Ultralytics YOLO27: Trag dich in die Warteliste ein.
YOLO lizenzieren
Pressemitteilung

Ultralytics sammelt 30 Mio. $ ein, um die Grenzen von Computer Vision zu erweitern

Erfahre mehr über die jüngste Series-A-Finanzierungsrunde von Ultralytics über 30 Mio. $ und was dich erwartet – von beschleunigter Forschung und Entwicklung rund um Ultralytics YOLO bis hin zu Unternehmenslösungen.

3 Min. Lesezeit
Erfahre mehr über die jüngste Series-A-Finanzierungsrunde von Ultralytics über 30 Mio. $ und was dich erwartet – von beschleunigter Forschung und Entwicklung rund um Ultralytics YOLO bis hin zu Unternehmenslösungen.

Wir freuen uns, bekannt zu geben, dass Ultralytics in einer Finanzierungsrunde der Serie A 30 Millionen US-Dollar eingeworben hat. Die Runde wurde von Elephant angeführt, mit Beteiligung von SquareOne.

Mit dieser neuen Finanzierungsrunde sind wir bereit, gemeinsam den nächsten Schritt auf unserem Weg in der Computer Vision zu gehen. Von Anfang an war es die Mission von Ultralytics, fortschrittliche Vision-KI für alle zugänglich zu machen.

Von einem Open-Source-Projekt für Vision-KI zur weltweiten Verbreitung#

Was als Open-Source-Projekt begann, hat sich zur weltweit meistgenutzten Familie von Computer-Vision-Modellen entwickelt: Ultralytics YOLO. Heute kommen YOLO-Modelle in allen Branchen und in mehr als 200 Ländern zum Einsatz und werden jeden Tag erstaunliche 2 Milliarden Mal genutzt.

Dieses Wachstum wurde durch unsere großartige Community ermöglicht. Gemeinsam haben wir über 115.000 GitHub-Sterne erreicht, mehr als 900 Mitwirkende begrüßt und über 115 Millionen Downloads unserer Ultralytics Python-Bibliothek verzeichnet.

Laut dem Octoverse-Bericht 2024 von GitHub belegte unser Open-Source-Repository weltweit Platz 5 unter allen Open-Source- und öffentlichen Projekten, die die meisten Erstbeiträge verzeichneten. Diese Anerkennung stellt Ultralytics neben einige der weltweit einflussreichsten Open-Source-Projekte und unterstreicht das Vertrauen und die Begeisterung der globalen Entwickler-Community für Ultralytics YOLO. Sie erinnert uns auch an einen Grundsatz, der uns wichtig ist: KI entfaltet ihr Potenzial, wenn sie offen, gemeinschaftlich und zugänglich ist.

Innovation bei Ultralytics beschleunigen#

Mit Blick auf die Zukunft ermöglicht uns diese Finanzierungsrunde, schneller voranzukommen und Innovationen voranzutreiben. Wir freuen uns darauf, Forschung und Entwicklung an der nächsten Generation von YOLO-Modellen zu beschleunigen und sie leichter, schneller und genauer zu machen. Gleichzeitig bauen wir unsere Unternehmenslösungen und Supportteams aus, damit Unternehmen Ultralytics YOLO-Modelle zuverlässig einsetzen können.

Glenn Jocher, unser Gründer und CEO, betonte: „Ultralytics definiert neu, was mit Edge-KI möglich ist, und liefert YOLO-Modelle, die schneller, leichter und einfacher zu nutzen sind als je zuvor. Diese Investition wird unsere R&D beschleunigen und unser Ökosystem aus Lösungen auf Anwendungsebene erweitern, die auf YOLO basieren – so unterstützen wir Unternehmen und Studierende gleichermaßen.“

Das KI-Team hinter unserer Vision vergrößern#

Ein entscheidender Teil dieses nächsten Kapitels ist unser Team. Jedes Jahr bewerben sich über 50.000 Menschen bei Ultralytics, und wir freuen uns darauf, unser Team weiterhin mit talentierten Menschen aus aller Welt zu verstärken. Indem wir unsere Teams für Forschung, Entwicklung und Markteinführung ausbauen, können wir Innovationen schneller vorantreiben und Unternehmen zugleich dabei unterstützen, Ultralytics YOLO-Modelle produktiv einzusetzen.

