Det tyske firma Mobotix har underskrevet en aftale om at opkøbe Vaxtor Group, som er en globalt aktiv spansk aktør inden for AI-baseret videoanalyse, med fokus på OCR, altså optisk tegngenkendelse og Deep Learning-teknologier.

Vaxtors OCR-analyseteknologi, og især virksomhedens produkter indenfor automatisk nummerpladegenkendelse (ALPR), giver en bred vifte af løsninger til mange vertikale markedssegmenter. At ALPR-markedet er hot beviser en rapport fra Market Intelligence, hvor det globale marked for ALPR-løsninger forventes at stige fra 2,3 milliarder USD til 3,8 milliarder i 2025, baseret på en årlig vækst på 10 procent.

Vaxtor har en bred global kundebase i 50 lande og samarbejder med de fleste af de relevante aktører i branchen. Deres analyseteknologi, som bruges i kombination med kameraer, muliggør automatisk optagelse af fx bogstaver, tal eller anden maskin- og læsbare data, som registreres og behandles med høj hastighed for at udløse processer.

Mobotix og Vaxtor har allerede gang i et samarbejde. Vaxtors produkter er for eksempel skræddersyet til den højtydende Mobotix 7 platform, og Vaxtors analyseapps kan køres decentralt i kameraerne, hvilket fjerner behovet for dyr perifer hardware. De er også integreret med Mobotix Hub videostyringssoftware.

Med disse faktorer i betragtning giver opkøbet mange kommercielle muligheder og synergieffekter, især med hensyn til samarbejdet mellem Vaxtors R&D-afdeling og Mobotix' nyetablerede udviklingskontor i Madrid.

Thomas Lausten, CEO i Mobotix, ser opkøbet som et vigtigt skridt i den tyske kameraproducents strategi om at styrke sine muligheder inden for kunstig intelligens og Deep Learning, men understreger samtidig, at Vaxtor vil drive sin forretning som hidtil.

- Vaxtor vil fortsætte med at fungere som en selvstændig virksomhed, baseret på overbevisende kommercielle og udviklingsmæssige synergier og klare strategiske fordele for begge parter, siger han.

Forudsat at købet godkendes af de relevante myndigheder, forventes det gennemført i løbet af 1. kvartal 2022.