Heute entwickelt nahezu jeder Robotikhersteller seine Bewegungssteuerung isoliert und hardwaregebunden.
Dadurch entstehen hohe Entwicklungszeiten, ineffiziente Bewegungsabläufe und mangelnde Skalierbarkeit.

Wir entwickeln eine universelle KI-Steuerungsplattform für autonome Systeme, die Bewegungsentscheidungen in Echtzeit optimiert — unabhängig von Robotertyp oder Hardware.

Langfristig positionieren wir uns als Infrastruktur-Layer für autonome Maschinen — vergleichbar mit einem Betriebssystem für robotische Bewegung.

Sehr geehrte Damen und Herren,

Wir arbeiten derzeit an einem Konzept für ein universelles KI-basiertes Echtzeit-Steuerungssystem für autonome Maschinen und Robotikplattformen.

Ziel des Projekts ist die Entwicklung eines hardwareunabhängigen Steuerungs- und Optimierungslayers, der Bewegungsentscheidungen und adaptive Steuerungsprozesse in Echtzeit verbessern kann. Der Fokus liegt dabei auf prädiktiver Bewegungsoptimierung, adaptiver Regelung sowie KI-gestützter Entscheidungsfindung für heterogene robotische Systeme.

Langfristig soll daraus eine universelle Plattform für autonome Bewegungsintelligenz entstehen, die in unterschiedlichen Bereichen wie Industrieautomation, mobile Robotik, autonome Systeme und humanoide Robotik eingesetzt werden kann.

Da das Vorhaben starke Schnittstellen zu den Bereichen:
• Robotik,
• Embodied AI,
• Echtzeitsteuerung,
• Reinforcement Learning,
• Sensorfusion
und
• Edge AI aufweist, suchen wir den Austausch mit wissenschaftlichen Partnern für mögliche Forschungskooperationen, Machbarkeitsanalysen sowie potenzielle gemeinsame Förderprojekte.

Besonders interessant wären:
• gemeinsame Forschungsarbeiten,
• Master-/Dissertationsprojekte,
• Simulation und Prototyping,
• sowie mögliche Förderprogramme auf österreichischer oder europäischer Ebene.

Wir würden uns sehr über ein unverbindliches Gespräch freuen, um mögliche Anknüpfungspunkte zu besprechen.

Mit freundlichen Grüßen
Für den BCNU
Gerhard Niegl

Sehr geehrte Damen und Herren,

Wir arbeiten aktuell am Aufbau eines Deep-Tech-Unternehmens im Bereich autonome Steuerungssysteme und KI-basierte Bewegungsoptimierung.

Die Kernidee ist die Entwicklung eines universellen Echtzeit-Steuerungssystems für autonome Maschinen, das hardwareunabhängig in bestehende Robotik- und Automatisierungssysteme integriert werden kann.

Heute entwickeln viele Hersteller ihre Bewegungssteuerung isoliert für einzelne Plattformen. Dies führt zu hohen Entwicklungsaufwänden, mangelnder Wiederverwendbarkeit und ineffizientem Echtzeitverhalten.

Unser Ansatz ist die Entwicklung einer universellen Bewegungsintelligenz, die:
• Bewegungsentscheidungen in Echtzeit optimiert,
• adaptive Steuerung ermöglicht,
• verschiedene autonome Systeme unterstützt,
• und langfristig als Infrastruktur-Layer für autonome Maschinen fungieren kann.

Der Fokus der ersten Phase liegt auf:
• Simulation,
• KI-gestützter Bewegungsoptimierung,
• Echtzeit-Entscheidungslogik,
• sowie der Integration in bestehende Robotikplattformen.

Aktuell befinden wir uns im Aufbau wissenschaftlicher Kooperationen und evaluieren Fördermöglichkeiten im österreichischen und europäischen Deep-Tech-Umfeld.

Gerne würde ich Ihnen das Konzept und die langfristige Skalierungsstrategie in einem kurzen Gespräch vorstellen.

Mit freundlichen Grüßen
Gerhard Niegl

Unternehmensvision

Aufbau einer universellen KI-Steuerungsplattform für autonome Maschinen und Robotiksysteme.

Problem

Heute:
• proprietäre Steuerungssysteme
• hohe Entwicklungskosten
• geringe Interoperabilität
• ineffiziente Bewegungsplanung
• fehlende universelle Echtzeit-Optimierung

Lösung

Eine:
• hardwareagnostische
• KI-basierte
• Echtzeit-Steuerungsplattform
für:
• mobile Robotik
• Industrieautomation
• autonome Systeme
• humanoide Robotik

Geschäftsmodell

Phase 1 – Softwareplattform: Lizenzmodell, Entwicklungszugänge, API

Phase 2 – Enterprise Integration: OEM-Lösungen, Industriepartnerschaften, Custom Deployments

Phase 3 – Hardwarebeschleunigung: FPGA, AI-Accelerator, Motion-Chips

Roadmap

0–6 Monate	Team + Forschungskooperation
6–12 Monate	Simulation + Core Engine MVP
12–18 Monate	erste Industrie-Demo
18–24 Monate	Pilotpartner
24–36 Monate	Seed-Finanzierung + Skalierung

Technischer Fokus Phase 1

• ROS2-basierte Middleware
• Echtzeit-Motion Planning
• Reinforcement Learning
• Sensorfusion
• Edge AI
• Simulation in NVIDIA Isaac Sim

Realistische Kosten (erste 24 Monate)

Gesamt: ~700k–1.5 Mio. €

Förderstrategie

Zuerst: AWS PreSeed Österreich, FFG Basisprogramm, Horizon Europe, Forschungskooperationen
Dann: Business Angels, Deep-Tech VCs

Langfristige Vision

(wird noch ergänzt)