Windward kjøper Azimut.ai for å legge til visuell fartøyetterretning

Windward kunngjorde 3. november 2026 at selskapet hadde kjøpt Azimut.ai og dermed føyd kamerabasert identifikasjon av fartøy til Maritime AI-plattformen sin. Administrerende direktør og medgrunnlegger Ami Daniel kalte kjøpet «vårt første steg i å bygge et eget lag for visuell etterretning», som skal gi bedre oversikt til sjøs.

Oppkjøpet tilfører et optisk sensorlag for havner og maritime flaskehalser, utviklet for å identifisere fartøy og lage unike fingeravtrykk av dem i sanntid, også av skip som slutter å sende signaler for å unngå å bli oppdaget. Windward beskrev avtalen som selskapets første satsing på land- og skipsbaserte sensorer, og som en utvidelse av en strategi basert på alle tilgjengelige kilder, med AIS, satellittbilder og RF-signaler.

Tette hullene i oversikten over fartøy

Disse datakildene kan gi et bredt operativt situasjonsbilde, men har begrensninger: Ikke alle fartøy sender signaler, og enkelte signaler er avhengige av samarbeid eller ytre forhold. De kan slås av, forstyrres av vær eller jammes. Visuell registrering gir Windward en annen måte å fastslå at et fartøy befinner seg innenfor kameraenes dekningsområde når disse signalene ikke er tilgjengelige.

Windward planlegger å plassere kameraer ved viktige trafikkårer og flaskehalser, og deretter kombinere visuelle identifikasjoner med informasjon om eierskap, sanksjoner, last og atferd, i tillegg til risikolagene som allerede finnes på plattformen. Målet er å gi offentlige og kommersielle kunder en forklarbar vurdering basert på én enkelt observasjon, i stedet for en isolert kameraobservasjon.

Oppkjøpet passer inn i plattformens eksisterende struktur med tre lag. Datasett fra flere kilder danner det operative situasjonsbildet; Maritime AI bidrar med gjenkjenning av atferdsmønstre, verifisering av fartøy og avviksdeteksjon; og kundespesifikke funksjoner utformes for bestemte operative oppdrag. Visuell identifikasjon tilfører enda en datakilde i denne kjeden og knytter en kameraobservasjon til plattformens bredere vurdering av fartøyets identitet og aktivitet.

Systemet gir ikke kundene tilgang til råbilder eller videoopptak. Det er utviklet med tanke på personvern og sikkerhet og skal støtte analyser av fartøysaktivitet, ikke identifisere eller verifisere enkeltpersoner. Denne avgrensningen sørger for at den nye sensorteknologien fortsatt fokuserer på etterretning om fartøy, når plattformen tar i bruk visuelle data.

Slik fungerer teknologien til Azimut.ai

Produktdokumentasjonen til Azimut.ai beskriver programvare som fungerer med eksisterende EO/IR-kameraer uten behov for ny maskinvare. Den kan samle flere kameraer og lokasjoner i ett kart for maritim situasjonsforståelse. Den visuelle KI-en oppdager og klassifiserer fartøy i sanntid og identifiserer underkategorier, mens en gjenkjenningsfunksjon bruker visuelle kjennetegn til å identifisere fartøy og tilhørende MMSI- og skipsopplysninger.

Systemet beregner også fartøyets posisjon, kurs og hastighet utelukkende fra video, lærer atferdsmønstre som er spesifikke for den enkelte lokasjonen over tid, automatiserer kameraenes skannemønstre og varsler i sanntid om uvanlig aktivitet. Disse funksjonene gir både observasjons- og sporingskonteksten som Windward har til hensikt å kombinere med de øvrige datasettene sine.

Azimut.ai opplyser at en pilot ved Ashdod havn oppdaget og dokumenterte 464 mål og oppnådde en rekkevidde for fartøydeteksjon på opptil 7 000 meter med standard dagslyskameraer.

Selskapet opplyste også at identifikasjonen av ufarlige fartøy var 100 % nøyaktig, uten falske positive funn i evalueringsperioden, og at systemet ga færre enn to falske alarmer i timen etter at irrelevante mål, som fugler, var filtrert bort.

Daniel oppfordret aktører i maritim sektor og andre som er opptatt av tryggere og sikrere hav, til å bli samarbeidspartnere på sine anlegg. Han sa at fullt eierskap til ressursene for visuell etterretning ville gi kundene bedre situasjonsforståelse og beredskap.

For Windward knytter oppkjøpet bevis på kameranivå til informasjonen om eierskap, sanksjoner og atferd som trengs for å tolke observasjonene. Hovedspørsmålet er hvor effektivt disse observasjonene kan integreres på tvers av havner og flaskehalser, samtidig som plattformens avgrensning til analyser av fartøy opprettholdes.