Vorbereitungen für Ultralytics YOLO Vision 2025#

Diesen Monat ist bei Ultralytics viel los. Neben der Bekanntgabe unserer jüngsten Finanzierungsrunde bereiten wir uns auch auf YOLO Vision 2025 (YV25) in London vor, unsere jährliche Hybridveranstaltung.

Am 25. September bringen wir die KI-Community im The Pelligon in London zusammen. Zusätzlich gibt es einen weltweiten Livestream auf YouTube und Bilibili. Bei YV25 stehen Begegnungen und Ideen im Mittelpunkt.

Entwickler, Unternehmen und Forschende aus aller Welt kommen zusammen, um Durchbrüche in der Computer Vision zu erkunden, ihre Entwicklungen vorzustellen und voneinander zu lernen. Dich erwarten spannende Keynotes, Live-Demos und viele Gelegenheiten zum Netzwerken.

Komm zu YV25, um die Zukunft der Vision-KI zu erkunden und bei der Vorstellung unseres neuen Produkts dabei zu sein. Ob du in London teilnimmst oder online zuschaltest – bei YV25 kannst du Teil des weltweiten Austauschs werden, der die Zukunft der Computer Vision prägt.

Tritt unserer Community bei und besuche unser GitHub-Repository, um mehr über KI zu erfahren. Sieh dir unsere Lösungsseiten an und lies mehr über KI im Einzelhandel und Bildverarbeitung in der Landwirtschaft. Informiere dich über unsere Lizenzoptionen und beginne noch heute mit der Entwicklung von Bildverarbeitungslösungen!

Aus dem Blog

Ultralytics bei der AMD Embedded AI Working Group in Dublin

Ultralytics bei der AMD Embedded AI Working Group in Dublin

Erfahre, wie Ultralytics und AMD auf der AMD Embedded AI Working Group 2026 in Dublin Physical AI, Robotik und den Einsatz von Computer Vision erkundeten.
Mehr erfahren
So wählst du ein VLM für die automatische Annotation anhand von Präzision und Recall aus

So wählst du ein VLM für die automatische Annotation anhand von Präzision und Recall aus

Ein VLM für die automatische Annotation anhand von Präzision und Recall auswählen: Welche Modelle erzeugen weniger überflüssige Boxen, übersehen weniger Objekte und wie testest du sie mit deinen eigenen Daten?
Mehr erfahren
AI-generated logistics scene with illustrative detections; the inset shows Ultralytics Platform benchmark latency for YOLO26n on an NVIDIA L4.

ONNX oder TensorRT für die Inferenz in der Bildverarbeitung: Benchmarks und Entscheidungshilfe

ONNX Runtime oder TensorRT für die Inferenz in der Bildverarbeitung: gemessene Geschwindigkeit und Genauigkeit von Ultralytics YOLO26 auf 19 NVIDIA-GPUs und wie du dich entscheidest.
Mehr erfahren
Fehlende persönliche Schutzausrüstung erkennen: Ultralytics YOLO mit Construction-PPE trainieren

Fehlende persönliche Schutzausrüstung erkennen: Ultralytics YOLO mit Construction-PPE trainieren

Sieh dir an, wie Construction-PPE fehlende Helme, Warnwesten und Handschuhe kennzeichnet. Trainiere anschließend Ultralytics YOLO, um fehlende persönliche Schutzausrüstung mit den Kameras auf deiner Baustelle zu erkennen.
Mehr erfahren
Leitfaden zu Datensätzen für die Drohnenerkennung: Ultralytics YOLO für kleine UAVs trainieren

