durch das Training mit umfangreichen Datensätzen realer Patient:innen erzielen wir eine außergewöhnliche Vorhersagequalität“, erklärt Pieber. „Es ist wichtig zu betonen, dass unser Tool keine Diagnosen stellt. Stattdessen unterstützt es das medizinische Personal, indem es entscheidungsrelevante Informationen leicht zugänglich und verständlich aufbereitet.“

Predicting Health erhielt 2023 die AWS Digital Health PreSeed-Finanzierung. Derzeit befindet man sich in Gesprächen mit Investoren für die erste Seed-Finanzierungsrunde. Ein weiterer Fokus liegt auf dem Markteintritt in Deutschland.

Predicting Health: Erste POCs mit Krankenhäusern dieses Jahr

„Wir sind bereits mit mehreren Krankenhäusern im Gespräch und planen, noch in diesem Jahr mit den ersten Proof-of-Concepts (POCs) zu starten“, so Pieber. „Auch in Österreich konnten wir dieses Jahr zusätzliche Kunden gewinnen.“

Weiters führt das HealthTech Machbarkeitsstudien außerhalb des DACH-Raums durch, insbesondere in Ungarn, Tschechien und Südamerika. Diese Studien sollen evaluieren, wie gut die eigenen Algorithmen in verschiedenen Sprach- und Kulturkontexten funktionieren.

„Zusätzlich entwickeln wir neue Module, für andere Komplikationen. Zusammen mit Partnern arbeiten wir auch daran, die Software in existierende Healthcare Cloud-Plattformen einzubinden“, erklärt Pieber. „Unser langfristiges Ziel ist es, der ‚Glatteiswarner‘ für alle Komplikationen im Krankenhausalltag zu sein. Wir glauben, dass Systeme wie unseres in Zukunft obligatorisch sein werden, da sie mit minimalem Aufwand die Patientensicherheit erhöhen und sowohl Personal als auch Budget entlasten können.“

Deine ungelesenen Artikel:
19.08.2026

Vom Editor zur KI: Wie Neuron Automation aus St. Pölten durch vier Jahrzehnte Tech-Wandel navigierte

Aus einer kleinen Softwareschmiede ist in den vergangenen vier Jahrzehnten ein international tätiges Unternehmen für Industrieautomatisierung entstanden. Mit Fokus auf funktionale Sicherheit, KI und wiederkehrende Softwareerlöse will Neuron Automation nun die nächste Wachstumsphase einläuten. Die drei Gründer erzählen von diversen Wandlungsphasen der vier Dekaden, Krisen und hybrid-basierten Plänen zur weiteren Steigerung der Profitabilität.
/artikel/vom-editor-zur-ki-wie-neuron-automation-aus-st-poelten-durch-vier-jahrzehnte-tech-wandel-navigierte
19.08.2026

Vom Editor zur KI: Wie Neuron Automation aus St. Pölten durch vier Jahrzehnte Tech-Wandel navigierte

Aus einer kleinen Softwareschmiede ist in den vergangenen vier Jahrzehnten ein international tätiges Unternehmen für Industrieautomatisierung entstanden. Mit Fokus auf funktionale Sicherheit, KI und wiederkehrende Softwareerlöse will Neuron Automation nun die nächste Wachstumsphase einläuten. Die drei Gründer erzählen von diversen Wandlungsphasen der vier Dekaden, Krisen und hybrid-basierten Plänen zur weiteren Steigerung der Profitabilität.
/artikel/vom-editor-zur-ki-wie-neuron-automation-aus-st-poelten-durch-vier-jahrzehnte-tech-wandel-navigierte
Neuron Automation
© zVg - (v.l.) Heinrich Steininger, Michael Plankensteiner und Michael Kübeck.

Wir schreiben das Jahr 2006. Irgendwo über den Wolken sitzt Michael Kübeck in einem Flugzeug. Der Private-Equity-Investor, der nach Jahrzehnten bei Philips in Wien eine eigene Firma gegründet hat, sucht nach spannenden Zielen für seine Privatinvestoren. Eine Startup-Szene, wie wir sie heute kennen, existiert in Österreich noch nicht. Im Flieger schlägt das Schicksal zu und er kommt mit einem Bekannten ins Gespräch. Der erzählt ihm von einer kleinen, hochspezialisierten Wiener Softwarefirma im Bereich der Industrieautomatisierung.

Zwei der Gründer wollen aussteigen, ein anderer – Heinrich Steininger – will weitermachen. Kübeck wird hellhörig. Er ahnt damals noch nicht, dass dieser Flug der Startschuss für eine bemerkenswerte Transformationsgeschichte der österreichischen Tech-Industrie werden wird: die Evolution eines stillen Hidden Champions zum international vernetzten Unternehmen.

