Künstliche Intelligenz in der Sensorik

Bild: IFM Electronic GmbH
Bild: IFM Electronic GmbH
Vision-Anwendungen mit Edge-Architektur

Vision-Anwendungen mit Edge-Architektur

Klassische Bildverarbeitung oder smarte Vision-Sensoren ist in vielen Anwendungen die Gretchenfrage. Es gibt aber noch weitere Aspekte, denn mit klassischer Bildverarbeitung lassen sich viele Anforderungen nicht so umsetzen, dass damit auch preissensitive Applikationen erreichbar sind. Neuronale Netze sowie KI eröffnen hier neue Wege. Hinzu kommt, dass die Anwendungen nicht unbedingt im separaten Rechner ablaufen, der Trend geht in Richtung Embedded Vision und Edge.

mehr lesen
Bild: Euresys SA
Bild: Euresys SA
Deep Learning Bundle for Object Localization and Identification

Deep Learning Bundle for Object Localization and Identification

The Deep Learning library EasyLocate completes a range of image processing and analysis libraries that are in regular use with an extensive user base, mostly machine manufacturers who supply the semiconductor and electronics industries. It will be launched as part of the Open eVision 2.15 software of Euresys and can be used to locate and identify objects, products, or defects.

mehr lesen
Bild: SSV Software Systems GmbH
Bild: SSV Software Systems GmbH
Ende-zu-Ende Technologie-Stack mit Funktechnik

Ende-zu-Ende Technologie-Stack mit Funktechnik

Unzählige IoT-Sensoranwendungen streamen Rohdaten in die Cloud, um die dort vorhandenen Möglichkeiten der Datenverarbeitung zu nutzen. Neben den Sicherheitsbedenken hat dieser zentrale Lösungsansatz im industriellen Umfeld auf Grund der Bandbreiten-, Latenz- und Verfügbarkeitsprobleme aber auch funktionale Nachteile. Ein Cobot Voice/Gesture Interface für die Zusammenarbeit zwischen Menschen und Robotern, Qualitätssicherung per Machine Vision, Condition Monitoring mit Echtzeit-Anomalieerkennung und fahrerlose Transportsysteme (FTS) lassen sich mit einer einfachen Sensor-to-Cloud-Verbindung nicht realisieren. Hier ist zusätzlich auch eine Datenauswertung vor Ort erforderlich.

mehr lesen
Bild: SSV Software Systems GmbH
Bild: SSV Software Systems GmbH
Maschinenlernen eingebettet

Maschinenlernen eingebettet

Bisher wird der gewünschte Zusammenhang zwischen den jeweiligen Eingangs- und Ausgangsdaten einer Automatisierungsbaugruppe mittels wissensbasierter Regeln in einer Hoch- oder SPS-Programmiersprache kodiert und auf einem eingebetteten System ausgeführt. In Zukunft lassen sich Embedded Systeme in der Automatisierung auch per Supervised Machine Learning für eine bestimmte Aufgabenstellung trainieren.

mehr lesen
Bild: DFKI GmbH
Bild: DFKI GmbH
Radarsensoren für das sichere autonome Fahren

Radarsensoren für das sichere autonome Fahren

In dem Forschungsvorhaben AuRoRaS – Automotive Robust Radar Sensing – sollen neue Simulationsverfahren und Methoden der Künstlichen Intelligenz (KI) entwickelt werden, um Radarsysteme effizienter und das autonome Fahren sicherer zu machen. Drei Partner aus Forschung und Technologie arbeiten im Rahmen des Förderprogramms KMU-innovativ des Bundesministeriums für Bildung und Forschung (BMBF) daran, die Messqualität von hochauflösenden Radarsensoren dahingehend zu verbessern.

mehr lesen
Bild: Becom Systems GmbH
Bild: Becom Systems GmbH
Höhere Erkennungsraten mit Multi-ToF-Plattform und Deep Learning

Höhere Erkennungsraten mit Multi-ToF-Plattform und Deep Learning

Die Evotegra GmbH begleitet Deep Learning Projekte von der Definition der Datenstrategie bis zur tiefen Systemintegration auf der jeweiligen Zielhardware. Ein sehr gutes Beispiel hierfür ist die Multi-ToF-Plattform von Becom, bei der verschiedene Sensoren an einen Nvidia CPU+GPU basierten Hub angebunden werden können. Neben Time-of-Flight (ToF) Daten,...

mehr lesen
Bild: SSV Software Systems GmbH
Bild: SSV Software Systems GmbH
Sensorintelligenz vor Ort

Sensorintelligenz vor Ort

      Zahlreiche Angebote Relativ neu sind Predictive-Maintenance-Lösungen auf Grundlage aktueller Zustandsdaten, die laufend gemessen und mit Hilfe entsprechender Software ausgewertet werden. Daraus sind zahlreiche 'Predictive Maintenance-as-a-Service'- Angebote oder ähnliche Services für Maschinenbauer und -betreiber entstanden. Die dabei in der Cloud...

mehr lesen
Bild: Igus GmbH
Bild: Igus GmbH
Intelligenter Sensor misst Verschleiß von Lineargleitlagerfolien

Intelligenter Sensor misst Verschleiß von Lineargleitlagerfolien

Ein Sensor in den Lagerfolien misst die individuell bestimmbare Verschleißgrenze und schlägt Alarm, wenn diese erreicht ist. So lässt sich die Wartung bereits vorab planen und ein unerwarteter Anlagenausfall vermeiden. Wann muss ich mein Lager wechseln? Diese Frage stellen sich Betreiber von Anlagen, die Portale und Linearsysteme rund um die Uhr im Einsatz...

mehr lesen

Machine Learning für Sensoren

Forschungsprojekt AlfES am Fraunhofer IMS Machine Learning für Sensoren Mikrocontroller sind in fast jedem technischen Gerät verbaut - von der Waschmaschine über das Blutdruckmessgerät bis hin zu Wearables. Mit der Machine-Learning-Bibliothek AIfES haben Forscher am Fraunhofer-Institut für Mikroelektronische Schaltungen und Systeme IMS eine künstliche...

mehr lesen

Das könnte Sie auch Interessieren

Bild: Coscom Computer GmbH
Bild: Coscom Computer GmbH
Software-Plattform für KI und maschinelles Lernen

Software-Plattform für KI und maschinelles Lernen

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.

Bild: Benteler International AG
Bild: Benteler International AG
Produktionsfehler: KI findet die Nadel im Heuhaufen

Produktionsfehler: KI findet die Nadel im Heuhaufen

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.

Bild: ©NicoElNino/stock.adobe.com
Bild: ©NicoElNino/stock.adobe.com
Strukturierter Beratungsansatz für KI-Einsatzbereiche im Unternehmen

Strukturierter Beratungsansatz für KI-Einsatzbereiche im Unternehmen

„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?

Bild: Blue Yonder, Inc.
Bild: Blue Yonder, Inc.
Künstliche Intelligenz – mehr als eine Wissenschaft

Künstliche Intelligenz – mehr als eine Wissenschaft

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.

Bild: ©Stock57/stock.adobe.com
Bild: ©Stock57/stock.adobe.com
KI-Verfahren für die Produktion

KI-Verfahren für die Produktion

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.