Alex: Als ich 2016 zurück nach Österreich kam, kontaktierte mich Florian Bauer, ein Kollege, den ich auf dem Ethereum-Meetup, das ich bevor ich in die USA gegangen bin gegründet habe, kennengelernt habe. Er sagte zu mir: “Es gibt einen Hackathon, es ist ein großes Automobilunternehmen, und ich denke du bist ein Typ, der uns helfen kann ihnen eine Lösung mit maschinellem Lernen zu liefern”. Es war bei Audi in Ingolstadt. Eine der Aufgaben war es, in einem zukünftigen Klassifizierungs-Szenario Container anhand ihres Aussehens zu unterscheiden. Da sie noch nicht automatisch zählen konnten, mussten sie Menschen durch ihre Lager schicken, um zu zählen. Wir zeigten in einer Live-Situation, dass man das mit wenigen Trainingsdaten automatisieren konnte. Dies überzeugte die Jury und brachte uns den Sieg beim Audi Smart-Factory Hackathon 2016. Das hat uns als Team zusammengebracht, aber das war nur der Anfang von dem, was wir alle nicht wussten, was als nächstes passieren würde. Der erste Preis war der Besuch einer Eisrallye-Challenge mit Audi-Autos in Finnland. Am Abend saßen die anderen Teilnehmer der Challenge neben uns und fragten: “Hey ihr Jungs, ihr passt nicht hierher, ihr seht so jung aus. Was macht ihr denn so?”. “Ja, du hast Recht, wir sind Nerds und wir haben einen Hackathon mit einer wirklich coolen Lösung gewonnen, der uns hierher gebracht hat”, antwortete ich. Ein anderer Teilnehmer fragte: “Okay, wenn ihr das mit Containern könnt, könnt ihr das auch mit Hühnern machen?” Es stellte sich heraus, dass dieser Teilnehmer Josef Schmidbauer war, der einige Restaurants und ein Zelt auf dem Oktoberfest in München besitzt. Er hatte, wie viele andere auch, seit Jahren das Problem, dass der Kassiervorgang von Vertrauenspersonen kontrolliert werden musste, da sonst zu viel Essen die Küche verließ, das nicht in die Kasse eingebucht wurde. Durch die enorme Menge an Speisen und Getränken in den Oktoberfestzelten und Biergärten ist es für Festwirte und Servicepersonal sehr schwierig genau nachzuverfolgen, welche Stückzahlen ausgegeben wurden. Josef fragte, ob die Jungs der Herausforderung gewachsen seien und ich erwiderte: “Let’s, do it. Let’s make this thing happen”. Das war der Beginn von Moonvision und Dishtracker. Ich hatte zu diesem Zeitpunkt noch nicht allzu viel Erfahrung mit Objekterkennung. Aber ich wussten schon genau, was die Herausforderungen bezüglich der Trainingsdaten und deren Aufbereitung waren. Wir hatten vier Monate Vorbereitungszeit um das System auf dem Oktoberfest 2017 zum Leben zu erwecken.