Die Anfänge von Neuron Automation

Die Wurzeln des 2025 auf Neuron Automation (bis vor kurzem noch als logi.cals firmierend) umbenannten Unternehmens reichen tief in die 80er Jahre hinein. Heinrich Steininger, damals Student der technischen Mathematik, programmiert nebenbei Steuerungen für Kläranlagen und Mischfutterwerke. Als 1986 die Anfrage kommt, ein Programm zu schreiben, das aus, in einem CAD-Programm gezeichneten, Funktionsplänen den Code für eine Steuerung generiert, weigert er sich im „jugendlichen Übermut“, wie er erzählt. „Das kann man schon so tun, aber ich halte das für keine gute Idee“ war seine damalige Antwort. „Wenn, dann sollte man das ordentlich machen.“ So entwickelte über den Sommer einen kompletten Editor.

Ein mutiger Schritt, der sich auszahlt. Ein großer Kunde wird aufmerksam, gibt Geld, und die Firma wird gegründet. Das Unternehmen (Anm.: damals noch Kirchner Soft, ab 2007 logi.cals) wächst organisch, stets nah am Kunden. Ohne Venture Capital, aus dem eigenen Cash Flow heraus, etabliert sich die Firma als Hidden Champion.

© zVg – Die drei Kirchnersoft-Gründer (v.l.): Gründer: Thomas Mayer, Heinrich Steininger und Friedrich Kirchner.

Ein Drittel aller globalen Wasserkraftwerke wird bald mit ihrer Software laufen – ebenso wie ein Großteil der Tachos und Zentralsteuergeräte in Autobussen weltweit. Ein interessantes Detail am Rande ist die Marktstellung eines führenden internationalen Anbieters von Fahrzeugelektronik. Das Unternehmen hält bei Tachos und Zentralsteuergeräten in Bussen einen Marktanteil von 80 Prozent. In der Praxis bedeutet dies: Wer in Wien mit einem Bus fährt und den Haltewunsch Knopf drückt, löst mit sehr hoher Wahrscheinlichkeit eine Funktion aus, die mit dem Editor von logi.cals programmiert wurde.

„Ganz wichtig war, dass wir relativ rasch erkannt haben, dass wir das System öffnen mussten“, erinnert sich Steininger. „Uns war klar, dass wir anderen Steuerungsherstellern die technische Anbindung ihrer Steuerungen erleichtern müssen. Das war damals nicht unbedingt üblich. Deshalb haben wir uns überlegt, wie wir das umsetzen können, welches Framework dafür geeignet ist, und dabei einige spannende Dinge entwickelt. Das hat uns ermöglicht, über die nächsten Jahre und Jahrzehnte zwar moderat, aber kontinuierlich gut zu wachsen. Und auch mehr als 20 Jahre später ist das Unternehmen nach wie vor profitabel.“

2007: Das Jahr der Weichenstellung

Mit dem Einstieg von Michael Kübecks Investorennetzwerk 2007 werden somit die Weichen auf Wachstum gestellt – doch dann schlägt 2008 die globale Finanzkrise ein. Von einem Tag auf den anderen brechen zwei Drittel des Umsatzes weg.

Zusperren ist in dieser Situation dennoch keine Option. Stattdessen nutzt das Team die Krise für einen radikalen Schnitt. Das Kernprodukt wird technologisch komplett neu aufgesetzt (Re-Engineering), erneut gestemmt durch die finanzielle Rückendeckung von Privatinvestoren, die an die Substanz der Firma glauben.

Diese Überlebensfähigkeit in Krisenzeiten zieht sich wie ein roter Faden durch die Unternehmensgeschichte – getragen von Vertrauen und Beziehungspflege. Als das Unternehmen später Kredite benötigt, verzichtet man auf vage Versprechungen und legt den Banken stattdessen 15-seitige, schonungslos transparente Sanierungs- und Entwicklungspläne vor. Das Resultat: Die Banken vertrauen dem Team, die Kreditlinien fließen und Transparenz schlägt Pitch-Deck-Geschwaffel.

2016 folgt der nächste essentielle Schritt des Unternehmen: Es kommt Michael Plankensteiner als neuer CEO an Bord. Und bringt frischen Wind mit sich: Nach Stationen bei Boston Consulting Group (BCG) und als Sanierer der Industriegruppe Industrie Holding Operations suchte Plankensteiner Anfang 2016 eine neue unternehmerische Herausforderung. „Ich habe gemerkt: Nach all den Jahren Beratung und Sanierung habe ich keine Lust, dauernd als Söldner in Projekte rein- und dann wieder rauszugehen“, sagt er. Der Unternehmergeist war für ihn nicht neu: Sein Großvater führte einen Greißler-Betrieb in der Südsteiermark, zudem gründete er bereits vor seiner Zeit bei BCG gemeinsam mit Partnern das Karriereservice der Universität Wien.

