Fraunhofer Spin-off Plus10 implementiert bei Freudenberg Home and Cleaning Solutions KI-Software in Spritzgießmaschinen und baut hochfrequente Datenerfassung sowie -Verarbeitung auf.
Fraunhofer Spin-off Plus10 implementiert bei Freudenberg Home and Cleaning Solutions KI-Software in Spritzgießmaschinen und baut hochfrequente Datenerfassung sowie -Verarbeitung auf.
Mit einem Kriterienkatalog für KI-basierte Clouddienste will das Bundesamt für Sicherheit in der Informationstechnik eine Grundlage für die Bewertung der Sicherheit von KI-Systemen zu schaffen.
Rund 50% aller KI-Projekte schaffen es nicht in die produktive Nutzung. Der folgende Artikel beschreibt die Herausforderungen und Lösungsbausteine, die dazu beitragen KI-Anwendungen produktiv zu setzen.
Zum Jahresbeginn fiel der Startschuss für den Aufbau eines überregionalen Netzwerks für Akteure aus den Bereichen Fertigungstechnik, Maschinen- und Anlagenbau sowie Messsystementwicklung. Das geplante Innovationsforum ‚Akustisches Monitoring von Fertigungsprozessen‘, kurz IMAMF, hat zum Ziel, kleine und mittlere Unternehmen sowie Forschungseinrichtungen für mehr Austausch, Bedarfsermittlung und Aufklärung über Künstliche Intelligenz (KI) in der Fertigung zusammenzubringen. Der thematische Schwerpunkt liegt hierbei auf der akustischen Qualitätskontrolle mittels maschineller Lernverfahren.
Der Einsatz von künstlicher Intelligenz (KI) ist für viele Unternehmen ein wichtiger Schritt in Richtung Zukunft. Mit der künstlichen Intelligenz hält eine prägende Technologie Einzug in den Alltag vieler Menschen und Unternehmen. Dabei sind die Einsatzgebiete dieser Technologie umfassend und die Möglichkeiten nahezu grenzenlos. Doch welche Voraussetzungen sollten Unternehmen für den Einsatz von KI berücksichtigen? Lohnt sich der Schritt zum jetzigen Zeitpunkt bereits?
Das Service-Meister Konsortium kündigt an, zum Jahresende seine 2020 entwickelte Plattform-Architektur vorzustellen.
Der Maschinen- und Anlagenbau ist unter den Schlüsselbranchen in Deutschland am aufgeschlossensten gegenüber der Digitalisierung.
Die digitale Transformation der Wirtschaft schreitet weltweit voran. Laut einer Studie der Unternehmensberatung Staufen zeigen sich die Unternehmen vor allem von den Vorteilen der künstlichen Intelligenz (KI) und des Machine Learning (ML) überzeugt. Bei der Umsetzung sieht es jedoch anders aus.
Unternehmen setzen zunehmend auf KI oder planen, dies künftig zu tun. Doch die große Euphorie bleibt in der Industrie aus guten Gründen noch aus. Zum einen fehlt die kritische Masse an Einsatzszenarien, weswegen Unsicherheit besteht, welche Handlungsfelder nachhaltige Erfolge versprechen. Zum anderen ist die Frage der Zuverlässigkeit zu klären, also wie valide KI-generierte Ergebnisse wirklich sind. Im Folgenden geht es um die Mechanismen, die gute Ergebnisse sicherstellen helfen.
Aus Daten können mithilfe künstlicher Intelligenz neue Geschäftsmodelle und Produkte entstehen. Häufig fehlen Unternehmen aber Kompetenzen im Umgang mit KI, Big Data sowie Anwendungsfällen. Über die Zusammenarbeit in Geschäftsnetzwerken gelangt solches Wissen ins Projekt.
Wie lässt sich die Auftragsabwicklung eines Automobilherstellers optimieren? Im Projekt ‚KI-basierte Produktionsplanung und -steuerung‘ entwickeln IPA-Forscher zusammen mit der Porsche AG smarte Lösungen für die Fertigung der Zukunft. Diese helfen schneller auf Kundenwünsche zu reagieren, Ressourcen und Zeit zu sparen.
Unternehmen aller Branchen sehen sich mit den Auswirkungen der Corona-Krise konfrontiert. Industrien, die ihren End-to-End-Betrieb erfolgreich in einer virtuellen Umgebung managen, haben dabei einen Vorteil und bessere Chancen, die Krise zu überstehen und zu wachsen. Insbesondere die Fertigungsbranche hat hier Nachholbedarf. Die Branche muss ganzheitliche operative Ansätze sowie Notfallpläne implementieren, um einen sicheren Betrieb zu gewährleisten.
Anfang Oktober wurde der Leitfaden ‚Künstliche Intelligenz – Potenziale und Umsetzung im Mittelstand‘ vom VDMA Bayern vorgestellt.
Kunststoffmüll ist ein Problem. Weltweit. Der Grund: Kunststoff ist meist verbaut und Teil eines komplexen Produktes: Auto, Kühlschrank, Lederschuh oder Smartphone. Materialanalyse, -trennung und Recycling wären ein Lösungsansatz. Hier setzt das Projekt ‚Digital Lifecycle Record for the Circular Economy‘ – kurz ReCircE – an. Es will mithilfe von künstlicher Intelligenz ein umfassendes Recyclingverfahren entwickeln. Teil des Projektes ist ein digitaler Produktpass. Er soll Transparenz über die gesamte Wertstoffkette schaffen, um die Verwertung von Kunststoffen aus hochentwickelten Produkten zu erleichtern.
