Vollständig nutzbare
Kameradaten mit
„Privacy by Design“

In 2022 werden pro Stunde 7 Exabyte Videodaten von Fahrzeugen und öffentlichen Kameras übertragen. Die unzähligen Datenpunkte sind für eine autonome Infrastruktur, datengetriebene Dienste sowie für neue Unternehmen und Geschäftsfelder entscheidend.

Mit einer einzigartigen Technologie ermöglicht Brighter AI sowohl die Einhaltung weltweiter Datenschutzrichtlinien als auch Analytics & AI auf Basis öffentlicher Kameradaten.

Deep Natural Anonymization - Anonymisierung für Analytics in Automotive, Retail und Smart City.

Lösung

Deep Natural Anonymization

Die innovative Anonymisierung von Brighter AI schützt personenbezogene Daten entsprechend bestehender Datenschutzgesetze. Anders als bei klassischem "Verpixeln", "Blurring" oder "Masking", sehen die anonymisierten Gesichter und Kennzeichen natürlich aus und können vollständig analysiert werden.

Automotive

Brighter AI entwickelt eine Schlüsseltechnologie, um selbstfahrende Autos auf die Straße zu bringen. Mit einer innovativen Anonymisierung für Gesichter und Kennzeichen können sich Automobilhersteller und ADAS-Zulieferer auf Datenerfassung, Labelling und die Entwicklung von KI-Modellen konzentrieren. Brighter AI bietet für das autonome Fahren eine natürliche Anonymisierung, die die GDPR-konforme Weiterverarbeitung von Trainingsdaten ermöglicht. Darüber hinaus kooperiert Brighter AI mit OEMs, um Kameradaten direkt im Fahrzeug - "on the Edge" - zu anonymisieren und arbeitet bereits an der Integration in die Serienproduktion.

Retail & Smart City

Wie das menschliche Auge erfassen Kameras die Welt und nehmen kontinuierlich neue Daten auf. Mit Deep Natural Anonymization verwandelt Brighter AI installierte Kameras, bspw. in ÖPNV und Einzelhandel, in Sensoren für Video-Analytics. Damit können nicht nur Technologien mit einseitiger Funktionalität wie Personenzähler ersetzt werden, sondern es wird erstmals die Verarbeitung öffentlicher Kameradaten in der Cloud möglich. Mit zahlreichen Anbietern für Cloud-Analytics haben Kunden so die Möglichkeit, Analysen flexibel auszuwählen und kostengünstig zu beziehen. Demographische Informationen, Emotionen, Kleidungsstil - alles ist möglich.

Möglichkeit von Analytics & AI

Im Gegensatz zu herkömmlichen Anonymisierungsansätzen können die natürlich anonymisierten Kameradaten zur Erkennung, Klassifizierung, Segmentierung sowie für weitere Analytik- und KI-Ansätze verwendet werden. Was bedeutet das für KI-Unternehmen?

Deployment

On Premise

Kunden können die Container-basierte Anonymisierungslösung der Brighter AI direkt auf ihr System laden. Unsere neuronalen Netzwerke laufen auf Servern mit mindestens einer GPU und die SaaS-Lösung wird mit einer monatlichen Lizenzgebühr pro Server-Node berechnet. Wenn Sie unsere Anonymisierungslösung testen möchten, nehmen Sie bitte Kontakt auf.

Edge

Brighter AI ermöglicht ebenfalls eine natürliche Anonymisierung von Gesichtern und Kfz-Kennzeichen direkt auf Endgeräten - "on the Edge". Wir können unsere Software an Kameras anbinden, um persönliche Identifikatoren schon vor der Verarbeitung der Daten zu anonymisieren. Wenn Sie die Kameradaten auf einem Edge-Gerät anonymisieren möchten, um die Weiterverarbeitung in der Cloud zu ermöglichen, nehmen Sie Kontakt auf.

Embedded

Brighter AI arbeitet mit führenden Industriepartnern daran, Deep Natural Anonymization in Serienproduktion zu bringen. Unsere Technologie kann persönliche Identifikationsmerkmale direkt auf der Kamera anonymisieren. Wenn Sie ein Automobil- oder Kamerahersteller auf der Suche nach einer maßgeschneiderten Embedded-Lösung sind, kontaktieren Sie uns.

- 1 -

Videodaten von Kameras oder Servern empfangen

Videodaten von Kameras oder Servern empfangen

- 2 -

Deep Natural Anonymization anwenden

Deep Natural Anonymization anwenden

Moderne Analytics und KI ermöglichen

Moderne Analytics und KI ermöglichen

- 3 -

Natürlich anonymisierte Daten bereitstellen

Natürlich anonymisierte Daten bereitstellen

Founders & Advisors

Marian Gläser
Chief Executive Officer

Marian steuert Strategie und Investor Relations bei Brighter AI. Nach einem Studium in IT-Management & Consulting, wurde Marian zu einem leidenschaftlichen Entrepreneur. Vor der Gründung von Brighter AI, arbeitete Marian im Silicon Valley für das Techstar-Startup Occipital Inc., als Projektmanager bei SinnerSchrader und als Berater für Lufthansa Systems. Außerdem hielt er Vorlesungen zum Thema "Continuous Improvement for Deep Learning" an der Hochschule für Technik und Wirtschaft Berlin.