Das Abhängigkeitsproblem

So tat er sich mit Steiniger und Kübeck zusammen und hatte eine strategische Antwort auf das Abhängigkeitsproblem der beiden: Fokussierung durch M&A (Mergers & Acquisitions). Der erfahrene Berater und Sanierungsexperte analysiert die Lage schonungslos: Das Unternehmen hat zwar eine technologisch brillante Basis, macht aber einen Großteil des Umsatzes mit wenigen großen Kunden. Eine gefährliche Abhängigkeit. Zudem drückt ein deutscher Mitbewerber auf den Markt, der zehnmal so groß ist.

„Das Spannende war, die logi.cals hatte zu dem Zeitpunkt fünf Kunden, mit denen sie 80 Prozent ihres Umsatzes gemacht hat – und alle fünf waren Weltmarktführer“, sagt Plankensteiner. Darunter sehr prominente Unternehmen, deren Namen jedoch ungenannt bleiben sollen. „Alle haben auf unseren Engineering-Editor geschworen. Und trotzdem hatten wir knapp über zwei Millionen Euro Umsatz und waren so am Rande der Profitabilität. Die Frage war: Wo ist eigentlich der Hebel?“

Der Grund für diese Situation lag u.a. in der damaligen Entwicklungsstruktur. Der Editor war zwar ab 2011 durch die gemeinsame Initiative von Steininger und Kübeck neu entwickelt worden, aber 2016 fehlte es an Ressourcen, um das Produkt weiter zu skalieren.

© zVg – Alter Bildschirm mit logiCAD Programmiereditor.

Eine Nische in der Nische

„Wir hatten zehn Entwickler, aber eigentlich keine Investitionen, um die Entwicklung zu pushen. Vieles ist mit den fünf Kunden passiert, dadurch ist relativ viel in die Kundenarbeit geflossen und wenig ins Produkt“, so Plankensteiner. Gleichzeitig war klar, dass ein direkter Wettbewerb mit dem größeren Konkurrenten Codesys nicht sinnvoll war. „Die waren damals ungefähr zehnmal so groß wie logi.cals und hatten rund 100 Entwickler. Hinter denen herzufahren, machte keinen Sinn. Deswegen habe ich gesagt: Wir brauchen eine Fokussierung. Wir brauchen eine Nische in der Nische, damit wir mit weniger Firepower schneller zeigen können, dass wir mehr draufhaben als der Mitbewerber.“ Diese Nische wurde folglich 2017 in Deutschland gefunden.

Die Firma ISH, 1989 gegründet von Axel Helmert, hatte sich auf auf Funktionale Sicherheit (Functional Safety) spezialisiert. Helmert war auf der Suche nach einem Nachfolger – und fand ihn in dem österreichischen Team. 2019 wurde die ISH gekauft und gilt bis heute firmenintern als ein strategisches Masterpiece: Das Engineering-Know-how der Österreicher verschmilzt mit der Safety- und TÜV-Kompetenz der Deutschen. Und so wurde das Unternehmen plötzlich Experte für „Functional Safety“.

Functional Safety

Zur Erklärung: funktionale Sicherheit ist der Teil der Automatisierung, der dafür sorgt, dass eine Maschine abschaltet, bevor Menschen oder die Umwelt zu Schaden kommen. Ein japanischer Automatisierungs-Chef formulierte es bei einem Abendessen in Siegen, Deutschland, gegenüber Investor Kübeck einst so, wie er erzählt: „Safety is a pain in the ass“, hatte jener salopp formuliert.

„Sie betrifft vielleicht nur 15 Prozent einer Anlage, frisst aber dreimal so viel Aufwand. Alles muss redundant ausgelegt sein, jeder Fehler muss vorab überlegt, dokumentiert und beherrschbar gemacht werden. Für Techniker, die Maschinen eigentlich zum Laufen bringen wollen, ist die Programmierung von Not-Aus-Szenarien und Fehlerbeherrschung extrem frustrierend und teuer. Funktionale Sicherheit sagt man immer so leicht daher. Es ist ein Feature der Automatisierung, das eigentlich jeden nervt, aber total wichtig ist, weil es überall dort gebraucht wird, wo es um Menschenleben geht“, betont Kübeck.

