• VRnow

    VRnow ist ein Berliner PropTech-Startup mit einem Schwerpunkt im Bereich Digitalisierung von Immobilienobjekten. Mit unserem komplexen Deep-Learning Algorithmus im Bereich der Grundrisserkennung sorgen wir für mehr Transparenz, einen höheren Grad an Vorhersagbarkeit im Immobilienmarkt und virtuellen 360 Grad 3D-Besichtigungen. Unsere Kunden sind Immobilieneigentümer, Bauträger und Immobilienmakler.

  • Künstliche Intelligenz

    Technik, die Computern ermöglicht, die menschliche Intelligenz nachzubilden

    Maschinelles Lernen

    Ein Teilbereich der künstlichen Intelligenz

    Ein Oberbegriff für die „künstliche“ Generierung von Wissen aus Erfahrung. Ein künstliches System lernt aus Beispielen und kann diese nach Beendigung der Lernphase verallgemeinern. Das heißt, es werden nicht einfach die Beispiele auswendig gelernt, sondern es „erkennt“ Muster und Gesetzmäßigkeiten (zB Türen, Fenster, etc.) in den Lerndaten (Grundrissen).

    Deep Learning

    Ein Teilbereich des maschinellen Lernens

    Deep Learning basiert auf Algorithmen, die Softwaren ermöglichen, sich eigenständig in bestimmte Aufgaben einzuarbeiten – zum Beispiel in die Sprach- und Bilderkennung –, indem mehrschichtigen neuronalen Netzen eine enorme Datenmenge zugeführt wird.

  • Unsere Technologie

    Durch die Einführung von Deep Learning in das Teilgebiet der Grundrissanalyse setzt VRnow neue Maßstäbe. Deep Learning wird im Bereich der Bildklassifikation und –erkennung auch von großen Unternehmen wie Facebook und Google angewendet. VRnow nutzt diese Technik, um strukturelle und semantische Details aus Grundrissen – wie Wände, Fenster, Türen und Möbel –zu erfassen. Die erfassten Informationen können dann entsprechend den Bedürfnissen des Kunden verwendet und interpretiert werden. Mithilfe dieses digitalen Prozesses kann VRnow anschließend automatisch eine anspruchsvolle 3D-Umgebung und 3D-Videos erschaffen. Unser Konzept setzt dabei auf mehr Transparenz, einen höheren Grad an Vorhersagbarkeit und eine bessere Visualisierung von Immobilienobjekten.

  • Verschiedene Schritte:

    Transparenz, Vorhersagbarkeit, Visualisierung

    Transparenz

    Erfassung von architektonischen Informationen

    Schritt 1 besteht in der Erfassung der architektonischen Informationen aus einem Grundriss. Mithilfe der Grundrissanalyse kann unser Algorithmus verschiedene Informationen wie die Größe des Objekts, die Anzahl der Türen, Fenster oder Zimmer erkennen. Wir sorgen dabei für mehr Transparenz in Ihrem Bauprojekt.

    Vorhersagbarkeit

    Ergebnis und Analyse

    Schritt 2 umfasst eine Analyse der erfassten architektonischen Informationen. Mit den aus Schritt 1 gewonnenen Erkenntnissen kann die weitere strategische Planungen verbessert und die Kostenkalkulation sowie die Aufstelloptionen für Mobiliar einfacher erarbeitet werden. Alle weiteren Schritte gewinnen an Vorhersehbarkeit und dank unseres automatisierten Algorithmus, geschieht dies in nur wenigen Minuten. Deep Learning ist dabei zentraler Baustein unseres Algorithmus; je mehr Daten dieser erhält, desto intelligenter wird der Algorithmus und umso mehr kann er die Qualität des Produkts verbessern. So werden wir vielleicht zukünftig nicht nur die Energiekosten analysieren, sondern bei großen Objekten auch für den Innenbereich bestimmte Navigationssysteme entwickeln.

    Visualisierung

    360°-Video und 3D-Modelle

    Schritt 3 besteht in der automatischen Erstellung eines 3D-Modells. Das visualisierte Objekt kann dann über ein VR-Gerät, YouTube 360 (für ein 360°-Video) oder einen Browser aufgerufen werden. Da unser Algorithmus alles automatisiert analysiert, erhalten Sie alle Daten in nur wenigen Minuten und müssen nicht mehr mehrere Tage auf ein hochauflösendes 3D-Video warten.

  • Multi-Platform Development

  • Das Team

    Tim Meger-Guingamp

    CEO & Gründer

    Alexander Dolokov

    CTO & Gründer

    Matthias Renneke

    Senior Developer

    Martin Wirtig

    3D Artist

    Julian-Alexander Hoff

    3D Artist

    Johannes Holweg

    Unreal Developer

    Malte Koch

    Developer

    Manon Meger

    Office Manager

    Hannes Heller

    Azubi

    Justin Schulz

    Azubi