Autonomes Fahren (Mobility)

KI erkennt potenziell kritische Verkehrssituationen sieben Sekunden im Voraus

KI erkennt potenziell kritische Verkehrssituationen sieben Sekunden im Voraus

Ein Forschungsteam der Technischen Universität München (TUM) hat ein neues Frühwarnsystem für autonome Fahrzeuge entwickelt, das mit künstlicher Intelligenz aus Tausenden realen Verkehrssituationen lernt. Eine Studie in Zusammenarbeit mit der BMW Group zeigt, dass das System bei heutigen selbstfahrenden Entwicklungsfahrzeugen bereits sieben Sekunden im Voraus mit mehr als 85 Prozent Genauigkeit vor einer potenziell kritischen Situation warnen kann, die die Autos noch nicht allein meistern können.

mehr lesen
Bild: Continental
Bild: Continental
Forschungsprojekt zum automatisierten Fahren

Forschungsprojekt zum automatisierten Fahren

Gemeinsam mit zwei anderen Universitäten und dem Technologieunternehmen Continental forscht die Universität Bremen zum automatisierten Fahren. In dem Projekt Proreta geht es um das Erkennen komplexer Verkehrssituationen in Innenstädten, eine der anspruchsvollsten Aufgaben für den Einsatz von Künstlicher Intelligenz im Fahrzeug. An der Universität Bremen ist die Arbeitsgruppe Kognitive Neuroinformatik daran beteiligt.

mehr lesen
Bild: Trapo AG
Bild: Trapo AG
Datenmanagementsysteme als Basis für KI-Einsatz im Lager

Datenmanagementsysteme als Basis für KI-Einsatz im Lager

In der digitalisierten Materialwirtschaft berechnen Algorithmen ideale Transportwege in Lager und Produktion, Maschinen melden selbstständig, wenn sie neues Material benötigen und Transportsysteme steuern autonom durch Werkhallen. Ebenso lassen sich Eingaben von Daten ins ERP-System durch künstliche Intelligenz (KI) vereinfachen. Als Grundlage für den KI-Einsatz wird Zugriff auf die richtigen Daten benötigt. Die Trapo AG, Partner für industrielle Automatisierung in der Verpackungsindustrie, hat das Datenmanagementsystem TIM entwickelt. Die Lösung ermöglicht es Anwendern, Verkaufs- und Produktionszahlen sowie detaillierte Informationen zu
Anlagenzuständen weltweit in Echtzeit abzurufen.

mehr lesen
Bild: ©rook76/Fotolia.de
Bild: ©rook76/Fotolia.de
Der digitale Zwilling im Fahrzeugbau

Der digitale Zwilling im Fahrzeugbau

Wie mit Daten die Entwicklung beschleunigt werden kann Der digitale Zwilling im Fahrzeugbau Fahrzeugbauer erhalten Erkenntnisse über die Qualität und Fahrverhalten neuer Automodelle unter Realbedingungen. Die dabei gesammelten Daten bilden jedoch immer häufiger die Basis für virtuelle Testumgebungen: Digitale Zwillinge erlauben die virtuelle Berechnung von...

mehr lesen
Bild: ©carloscastilla/istockphoto.com
Bild: ©carloscastilla/istockphoto.com
Mehr Speicher für mehr Daten

Mehr Speicher für mehr Daten

Autonomes Fahren Mehr Speicher für mehr Daten Künstliche Intelligenz spielt bei der Zukunft der Mobilität eine große Rolle, da Fahrzeuge immer abhängiger von immer mehr Daten werden. Dies erfordert neue Speicherlösungen, die es ermöglichen, Daten nahtlos zwischen unterschiedlichen Speicherarten zu verschieben. Der technologische Fortschritt in der...

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: Trapo AG
Bild: Trapo AG
Autonome Transportsysteme und smarte Robotik

Autonome Transportsysteme und smarte Robotik

Wie lässt sich das Zusammenspiel von Mensch und Maschine in Produktion und Lager bestmöglich orchestrieren? Wie lassen sich fahrerlose Transportsysteme ergänzen, die Kollaboration von Robotern und Mitarbeitern unterstützen? Idealerweise werden Transport- und Warehouse-Systeme mit MRK gekoppelt. Passende Roboter gestatten es, Aufgaben so aufzuteilen, dass...

mehr lesen
Bild: Karlsruher Institut für Technologie
Bild: Karlsruher Institut für Technologie
Autonome Straßenbahn im Depot

Autonome Straßenbahn im Depot

Den nächsten Meilenstein für autonome Verkehrssysteme strebt das Projekt „Autonome Straßenbahn im Depot“ (AStrid) als Ziel an: Die Vollautomatisierung eines Straßenbahndepots auf Basis einer autonom fahrenden Tram und eines digitalen Betriebshofes. Das Karlsruher Institut für Technolgie (KIT) und Industriepartner starten nun die Entwicklungsarbeit, die vom Bundesministerium für Verkehr und digitale Infrastruktur (BMVI) im Rahmen der Förderrichtlinie Modernitätsfonds („mFUND“) für drei Jahre gefördert wird.

mehr lesen
Bild: Scylla Technologies Inc.
Bild: Scylla Technologies Inc.
KI-Kollaboration Hikvision und Scylla

KI-Kollaboration Hikvision und Scylla

KI-Kollaboration Hikvision und Scylla Hikvision hat mit Scylla Technologies einen Vertrag unterzeichnet, um Möglichkeiten für KI-Technologiekooperationen zu sondieren. Scylla ist spezialisiert auf präventive Gefahrenerkennung, Fahrzeugidentifikation und -verfolgung sowie Smart Suspect Identification Systems. Die Partnerschaft umfasst die Integration von...

mehr lesen

Das könnte Sie auch Interessieren

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.