Koca Ventures Ltd
71-75 Shelton Street
Covent Garden, London
WC2H 9JQ, United Kingdom
Registered in England & Wales — 16231043
Portfolio
Produktionssysteme — von uns konzipiert, gebaut und betrieben: agentische Automatisierung, interne Tools, Computer Vision und B2B-Plattformen. Kundennamen bleiben vertraulich.
Project Orion Restaurant-KI
KI-gestützte Plattform für den Restaurantbetrieb, die bestehende Sicherheitskameras in intelligente Service-Monitore verwandelt. Gebaut für eine Hospitality-Gruppe, deren Plattform über 150 Standorte umfasst — Computer Vision live an über 10 Standorten. Das System erkennt Aufmerksamkeitssignale der Gäste, verfolgt den Tischstatus und leitet Sprachbefehle in Echtzeit ans Personal — integriert in bestehende POS-Systeme, ohne zusätzliche Hardware.
Project Vanguard Sicherheit
Perimeter-Sicherheitssystem mit mehreren Kameras auf Basis von NVIDIA DeepStream — bis zu 16 IP-Kamerastreams laufen über GStreamer-Pipelines auf Jetson-Orin-Nano-Edge-Knoten. Eigens trainierte ReID- und Verhaltensanalyse-Modelle erkennen Eindringen, verdächtiges Verweilen und Tailgating in Echtzeit, mit TensorRT-FP16-Optimierung, ausgelegt auf ein Latenzbudget von unter 20 ms pro Stream. Ein MQTT-Event-Bus schiebt Alarme in ein React-Einsatzdashboard — validiert in einem gestuften Pilotbetrieb vor dem produktiven Rollout am gesamten Standort.
Lager-Vision-System
Edge-Computer-Vision für Paketverfolgung, Bestandszählung und Routenoptimierung in einer Lagerhalle. Jetson-AGX-Orin-Knoten betreiben DeepStream-Pipelines für deckenmontierte IP-Kameras, während ESP32-S3-Mikrocontroller auf eigens entwickelten Platinen Barcode-Trigger-Sensoren und Förderband-Signale über MQTT anbinden. Den Paketbild-Datensatz haben wir vor Ort erhoben und annotiert, dann mit TensorRT-Pruning und INT8-Quantisierung Echtzeit-Durchsatz auf jedem Knoten erreicht.
Prädiktive Wartungs-KI
IoT-Sensornetz mit eigens entworfenen Platinen rund um ESP32-S3-Module, das Vibrations-, Temperatur-, Stromaufnahme- und Akustikdaten von CNC-Maschinen in der Fertigung erfasst. Die Sensor-Firmware streamt die Daten über MQTT in einen TimescaleDB-Zeitreihenspeicher, wo schlanke TensorFlow-Lite-Modelle Anomalieerkennung an der Edge ausführen — gebaut, um sich anbahnende Lager- und Spindelschäden zu melden, bevor sie die Linie stoppen.
Flottenmanagement-Plattform
GPS- und Telemetrieplattform für eine Logistikflotte auf Basis eigener Platinen mit ESP32-Modulen, u-blox-GNSS-Empfängern und CAN-Bus-Adaptern. Jede Einheit streamt Position, Tankfüllstand und Motordiagnose über LTE-M an einen Node.js-Ingest-Dienst mit PostgreSQL und PostGIS. Das React-Dashboard liefert Live-Kartenverfolgung, Geofence-Alarme, Routen-Replay und Fahrverhaltens-Scoring für Kraftstoff- und Zeitfenstermanagement.
Gesichtserkennung-Zugang
Zutrittskontrolle per Gesichtserkennung auf Jetson-Orin-Nano-Edge-Geräten an Gebäudezugängen, mit ArcFace-Embeddings, optimiert über TensorRT FP16. GStreamer-Pipelines übernehmen die Kameraanbindung mit Dual-Sensor-Fusion aus Infrarot und sichtbarem Licht gegen Spoofing. Die Mitarbeiterregistrierung läuft über eine abgesicherte On-Premise-Pipeline ohne Cloud-Abhängigkeit, abgestimmt auf eine strenge False-Accept-Schwelle bei wechselnden Lichtverhältnissen.
Produktionslinien-Analytik
Echtzeit-Dashboard für OEE- und Taktzeitanalysen, das mehrere GStreamer-Kamerafeeds einliest — verarbeitet auf Jetson AGX Orin via DeepStream — und mit SPS-Signalen aus der Fertigung kombiniert. Ein Next.js-Frontend mit D3.js-Visualisierungen und TimescaleDB Continuous Aggregates liefert Effizienzmetriken pro Station, Engpasserkennung und Schichtvergleiche — und macht Mikrostillstände sichtbar, die manueller Beobachtung entgehen.
Intelligente Lager-Robotik
Navigationssystem für autonome mobile Roboter im Lagerbetrieb, das Vision-Verarbeitung auf Jetson AGX Orin mit ROS2 und LiDAR-basiertem SLAM kombiniert. DeepStream-Pipelines auf den Robotern erkennen Paletten, Hindernisse und Menschen in Echtzeit, während ESP32-basierte eigene Platinen den Robotersteuerbus über MQTT mit den Signalen der Lagerverwaltung verbinden. Den synthetischen Trainingsdatensatz haben wir per Domain Randomization in NVIDIA Isaac Sim aufgebaut und die Modelle anschließend mit einem begrenzten Satz realer Feintuning-Daten auf physische Roboter übertragen.
Einzelhandels-Videoanalyse
Kundenstrom- und Heatmap-Analysen für eine Einzelhandelskette mit mehreren Filialen — NVIDIA DeepStream läuft auf Jetson-Orin-Nano-Knoten und verarbeitet die IP-Kameras jedes Standorts. TensorRT-optimierte Modelle für Personenerkennung und -verfolgung erzeugen Metriken zu Verweildauer, Warteschlangenlänge und Zonenwechseln, gespeichert in PostgreSQL. Ein React-Analysedashboard lässt Filialleitungen Laufkundschaftsmuster über Standorte und Zeiträume vergleichen und Layout-Entscheidungen damit unterlegen.
Bereit, Ihr Projekt zu starten?
Sagen Sie uns, was Sie brauchen — wir stecken den Umfang ehrlich ab und zeigen Ihnen, was wir auf Infrastruktur in Ihrem Besitz bauen würden.
Kontakt aufnehmen