Virtuelle Veranstaltung zur Eröffnung am 15. Dezember 2021

KI-Experimentierfeld für Unternehmen

Mit einer Online-Veranstaltung am 15. Dezember 2021 eröffnet das KI-Förderprojekt IIP-Ecosphere an der Leibniz Universität Hannover ein Experimentierfeld für produktionsbezogene KI-Technologien. Unternehmen und weitere Interessierte sind eingeladen, sich über das Angebot zu informieren.
Bild: Verein Deutscher Werkzeugmaschinenfabriken e.V.

Künstliche Intelligenz (KI) gilt als Schlüsseltechnologie für den Erhalt der Wettbewerbsfähigkeit der deutschen Industrie. Aber noch fehlt es vor allem im Mittelstand am einfachen Zugang zu KI-Technologien, an Fachkompetenz oder an Experimentierräumen. Das neue KI-Experimentierfeld von IIP-Ecosphere bietet Unternehmen im Produktionsumfeld die Möglichkeit, ihre neuartige KI-Technologie kostenfrei zu erproben. Der Experimentierraum ist dafür mit hochwertiger Hard- und Software ausgestattet. „So werden wir gemeinsam Hemmnisse aus dem Weg räumen und Unternehmen in die Lage versetzen, KI-Methoden erfolgreich anzuwenden und weiterzuentwickeln“, sagt Per Schreiber vom Institut für Fertigungstechnik und Werkzeugmaschinen der Leibniz Universität Hannover, der das Projekt IIP-Ecosphere koordiniert.

Eröffnung am 15. Dezember 2021

Bei der Eröffnungsveranstaltung am 15. Dezember 2021 können alle Interessierten virtuell dabei sein und sich über das Angebot informieren. Neben einer Einführung in das Konzept des Experimentierfelds geht es um erste Anwendungsbeispiele und Erfahrungsberichte. In einer offenen Diskussion besprechen die Teilnehmer anschließend ihre Ideen und Beteiligungsmöglichkeiten mit den Mitarbeitern des Experimentierfelds.

Zum IIP-Experimentierfeld gehören unter anderem eine Werkzeugmaschine, Hochleistungsrechner und ein kollaborativer Roboter am Institut für Fertigungstechnik und Werkzeugmaschinen, um KI-Technologie im Kontext der spanenden Produktionstechnik testen zu können. Da der Einsatz von KI in der industriellen Produktion auf Modellen des maschinellen Lernens beruht, die eine außergewöhnlich hohe Rechenleistung benötigen, steht Unternehmen am Forschungszentrum L3S außerdem der derzeit schnellste Hochleistungsrechner für Künstliche Intelligenz zur Verfügung: der Nvidia DGX-A100 mit einer Leistungsfähigkeit von fünf Billiarden Rechenoperationen pro Sekunde.

Erster Test des Experimentierfelds bereits gelungen

Der erste Test mit einem externen User des DGX-A100 war bereits erfolgreich. Prostep, ein Beratungsunternehmen für Product-Lifecycle-Management mit einem Standort in Hannover, hat als erstes Unternehmen ein PointNet-Modell für die semantische Segmentierung einer Industrieanlage mithilfe des Hochleistungsrechners trainiert. Das Ziel von Prostep: ein digitaler Zwilling der Rohrleitungen einer industriellen Anlage. Hierfür fertigte das Unternehmen über einen 3D-Scan eine Punktwolke der gesamten Anlage an, aus der verschiedene semantische Segmentierungsbereiche extrahiert werden sollten. Für diese Extraktion galt es zunächst das eingesetzte neuronale Netz PointNet, das Punktwolken direkt verarbeitet, mithilfe von Deep Learning zu trainieren.

