Projekte

In einer teilautomatisierten Fertigungszelle werden Prozesse durch ein aktives Werkerassistenzsystem optimiert. Durch genauere Vorhersagen der Zykluszeiten der Maschinen kann die bisherige regelbasierte Priorisierungslogik mit KI weiter verbessert werden.

Erweiterung der Personalplanung der Ansmann AG sowie Nutzung der KI zur Erkennung von Fehlern bei der Bestückung der Akkumulatoren.

Der h-aero® ist ein Hybridflugzeug, das erstmalig die bekannten physikalischen Prinzipien des Flugs kombiniert (Flugzeug, Hubschrauber, Ballon) und durch die Kombination von statischem und dynamischem Auftrieb den Energieverbrauch minimiert. Es eignet sich, um mittels diverser Sensorik, autonome Datensammelaufgaben durchzuführen.

Im Bereich der Sharing Economy stellt die effiziente Rückgabe eine große Herausforderung dar. Durch den Einsatz von KI kann diese weitestgehend automatisiert werden.

Für eine automatisierte Sichtprüfung ist es notwendig, Defektstellen sehr sicher und zuverlässig zu erkennen. Bei KI-basierten Ansätzen ist die Qualität der Ergebnisse jedoch maßgeblich von den Trainingsdaten abhängig. Weil für eine Automatisierung nicht ausreichend Fehlerteile zur Verfügung stehen, kann ein KI-Modell ausschließlich mit synthetisch erzeugten Bildern trainiert werden. Das Modell wird danach anhand von realen Bildern von Bauteilen mit Defekt getestet. Es erkennt die Defektstellen zuverlässig, auch wenn diese nur als feine Risse auf der Oberfläche sichtbar sind.

Das Projekt »KI-basierter Dispens-Expert« (KIDEX) automatisiert die Konfiguration von Dosiertechnik. Mithilfe eines regelbasierten KI-Systems wird Expertenwissen genutzt, um maßgeschneiderte Konfigurationen zu erstellen, Warnmeldungen bei ungünstigen Eingaben zu geben und historische Daten zu vergleichen.

Als Logistikdienstleister, vor allem im Bereich des Buchhandels, ist die präzise Vorhersage der Nachfrage der im Bestand vorhandenen Artikel essentiell für eine optimale Lieferfähigkeit, optimalen Service und Kapitalbindung. Im Rahmen eines Quick Checks und Exploring Projects entwickeln wir für das Unternehmen KNV-Zeitfracht GmbH daten-getriebene ML-Prognosemodelle zur robusten Schätzung des augenblicklichen Bedarfs.

ZTK ist ein Zahnarztpraxenverbund mit drei Standorten in Baden-Württemberg. Das Behandlungsspektrum umfasst Behandlungsarten mit variablen Deckungsbeiträgen, die unterschiedlich frequentiert sind und unterschiedlichen Personaleinsatz erfordern. Eine effiziente Planung sollte diese Unterschiede berücksichtigen und den Deckungsbeitrag über alle Behandlungen hinweg maximieren. Die Vorhersage der zukünftigen Kapazitätsauslastung bietet Zahnarztpraxen und ihrem Personal Vorteile wie eine gleichmäßigere Auslastung und in Folge eine verbesserte Planbarkeit des Arbeitsalltags sowie eine bessere Vereinbarkeit von Beruf und Familie.

Die Digitalisierung ist wie in vielen anderen Bereichen auch in der Orthopädietechnik auf dem Vormarsch. Insbesondere beim Erstellen eines Positives des Beines kommt heutzutage anstelle von Gips immer öfter ein 3D-Scanner zum Einsatz. Um im Anschluss an den Scan die Orthese an das Bein anzupassen, muss ein Modell der Orthese räumlich ausgerichtet werden.

Für die Erstellung von Digitalen Zwillingen für Hochspannungsschaltanlagen ist die Qualität der gescannten Punktwolken entscheidend. Durch den Einsatz von KI-Methoden können die Punktwolken automatisiert bewertet werden.

In der Industrie und im Besonderen dem Maschinenbau scheitert die Anwendung von Künstlicher Intelligenz häufig an der Bereitstellung von hochauflösenden relevanten Daten, welche den Prozess ausreichend genau beschreibbar machen. Die Defizite bestehen häufig in fehlender Sensorik oder fehlenden Schnittstellen, um die Daten an eine Verwertungsstelle zur übergeordneten Datenanalyse zu übertragen.

Ermittlung der Anstrengungsbereitschaft von Probanden in gutachterlichen Bewertungssituationen auf Basis von Elektroenzephalographie kombiniert mit Methoden des maschinellen Lernens (KI-Methoden)

Im Facility Management fallen große Mengen Prozessdaten an. Mit den Methoden des Process Mining lassen sich neue Einblicke in die bestehenden Abläufe gewinnen. Bei konsequenter Anwendung können die dabei gewonnenen Erkenntnisse für die kontinuierliche Prozessoptimierung genutzt werden.