Ein zentrales Prinzip dabei sei Redundanz: Steuerungen werden mehrfach ausgelegt, damit Ausfälle verhindert werden. Eine Besonderheit des Marktes: Die Zertifizierung funktionaler Sicherheit erfolgt weltweit über den deutschen TÜV. „Der Japaner muss sich mit dem deutschen TÜV auseinandersetzen, der Franzose und auch der Amerikaner. Das ist für viele die Hölle.“

Vorteil durch Netzwerk

Genau hier sieht Kübeck einen Wettbewerbsvorteil von logi.cals: Mit Helmert habe das Unternehmen nicht nur technisches Know-how, sondern auch ein tiefes Verständnis für die TÜV-Prozesse und ein gewachsenes Netzwerk aufgebaut. „Er kennt dort alle , ruft an und sagt, ‚wir haben die und die Idee‘. Das ist unglaublich viel wert.“

Funktionale Sicherheit stellt technisch besondere Anforderungen an die Entwicklung. „Für einen Programmierer ist es psychologisch gar nicht so einfach, sich da hineinzudenken“, erklärt Plankensteiner. „Während klassische Automatisierung darauf abzielt, Anlagen zuverlässig am Laufen zu halten, muss funktionale Sicherheit sicherstellen, dass Systeme im Gefahrenfall kontrolliert abschalten.“

Zwei zentrale Säulen

Die beiden zentralen Säulen seien dabei Fehlervermeidung und Fehlerbeherrschung. „Bei der Fehlervermeidung geht es darum, im Entwicklungsprozess sicherzustellen, dass möglichst wenige Softwarefehler entstehen. Die Anforderungen an Entwicklung und Tests sind dadurch deutlich höher.“ Gleichzeitig müsse ein System auch dann sicher bleiben, wenn Fehler auftreten – etwa durch technische Defekte oder unerwartete Ereignisse“, so der CEO weiter.

Mit der Übernahme der ISH 2019 baute logi.cals genau diese Kompetenz weiter aus und entwickelte daraus ein breiteres Angebot. Heute verbindet das Unternehmen Dienstleistungen mit eigenen Technologien und arbeitet an einer Transformation hin zu einem stärker lizenzbasierten Geschäftsmodell. „Unser Ziel ist, funktionale Sicherheit schneller, günstiger und investitionssicherer zu machen“, so Plankensteiner. Auch KI spielt dabei eine Rolle: Mit einem neuen Ansatz will das Trio die Entwicklung sicherer Automatisierungslösungen weiter vereinfachen und hat dafür bereits ein Patent beantragt.

Man muss wissen, dass Künstliche Intelligenz in der funktionalen Sicherheit lange als unmöglich galt, da KI von Natur aus indeterministisch (also in ihren exakten Ergebnissen schwer vorhersehbar) sei. Doch dem Team ist es gelungen, einen Ansatz zu entwickeln, der KI-gestütztes Programmieren in diesen starren Zertifizierungsrahmen presst.

Das Ende der Bewegung

„Denken wir an humanoide Roboter, wie sie derzeit von großen Tech-Visionären entwickelt werden. Damit so ein Roboter einem Menschen im Alltag nicht den Arm bricht, müssen seine Gelenke über Sensorik erkennen, wenn ein Mensch zu nah kommt. Das Gelenk muss die Bewegung verlangsamen und notfalls blockieren“, sagt Plankensteiner. „Ein Kunde in der Schweiz liefert für einen namhaften Humanoiden die Automatisierung im Gelenk. Die Entwicklung der Hardware dazu, die Firmware und die funktionale Sicherheit kommen von uns“, präzisiert er.

Diese komplexe, sicherheitskritische Programmierung für das Gelenk übernimmt künftig (Anm.: ab nächsten Jahr am Markt) der „Neuro Transformer“ von Neuron Automation. Er nimmt, eigenen Angaben nach, dem Programmierer 90 Prozent der repetitiven, fehlervermeidenden Code-Arbeit ab. Der menschliche Ingenieur steige so in die Rolle des Architekten und Reviewers auf, während die KI zunehmend die Umsetzung übernimmt.

Der geplante Wandel von Neuron Auromation

Dass Technologie allein jedoch nicht reicht, das weiß das Team. Jahrzehntelang war das Unternehmen stark im Projektgeschäft tätig. Das bedeutet: 70 Prozent einmalige Dienstleistungsumsätze (Non-Recurring), 30 Prozent Lizenzen (Recurring). Der Plan bis 2030 sieht eine komplette Umkehrung vor.