Leitfaden zu Datensätzen für die Drohnenerkennung: Ultralytics YOLO für kleine UAVs trainieren

Vergleiche die Datensätze DUT Anti-UAV, Drone-vs-Bird und zur thermischen Drohnenerkennung. Trainiere anschließend Ultralytics YOLO26, um kleine Drohnen zu erkennen und Fehlalarme zu reduzieren.
Mehr erfahren
HIPAA-konforme KI für die medizinische Bildgebung: Was eine BAA abdeckt und wie du mit Patientendaten trainierst

HIPAA-konforme KI für die medizinische Bildgebung: Was eine BAA abdeckt und wie du mit Patientendaten trainierst

Erfahre, welche Anforderungen HIPAA-konforme KI für die medizinische Bildgebung erfüllen muss, was eine BAA von Ultralytics abdeckt und wie du Patientendaten annotierst, zum Training verwendest und Modelle damit bereitstellst.
Mehr erfahren
Die besten Tiefenschätzungsmodelle: So triffst du die richtige Wahl

Die besten Tiefenschätzungsmodelle: So triffst du die richtige Wahl

Vergleiche monokulare Tiefenmodelle wie Depth Anything, Depth Pro, Metric3D, UniDepth und Ultralytics YOLO26 für metrische Tiefe, Edge-Geräte und Robotik.
Mehr erfahren
So migrierst du Ultralytics-YOLO-Modelle von W&B zur Ultralytics Platform

So migrierst du Ultralytics-YOLO-Modelle von W&B zur Ultralytics Platform

Importiere Ultralytics-YOLO-Modelle aus Weights & Biases (W&B) ohne erneutes Training in die Ultralytics Platform und vergleiche anschließend Experimente, exportiere und stelle Modelle bereit.
Mehr erfahren
GPT-6.1 Terra erreicht Platz 1 bei der automatischen Annotation und übertrifft OpenAIs eigene Spitzenmodelle

GPT-6.1 Terra erreicht Platz 1 bei der automatischen Annotation und übertrifft OpenAIs eigene Spitzenmodelle

GPT-6.1 Terra für automatische Annotation übertrifft 39 Modelle auf unserer VLM-Bestenliste: 0.560 mAP50 für 4,36 $ pro 1.000 Bilder, vor GPT-6.1 Sol und Gemini 4 Argon.
Mehr erfahren
Automatische Annotation mit MiniMax-M3.1-Flash: Warum weniger Nachdenken zu besseren Boxen führte

Automatische Annotation mit MiniMax-M3.1-Flash: Warum weniger Nachdenken zu besseren Boxen führte

Automatische Annotation mit MiniMax-M3.1-Flash in Ultralytics Platform: 0.317 mAP50 bei 1,84 $ pro 1.000 Bilder nach dem Tuning, mit 0.86 bei der SAR-Schiffserkennung.
Mehr erfahren
Automatische Annotation mit Kimi K3.1 Pro: ein Drittel besser als K3, bei hohem Aufwand

Automatische Annotation mit Kimi K3.1 Pro: ein Drittel besser als K3, bei hohem Aufwand

Die automatische Annotation mit Kimi K3.1 Pro erreicht 0.444 mAP50 auf UL37 – ein Drittel mehr als Kimi K3. Erfahre, warum wir das Modell mit hohem Aufwand betreiben, was es kostet und wo es seine Stärken hat.
Mehr erfahren
Ultralytics YOLO und NVIDIA Cosmos Data Factory: Synthetische Daten zur Fehlererkennung

Ultralytics YOLO und NVIDIA Cosmos Data Factory: Synthetische Daten zur Fehlererkennung

Synthetische Daten aus der NVIDIA Cosmos Data Factory und eine agentische Trainingsschleife helfen Ultralytics YOLO26, mit weniger Labels dieselbe Genauigkeit bei der Fehlererkennung wie mit dem vollständigen Datensatz zu erreichen.
Mehr erfahren
Automatische Annotation mit Gemini 4 Argon: die präzisesten Boxen unter 39 Modellen

