KI für transparentere Produktion und nachhaltigeres Wirtschaften

Bild: ©RS-Studios/stock.adobe.com

Die Fraunhofer-Arbeitsgruppe für Supply Chain Services des Fraunhofer-Instituts für Integrierte Schaltungen IIS und der Nürnberger IT-Dienstleister Trevisto AG haben im Herbst zwei gemeinsame Forschungsprojekte zu Künstlicher Intelligenz (KI) gestartet: Das Projekt ‚AI-Nalyze‘ hat die Digitalisierung der industriellen Produktion durch intelligente Prozessanalyse mit KI zum Ziel, im Projekt ‚Ober‘ soll der Großhandel durch den Einsatz von KI nachhaltiger wirtschaften. Beide Projekte werden im Rahmen des Programms Informations- und Kommunikationstechnologie durch das Bayerische Staatsministerium für Wirtschaft, Landesentwicklung und Energie gefördert.

‚AI-Nalyze‘ – Intelligente Prozessanalyse mit KI

Das Forschungsprojekt zur Digitalisierung der industriellen Produktion durch intelligente Prozessanalyse mit KI wird von der Siemens AG mit ihrem Gerätewerk in Amberg als weiterem Projektpartner mitgetragen. Gemeinsam wollen die drei Partner mittels KI mehr Transparenz in Produktionsprozesse bringen und Steuerungsbedarfe sowie Verbesserungspotenziale identifizieren. Dabei soll eine automatische Aufnahme und Analyse von Prozessmodellen erfolgen. Daten aus der Smart Factory werden so aufbereitet und integriert, dass produktionsrelevante Ereignisse identifiziert und Prozessschritte in Echtzeit abgeleitet werden können.

‚Ober‘ – Optimale Bestandsplanung unter Unsicherheit zur Ressourcenschonung

Das Forschungsprojekt untersucht den Einsatz von KI im Großhandel mit dem Ziel, Lösungen für nachhaltigeres Wirtschaften zu entwickeln. Weitere Projektpartner sind das Großhandels-Unternehmen Eisen-Fischer GmbH, Nördlingen, und die FIS Informationssysteme und Consulting GmbH (FIS), Grafenrheinfeld, als Software-Haus. Konkreter Anwendungsfall im Projekt ist die Forschung zur Technologieunterstützung der Prozesse im Lagerhaltungsmanagement im Großhandel. Dabei soll KI eingesetzt werden, um die Unsicherheit in der Prognose besser zu quantifizieren und stochastische Optimierung, um diese Information über die Unsicherheit zu verarbeiten. Die Innovation des Vorhabens besteht in der Entwicklung eines besseren Verfahrens zur Festlegung von Sicherheitsbeständen und in der Nutzbarmachung dieser KI-Verfahren für kleine und mittelständische Handelsunternehmen.

Thematik: Newsarchiv
| News
Fraunhofer IIS

Das könnte Sie auch Interessieren

Anzeige

Anzeige

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.

Anzeige

Anzeige

Anzeige