KI-Demonstrator
Tauchen Sie ein in die Welt der Künstlichen Intelligenz – in unserem Magazin finden Sie spannende Einblicke und wertvolle Tipps zu den Entwicklungen, die unsere Zukunft prägen. Ob KI in der Forschung, Anwendungen im Alltag oder ethische Fragen – wir halten Sie auf dem Laufenden.
Hochschule Aalen’s Imputation AI Service enhances data reliability by filling in missing values within manufacturing datasets, improving AI-driven predictions for quality control, maintenance, and process optimization. By completing sensor readings and operational data, it ensures more accurate predictive maintenance, reducing unexpected failures and enhancing overall efficiency
Hochschule Aalen’s Imputation AI Service enhances data reliability by filling in missing values within manufacturing datasets, improving AI-driven predictions for quality control, maintenance, and process optimization. By completing sensor readings and operational data, it ensures more accurate predictive maintenance, reducing unexpected failures and enhancing overall efficiency
Das Vorgehensmodell PAISE® (Process Model for AI Systems Engineering) wird im Rahmen des Kompetenzzentrums für KI-Engineering (CC-KING) vorgestellt und zielt darauf ab, Künstliche Intelligenz (KI) systematisch in technische Systeme zu integrieren. Es adressiert die Herausforderungen bei der Entwicklung KI-basierter Systeme und kombiniert Methoden der Informatik mit klassischen Ingenieurdisziplinen.
edge-ml bietet einen benutzerfreundlichen Workflow, mit dem Sie Daten aufzeichnen, Proben beschriften, Modelle trainieren und validiertes maschinelles Lernen direkt auf der Edge anwenden können. Mit der EDGE-ML-API ist das Hochladen von Daten einfach und kann in Echtzeit oder als große CSV-Dateien per Drag-and-Drop erfolgen. EDGE-ML MODELS unterstützt modernste Klassifikationsmodelle, darunter das preisgekrönte TinyHAR-Modell. Zusätzlich ermöglicht edge-ml AUTO Alpha-Benutzern die Suche nach optimalen neuronalen Netzwerken für spezifische Anwendungsfälle.
Die GWDG bietet Ihnen die kostenlose Nutzung diverser Large Language Models (LLM) in einer einfachen Chat-Oberfläche an. Für Nutzer*Innen von öffentlichen Universitäten und Forschungsinstituten in Niedersachsen oder von der Max-Planck-Gesellschaft ist auch die kostenlose Nutzung von OpenAI GPT-3.5 und OpenAI GPT-4 möglich. Bei der Nutzung unserer internen Modelle werden nie serverseitig Ihre Konversationen gespeichert. Bei den OpenAI Modellen kann Microsoft Ihre Unterhaltungen bis zu 30 Tage lang speichern, um Missbrauch zu verhindern, jedoch nicht zu Trainingszwecken oder Ähnliches. Auf Anfrage ist auch das Hosting Ihrer eigenen Modelle möglich.
Das Vorgehensmodell PAISE® (Process Model for AI Systems Engineering) wird im Rahmen des Kompetenzzentrums für KI-Engineering (CC-KING) vorgestellt und zielt darauf ab, Künstliche Intelligenz (KI) systematisch in technische Systeme zu integrieren. Es adressiert die Herausforderungen bei der Entwicklung KI-basierter Systeme und kombiniert Methoden der Informatik mit klassischen Ingenieurdisziplinen.
AI projects in industrial production lead very often, in particular in small and medium sized enterprises, only to prototypes or to demonstrators, although in most cases they propose promising solution concepts. The emerging discipline of AI Systems Engineering addresses this problem via a systematic engineering approach that gives guidance where to start and how to proceed. This article describes how the concepts of dataspaces and digital twin systems may support the engineering of AI-based solutions. It focuses on the particular challenge of providing usable data, e.g., as training datasets for machine learning, whether within the shop-floor, a company or via domain-specific dataspaces encompassing multiple companies. Furthermore, it highlights how digital twin systems relate to the data provisioning and the operational phase in AI Systems Engineering.
Die Eclipse Dataspace Connector Erweiterung für Verwaltungsschalen (EDC Extension for AAS) ermöglicht eine einfache Teilung von Verwaltungsschalen im Datenraum-Connector. Sie automatisiert die komplexen Vertragsverhandlungen und synchronisiert die Elemente der Verwaltungsschale, sodass stets aktuelle Daten verfügbar sind. Vordefinierte Verträge werden automatisch angehängt, und der Datenabruf erfolgt in einer Anfrage, was den Prozess für Benutzer vereinfacht. Die Erweiterung ergänzt auch fehlende Funktionen, sodass Benutzer Operationen direkt ausführen können und die Daten sofort angezeigt werden.
TinyHAR ist ein leichtgewichtiges Modell zur Erkennung menschlicher Aktivitäten. Es kombiniert effizient multimodale Zusammenarbeit, Anomalieerkennung und zeitliche Informationsextraktion. Trotz seiner deutlich geringeren Größe erreicht oder übertrifft TinyHAR die Leistung des hochmodernen DeepConvLSTM-Modells und ist somit ideal für ressourcenbeschränkte Geräte.
