Projekte

Ein zentraler Schwerpunkt des KI-Fortschrittzentrums ist die direkte Kooperation mit Industrieunternehmen: Machbarkeitsstudien (Quick Checks) und Projekte zur Entwicklung erster Prototypen (Exploring Projects) von KI-Anwendungen. Darüber hinaus zielen Konsortialprojekte und Innovationsnetzwerke auf einen unternehmensübergreifenden Austausch ab.

Abbrechen
  • © Rainer Bez, Fraunhofer IPA

    Industrieroboter nehmen seit Jahrzehnten eine Schlüsselrolle in der Fertigungsautomatisierung ein, während die Verkaufszahlen stetig wachsen. Zwar könnten sie in Zeiten des Fachkräftemangels dazu beitragen, Produktionskapazitäten aufrechtzuerhalten, diese sogar zu erhöhen oder auch zur Qualitätsverbesserung beizutragen, allerdings steht die Frage der Wirtschaftlichkeit all diesen Mehrwerten noch oft gegenüber.

    mehr Info
  • DASH Board

    Data analytics for sustainable healthcare

    © Halfpoint – stock.adobe.com

    Das Netzwerk DASH Board knüpft an die politischen und gesellschaftlichen Entwicklungen sowie den aktuellen Diskurs an und greift die Lücken aktueller Datennutzung auf, um neue Ansätze zu entwickeln. Der Umgang mit Gesundheitsdaten, der die souveränen Versicherten in den Mittelpunkt stellt, die Garantie eines hohen Datenschutzniveaus bietet, Vertrauen vermittelt, aber zugleich forschungskompatibel und für die Leistungserbringenden von hohem Nutzen ist, bewegt sich in einem Spannungsfeld unterschiedlicher Erwartungen und Interessen.

    mehr Info
  • © Zaiets Roman – stock.abode.com

    Eine schnelle und korrekte Bearbeitung von Kundenanfragen ist wichtiger Bestandteil eines effizienten Vertriebs und Kundensupports. Mit dem AI Innovation Seed »KI-gestützte Bearbeitung von Kundenanfragen in der Medizintechnik« haben Firmen aus dem Bereich Medizintechnik die Möglichkeit, sich gemeinsam mit Expert*innen des Fraunhofer IAO zu Chancen und Herausforderungen auszutauschen, aktuelle Technologien und Lösungen zu erproben und die Möglichkeiten in der eigenen Firma konkret zu evaluieren.

    mehr Info
  • © Fraunhofer IPA

    Ziel des Projekts ist es, kontextübergreifende Methoden der künstlichen Intelligenz zu erforschen und zu entwickeln, die das Erkennen von Anomalien für reale Anwendungsfälle ermöglichen und auch bei Datenknappheit verlässliche Ergebnisse liefern. Datenknappheit kann sowohl einen Mangel an annotierten Daten sowie eine zu geringe Datenmenge bedeuten. Insbesondere schwierige Anwendungskontexte (geringe Fehlerrate, sicherheitskritische Anwendungen etc.) können zu einer geringen Datenmenge führen.

    mehr Info
  • © Ludmilla Parsyak, Fraunhofer IAO

    KI-basierte Assistenzsysteme können in Produktionsprozessen Mitarbeitende in vielerlei Hinsicht unterstützen und die Produktivität erhöhen. Viele derartige Systeme werden heute jedoch durch die Mitarbeitenden abgelehnt, da sie als Autonomieverlust bis hin zur Gängelei wahrgenommen werden. Es fehlt an Ansätzen, mit denen die intelligente Unterstützung tatsächlich als Bereicherung und als Verstärkung menschlicher Fähigkeiten erlebt wird. Hier setzt dieses AI Innovation Seed an und beschäftigt sich mit der zentralen Frage der Akzeptanz von KI-Assistenzsystemen

    mehr Info
  • KI-Lösungen im Produktiveinsatz

    Resilient – compliant – effizient

    © Funtap – stock.adobe.com

    Um das Thema KI stärker voranzubringen und zunehmend in den Unternehmensalltag und -abläufe zu integrieren, ist eine bereichs- und abteilungsübergreifende Zusammenarbeit notwendig. Das »AI Innovation Seed« zu Thema »KI-Lösungen im Produktiveinsatz – resilient – compliant – effizient« adressiert Herausforderungen und Aspekte, die bei der nachhaltigen Integration von KI in ein Unternehmen entstehen, und stellt hierfür Lösungsansätze, Methoden und digitale Werkzeuge vor.

    mehr Info
  • © Rainer, Bez, Fraunhofer IPA

    In der Industrie und im Besonderen dem Maschinenbau scheitert die Anwendung von Künstlicher Intelligenz häufig an der Bereitstellung von hochauflösenden relevanten Daten, welche den Prozess ausreichend genau beschreibbar machen. Die Defizite bestehen häufig in fehlender Sensorik oder fehlenden Schnittstellen, um die Daten an eine Verwertungsstelle zur übergeordneten Datenanalyse zu übertragen.

    mehr Info