Im European Digital Innovation Hub "AI5production" haben sich 17 renommierte Wissenschaftsinstitutionen zusammengeschlossen, um produzierende Unternehmen durch KI-Technologie auf ihrem Digitalisierungsweg zu unterstützen.
Dank Tiefenkameras keine blinden Flecken auf Zugdächern.
Das Projekt REINFORCE erforscht, wie mithilfe von Reinforcement Learning und menschzentrierte Visualisierungsmethoden komplexe Steuerungsprobleme effizient, schnell und flexibel gelöst werden können.
VR und AR schaffen für die Automobilindustrie gerade in der Prototyping-Phase ganz neue Möglichkeiten: Anhand perfekter digitaler VR-Zwillinge kann einfach überprüft werden, wie sich neues Design oder Adaptionen auf den Prototyp auswirken.
Mithilfe des 3D-Drucks ("Additive Manufacturing") können Ersatzteile für schadhafte Züge schneller und günstiger hergestellt werden - ein großes Potenzial für die klimaschonende Zukunft und kürzere Ausfallzeiten.
Das Forschungsziel des Projekts Ingress besteht darin, die Prozesse von Data Scientists, die mit Industrie 4.0- und IoT-Daten arbeiten, zu beschleunigen, indem eine engere Integration der visuellen Analyse in bestehenden Arbeitsabläufe ermöglicht wird.
Dieses Projekt IVC Image zielt auf die Beschleunigung und Automatisierung bildbasierter Entscheidungsfindung mit einem Anwendungsschwerpunkt in der Medizin sowie Recycling- und Qualitätssicherungsprozesse in der Fertigung.
Das RAILING-Projekt beschäftigt sich mit der Erforschung und Entwicklung von interaktiven, skalierbaren und vertrauensschaffenden Visualisierungs- und Analysewerkzeugen für die Exploration von zeitabhängigen und komplexen Daten.
Zum Training von KI-Algorithmen braucht es viele Daten. Gerade Rohdaten enthalten jedoch oftmals heikle Informationen. Homomorphe Verschlüsselung bietet hier die Lösung, um sicheres Machine Learning – mit geschützten sensiblen Daten – zu ermöglichen.
Mit Hilfe des Einsatzes von Augmented Reality-Technologie wird im Projekt MARAMT ein Software-Framework entwickelt, das den Aufwand für die Arbeit mit bestehenden und zukünftigen komplexen cyber-physikalischen Systemen erheblich reduziert.