© Olivier Le Moal - Fotolia

CIDAAS Risikomanagement

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.

mehr Info

Potenzialanalyse Selbstlernender Rüstkonfigurator

Produktionsanlagen entsprechend der Auftragslage zu rüsten, ist aufwendig und an Expertenwissen gebunden. Im Quick Check wurde getestet, inwieweit ein auf diesem Wissen basierendes ML-Verfahren hilft, sinnvolle Auftragsuntermengen zu bilden und Rüstaufwände zu reduzieren

mehr Info

Visualisierung der Entscheidungsfindung Neuronaler Netze

Im Quick Check sind Methoden zur Erzeugung von »Attention Maps« getestet worden: Sie können fehlerhafte oder verzerrte Vorhersagen eines neuronalen Netzes bei der Bildverarbeitung erkennen.

mehr Info

Automatisches Pre-Labeling realer Situationen für Autonomes Fahren

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.

mehr Info

End-of-Line Roboter-Automatisierung mittels KI

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

mehr Info

Finanzlagenberatungs-Chatbot

Die Entwicklung eines empathischen Chatbots, der FAQs beantworten und den Nutzern Anlagemöglichkeiten auf der Grundlage ihrer individuellen Situation und Präferenzen empfiehlt, kann dem Finanzberatungsunternehmen helfen, für viele unterschiedliche Kunden attraktiv zu sein und diese langfristig zufriedenzustellen, das Image des Unternehmens zu stärken sowie schneller Vertrauen zwischen dem Kunden und dem Unternehmen aufzubauen.

mehr Info

KIAFaM: KI-basierte Assistenzfunktionen im Facility Management

Im Facility Management fallen große Mengen Prozessdaten an. Mit den Methoden des Process Mining lassen sich neue Einblicke in die bestehenden Abläufe gewinnen. Bei konsequenter Anwendung können die dabei gewonnenen Erkenntnisse für die kontinuierliche Prozessoptimierung genutzt werden.

mehr Info

Methode zur Einführung von KI zur Steigerung der OEE Kennzahl

Vielen kleinen und mittelständischen Unternehmen stehen bereits heute Daten zur Verfügung. Um aus diesen Daten ein neues Optimierungspotential für den Kunden generieren zu können, soll eine KI mithilfe der richtigen Vorgehensweise Störsituationen und Anomalien im Prozess identifizieren und somit die Maschinenverfügbarkeit steigern.

mehr Info

AI-powered Monitoring

Durch Machine Learning sollen Systemausfälle möglichst früh prädiziert werden. Die Modelle werden dabei mit einem Zeitreihendatensatz trainiert, der mit einem Monitoringsystem über ein Jahr aufgenommen wurde.

mehr Info

Optimierung der Projektauslegung

Das Hauptziel des KI Quick Check Projekts mit Siemens Energy war es, die Prognose künftiger Messwerte und Toleranzen anhand der Konstruktionsdaten zu verbessern.

mehr Info

Planning Bot

Das Hauptziel des AI Explorer Projekts mit der flexis AG war es, das Wissen bezüglich KI zu vertiefen und Mitarbeitende für die Anwendungsfallidentifikation zu qualifizieren. Die identifizierten Anwendungsfallideen werden vom Unternehmen weiter untersucht und ggf. zukünftig in der Software umgesetzt.

mehr Info

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
  • © Knorr-Bremse GmbH, Fraunhofer IPA

    Neuronale Netzwerke sollen zum autonomen Fahren von Kraftfahrzeugen eingesetzt werden. Diese werden häufig durch manuelle Fahrten trainiert. Hierbei nimmt ein Mess-System Daten von Sensoren auf, die dann zum Training der neuronalen Netze verwendet werden.

    mehr Info
  • © Fraunhofer IAO

    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.

    mehr Info
  • © Krankenhaus-Service GmbH Schwarzwald

    Für die Versorgung der Patienten in Krankenhäusern mit den einzelnen Mahlzeiten werden in den Zentralküchen der Service GmbH Schwarzwald verschiedenste Speisen anhand der Kundenwünsche vorportioniert und anschließend ausgeliefert.

    mehr Info
  • 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.

    mehr Info
  • © Danilo Brajovic, Fraunhofer IPA

    Beim Training von KI-Modellen und insbesondere neuronalen Netzen werden große Mengen von Daten benötigt. Aktuelle Forschungen zeigen, dass nicht alle Trainingsbilder gleich viel wert sind. So haben minderwertige Daten keinen oder sogar einen negativen Einfluss auf KI-Modelle und können ohne Genauigkeitseinbuße entfernt werden, um Kosten zu reduzieren.

    mehr Info
  • © Olivier Le Moal - Fotolia

    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.

    mehr Info
  • 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.

    mehr Info