Bild: Resolto Informatik GmbH Künstliche Intelligenz direkt an die Maschine bringen Bisher haben industrielle Anwendungen der künstlichen Intelligenz (KI) aufgrund von Latenzzeiten und hohen Datenmengen bei der Cloudanbindung nur bedingt überzeugt. Entscheidend ist darum, KI direkt an die Maschine zu bringen und dort – direkt an der Quelle – Daten in Echtzeit zu interpretieren. Mit der Plattform Scraitec tut der KI-Spezialist Resolto genau dies, beispielsweise bei einem Haushaltsgeräte- oder Automobilhersteller.
Bild: Eoda GmbH Mit Federated Learning sensible Daten sicher teilen Beim Federated Learning-Ansatz bezieht die künstliche Intelligenz ihre Informationen aus unterschiedlichen Modellen, um den Lerneffekt zu verstärken. Gerade seltene Vorfälle wie Maschinenstörungen lassen sich so besser verstehen. Der Kniff dabei ist, dass sensible Daten etwa zu Personen keine Systemgrenzen überschreiten.
Fokus auf Standardisierungen Fokus auf Standardisierungen VDE DKE stärkt Zusammenarbeit mit China Bei einem Treffen der Deutsch-Chinesischen Kommission Normung (DCKN) haben Vertreter des VDE DKE mit ihren chinesischen Kollegen eine stärkere Zusammenarbeit vereinbart. […]
Bild: EMVA European Machine Vision Association Programm Embedded Vision Europe Konferenz 2019 Come together Programm Embedded Vision Europe Konferenz 2019 Für die zweite Embedded Vision Europe vom 24. bis 25. Oktober im ICS Stuttgart steht das Programm mit internationalen Experten und spiegelt […]
Bild: ARRK Engineering GmbH Der nächste Gang zum Autonomen Fahren KI-getriebene Convolutional Neuronal Networks in selbstfahrenden Autos sollen andere Verkehrsteilnehmer erkennen. Dabei gilt: Je selbstständiger das Auto, desto komplexer der Algorithmus und undurchschaubarer dessen Weg zur getroffenen Entscheidung. Ein Validierungs-Tool soll helfen, diesen besser zu verstehen.
Bild: ISW Institut für Steuerungstechnik der Werkzeugmaschinen und Fertigungseinrichtungen Einsatz von KI beim Lichtbogenschweißen im automobilen Karosseriebau Beim Lichtbogenschweißen prüfen meist Mitarbeiter oder komplexe Prüfsysteme die Qualität jeder Schweißnaht – in beiden Fällen ist der Aufwand groß. Neue Ansätze basieren deshalb auf der zusammenhängenden Betrachtung sämtlicher Prozessdaten mithilfe von KI zur Überwachung oder gar zur Vorhersage der Nahtqualität. Hierfür sind sehr große Datenmengen notwendig. Abhilfe kann hier ein Verfahren schaffen, das hochfrequente Schweißprozessdaten mittels mathematischer Methoden komprimiert, um sie mit gängiger Steuerungshardware und Kommunikationsprotokollen zu übertragen.
Bild: ©monsitj/stock.adobe.com Fraunhofer-Projekt nimmt an Innovationswettbewerb teil Das Bundesministerium für Bildung und Forschung (BMBF) startet erstmals einen Innovationswettbewerb zum Thema ‚Energieeffizientes KI-System‘. Die beiden Fraunhofer-Institute IPMS und IIS nehmen mit dem gemeinsamen Projekt Adelia (Analog Deep-Learning-Inferenz-Beschleuniger) am Sprunginnovationswettbewerb teil und konzentrieren sich hierbei auf den Entwurf eines analogen Inferenz-Beschleuniger-ASICs.