Das KIT optimiert ihre existierenden kleinen und großen neuronalen Netzwerke und passt existierende Architekturen semiautomatisch auf ihre Bedürfnisse an. Der Entwurfsraum für Neuronale Netzarchitekturen ist immens. Aktuelle Neuronale-Architekturen können oft durch sehr viele Daten angelernt werden. Aber auch hier fließt viel Erfahrung in die Netzarchitektur ein, damit die Lernalgorithmen konvergieren. Oft ist jedoch sowohl die Datenmenge begrenzt als auch die Rechenkapazität. Hier ist die richtige Wahl der Bausteine noch wichtiger: Erfolgreiche Architekturen zeichnen sich durch geschickt kombinierte Funktionsblöcke aus, die zusätzlich richtig parametrisiert werden müssen.
Das Vorgehensmodell PAISE® (Process Model for AI Systems Engineering) wird im Rahmen des Kompetenzzentrums für KI-Engineering (CC-KING) vorgestellt und zielt darauf ab, Künstliche Intelligenz (KI) systematisch in technische Systeme zu integrieren. Es adressiert die Herausforderungen bei der Entwicklung KI-basierter Systeme und kombiniert Methoden der Informatik mit klassischen Ingenieurdisziplinen.
Das Vorgehensmodell PAISE® (Process Model for AI Systems Engineering) wird im Rahmen des Kompetenzzentrums für KI-Engineering (CC-KING) vorgestellt und zielt darauf ab, Künstliche Intelligenz (KI) systematisch in technische Systeme zu integrieren. Es adressiert die Herausforderungen bei der Entwicklung KI-basierter Systeme und kombiniert Methoden der Informatik mit klassischen Ingenieurdisziplinen.
In Baden-Württemberg will die KI-Allianz Baden-Württemberg als Genossenschaft die KI-Aktivitäten der Regionen vernetzen und nationale und internationale Datenraum-Initiativen auch für den Mittelstand und für die Behörden vor Ort anschlussfähig machen. In einem Interview des tagesspiegel Background erläutert Projektleiter Dr.-Ing. Thomas Usländer vom Fraunhofer IOSB, weshalb er auf neue Formen von Public-Private-Partnerships setzt gerade bei innovativen KI-Anwendungen über Organisationsgrenzen hinweg.
CHAISE, die Tool Chain for AI Systems Engineering, wurde vom Fraunhofer IOSB entwickelt, um den Herausforderungen bei der Entwicklung von KI-Anwendungen zu begegnen. Diese Anwendungen erfordern eine strukturierte Vorgehensweise, da die Güte der Lösungsmöglichkeiten und die Eignung der Datensätze oft zu Beginn unklar sind. Das Konzept des KI-Engineerings verbindet KI-Forschung mit etablierten Ingenieurmethoden und ermöglicht eine systematische und professionelle Entwicklung von KI-basierten Lösungen. PAISE®, das Process Model for AI Systems Engineering, bildet die methodische Grundlage dafür. CHAISE bietet einen Werkzeugkasten für Datenverwaltung, KI-Modellentwicklung und -ausführung sowie Methoden zur Modellerklärung. Es kann in jeder Kubernetes-basierten Containerumgebung eingesetzt werden, sei es in der Cloud, im Rechenzentrum oder auf Entwicklersystemen. CHAISE verbessert die Effizienz der KI-Systementwicklung, indem es Routineaufgaben automatisiert und mehr Zeit für wesentliche Aufgaben schafft.
Um die Nutzung von Leihfahrrädern als integriertem Teil eines ÖPNV-Angebots in einer Stadt oder in einer Region zu motivieren, ist es für die Teilnehmer wichtig zu wissen, mit welcher Wahrscheinlichkeit sie im nahen Umfeld einer Haltestelle (Bus, Straßenbahn,..) ein Leihfahrrad vorfinden. Dazu gibt es ein KI-Modell des Fraunhofer IOSB aus dem BMBF-Projekt DaKiMo, das die Verfügbarkeit von Leihfahrrädern in einem Verkehrsgebiet prognostiziert.
Um die Nutzung von Leihfahrrädern als integriertem Teil eines ÖPNV-Angebots in einer Stadt oder in einer Region zu motivieren, ist es für die Teilnehmer wichtig zu wissen, mit welcher Wahrscheinlichkeit sie im nahen Umfeld einer Haltestelle (Bus, Straßenbahn,..) ein Leihfahrrad vorfinden. Dazu gibt es ein KI-Modell des Fraunhofer IOSB aus dem BMBF-Projekt DaKiMo, das die Verfügbarkeit von Leihfahrrädern in einem Verkehrsgebiet prognostiziert.