Automatische Annotation mit Gemini 4 Argon: die präzisesten Boxen unter 39 Modellen

Automatische Annotation mit Gemini 4 Argon in Ultralytics Platform: Platz 2 von 39 Modellen, höchste Präzision (0.667), Platz 1 in 6 von 12 Bereichen, 7,60 $ pro 1.000 Bilder bis zum 30. November.
Mehr erfahren
Offenes Computing, offene Bildverarbeitung: AMD bei Ultralytics YOLO Vision 2026

Offenes Computing, offene Bildverarbeitung: AMD bei Ultralytics YOLO Vision 2026

Erfahre, wie AMD mit einem Vortrag zu ROCm, praxisorientierten Workshops und Demos mit YOLO auf AMD-Radeon-GPUs offene Rechenleistung zu Ultralytics YOLO Vision 2026 brachte.
Mehr erfahren
Die besten Bildklassifizierungsmodelle: So triffst du die richtige Wahl

Die besten Bildklassifizierungsmodelle: So triffst du die richtige Wahl

Vergleiche führende Bildklassifizierungsmodelle – von ConvNeXt V2 und DINOv3 bis EfficientNetV2, ViT und Ultralytics YOLO26-cls – und erfahre, wie du das passende Modell auswählst.
Mehr erfahren
Semantische oder Instanzsegmentierung: So wählst du die passende Aufgabe

Semantische oder Instanzsegmentierung: So wählst du die passende Aufgabe

Bei der semantischen Segmentierung wird jedes Pixel einer Klasse zugeordnet; bei der Instanzsegmentierung wird jedes Objekt einzeln erkannt. Erfahre, welche Aufgabe zu deinem Computer-Vision-Projekt passt und warum.
Mehr erfahren
Ultralytics bei Arm Create 2026: Echtzeit-KI für Computer Vision am Edge

Ultralytics bei Arm Create 2026: Echtzeit-KI für Computer Vision am Edge

Höhepunkte von Ultralytics auf der Arm Create 2026 in Shenzhen: Einsatz von Ultralytics YOLO für Echtzeit-KI am Edge, die Modellrunde und das neue Arm AI Portal.
Mehr erfahren
Ultralytics-Treffen: London

Ultralytics-Treffen: London

Rückblick auf das Ultralytics-Treffen in London: ein erster Einblick in YOLO27, Demos von Ultralytics Platform und eine Diskussion zu KI für Computer Vision mit NVIDIA und Arm.
Mehr erfahren
Überwachung in Ultralytics Platform: Halte Bereitstellungen für Computer Vision auf Kurs

Überwachung in Ultralytics Platform: Halte Bereitstellungen für Computer Vision auf Kurs

Überwache bereitgestellte KI-Modelle für Computer Vision mit Ultralytics Platform. Verfolge den Status, die Latenz, Fehler und Protokolle von Endpunkten sowie Live-Statistiken zu Vorhersagen.
Mehr erfahren
Ultralytics Agents: Visuelle KI-Workflows schneller erstellen

Ultralytics Agents: Visuelle KI-Workflows schneller erstellen

Erstelle Workflows für visuelle KI mit Ultralytics Agents. Verbinde YOLO-Modelle, Vision-Language-Modelle, Bedingungen, Datensätze und Slack-Benachrichtigungen auf einer einzigen Arbeitsfläche.
Mehr erfahren
Ultralytics AutoTrain: Das Training von KI-Modellen für Bildverarbeitung vereinfachen

Ultralytics AutoTrain: Das Training von KI-Modellen für Bildverarbeitung vereinfachen

Trainiere, vergleiche und verbessere Ultralytics YOLO-Modelle mit AutoTrain in der Ultralytics Platform – von der ersten Basisversion bis zur Bereitstellung im Produktivbetrieb.
Mehr erfahren
Die wichtigsten Highlights der Ultralytics YOLO Vision 2026!