Die Anforderungen der Endabnahme an die Mitarbeiter wurde mithilfe von UNAs überprüft. KI-Potentiale wurden identifiziert und vorgeschlagen.

Rechtsberater müssen regelmäßig große Mengen von juristischen Texten detailliert prüfen. Für die Erschließung dieser Inhalte werden Assistenzfunktionen entwickelt, die relevante Passagen in juristischen Texten automatisch erkennen und verknüpfen und damit eine beachtliche Zeitersparnis für den Berater darstellen.

Für dentale Prothesen stellt die VITA Zahnfabrik jährlich mehrere Millionen Konfektionszähne mit unterschiedlichen Zahngeometrien her. Prozessbedingt erfolgt die Fertigung der Zähne nicht sortenrein, sondern unterschiedliche Zahntypen werden vermischt. Hierfür soll ein KI-basierter Ansatz genutzt werden. Anders als bei regelbasierten Bildverarbeitungsalgorithmen für die Klassifikation werden die Unterscheidungsmerkmale nicht manuell ausgewählt, sondern während des Modelltrainings automatisch gelernt.

In dem Quick Check wurden historische Daten aus dem Einkauf analysiert sowie Dashboards konzipiert, um ein effektiveres Lieferanten-Monitoring zu ermöglichen.

Durch den Aufbau eines Logistics Control Towers soll die Auftragssteuerung in der logistischen Abwicklung der Artikel verschiedener Kunden durch Vorhersagen zukünftig nicht mehr reaktiv, sondern proaktiv gemanagt werden, um das Gesamtsystem gleichmäßiger auszulasten.

Durch die Berechnung des Winkels zwischen einem Reinigungswerkzeug und dem orthogonalen Blickwinkel der Bohrung soll eine automatisierter Reinigungsvorgang ermöglicht werden.

Im Quick Check „KI mit Embedded Devices” werden KI-Beschleuniger (Hailo-8, Coral Edge TPU) zusammen mit einem Raspberry Pi evaluiert und verglichen. Solche effizienten KI-Chips bieten enormes Potenzial, um moderne KI-Systeme auf SPS zu bringen.

Im Rahmen des Quick Checks ist ein Konzept zur Bestückung von Maschinen für das Stanzen von Schraubenköpfe als kollaborative Applikation erarbeitet worden. Die Applikation ist als mobile Roboter-Plattform und mittels Bin-Picking-Lösung konzeptioniert.

Ein ML-Modell hilft, wichtige Prozessparameter, zum Beispiel hinsichtlich des Wärmeeintrags beim Schutzgasschweißen, vorherzusagen, um die Güte der Schweißnaht zu verbessern und Nachbehandlungen überflüssig zu machen.

Vielen kleinen und mittelständischen Unternehmen stehen bereits heute Daten zur Verfügung. Um aus diesen Daten ein neues Optimierungspotential für den Kunden generieren zu können, soll eine KI mithilfe der richtigen Vorgehensweise Störsituationen und Anomalien im Prozess identifizieren und somit die Maschinenverfügbarkeit steigern.

Auslagerung rechenintensiver Operationen in eine 5G-Edge-Cloud.

Das Projekt zielte darauf ab, eine erste Untersuchung zur Entwicklung eines automatischen optischen Inspektionssystems auf der Grundlage Künstlicher Intelligenz für die automatische Inspektion glänzender Teile durchzuführen. Dafür wurde die optimale Konfiguration des optischen Systems (Kamera, Objektiv, Beleuchtung) untersucht. Die aufgenommenen Bilder wurden dann verwendet, um ein KI-basiertes System zu trainieren, das zuverlässig defekte Teile erkennen und gleichzeitig falsche Vorhersagen minimieren kann.

Die industrielle Computertomographie (CT) ist ein etabliertes Verfahren zur berührungslosen Qualitätskontrolle und dimensionaler Vermessung von Prüflingen. Bei der Anwendung muss neben der Positionierung des Bauteils im Tomographen auch eine Reihe von Aufnahmeparametern eingestellt werden. Traditionell stellen Fachkräfte die Parameter auf Basis ihrer erworbenen Expertise ein.

Ein KI-basiertes Bildverarbeitungssystem wurde entwickelt, um zwischen echten Nicht-In-Ordnung (NIO) und Pseudo-NIO-Defekten in Dialysatoren zu unterscheiden. Durch Einsatz eines vortrainierten CNN erreicht das System eine Vorhersagegenauigkeit von über 90 Prozent.

Das Hauptziel des KI Quick Check Projekts mit Siemens Energy war es, die Prognose künftiger Messwerte und Toleranzen anhand der Konstruktionsdaten zu verbessern.

Im heutigen Wicklungsfertigungsprozess befinden sich bereits traditionelle optische Kontrollsysteme. Diese sind meist beschränkt auf technische Fehlerkataloge, die nur unzureichend algorithmisch umsetzbar sind.

Damit bei der automatischen Personenerkennung nur biologisch mögliche Posen generiert werden, wird a priori vorhandenes 3D-Wissen für die Regularisierung bei der Posenschätzung eingesetzt.