The article outlines the implementation of an industrial dataspace on Azure, allowing manufacturers to share product data in a digital format, often required by regulations like the European Commission's Digital Product Passport. This dataspace ensures secure communication between manufacturers and customers, focusing on data sovereignty, interoperability, and collaboration—key principles for Industry 4.0. It highlights the importance of providing the Product Carbon Footprint (PCF) as a crucial use case, detailing the calculation of scope 2 emissions from simulated production lines. The IEC 63278 Asset Administration Shell (AAS) is used for standardized data representation, and an open-source AAS repository is utilized for modeling. Additionally, the article discusses the AAS extension of the Eclipse Dataspace Components (EDC) of Fraunhofer IOSB (the FA3ST Framework) for secure data sharing, including connectors, federated catalogs, and an identity hub. It provides steps for configuring these components and triggering automated digital contract negotiations for data exchange, ultimately serving as a comprehensive guide for setting up industrial dataspaces on Azure.
Der Artikel untersucht die Verfügbarkeit von Bikesharing-Fahrrädern, um intermodale Mobilität zu fördern. Bikesharing hat sich als flexibles und nachhaltiges Verkehrsmittel etabliert, jedoch ist die Verfügbarkeit von Fahrrädern oft unklar, was die Planung intermodaler Routen erschwert. Das Bikesharing-System KVV.nextbike in Karlsruhe dient als Fallstudie. Die Autoren haben Echtzeit-Standortdaten sowie Wetterdaten gesammelt, um ein Modell zur Verfügbarkeitsprognose zu entwickeln. Die prognostizierten Verfügbarkeiten können in intermodale Auskunftssysteme integriert werden, um realistische Routenplanung zu ermöglichen.
In einer Welt, die sich ständig verändert, ist Security entscheidend für Unternehmen wie AnalyticsCyber. Durch den Einsatz modernster KI-Technologien hat AnalyticsCyber innovative Lösungen entwickelt, die nicht nur die Effizienz steigern, sondern auch völlig neue Geschäftsmodelle ermöglichen. Emilia Schneider gibt Einblicke in die Herausforderungen und Erfolge dieser Transformation. Von der Datenanalyse über maschinelles Lernen bis hin zur Automatisierung komplexer Prozesse – AnalyticsCyber zeigt eindrucksvoll, wie Security den Markt nachhaltig verändern kann. In diesem Use Case werden konkrete Anwendungen vorgestellt, die Unternehmen dabei helfen, ihre Wertschöpfungskette zu optimieren und langfristige Wettbewerbsvorteile zu sichern. Zudem erfahren Sie, welche technologischen und strategischen Entscheidungen getroffen wurden, um den Erfolg in Security sicherzustellen.
In einer Welt, die sich ständig verändert, ist Moderation entscheidend für Unternehmen wie NexusLogic. Durch den Einsatz modernster KI-Technologien hat NexusLogic innovative Lösungen entwickelt, die nicht nur die Effizienz steigern, sondern auch völlig neue Geschäftsmodelle ermöglichen. N/A gibt Einblicke in die Herausforderungen und Erfolge dieser Transformation. Von der Datenanalyse über maschinelles Lernen bis hin zur Automatisierung komplexer Prozesse – NexusLogic zeigt eindrucksvoll, wie Moderation den Markt nachhaltig verändern kann. In diesem Use Case werden konkrete Anwendungen vorgestellt, die Unternehmen dabei helfen, ihre Wertschöpfungskette zu optimieren und langfristige Wettbewerbsvorteile zu sichern. Zudem erfahren Sie, welche technologischen und strategischen Entscheidungen getroffen wurden, um den Erfolg in Moderation sicherzustellen.
Der Artikel untersucht die Verfügbarkeit von Bikesharing-Fahrrädern, um intermodale Mobilität zu fördern. Bikesharing hat sich als flexibles und nachhaltiges Verkehrsmittel etabliert, jedoch ist die Verfügbarkeit von Fahrrädern oft unklar, was die Planung intermodaler Routen erschwert. Das Bikesharing-System KVV.nextbike in Karlsruhe dient als Fallstudie. Die Autoren haben Echtzeit-Standortdaten sowie Wetterdaten gesammelt, um ein Modell zur Verfügbarkeitsprognose zu entwickeln. Die prognostizierten Verfügbarkeiten können in intermodale Auskunftssysteme integriert werden, um realistische Routenplanung zu ermöglichen.
Das Whitepaper "KI-Engineering in der Produktion" der Fraunhofer-Institute IOSB und IAIS behandelt die methodische Entwicklung und den Betrieb von KI-basierten Lösungen in der industriellen Produktion. Es wird betont, dass zur effektiven Nutzung des Innovationspotenzials von Künstlicher Intelligenz (KI) eine systematische Herangehensweise erforderlich ist, die als KI-Engineering bezeichnet wird. Das Whitepaper schließt mit einer Einladung zur Zusammenarbeit bei der praktischen Umsetzung von KI-Engineering in Unternehmen.
Das Vorgehensmodell PAISE® (Process Model for AI Systems Engineering) wird im Rahmen des Kompetenzzentrums für KI-Engineering (CC-KING) vorgestellt und zielt darauf ab, Künstliche Intelligenz (KI) systematisch in technische Systeme zu integrieren. Es adressiert die Herausforderungen bei der Entwicklung KI-basierter Systeme und kombiniert Methoden der Informatik mit klassischen Ingenieurdisziplinen.
