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.

Perzeption zur automatisierten Handhabung formlabiler Bauteile (AutoLab)

Automatisierte Handhabung formlabiler Bauteile optimiert Montageprozesse durch KI-gestützte Perzeption, Handhabung und Inspektion, um Effizienz und Qualität in der Produktion zu steigern.

Planning Bot

Ziel ist die Identifikation von KI-Anwendungen zur Verbesserung der Produktionsprogrammplanung. Mitarbeitende erhalten Schulungen, um Anwendungsfälle zu entwickeln und die Implementierung zu unterstützen.

Predictive Services

Mithilfe maschinellen Lernens sollen Fehler im Schneideprozess frühzeitig erkannt werden. Daten aus Logfiles und Serviceberichten ermöglichen eine zuverlässige Vorhersage und Minimierung von Maschinenausfällen.

RoboJudge: Erfolgreiche Prozessausführung mit KI

Die Kombination von KI-Methoden und Simulationstechniken ermöglicht die präzise Überwachung und Verbesserung von Montageprozessen, um die Automatisierung in der Schaltschrankmontage voranzutreiben.

Schadensauswertung mit Machine Learning

Die Anforderungen der Endabnahme an die Mitarbeiter wurde mithilfe von UNAs überprüft. KI-Potentiale wurden identifiziert und vorgeschlagen.

Semantic Navigation

Die Lösung für semantische Navigation verbessert die Umgebungswahrnehmung autonomer Roboter durch KI-gestützte Objekterkennung. Dadurch können Roboter effizienter navigieren und situativ reagieren.

Sensorbasierte Adaption der Schweißparameter

Die sensorbasierte Anpassung von Schweißparametern optimiert den Schweißprozess durch automatische Steuerung, verbessert die Nahtqualität und vereinfacht die Programmierung bei variierenden Produktionsbedingungen.

Transfer Learning Basic Network Examination

Ziel ist die Untersuchung von Transfer Learning und optischer Zeichenerkennung zur Verbesserung der Erkennung kleiner Objekte, wobei bestehende Modelle auf neue Anwendungsfälle angepasst werden.