Munich Startup
Conxai sammelt 2,7 Millionen Euro ein

Conxai sammelt 2,7 Millionen Euro ein

Maximilian Feigl

Maximilian Feigl

Maximilian Feigl berichtet seit 2020 über das Münchner Startup Ökosystem. Dabei haben es dem studierten Politikwissenschaftler vor allem Deeptech-Themen angetan.

January 12, 2022

3 min. read time

Conxai macht sich die Infrastruktur zu Nutze, die bereits auf Baustellen besteht, um selbige zu digitalisieren. Die KI-Plattform sammelt und analysiert die Daten aus Kameras und anderen verfügbaren Sensoren um Bautätigkeiten zu analysieren und zu interpretieren, wie sie die Entwicklung der Gebäudestrukturen beeinflussen.

So kann die Baustelle in Echtzeit automatisiert überwacht und kostenoptimierende Ereignisse, Sicherheit, Qualität und Logistik können identifiziert und gemeldet werden. Außerdem macht ein übersichtliches Dashboard alle registrierten Ereignisse auf einer Baustelle durchsuchbar. Konkret zählen dazu nicht nur einzelne Bauphasen, sondern etwa auch die Ankunftszeiten von Materiallieferungen, die Mannstärke von Subunternehmern oder auch die Einhaltung von Sicherheitsvorschriften. Auf diese Weise werden nicht nur Ergebnisse auf dem Bau messbar, sondern auch einzelne Bauprozesse und deren aktueller Fortschritt. Ein weiterer Vorteil: Bisher gehen nach Bauabschluss rund 30 Prozent der erhobenen Daten verloren, obwohl diese für zukünftige Projekte wichtig sein könnten. Auch damit macht die Lösung von Conxai Schluss.

Gegenüber dem Online-Portal Tech.eu erklärt CEO und Co-Founder Sharique Husain:

„Conxai wird es den Akteuren der AEC-Branche (Anm. d. Red.: Architecture, Engineering und Construction) erleichtern, verschiedene Arten und Formate von Projektlebenszyklusdaten zu integrieren und zu kontextualisieren und sie in umsetzbares und wiederverwendbares Wissen umzuwandeln, um schneller fundierte Entscheidungen zu treffen. Die Anwendungsfälle reichen von einer verbesserten Sichtbarkeit auf der Baustelle über die Bereitstellung verwertbarer Erkenntnisse zur Entscheidungsunterstützung bis hin zur zukünftigen Autonomie von Maschinen und Robotern.“

Vier Investoren steigen bei Conxai ein

Das Münchner Startup beschäftigt derzeit fünf Angestellte und betreibt mehrere Pilotprojekte, drei in Deutschland und drei in den USA. In der Vergangenheit konnte Conxai bereits die Jury des Förderprogramms Start?Zuschuss! von sich überzeugen, nun folgten erstmals Investoren. Lead-Investoren der Seed-Runde sind Earlybird mit ihrem UNI-X Fund und Pi Labs. Zudem beteiligten sich auch A/O Proptech und Argonautic Ventures. Die 2,7 Millionen Euro sollen vor allem in die Weiterentwicklung der Lösung sowie den Ausbau des Teams fließen.

„Wir sehen in der Baubranche ein enormes Interesse an Deeptech-Lösungen. Angesichts der traditionell langen Verkaufszyklen ist es jetzt an der Zeit, eine bahnbrechende Technologie zu nutzen. Conxai ist in der perfekten Position, um dies zu tun“,

kommentierte Earlybird UNI-X Partner Michael Schmitt.

„Die Gründer Sharique und Krishna haben eine überzeugende Produktvision, die eine Vielzahl von Anwendungsfällen zur Verbesserung von Aspekten wie Effizienz, Compliance, Sicherheit und Reporting auf modernen Baustellen ermöglicht. Ihr no-code explainable AI-Ansatz ermöglicht die Anpassung an unterschiedliche Kundenbedürfnisse, ohne die Skalierbarkeit des Produkts zu beeinträchtigen.“

More like this

Related Articles to Read Next

This is a Test Video #1
Deals

This is a Test Video #1

15.04.26
Series-A-Finanzierung: Insempra erhält 18,6 Millionen Euro
Deals

Series-A-Finanzierung: Insempra erhält 18,6 Millionen Euro

13.05.24
3 Min.
Diese Münchner Startups sind reif für ein Investment
Deals

Diese Münchner Startups sind reif für ein Investment

18.04.24
4 Min.
Spacetech-Startup Vyoma sichert sich 5 Millionen Euro
Deals

Spacetech-Startup Vyoma sichert sich 5 Millionen Euro

15.04.24
3 Min.
Medtech InformMe wird Teil von Medavis
Deals

Medtech InformMe wird Teil von Medavis

12.04.24
2 Min.
Proxima Fusion sammelt 20 Millionen Euro ein
Deals

Proxima Fusion sammelt 20 Millionen Euro ein

10.04.24
2 Min.