Unter dem Motto ‚Von der Revolution zur Transformation – mit Künstlicher Intelligenz in die Silicon Economy‘ beteiligen sich vom 15. bis 17. September 2020 über 800 Teilnehmer am digitalen ‚Zukunftskongress Logistik – 38. Dortmunder Gespräche‘. Dabei diskutiert die Logistikbranche über die Chancen und Herausforderungen einer neuen Plattformökonomie sowie über aktuelle Forschungsergebnisse und Beispiele aus der Praxis.
Künstliche Intelligenz ist eine wichtige Technologie, von der sich Unternehmen handfeste Wettbewerbsvorteile versprechen. Das ist das Ergebnis einer aktuellen Studie des IT-Dienstleisters Adesso unter Führungskräften. Konkrete Projekte haben allerdings bislang nur wenige Firmen umgesetzt. Besonders zurückhaltend zeigt sich bei dem Thema das Top-Management.
Von der Entwicklung über die Materialbeschaffung, den Produktionsprozess bis zur Nutzung und schlussendlich Entsorgung – wer Produkte nachhaltiger gestalten will, steht vor einer komplexen Aufgabe.
Vermehrt interessieren sich Unternehmen dafür, auf Basis ihrer Fertigungsinformationen Verbesserungspotenziale in der Produktionsplanung und -steuerung zu heben. Maschinelles Lernen und künstliche Intelligenz (KI) kann aber nur dann wirtschaftlich sinnvoll eingesetzt werden, wenn alle relevanten Daten im Zugriff sind und deren Struktur zu den Anwendungen passen. Das Coscom-ECO-System soll eine Plattformökonomie als Basis für Business Intelligence (BI) bieten.
Mängel im Endprodukt, lange Vorlaufzeiten oder Unterbrechungen in der Lieferkette sind Schmerzpunkte in jeder Qualitätssicherung.
In Zusammenarbeit mit Unternehmen aus dem Automobil- und Technologie-Bereich veranstaltet Idealworks eine weltweite AI-Challenge zum Training künstlicher Intelligenz in der Produktion basierend auf synthetischen Daten aus der BMW iFactory.
In der Qualitätsprüfung ist Zeit ein wichtiger Faktor: Wer Fehler rechtzeitig findet, kann sie effektiv und kostensparend beheben. Gemeinsam mit dem Fraunhofer IEM setzt der Automobilzulieferer Benteler dafür in der Warmumformung von Fahrzeugteilen auf Echtzeit-Sensordaten und Künstliche Intelligenz. Damit können Produktionsfehler schneller erkannt, behoben und zukünftig sogar vermieden werden.
Die Anmeldung für die Everyday AI Conference am 21. Juni in London ist geöffnet.
„Künstliche Intelligenz ist eine, wenn nicht die wichtigste Zukunftstechnologie für Unternehmen.“ Diese Aussage bejahen 70 Prozent der Befragten der jüngsten Bitkom-Studie zu KI. Aber nur 10 Prozent aller Unternehmen haben KI-Technologie aktiv im Einsatz, lediglich 30 Prozent planen und diskutieren deren Anwendung. Was ist der Grund für diese große Diskrepanz?
Bauteile mobil und in Echtzeit überprüfen – das soll die Software Marquis des Fraunhofer IGD ermöglichen.
Künstliche Intelligenz (KI) und Maschinelles Lernen sind seit Jahren in der industriellen Produktion angekommen. Zumindest theoretisch. Mit welcher Vehemenz KI jetzt in der Praxis Einzug hält, soll sich auf der Automatica zeigen, die vom 21. bis 24. Juni 2022 in München stattfindet.
Data Science ist mittlerweile ein fester Bestandteil der strategischen Planung in vielen Unternehmen. Um künftige Entwicklungen realistisch zu planen, brauchen wir Künstliche Intelligenz (KI) und Maschinelles Lernen (ML). Insbesondere im Einzelhandel vertrauen immer mehr große Player auf KI-Lösungen, die präzise Prognosen ermöglichen und zum Beispiel Bestände oder Preise optimieren. Doch viele Entscheidungsträger glauben noch nicht daran, dass KI in den Lieferketten der Zukunft eine tragende Rolle spielen wird. Der Grund hierfür liegt in einer falschen Sicht auf die Wissenschaft.
Mathematiker der Hochschule Darmstadt (h_da) entwickeln gemeinsam mit dem Hanauer Simulationsdienstleister und Softwareunternehmen SimPlan und dem Automationsexperten Fibro Läpple Technology neue KI-Technologien. Im Rahmen des Loewe-Projekts ‚KISPo‘ will das Konsortium eine autonome, selbstlernende Steuerungssoftware für Produktionsanlagen entwickeln, wie sie z.B. bei der Herstellung von Komponenten für Windräder oder Elektromotoren zum Einsatz kommen. Es wäre die erste KI-Software dieser Art. Damit würde eine von Industrieverbänden und Forschung lange bemängelte Technologielücke geschlossen. Das Land Hessen fördert das Projekt für zwei Jahre mit 320.000 Euro. Konsortialführerin ist die Hochschule Darmstadt.
Die Vision Cam Ai.go von Imago Technologies soll Anwendern den einfachen Einstieg in Deep Learning ermöglichen.