Die wichtigsten Highlights der Ultralytics YOLO Vision 2026!

Die wichtigsten Momente der YOLO Vision 2026, bei der Ultralytics Ultralytics YOLO27 vorgestellt und AutoTrain, Agents und Monitoring auf der Ultralytics Platform präsentiert hat.
Mehr erfahren
Ultralytics YOLO26 unterstützt jetzt monokulare Tiefenschätzung

Ultralytics YOLO26 unterstützt jetzt monokulare Tiefenschätzung

Erfahre, wie die neue Tiefenschätzungsaufgabe in Ultralytics YOLO26 die Tiefe für jedes Pixel in metrischem Maßstab aus einem einzelnen RGB-Bild vorhersagt – ganz ohne Stereoanlage oder LiDAR.
Mehr erfahren
Die besten Plattformen zur Bildannotation für Computer Vision

Die besten Plattformen zur Bildannotation für Computer Vision

Vergleiche neun Plattformen zur Bildannotation für Computer Vision: CVAT, Encord, Label Studio, Labelbox, Roboflow, Scale AI, SuperAnnotate, Ultralytics und V7.
Mehr erfahren
Automatisierte Fehlererkennung in der Fertigung: Plattformen im Vergleich

Automatisierte Fehlererkennung in der Fertigung: Plattformen im Vergleich

Vergleiche Plattformen zur automatisierten Fehlererkennung: Cognex, Instrumental, Keyence, Landing AI, Overview und Ultralytics – und erfahre, wie du die Modellaufgabe passend zum Fehler auswählst.
Mehr erfahren
Was Computer Vision in Unternehmen kostet: Ein Rahmen für die Gesamtbetriebskosten

Was Computer Vision in Unternehmen kostet: Ein Rahmen für die Gesamtbetriebskosten

Ein Rahmen zur Ermittlung der Gesamtbetriebskosten von Computer Vision in Unternehmen, einschließlich Daten, Annotation, Kameras, Edge-Hardware, Training, Inferenz, Integration und erneutem Training.
Mehr erfahren
Montageprüfung und Fehlervermeidung mit Computer Vision

Montageprüfung und Fehlervermeidung mit Computer Vision

So prüft Computer Vision Vollständigkeit, Korrektheit und Reihenfolge bei der Montage: Aufbau der Bildverarbeitungsstation, Auswahl der Modellaufgabe, SPS-Integration und Validierung.
Mehr erfahren
Computer-Vision-Inferenz im großen Maßstab: Sieben Plattformen im Vergleich

Computer-Vision-Inferenz im großen Maßstab: Sieben Plattformen im Vergleich

Sieben Inferenzplattformen für Computer Vision im Vergleich: Azure ML, KServe, NVIDIA Triton, Roboflow, SageMaker AI, Ultralytics und Vertex AI – hinsichtlich Latenz und Skalierbarkeit.
Mehr erfahren
Ultralytics YOLO Vision 2026: Alles, was du wissen musst

Ultralytics YOLO Vision 2026: Alles, was du wissen musst

Sei am 13. September bei Ultralytics YOLO Vision 2026 in Shenzhen oder online dabei und erlebe neue YOLO-Modelle, Produkteinführungen, Live-Demos und praxisnahe visuelle KI.
Mehr erfahren
Weniger manuell annotieren: Tools zur automatischen Annotation und zum aktiven Lernen im Vergleich

Weniger manuell annotieren: Tools zur automatischen Annotation und zum aktiven Lernen im Vergleich

Zehn Tools für automatische Beschriftung und aktives Lernen im Vergleich: CVAT, Encord, Label Studio, Labelbox, Lightly, Roboflow, SuperAnnotate, Ultralytics, V7 und FiftyOne.
Mehr erfahren

Lass uns gemeinsam die Zukunft der KI gestalten!

Starte deine Reise in die Zukunft des maschinellen Lernens