Referenzprojekte

In KIProKV soll ein Planungstool entwickelt werden, welches mathematische Optimierungsansätze nutzt und mit datengetriebener Prozessprognose mittels Machine Learning verbindet. Dabei werden durch das Prognosemodell unsichere Prozessvariablen vorhergesagt, um vorausschauend und flexibel möglicherweise entstehende Verschiebungen oder Engpässe im geplanten Prozessablauf identifizieren zu können. Die Quantifizierung der Unsicherheiten fließt in den Entstehungsprozess der Optimierungsmodelle ein und trägt dazu bei, effiziente Lösungsalgorithmen zu entwickeln. Durch eine Feedbackschleife aus Optimierung und Prognose soll im Gesamtansatz eine Echtzeit-Planung der Umschlagsaufträge erfolgen, welche dem Terminalpersonal zur Verfügung gestellt wird.

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.

Bei diesem Projekt berechnen und bewerten wir für ein führendes Unternehmen in der Chemieindustrie das kosteneffiziente Lager- und Transportnetzwerk. Mittels neuartiger Optimierungsverfahren und detaillierter Prognosen der Kundenbedarfe können wir Standorte empfehlen, um Transport- und Lagerkosten zu minimieren. In Kooperation mit trilogIQa werden die Prozessanforderungen erfasst und direkt modelliert. Erfahren Sie, wie KI bei der kosteneffizienten und resilienten Gestaltung des logistischen Netzwerks für zukünftige Kundenbedarfe hilft.

Künstliche Intelligenz und speziell neuronale Netzwerke wurden genutzt, um Preisschwankungen verschiedener Stahlsorten präzise zu prognostizieren. Dieses System, entwickelt für den Stahlhandel, hilft Einkäufern, den optimalen Zeitpunkt für ihre Einkäufe zu bestimmen, was zu erheblichen Kosteneinsparungen führen kann.

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.

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.

Im industriellen Kontext wird Maschinelles Lernen (ML) immer wichtiger – insbesondere in der Qualitätssicherung. Diese ist für Unternehmen oft mit viel Aufwand verbunden, der durch passende ML-Methoden signifikant reduziert werden kann. Gerade im Industrie- und Produktionsumfeld sind diese aber aktuell nur schwer einsetzbar, denn die meist schon gut eingelaufenen Prozesse produzieren mit ihrer bereits geringen Fehlerquote eher einseitiges Datenmaterial. Für ML-Verfahren werden aber möglichst viele und unterschiedliche Daten benötigt, um valide Vorhersagen treffen zu können. Im Projekt soll deshalb ein ML-Modell entwickelt werden, das trotz des unausgeglichenen Datensatzes eine möglichst hohe Genauigkeit in der Detektion der Fehler aufweist.

Auf dem Markt existieren zahlreiche kommerzielle und Open-Source-Tools für die ML-Lösungsentwicklung in der Industrie. Die Auswahl gestaltet sich jedoch komplex, bedingt durch anwendungsspezifische Zwänge wie Lizenzvereinbarungen, Datensicherheit und Systemkompatibilität. Die Integration mehrerer Tools für eine bestimmte Funktionalität führt zu Herausforderungen in Benutzerfreundlichkeit, Bedienbarkeit, Wartung und Integration in die bestehende Infrastruktur. Das Fraunhofer IIS entwickelt maßgeschneiderte MLOps-Lösungen für die Supply Chain, die die spezifischen Anforderungen unserer Industriepartner berücksichtigen. Diese Lösungen optimieren die Stärken verschiedener ML-Tools, sind gleichzeitig einfach in der Anwendung und Wartung.

Innerhalb der EU sterben jährlich beinahe eine halbe Millionen Menschen an plötzlichem Herztod. Eine flächendeckende Verbreitung, einfache Auffindbarkeit und öffentliche Zugänglichkeit von Defibrillatoren kann dazu beitragen, die Überlebenschancen in diesen Fällen deutlich zu erhöhen. Vor diesem Hintergrund entwickelt das Forschungsprojekt »HerzKISO« ein neuartiges, gebietsübertragbares Planungskonzept, um eine faire und flächendeckende Verfügbarkeit von Defibrillatoren sicherzustellen.

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.

Der Fahrermangel ist auch in den eher als attraktiv geltenden Bereichen der Logistik angekommen wie z.B. Nah- bzw. Verteil- und Sammelverkehre und bedroht potentiell die regionale Versorgungslage. Deshalb müssen auch im Nahverkehr die Arbeitsbedingungen und Prozesse verbessert werden, um die Motivation und Gesundheit der Fahrer:innen zu fördern. Vor diesem Hintergrund werden im Projekt bayerische Handlungshilfen zur Motivationssteigerung im Alltag von Berufskraftfahrerinnen und -fahrern entwickelt.  