Patrick Kern
Chief Technology Officer

Patrick ist als CTO von Brighter AI hauptverantwortlich für die Produktentwicklung. Vor der Unternehmensgründung hat er in Berlin einen Master in Informatik und Wirtschaftswissenschaften absolviert. Darüber hinaus war Patrick Mentor bei Udacity für die Entwicklung autonomer Fahrzeuge und erforschte bei HELLA Ventures disruptive Technologien in der Automobilbranche. Patrick war bereits in verschiedenen Positionen als Softwareentwickler bei KPMG und Signavio tätig.

Asaf Birnhack
Chief Sales Officer

Als Co-Founder ist Asaf bei Brighter AI für den Bereich Sales & Business Development verantwortlich. Asaf bringt ein unternehmerisches Mindset und zahlreiche internationale Erfahrungen in das Team ein. Vor seiner Aufgabe bei Brighter AI studierte er Business Management mit Schwerpunkt Marketing. Asaf verfügt über 6 Jahre Berufserfahrung in Startups und Unternehmen, insbesondere in den Bereichen Business Development, Online Advertising sowie in der Automobilindustrie.

Dr. Thorsten Grenz
Advisor

Thorsten Grenz ist Mitglied des Aufsichtsrats der Drägerwerk AG & Co. KGaA, Fyber N.V. (bis 2017) und GPredictive GmbH, sowie Präsident der Financial Experts Association e.V. Bisherige berufliche Stationen umfassen unter anderem CEO bei Veolia Umweltservice und Veolia Deutschland, Operating Partner bei 3i plc, CFO bei Hero AG, CEO bei Mobilcom AG, CFO bei Hapag-Lloyd Container Linie und Associate Principal bei McKinsey & Company, Inc.

Dr. Liv Kirsten Jacobsen
Advisor

Seit 2017 lehrt Prof. Jacobsen Entrepreneurship als Honorarprofessorin an der Europa-Universität Viadrina Frankfurt (Oder), wo sie von 2008 bis 2015 auch das "Centre for Entrepreneurship" leitete. Als Geschäftsführerin der Transaudio GmbH hat sie zuvor sechs Jahre lang selbst ein Technologieunternehmen geleitet. Darüber hinaus ist sie als Dozentin an verschiedenen Universitäten tätig und im Business Angel Club Berlin aktiv.

Benjamin Sekowski
Advisor

Benjamin Sekowski begann seine Karriere bei einem Early-Stage Venture Capital Fund, wo er Transaktionen mit dem Schwerpunkt IoT & Big Data begleitete und ein starkes Netzwerk im Startup-Ökosystem aufbauen konnte. Mit seiner Kernkompetenz an der Schnittstelle von Technologie & Business gründete er Digital:Convergences, um Kunden bei der Beschleunigung von Venture-Aktivitäten und der Entwicklung digitaler Produkte zu unterstützen, die Nutzer lieben.

Über Uns

Brighter AI Technologies ist ein Deep-Tech-Startup, das 2017 in Berlin gegründet wurde. Bei Brighter AI arbeiten wir daran, die Grenzen des menschlichen und maschinellen Sehens mit künstlicher Intelligenz zu überwinden. Mit unserem innovativen Ansatz der Anonymisierung durch künstliche neuronale Netze sind wir bereits dabei, das "Datenschutz vs. Analytics Dilemma" für mehr als 1,1 Milliarden öffentliche Kameras zu lösen. NVIDIA hat Brighter AI dafür als "Europe's Hottest Startup" ausgezeichnet. Wenn Du uns auf dem Weg zum weltweit führenden Anbieter für generative künstliche Intelligenz unterstützen möchtest, besuch unsere Jobseite oder schreib uns an hello@brighter.ai.

Innovationstreiber in Generativer KI
Ehrgeiziges & Vielfältiges Team
Cooles Office im ♡ Berlins

Blog

The #paperoftheweek is “Diversity-Sensitive Conditional Generative Adversarial Networks”
Jul 19, 2019 2 min read
In Conditional GANs, the generator is not only fed with a randomly sampled latent but also with extra information. This extra information… Read More
The #paperoftheweek is: “Generating Diverse High-Fidelity Images with VQ-VAE-2”
Jul 03, 2019 2 min read
In our weekly paper, the authors propose a two-stage generator architecture which aims to exploit the strengths of two separate generative… Read More
The #paperoftheweek is “The Lottery thicket Hypothesis: Finding Sparse, Trainable Neural Networks”.
May 31, 2019 3 min read
The authors of this paper propose a novel way to prune large trained neural networks, generating sparse and lightweight subnetworks… Read More

Bekannt Aus

Kontakt