Projekte

Adaptive Cruise Control (ACC) Systeme passen die Fahrzeuggeschwindigkeit an vorausfahrende Fahrzeuge, die aktuellen Verkehrsschilder, Kurven, die Straßengriffigkeit und andere Faktoren an. In diesem Projekt prüfen Fraunhofer IAO und INVENSITY GmbH, ob zukünftige ACC die Geschwindigkeit des Fahrzeugs und den Abstand zum vorausfahrenden Fahrzeug auch (als zusätzliche Stellgröße) an den Fahrerzustand anpassen können.

Für das autonome Fahren sind große Mengen bereits gelabelter Daten nötig, um erfasste Szenen verstehen zu können. Da das manuelle Labeling sehr aufwendig ist, soll ein automatisches Pre-Labeling-System entwickelt werden, das aufgenommene Daten vorunterteilen kann.

Bei Gefahrguteinsätzen muss die Feuerwehr Bild- und Videodaten schnell auswerten können, um z.B. Chemikalienaustritt schnell zu erkennen. Ein ML-Algorithmus beschleunigt diese Auswertung, indem er Gefahrgut-Klassifikationen und Stoffnummern auf Fotos automatisch ermittelt.

Der Quick Check zeigte die erfolgreiche Anwendung eines automatisierten, durch red-teaming inspirierten Analyseansatzes auf Grundlage von Bedrohungskonsolidierungen, gekoppelt mit einem lernenden System zur Berücksichtigung betriebswirtschaftlicher Grenzen bei der Maßnahmenauswahl zur regelmäßigen, ressourcensparenden Durchführung von Risikoanalysen.

In einer Verkaufsabteilung sollen die Quote von erreichten Kunden pro Anruf und verkauften Maschinen pro Anruf durch das KI-basierte Vorschlagssystem CustoReach erhöht werden.

DafNe – der digitale Assistent für den Außendienst – soll Aktionen, die nach einem Kundentermin notwendig sind, unterstützen. Beispielsweise indem er die Möglichkeit bereitstellt, wesentliche Punkte des Gesprächs direkt nach dem Termin über Spracheingabe in der DafNe-App festzuhalten.

Ein Bildverarbeitungssystem erstellt Aufnahmen von Fahrzeugen, erfasst ihre Außenform und analysiert automatisch, ob es Schäden an der Außenhaut gibt und wenn ja, wo sich diese befinden.

„Weil Ressourcen in der Veterinärmedizin knapp sind, stellt sich die Frage, wie Informationstechnologie, insbesondere Verfahren des Maschinellen Lernens, Veterinäre bei der Diagnose unterstützen kann. Die Algorithmen sollen Muster in der Symptomatik und der zugehörigen Diagnose vergangener Krankheitsfälle der Tiere finden.“

Adaptive Arbeitsplatzsysteme sind in der Montage bereits weit verbreitet. Neben typischen Einstellmechanismen wie der Tischhöhe oder dem Licht sollen sich die Arbeitsplätze in Zukunft anhand der Mitarbeiterinteraktion, dem jeweiligen kognitiven Belastungslevel und dem Ausbildungsniveau optimal an den Mitarbeitenden anpassen und so die psychische und physische Ergonomie verbessern.

Geprüft wird, inwieweit die visuelle Kontrolle und Verpackung von Bauteilen mit Methoden der KI und basierend auf gelabelten Daten automatisierbar ist.