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.

Der kombinierte Verkehr (KV) bietet eine umweltfreundlichere Alternative zum reinen Straßentransport. Ziel des Forschungsvorhabens „ReVeLa“ ist deshalb die Entwicklung eines Konzepts zur operativen KV-Anbindung dezentraler Regionen an die Seehäfen am Beispiel der Region Schweinfurt.

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.

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.

Diese ADA Lovelace Center-Anwendung entwickelt robuste KI für Digitale Pathologie.

Dies ist ein Anwendungsfeld des ADA Lovelace Centers und erforscht den Einsatz von KI im Bereich Transport und Mobilität. Hierbei werden autonome Fahrerassistenzsysteme im Schienenverkehr entwicklet, um u.a. Energiekosten zu senken.

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.

Elektromobilität ist ein wichtiger Baustein, um den Verkehr klimaneutral ausrichten zu können. Damit sich der Ausbau so schnell wie möglich durchsetzt, braucht es entsprechende Infrastruktur, die nicht nur effizient, auslastungsorientiert, ökologisch und strategisch aufgestellt ist, sondern auch unkompliziert genutzt werden kann. Hier setzt das Konsortialprojekt »OPELA« an: Am Beispiel der Mitarbeitermobilität am Münchner Flughafen wird erforscht, wie ein solches System gestaltet sein muss, damit es nachhaltig erfolgreich sein kann.

Kennzahlen dienen als Grundlage für Planung, Steuerung und Kontrolle von Prozesse. Validität, Qualität und lückenlose Erhebung der den Kennzahlen zugrunde liegenden Daten spielen eine wichtige Rolle, um Fehlentscheidungen zu vermeiden. Damit der Einsatz von Flurförderzeugen transparenter und effizienter wird, hat Fraunhofer SCS das System zur intelligenten Kennzahlenermittlung »IKE« entwickelt.

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.