Referenzprojekte

Hier finden Sie eine Auswahl der vielen Projekte, die wir in unseren Forschungsfeldern durchführen bzw. durchgeführt haben.

Abbrechen
  • adaption selbstoptimierender netzwerke
    © enanuchit - stock.adobe.com

    Diese ADA Lovelace Center-Anwendung untersucht den Einsatz von selbstoptimierenden Adaptiven Logistischen Netzwerke in der Supply Chain. Es werden KI-Verfahren entwickelt, die öffentlich verfügbarer Datenquellen (z.B. Intrastrukturen, Marktentwicklungen, Kaufkraft, Bevölkerungsentwicklungen, Wetter, usw.) nutzen, um Mehrwert für Geschäftsentscheidungen zu generieren.

    mehr Info
  • BSH Ersatzteilprognose: Lager mit Ersatzteilen
    © Adobe Stock@Maik

    Ein wesentliches Element des Qualitätsversprechens vieler Hersteller ist die lange Lebensdauer ihrer produzierten Geräte. Dazu gehört die Gewährleistung von Ersatzteilverfügbarkeit, um Reparaturen und Wartungen langfristig durchführen zu können – auch wenn das Gerät gar nicht mehr produziert wird. Die Herausforderung dabei besteht in der Prognose, die bereits zum Ende der regulären Produktionslaufzeit gemacht werden muss, um die entsprechenden Mengen vorzuproduzieren und einlagern zu lassen. Die bisherigen manuellen Verfahren sind sehr zeitaufwendig und birgen viele Unsicherheiten. Daher hat die BSH Hausgeräte GmbH die Arbeitsgruppe für Supply Chain Services beauftragt, eine datengetriebene Lösung zu finden, mit der die Entscheidung automatisiert und verlässlich unterstützt werden kann.

    mehr Info
  • © Fraunhofer IIS

    In diesem Projekt wurde ein fortschrittliches neuronales Netz entwickelt, das auf die Vorhersage und Minimierung von Gussfehlern in Produktionsprozessen spezialisiert ist. Die Hauptstärke des Systems liegt in der Analyse von Produktionsdaten, um Fehler frühzeitig zu erkennen und Optimierungsempfehlungen zu generieren. Dies führt zu einer deutlichen Verbesserung der Produktionsqualität und -effizienz durch die Reduzierung von Ausschuss und Materialabfall.

    mehr Info
  • © Adobe Stock / Gorodenkoff

    Das Projekt »Reallabor Antrieb 4.0« bringt führende Forschungseinrichtungen und Industriepartner zusammen, um intelligente, effiziente und nachhaltige Antriebslösungen zu entwickeln. Durch die Integration fortschrittlicher Datenanalysen und künstlicher Intelligenz schaffen wir eine digitale Plattform, die herstellerübergreifende Services und innovative Nutzungsmöglichkeiten bietet.

    mehr Info
  • © Adobe Stock / ArtemisDiana - stock.adobe.com / Barbeitung Fraunhofer IIS / KI generiert

    Quantencomputing trifft Energiewirtschaft: Im Projekt »Attraqt’em« prüfen wir das Potenzial hybrider Optimierung für das Unit-Commitment – ein Schlüsselproblem für einen stabilen und wirtschaftlichen Netzbetrieb. Attraqt’em ist ein Projekt der DLR Quantencomputing-Initiative des Deutschen Zentrums für Luft- und Raumfahrt und wird ermöglicht mit Mitteln des Bundesministeriums für Forschung, Technologie und Raumfahrt (BMFTR).

    mehr Info
  • © Yellow Boat - stock.adobe.com

    Unternehmen müssen ihre Logistikprozesse sowohl kosteneffizient als auch nachhaltig gestalten. Gemeinsam mit unserem Projektpartne PreZero haben wir eine innovative Lösung entwickelt, die genau das ermöglicht: Die integrierte KI-Lösung zur Stoffstromoptimierung bietet Unternehmen die Möglichkeit, Frachtpreise realistisch abzuschätzen und Stoffströme effizient zu gestalten.

    mehr Info
  • © Rid Stiftung®

    Das Förderprojekt Future Retail Store unterstützt mittelständische bayerische Handelsunternehmen dabei, ihr Geschäftsmodell weiterzuentwickeln und mit digitalen Technologien zu experimentieren. Zwei Handelsunternehmen, das Gartencenter Kiefl und die Cairo AG, wurden in einer bayernweiten Ausschreibung ausgewählt, ihre innovativen Konzepte zu testen. Nun ist das Konzept »Urban Gardeners« des Gartencenter Kiefl im Münchner Rathaus gestartet.

    mehr Info
  • DeKIOps – Demokratisierung von KI mit verständlichem und einfach zugänglichem Machine Learning Operations
    © Gorodenkoff - stock.adobe.com

    Ziel des Forschungsvorhabens ist die Demokratisierung von ML-Systemen und der niederschwellige Zugang zu ML-Lösungen für Endanwendende, um dem Fachkräftemangel von ML-Expertinnen und -Experten entgegenzuwirken. Dazu werden Entwicklungsleitlinien für verständlich bedien- und wartbare ML-Systeme entwickelt werden, welche die operative Nutzung dieser ML-Systeme für Endanwender:innen ohne KI-Expertise ermöglichen.

    mehr Info
  • Pflege 2030
    © peshkova - stock.adobe.com

    Die Anzahl älterer und pflegebedürftiger Menschen in Deutschland nimmt kontinuierlich zu. Dadurch werden die Anforderungen an die Pflege nicht nur immer komplexer, sondern sie stellen die Pflegekräfte auch vor große Herausforderungen. Vision des Modellprojektes »Pflege 2030« ist es, den Arbeitsalltag von Pflegekräften durch eine bedarfsgerechte Personalausstattung und die Implementierung von wirkungsvollen digitalen Innovationen so zu optimieren, dass auf organisationaler Ebene effiziente Ablaufstrukturen entstehen können. Dafür erhalten u. a. kommerzielle Anbieter:innen und Entwickler:innen technischer und organisatorischer Innovationen die Möglichkeit, ihre Produkte und Konzepte im Echtbetrieb in dieser Einrichtung langfristig zu testen und durch neutrale Expert:innen evaluieren zu lassen.

    mehr Info
  • © Boris Brook/Wirestock Creators – stock.adobe.com

    ARGOS ist eine KI-gestützte Informations-Plattform zur flächendeckenden Identifikation und Bewertung von brachliegenden oder mindergenutzten Potenzialflächen auf Basis von Geodaten, Luft- und Satellitenbildern. Damit können Kommunen, Planer und Investoren Regionen, Standorte und Gewerbeflächen effizienter nachverdichten nachhaltiger entwickeln.

    mehr Info