Space4Cities – Urban Energy Scan verbindet KI mit satellitengestützter Erdbeobachtung (EO), um präzise Gebäude- und Standortdaten zu gewinnen. Ziel ist die Entwicklung einer Plattform, die Städte bei der Analyse und Simulation von Energieverbrauch unterstützt und klimaneutrale Strategien planbar macht.

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).

Semiconductor-X macht Halbleiter-Lieferketten sichtbar und steuerbar: Ein gemeinsamer Datenraum vernetzt Bedarfs-, Prozess- und Qualitätsdaten, KI verdichtet sie zu klaren Empfehlungen – direkt im Dashboard. Unternehmen planen verlässlicher, erhöhen Yield und Qualität, senken Bestände und reagieren schneller auf Störungen. So entstehen transparente Abläufe, robuste Produktionspläne und messbare Nachhaltigkeit entlang der gesamten Wertschöpfungskette.

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.

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.

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.

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.

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.

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.

Im Projekt zur Personaleinsatzplanung in Cross-Dock Umschlaghallen wird ein Verfahren entwickelt, das mathematische Optimierung und KI kombiniert, um optimale Schichtpläne zu erstellen. Ziel ist es, Verzögerungen bei der Warenabwicklung zu vermeiden und Kosten zu senken, während individuelle Qualifikationen und Arbeitszeitbeschränkungen berücksichtigt werden. Dies fördert die frühzeitige Kommunikation der Schichtpläne und erhöht die Mitarbeiterzufriedenheit.

Im industriellen Arbeitsalltag kommt vielfach das Wertstrommanagement als betriebswirtschaftliche Methode zur Verbesserung der Prozessführung in Produktion und Dienstleistung zum Einsatz. Dabei werden die einzelnen Tätigkeiten oft von Prozessexperten manuell durchgeführt, was zum einen Ressourcen bindet und zum anderen Schwachstellen mit sich bringt. Vor diesem Hintergrund zielt das Projekt darauf ab am Beispiel des Münchner Flughafens die Tätigkeiten des Wertstrommanagements durch semantische Modellierung und KI-gestützte Auswertung weitmöglichst zu automatisieren.

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.

Die BHS Corrugated Maschinen- und Anlagenbau GmbH und die Arbeitsgruppe für Supply Chain Services SCS gründeten 2019 gemeinsam das »Joint Lab Data Analytics«, um in ausgewählten Anwendungen die eigene Data Analytics-Expertise voranzutreiben. Eines der Hauptziele dieser Kooperation ist es, BHS Corrugated auf dem Weg zur digitalen Transformation zu unterstützen und gleichzeitig deren Data Analytics-Kompetenzen im Unternehmen nachhaltig auszubauen.

Das Forschunsprojekt »KoMiK - Digitale Kooperationssysteme im Mittelstand« adressiert vor allem KMU, um ihnen bei der Transformation von Kommunikations- und Kooperationsprozessen zu unterstützen, da die meist eine große Herausforderung für den Mittelstand darstellen. Mithilfe einer zielführende IT- und Kommunikationsstruktur sollen die Geschäftsprozesse so unterstützt werden, dass sie schneller, qualitativ besser und für die Mitarbeitenden zufriedenstellender ablaufen können.

Ein Einstieg in den digitalen Wandel wird durch klar erkennbare Mehrwerte in der Praxis erleichtert. Dabei richten sich unsere Lösungen auf klare Kosten- und Nutzeneffizienz und integrieren sich in Ihre bereits bestehenden intralogistischen und industriellen Prozesse, bei denen der Mensch auf Technik trifft. Wir sind Ihr Partner für die digitale Transformation.

Besonders kleine und mittelständische Unternehmen und Startups fehlt es an Mitteln und Ressourcen, um die Digitalisierung im Rahmen der Serviceentwicklung zu nutzen. Das Fraunhofer SCS untersucht im Projekt »SmartDiF« neuartige Methoden und Vorgehensweisen, um KMU zu befähigen digital geprägte Dienstleistungen zu entwickeln.

Mit der Studie »Logistikbeschäftigung in Deutschland – Vermessung, Bedeutung und Struktur« schafft die Fraunhofer-Arbeitsgruppe für Supply Chain Services SCS einen detaillierten Einblick in die Querschnittsbranche der Logistik, die bisher statistisch nur unzureichend erfasst ist.

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.

Der ländliche Raum rückt immer mehr in den Fokus der Wissenschaft. Denn mit dem stetigen Kampf gegen die Abwanderung in Ballungsgebiete, dem demografischen Wandel und der zunehmenden Digitalisierung, ändern sich die Bedarfe der ländlichen Bevölkerung. Das Projekt »MobiDig« will diesem Wandel entgegenwirken und ländliche Regionen flächendeckend mobiler und für Jung und Alt attraktiver gestalten.