Referenzprojekte

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.

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.

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.

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.

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.

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.

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.

In der Machbarkeitsstudie zum digitalen KV-Terminal der Zukunft werden verschiedene Digitalisierungsansätze zur Optimierung eines Umschlagterminals des kombinierten Verkehrs geprüft und evaluiert.

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.

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.