Das Ergebnis der Trainings kann sich sehen lassen. „Dank der Nutzung des DGX-A100 konnten wir die Testläufe in nur zwei beziehungsweise drei Tagen abschließen“, berichtet Dr. Josip Stjepandic, Head of Business Unit 3D Product Creation bei Prostep. Damit erzielte das Unternehmen eine 4,3-fache Beschleunigung der Trainingszeit gegenüber dem eigenen Quadro RTX 4000, mit dem dasselbe Verfahren bis zu drei Wochen dauert. Zusätzlich steigerte der DGX-A100 die Genauigkeit der Berechnung von 60 auf 70 Prozent. Unter anderen Voraussetzungen, etwa bei der Verwendung desselben Betriebssystems im Unternehmen und im IIP-Experimentierfeld, ließe sich die Genauigkeit noch weiter erhöhen.

Der erfolgreiche Test mit Prostep zeigt, wie vor allem kleinere Unternehmen in Zukunft vom IIP-Experimentierfeld profitieren können. Ohne selbst in die nötige, aber oft teure Infrastruktur für ihre KI-Berechnungen investieren zu müssen, nutzen sie per Cloudzugang die Schnelligkeit und Leistungsstärke des DGX-A100 am L3S. Zusätzlich können sie den Zeitaufwand für die Erprobung ihrer KI-Ansätze erheblich senken.

Näheres zur Eröffnungsveranstaltung mit der Möglichkeit zur Anmeldung finden Interessierte unter: www.iip-ecosphere.de/event/auftaktveranstaltung-iip-experimentierfeld/http://www.iip-ecosphere.de/event/auftaktveranstaltung-iip-experimentierfeld/

Weitere Informationen zum Experimentierfeld gibt es unter www.iip-ecosphere.de/angebote/ki-experimentierfeld/

Verein Deutscher Werkzeugmaschinenfabriken e.V.

Das könnte Sie auch Interessieren

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.

Bild: ©NicoElNino/stock.adobe.com
Bild: ©NicoElNino/stock.adobe.com
Chancen und Herausforderungen von Machine Learning in der Fertigung

Chancen und Herausforderungen von Machine Learning in der Fertigung

Automatisierung, künstliche Intelligenz (KI), Internet of Things (IoT) und Machine Learning (ML) sind heutzutage bekannte Technologien und kommen bereits in vielen Unternehmen zum Einsatz. Mit Hilfe von Machine Learning wird es IT-Systemen ermöglicht, Muster und Zusammenhänge aus Daten zu lernen und sich selbst zu verbessern. Dabei ist keine explizite Programmierung notwendig. Die Bearbeitung von Kundenanfragen, die Erkennung möglicher Störfälle sowie unerwarteter Ereignisse wie z.B. Cyberangriffe sind klassische Anwendungsfelder von ML. Aber auch die Unterstützung bei einer rein datengestützten Entscheidungsfindung und die Interpretation großer Datenmengen gehören dazu.

Bild: ©Shuo/stock.adobe.com
Bild: ©Shuo/stock.adobe.com
Sensoren lernen das Denken

Sensoren lernen das Denken

Im Fraunhofer-Leitprojekt NeurOSmart forscht das Fraunhofer IPMS zusammen mit vier weiteren Instituten (ISIT, IMS, IWU, IAIS) unter Leitung des Fraunhofer ISIT gemeinsam an energieeffizienten und intelligenten Sensoren für die nächste Generation autonomer Systeme. Dabei sollen die Brücken zwischen Wahrnehmung und Informationsverarbeitung durch innovative Elektronik neu definiert werden.

Bild: ©ipopba/stock.adobe.com
Bild: ©ipopba/stock.adobe.com
Wie KI 2022 praktikabel wird

Wie KI 2022 praktikabel wird

Künstliche Intelligenz war bereits in der Vergangenheit in aller Munde, schaffte es aber doch oft nicht bis in die Anwendung. Das wird sich 2022 ändern – auch weil sich langsam Standards etablieren und sich neue, konkrete Einsatzmöglichkeiten ergeben. In welchen Bereichen Business-Implementierungen zu erwarten sind, erläutert Bernhard Niedermayer, Head of AI bei Cloudflight.