Referenzprojekte

Neues Kompetenzzentrum für Data Analytics und KI in der Industrie: Das ADA Lovelace Center des Fraunhofer IIS und der Fraunhofer-Arbeitsgruppe SCS verbindet auf einzigartige Weise KI-Forschung mit KI-Anwendungen der Industrie. Hier können sich die Partner untereinander vernetzen, vom Know-how des anderen profitieren und an gemeinsamen Projekten arbeiten.

Die Steuerung von Lagerbeständen ist eine zentrale Herausforderung bei KMUs im Großhandel. Obwohl dort teilweise bereits Prognosemodelle eingesetzt werden, um Absätze vorherzusagen, sind diese häufig nicht state of the art und liefern außerdem lediglich Punktprognosen, d.h. es wird ein einzelner Wert vorhergesagt. Zusammen mit den Projektpartnern entwickelt und implementiert die Fraunhofer-Arbeitsgruppe für Supply Chain Services SCS des Fraunhofer IIS deshalb ein Verfahren, um mithilfe modernster KI-Methoden die Unsicherheit einer Prognose zu quantifizieren und darauf aufbauend automatisch optimale Lagerbestände zu bestimmen.

Seit 2009 nimmt die Zahl der Apotheken in Deutschland stetig ab (ABDA – Bundesvereinigung Deutscher Apothekerverbände e.V. 2020). Auch in Bayern ist die Zahl der Apotheken zwischen 2009 und 2020 um mehr als 10% gesunken (dpa 2020). Nicht nur ältere Menschen sind allerdings auf eine direkte Versorgung mit Medikamenten und die persönliche Beratung durch Fachpersonal angewiesen. Wie können also Vorort-Apotheken gegenüber Online-Apotheken konkurrenzfähig bleiben?

Der Traktionsenergieverbrauch, also der Strom der zum Antrieb der Züge verwendet wird, ist der wichtigste Kostenfaktor in der Stromrechnung eines Schienenverkehrsunternehmens. Er wird in erster Linie durch die Fahrweise der Züge bestimmt. Aber auch eine energieeffiziente Koordination des Zugverkehrs kann durch sein Rückspeisungspotenzial entscheidend zur Kostensenkung beitragen. In dem Projekt arbeiten Experten für mathematische Optimierung der Friedrich-Alexander-Universität Erlangen-Nürnberg und des Fraunhofer-Instituts für Integrierte Schaltungen IIS zusammen mit der VAG Verkehrs-Aktiengesellschaft daran, durch eine effizienten Fahrweise in Verbindung mit einer intelligenten Koordination aller Bahnen den Energieverbrauch der Nürnberger U-Bahn zu senken.

Das Projekt »Fluid 4.0« bringt erstmalig Fluidtechnikhersteller, Maschinen- und Anlagenbauer, Anwender und Dienstleister aus der Fluidbranche zusammen, um dort daten- und technologiegestützt Prozesse zu digitalisieren und Circular Economy Strategien und Technologien nutzbar zu machen.

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.

Der Schienenverkehr lässt als größter Einzelstromverbraucher in Deutschland trotz vieler Fortschritte noch bedeutende Energie- und CO2 Einsparpotenziale ungenutzt. Das Forschungsprojekt »EKSSE – Energieeffiziente Koordination und Steuerung des Schienenverkehrs in Echtzeit« setzt sich daher zum Ziel, den Energiebedarf im U-Bahn-Betrieb durch Erhöhung der Rückspeisequote bremsender Züge und energiesparendem Fahrverhalten zu senken und somit die Energieeffizienz des deutschen Schienenverkehrs maßgeblich zu steigern, diesen dadurch zugleich kostengünstiger zu gestalten und so einen wichtigen Beitrag zur modernen, nachhaltigen Mobilität zu leisten.

Globale Lieferengpässe, steigende Rohstoffpreise, schwindende Ressourcen – nachhaltiges Wirtschaften ist nicht nur ökologisch, sondern auch ökonomisch sinnvoll. Nicht nur das: Auch die regulativen Vorgaben der Bundesregierung oder der EU fordern immer mehr Engagement von Seiten der Wirtschaft ein. So müssen Unternehmen kontinuierlich ihre CO2-Emissionen aufzeigen, indem sie ihre Product Carbon Footprints ermitteln und gleichzeitig geeignete Maßnahmen nachweisen, mit denen der eigene CO2-Abdruck reduziert und der Bedarf an natürlichen Rohstoffen verringert werden soll. Hier bieten zirkuläre bzw. kreislaufwirtschaftliche Ansätze hohes Lösungspotenzial und rücken daher in den Überlegungen immer mehr in den Vordergrund.

Der Einsatz von KI ermöglicht die Verarbeitung großer Datenmengen und kann dazu beitragen, komplexe Abläufe und Entscheidungsprozesse in der Gesundheitsversorgung zu optimieren. Häufig herrscht jedoch Unsicherheit, wofür KI im Gesundheitswesen eingesetzt werden kann, welche Risiken und Potenziale bestehen und wie die Qualität und Transparenz von KI-Anwendungen sichergestellt werden können.

Durch die zunehmende Digitalisierung entstehen auch in produzierenden Unternehmen immer mehr Daten. Gleichzeitig unterliegen diese Unternehmen den Herausforderungen, die sich durch aktuelle Marktwünsche und individuelle Produktion ergeben. Erhöhte Anforderungen an die Produktion selbst und die Notwendigkeit transparenter und optimierter Materialflussprozesse sind die Folge. Daher stellt sich die Frage, wie operative Prozessdaten aus der Produktion nutzbar gemacht werden können? Das Projekt »ProCheck« zielt daher darauf ab, mittels Process Mining-Verfahren Prozesstransparenz zu schaffen und eine automatisierte und kontinuierliche Analyse, Optimierung und Überprüfung von Materialflussprozessen in kleinteiligen Produktionsabläufen zu ermöglichen.