Referenzprojekte

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

Abbrechen
  • 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
  • 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.

    mehr Info
  • Foto zum Projekt MoLa; Anhebende Palette des Gabelstaplerfahrers im Speicherlager
    © Kzenon - Fotolia

    Leistungsfähige und flexible logistische Prozesse leben von motivierten Mitarbeiterinnen und Mitarbeitern. Um die Motivation zu steigern, werden insbesondere finanzielle Anreizsysteme eingesetzt. Diese sind jedoch gerade im Niedriglohnbereich ein nicht wirklich großer Stellhebel. Mithilfe gezielte Schulungen und Weiterbildungskonzepten unterstützt das Forschungsprojekt »MoLa« Unternehmen.

    mehr Info
  • © 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
  • © VAG

    Die Forschergruppe Future Engineering hat durch eine semantische Medienanalyse relevante Informationen zum Thema Elektrobusse erkannt und extrahiert. Anhand dieses Wissens können N-Ergie und VAG ihre Zusammenarbeit hinsichtlich Elektromobilitätsausbau strategisch planen.

    mehr Info
  • © Fraunhofer IIS

    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.

    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
  • © Adobe Stock / Sutthiphong - stock.adobe.com

    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.

    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
  • BSH Ersatzteilprognose: Lager mit Ersatzteilen
    © Adobe Stock@Maik

    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.

    mehr Info