1000 Nutzer bauen 3500 KI-Apps: Schaffhausens viso.ai macht Computer Vision zum Satz

Computer Vision galt fünfzehn Jahre lang als Projekt für Spezialisten. viso.ai aus Schaffhausen meldet nun Zahlen, die diese Regel infrage stellen: über 1000 Nutzer, mehr als 3500 gebaute Anwendungen – und im Median weniger als drei Minuten bis zur ersten laufenden App.

Was passiert ist

Am 27. August meldete viso.ai die ersten harten Nutzungszahlen für Viso Now. Die Plattform ist im Browser verfügbar und im Einstieg kostenlos, jeder Account bekommt täglich Gratis-Credits. Nutzer beschreiben in normaler Sprache, was eine Kamera erkennen soll, laden ein Video hoch oder verbinden eine Kamera – die Plattform baut daraus eine lauffähige Anwendung. Kein Code, keine Annotation, kein Modelltraining.

Gebaut wird laut Firmenangaben Erwartbares und Unerwartetes: Qualitätskontrolle, Arbeitssicherheit, Verkehrsanalyse – daneben aber auch Nischen wie das Prüfen von ISO-Konformität oder das Erkennen von Lebensmittelrisiken. Also genau die Fälle, für die sich ein klassisches Vision-Projekt betriebswirtschaftlich nie gerechnet hätte.

"Was Monate gedauert hat, dauert jetzt eine Stunde", sagt Co-CEO und Mitgründer Gaudenz Boesch. Sein Mitgründer Nico Klingler formuliert die These dahinter schärfer: Bisher mussten Teams in Daten, Modelle und Infrastruktur investieren, bevor sie überhaupt wussten, ob die Idee trägt. Genau diese Reihenfolge stellt Viso Now auf den Kopf.

Wer dahintersteht

viso.ai AG hat ihren Sitz an der Mühlenstrasse 26 in Schaffhausen und beschreibt sich selbst als "global company, Swiss at heart" – mit Teams in London, Shanghai und New York. Gegründet wurde die Firma 2018 von Gaudenz Boesch und Nico Klingler, die schon 2014 anfingen, Vision-Systeme zu bauen. 2022 kam die Enterprise-Plattform Viso Suite auf den Markt.

Im Oktober 2023 sammelte viso.ai USD 9,2 Mio. in einer Seed-Runde ein, angeführt vom Wagniskapitalgeber Accel. Mit dabei waren Angel-Investoren wie Mehdi Ghissassi (DeepMind), Mihai Faur (UiPath), Remy Lazarovici (Celonis), James Isilay (Cognism) und Stef van Grieken (Cradle). Zum Kundenkreis zählt die Firma unter anderem PwC, DHL, DPD, Orange und A2A.

Von der Erkennung zum Verstehen

Technisch steht hinter Viso Now das, was viso.ai Visual General Intelligence nennt – kurz VGI. Das Whitepaper dazu veröffentlichte die Firma Anfang 2025. Der Anspruch: weg von der reinen Objekterkennung ("an Position X, Y liegt ein Objekt"), hin zum Verstehen einer ganzen Szene. Ein System soll Gefahren, Mängel oder Regelverstösse benennen können, ohne vorher darauf trainiert worden zu sein. Die hauseigene VGI-1-Engine treibt alle Produkte an.

Die Grössenordnung, in der viso.ai heute operiert, ist beachtlich: Nach eigenen Angaben analysiert die Plattform monatlich 129 Milliarden Bilder und erkennt dabei 420'000 Vorfälle, im Einsatz in über 24 Ländern.

Unsere Einordnung

Nutzerzahlen einer Gratis-Plattform sind die weichste Währung im Softwaregeschäft. 1000 Anmeldungen sagen wenig darüber, wie viele davon zahlende Kunden werden. Das gehört fairerweise dazu.

Interessant ist trotzdem eine andere Zahl: unter drei Minuten bis zur ersten funktionierenden Anwendung. Das ist der eigentliche Bruch. Wer eine Idee in Minuten testen kann statt in Monaten, probiert Dinge aus, die er sonst nie beantragt hätte. Genau das beschreibt viso.ai bei den Nischenfällen – und genau da entsteht Marktvolumen, das vorher nicht existierte.

Bemerkenswert ist auch, wo diese Firma sitzt. Nicht in Zürich, nicht in Lausanne, sondern in Schaffhausen – einem Kanton, der in Startup-Rankings selten auftaucht. viso.ai bedient von dort aus Konzerne in zwei Dutzend Ländern und hat sich mit Accel einen der renommiertesten Wagniskapitalgeber an Bord geholt. Das ist eine gute Erinnerung daran, dass Schweizer Deeptech nicht nur an den beiden ETH-Standorten entsteht.

Die ehrliche Frage bleibt: Hält die Qualität, wenn kein Mensch mehr Trainingsdaten kuratiert? In der Fabrikhalle entscheidet nicht die Demo, sondern die Fehlerquote nach sechs Monaten. Die nächsten Zahlen von viso.ai sollten deshalb weniger von Anmeldungen handeln – und mehr von Anwendungen, die produktiv laufen.