Durch hardwareunabhängige Sicherheitslösungen und KI-Tools wie den „Neuro Transformer“ möchte sich das Unternehmen in ein hybrides Modell transformieren: Die Zielvorgabe lautet 70 Prozent Recurring Revenue (wiederkehrende Lizenzen) und 30 Prozent Dienstleistung. Die Projektarbeit bleibt dabei die Antenne zum Markt, um Innovationen überhaupt erst zu erkennen, während das Softwaregeschäft die Profitabilität jenseits der 20-Prozent-Marke treiben soll. So der Plan.

Die DNA des Erfolgs

Allgemein ist festzustellen, dass sich besonders ein Faktor durch die Historie von Neuron Automation zieht. Es ist eine DNA der Zusammenarbeit: Ob es der Einstieg von Kübeck war, die Übernahme von Axel Helmerts Lebenswerk oder das Halten von Schlüsselfiguren über Jahrzehnte hinweg: Alles basiert auf einem tiefen Verständnis von Beziehungen und Partnerschaften.

„Bei uns gibt es keine Schauspieler“, sagt Plankensteiner. „Wenn die Eigentümer, die Entwickler, die in St. Pölten sitzen und die Zukäufe in Deutschland nicht auf einer extrem vertrauensvollen, menschlichen Basis kommunizieren würden, wäre ein solcher Wandel unmöglich gewesen. Innovation entsteht hier oft im Joint-Development – Hand in Hand mit den Kunden, die wir nicht als reine Käufer, sondern als Entwicklungspartner sehen.“

Blick ins nächste Jahrzehnt

Heute steht Neuron Automation, bei 16 Millionen Euro Umsatz und 135 Mitarbeiterinnen und Mitarbeitern. Der Vorsprung der einst übermächtigen Konkurrenz sei drastisch geschmolzen. Durch M&A, sensibles Cash-Flow-Management, Branchenvertrauen und eine besondere KI-Lösung für funktionale Sicherheit .

„Der Wettbewerber ist – statt zehnmal – heute nur noch dreimal so groß. Und sein Vorsprung ist deutlich kleiner geworden. Wir sind technologisch aus unserer Sicht, und das bestätigen unsere Kunden (und auch die des Konkurrenten), deutlich voraus“, sagt Plankensteiner. „Wir haben nicht mehr ‚zehn Jahre Nachteil‘. Als ich 2016 zu Steiniger und Kübeck dazugestoßen bin, war er (Anm.: Der Konkurrent) seit 2006 mit seinem Engineering-Tool breit im Markt unterwegs. Jetzt hat er nur mehr ein Jahr Vorsprung. Schauen wir, was beim nächsten Sprung passiert.“

Die Pipeline von Neuron Automation sei zudem bereits gut gefüllt: Erste Kunden starten noch vor der geplanten Zertifizierung´, wie Planeksteiner mitteilt: „Der erste Schritt unserer Transformation passiert dann zwischen 2028 und 2030. In dieser Zeit wollen wir die 20-Millionen-Euro-Umsatz-Grenze deutlich überschreiten und uns auch klar über 20 Prozent Profitabilität bewegen. Mit dem zunehmenden Anteil des Lizenzgeschäfts soll dann die Marge auch weiter steigen.“

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

Predicting Health: Grazer HealthTech erkennt vermeidbare Komplikationen im Krankenhaus

AI Kontextualisierung

Welche gesellschaftspolitischen Auswirkungen hat der Inhalt dieses Artikels?

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

Predicting Health: Grazer HealthTech erkennt vermeidbare Komplikationen im Krankenhaus

AI Kontextualisierung

Welche wirtschaftlichen Auswirkungen hat der Inhalt dieses Artikels?

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

Predicting Health: Grazer HealthTech erkennt vermeidbare Komplikationen im Krankenhaus

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 …

Predicting Health: Grazer HealthTech erkennt vermeidbare Komplikationen im Krankenhaus

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 …

Predicting Health: Grazer HealthTech erkennt vermeidbare Komplikationen im Krankenhaus

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 …

Predicting Health: Grazer HealthTech erkennt vermeidbare Komplikationen im Krankenhaus

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 …

Predicting Health: Grazer HealthTech erkennt vermeidbare Komplikationen im Krankenhaus

AI Kontextualisierung

Wer sind die relevantesten Personen in diesem Artikel?

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

Predicting Health: Grazer HealthTech erkennt vermeidbare Komplikationen im Krankenhaus

AI Kontextualisierung

Wer sind die relevantesten Organisationen in diesem Artikel?

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

Predicting Health: Grazer HealthTech erkennt vermeidbare Komplikationen im Krankenhaus