Referenzprojekte

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

Aktuelle Referenzprojekte aus unseren Forschungsfeldern

Abbrechen
  • © fotograupner / AdobeStock.com

    Flächendeckende Identifikation von Brachflächen mit KI: Mit dem Projekt ARGOS soll eine bundesweit flächendeckende, KI-gestützte Extraktion von Brachflächen aus Geodaten, Luft- und Satellitenbildern realisiert werden. Ziel ist, daraus eine Online-Informationsplattform zum Thema Brownfields zu entwickeln, die eine aktuelle Übersicht zu potenziellen Standortoptionen für gewerbliche Immobilienprojekte ermöglicht.

    mehr Info
  • © bannafarsai - stock.adobe.com

    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.

    mehr Info
  • Das Forschungsvorhaben BeStWärmKI verfolgt das Ziel, die Wärme- und Energieeffizienz von Wärmenetzen erheblich zu steigern. Hierfür wird ein innovatives und vorausschauendes Verfahren entwickelt, das physikalisches Wissen mit Künstlicher Intelligenz kombiniert, um die Betriebssteuerung im Wärmenetz zu verbessern und die Energieeffizienz zu steigern. Damit leistet das Projekt einen signifikanten Beitrag zur Energiewende.

    mehr Info
  • Projektfoto KITE: Künstliche Intelligenz im Transport zur Emissionsreduktion
    © Erwin Wodicka - Fotolia.com

    Im Projekt »KITE – Künstliche Intelligenz im Transport zur Emissionsreduktion« entwickelten die Forscherinnen und Forscher der Arbeitsgruppe für Supply Chain Services des Fraunhofer IIS ein neues KI-basiertes Verfahren zur Tourenplanung, um Leerfahrten zu reduzieren und die Transportlogistik nachhaltiger zu gestalten.

    mehr Info
  • Ein wichtiger Teil der Kreislaufwirtschaft ist die Recyclingindustrie, die Altmaterialien effizient und nachhaltig wiederverwendet. Dafür sind robuste und präzise Sortiersysteme notwendig, die unterschiedliche Materialien unterscheiden können. Aktuell werden dafür hauptsächlich regelbasierte Methoden verwendet, die von menschlichen Experten parametrisiert werden müssen. Deep Learning basierte Sortiersysteme bieten eine Alternative, indem sie relevante Merkmale aus den erfassten Daten lernen können. Die Arbeitsgruppe für Supply Chain Services hat eine Proof-of-Concept Lösung entwickelt, um Metall-Schrott mithilfe von Deep Learning basierter Sortierung zu sortieren.

    mehr Info
  • Foto zum Projekt ADA-Center
    © dragonstock - Fotolia.com

    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.

    mehr Info
  • Foto Mittelstand 4.0-Mobil vor dem Fraunhofer IIS-Gebäude in Nürnberg
    © Fraunhofer IIS/Paul Pulkert

    Kleine und mittlere Unternehmen sind das Herz der deutschen Wirtschaft – durch die Digitalisierung kommt es jedoch zu strukturellen Veränderungen, besonders im Mittelstand. Dieser Aufgabe hat sich das Mittelstand 4.0-Kompetenzzentrum Augsburg verschrieben, indem es KMU in Bayern bei ihrer digitalen Transformation hilft. Das Zentrum bietet dazu eine Vielzahl kostenloser Angebote.

    mehr Info
  • © Fraunhofer IWS

    Die Umstellung auf Elektromobilität ist in der Automobilbranche ein großes Thema, allerdings ist bei elektrisch betriebenen Fahrzeugen die Produktion der treibende Faktor bezüglich des CO2 –Ausstoßes: Hier steht neben der Batterie die Karosserie als zweitgrößter Emittent im Fokus. Daher werden im Projekt »Future Car Prouction« ganzheitlichen Lösungen zur Bewertung und Entwicklung neuer Karosseriekonzepte erforscht, die neben technischer Leistung und Kosten im Besonderen die ökologische Nachhaltigkeit berücksichtigen.

    mehr Info
  • © chitsanupong - Adobe Stock

    Genuss und Qualität sind essenzielle Merkmale für jedes Lebensmittel. Die Vielzahl an Geschmacksnoten wird in der Herstellung durch das Mischen von Chargen mit unterschiedlichsten Zutaten erreicht. Auf Seiten der Hersteller, müssen die Chargen im Lagerbestand im Rahmen einer Produktionsplanung für den Mischprozess vorrausschauend bereitgestellt werden. Nur so kann einerseits die Qualität der Mischungen für die Kundenaufträge sichergestellt werden und andererseits der Lagerbestand nachhaltig eingesetzt wird. Vor diesem Zusammenhang entwickelt das Fraunhofer IIS mit Methoden der mathematischen Optimierung eine Chargenauswahl in homogenen Mischprozessen, die eine effizientere und nachhaltigere Lagerführung ermöglicht.

    mehr Info