Neue ausgezeichnete KI-Anwendungen

Gleich drei Mal ist das Fraunhofer IPA an Projekten beteiligt, die beim 'KI-Innovationswettbewerb' des Landes Baden-Württemberg gewonnen haben. Bis Ende dieses Jahres erarbeiten die Projektpartner KI-basierte Anwendungen, die die Themen Prozessüberwachung, Maschinenbedienung und Getränkelogistik adressieren.
 In einem der geförderten Projekte des KI-Innovationswettbewerbs entstehen beispielsweise  Technologien für das roboterbasierte Greifen von Getränkekisten.
In einem der geförderten Projekte des KI-Innovationswettbewerbs entstehen beispielsweise Technologien für das roboterbasierte Greifen von Getränkekisten.Bild: Mojin Robotics / Foto: Felix Bezler

In Sachen künstlicher Intelligenz (KI) hat das Jahr 2021 für das Fraunhofer IPA erfolgreich begonnen: Das Institut ist an 3 von insgesamt 44 Projekten beteiligt, die das Landesministerium für Wirtschaft, Arbeit und Wohnungsbau im Rahmen seines ‚KI-Innovationswettbewerbs‘ ausgezeichnet hat. Ziel der Projekte und des Wettbewerbs insgesamt ist es, technologische Hürden bei der Kommerzialisierung von KI zu überwinden und deren Methoden in die Anwendung zu bringen.

Gemeinsam mit kleinen und mittleren Unternehmen (KMU) aus der Region entwickeln die IPA-Forscher neue, KI-basierte Verfahren für unterschiedliche Einsatzgebiete. Dazu gehören die effizientere Prozessüberwachung von Anlagen, die Umwandlung von Maschinen in selbsterklärende Anwendungen und die Automatisierung von Getränkelogistik, die an dieser Stelle kurz vorgestellt wird.

Roboter-Lagerarbeiter für die Getränkelogistik

Das Schleppen von Getränkekisten ist bekanntermaßen körperlich belastend und alles andere als eine ergonomische Aufgabe – insbesondere, wenn dies Teil des beruflichen Alltags ist. Bei geschätzten 530 Millionen Getränkekisten, die europaweit im Umlauf sind, gibt es viel Unterstützungspotenzial. Deshalb arbeiten die Projektpartner in ‚LukaBeverage‘ an einem Serviceroboter, der bei dieser Aufgabe hilft. Allerdings sind die dynamischen, engen und unstrukturierten Umgebungen, wie sie in Lagerhallen von Getränkemärkten zu finden sind, für eine automatisierte Lösung herausfordernd. Zudem können Serviceroboter bisher nur selten Lasten bis zu 20 Kilogramm heben. Ziel des Projekts ist es deshalb, für die bereits als Prototyp existierende mobile Plattform ‚Luka‘ der Firma Mojin Robotics ein passendes Greifsystem zu entwickeln. Mithilfe von KI-Verfahren zur Objektlokalisierung weiß der Roboter auch in der herausfordernden Umgebung, wo die Kisten und Flaschen stehen. Mit diesem Wissen kann er das Greifen der Gegenstände planen. Zudem entsteht ein 3D-Navigationssystem, dank dem sich der Roboter autonom zurechtfindet und auch teilweise eine 3D-Karte des freien Arbeitsraums anlegt. Dadurch kann er sich und seinen Arm kollisionsfrei bewegen, selbst wenn gerade kein Sensor dort hinschaut. So soll der prototypisch aufzubauende Roboter bis Ende dieses Jahres sensorgeführt palettieren, depalettieren, Getränkekisten stapeln und Leergut handhaben können und die technische und wirtschaftliche Machbarkeit einer solchen Automatisierungslösung aufzeigen.

Thematik: Newsarchiv
| News
Fraunhofer-Institut f. Arbeitswirtschaft

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