Exploring Project

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.

Automatisierung der Speisentablettierung für Kliniken

Durch den Einsatz von Robotern und KI-Methoden wird die Portionierung von Speisen in Kliniken automatisiert. Dies verbessert die Effizienz und entlastet das Personal bei monotonen Aufgaben.

DIEFEDA – direct error feedback during assembly

Ein KI-gestütztes Assistenzsystem verbessert Montageprozesse durch Echtzeit-Feedback, minimiert Fehlerquoten, entlastet Fachkräfte und optimiert die Endprüfung, um Qualität und Wettbewerbsfähigkeit zu steigern.

EEGAUAI – EEG Analysis Using Artificial Intelligence

Ein System zur EEG-Analyse wird entwickelt, das elektrophysiologische Messungen und KI-Algorithmen kombiniert, um die Anstrengungsbereitschaft in medizinischen Gutachten objektiv zu klassifizieren.

KI-basierte Terminoptimierung durch Vorhersage von Terminbuchungen, No Shows und Terminabsagen

Ein KI-Prototyp gibt auf Basis einer Ampellogik Vorschläge, zu welchen Zeitfenstern Ter-minanfragen präferiert gelegt werden können, um eine möglichst effiziente Kapazitätsaus-lastung zu erzielen. Hierbei wird auf vergangene Termindaten zurückgegriffen und No Shows sowie Terminabsagen berücksichtigt.

KI-Biegewerkzeugauswahl

Erstellung eines gelabelten Datensatzes zur Regression von Qualitätsparametern mit einem neuronalen Netz. Die KI-gestützte Werkzeugauswahl und automatisierte Maschinenparametrierung ermöglichen eine effiziente, störungsarme Produktion und verkürzte Lieferzeiten.

Machine Learning mit Embedded Devices

KI-Beschleuniger-Chips ermöglichen niedrigere Latenzen und höhere Durchsatzraten für industrielle Anwendungen. Eine Analyse des Hailo-8 KI-Chips zeigt großes Potenzial zur Effizienzsteigerung in der Maschinensteuerung.

Packplanung Versandkarton

Automatische modellfreie Vorgabe von Packmustern für Versandkartons.
Automatisierung des Verpackungsprozesses für diverse Objekten.

Schadensauswertung von Steinschlägen mit Machine Learning

Das semi-automatisierte Labeling-Tool kann Objekte in Bildern identifizieren und Begrenzungsrahmen um die fehlerhaften Bereiche mithilfe von Segment Anything ziehen. Obwohl der Datensatz begrenzt ist, hat das Objekterkennungsmodell vielversprechende Ergebnisse gezeigt und wird voraussichtlich mit einem größeren Datensatz weiter verbessert.