Aktuelle KI-Projekte

DeepMIC unterstützt die Kameraführung bei der minimal-invasiven Handchirurgie durch Künstliche Intelligenz. Mithilfe von Deep Learning werden endoskopische Kamerabilder analysiert und klassifiziert. Das Assistenzsystem interagiert intuitiv mit dem Chirurgen und ermöglicht eine adaptive und präzise Kameraführung.

Weitere Informationen zum Projekt finden Sie auf der Homepage der OTH Regensburg.

ML4Gastro nutzt Deep Learning-Methoden, um Ärzte bei der zuverlässigen Erkennung von (prä-)kanzerogenen Schleimhautläsionen zu unterstützen. Durch die maschinelle Auswertung endoskopischer Bilder sollen Schleimhautschädigungen frühzeitig erkannt werden. Die Verfahren auf Basis von Deep Learning haben bereits hohe diagnostische Qualität erreicht und könnten zukünftig als Zweitgutachter dienen.

Weitere Informationen erhalten SIe auf der Homepage der OTH Regensburg.

Optimierte Energienutzung durch Smart Meters

Im Projekt der OTH Regensburg wird mittels Smart Meters und Künstlicher Intelligenz, unter der Leitung von Prof. Dr. Dünnweber analysiert, wie groß die Speicher eines autarken Hauses, einer isolierten Gemeinde oder von stadt- und länderübergreifenden Stromnetzen sein müssen, um die zugehörigen Systeme stabil versorgen zu können. Die Erkenntnisse können wiederum in intelligente Steuerungen einfließen.

Weitere Informationen zum Projekt finden Sie auf der Homepage der OTH Regensburg.

Bayerischer Forschungsverbund Energie – SekToRkOpplung und Micro-Grids

Das Projekt der OTH Regensburg entwickelt, unter der Leitung von Prof. Dr. Oliver Brückl, eine nachhaltige Netzplanung für städtische Verteilnetze. Es zielt darauf ab, die Integration erneuerbarer Energien und die Elektrifizierung von Verkehr und Wärme in die Planung einzubeziehen, um kosteneffiziente Lösungen zu finden. Dabei wird die effiziente Lösung komplexer Planungsprobleme mit Künstlicher Intelligenz untersucht.

Mehr Informationen zu diesem Projekt finden Sie auf der Homepage der OTH Regensburg.

Electronical Lab for Intelligent Soil Examination

Im Projekt ELISE der OTH Regensburg, unter der Leitung von Prof. Dr. Hermann Kellerl, wird der autonome Roboter ANELISE entwickelt, der Bodenproben entnimmt, analysiert und das Pilz-Bakterienverhältnis bestimmt. Durch wiederholte Probenentnahmen an den gleichen Stellen kann die Entwicklung der Bodenqualität über Zeit verfolgt werden. Eine Kamera und Bilderkennungsalgorithmen werden verwendet, um die Bakterienanzahl und die Pilzhyphen zu quantifizieren. Dadurch kann gezielt auf das Pilz-Bakterienverhältnis Einfluss genommen werden, um die Wiederherstellung zerstörter Ökosysteme zu fördern.

Weitere Informationen zum Projekt finden Sie auf der Homepage der OTH Regensburg.

NetzEntwicklungsOffensive Strom – Intelligente Systeme zur Integration Erneuerbarer Energien

Im Projekt isi-neos der OTH Regensburg wird, unter der Leitung von Prof. Dr. Oliver Brückl, die intelligente Steuerung von Stromnetzen erforscht. Durch Künstliche Intelligenz werden digitale Modelle entwickelt, um Spannungsänderungen und Leistungsaufnahme vorherzusagen und das Stromnetz effizient zu steuern. Cluster-Analyse und neuronale Netze werden zur Datenanalyse und Prognose verwendet.

Weitere Informationen zum Projekt finden Sie auf der Homepage der OTH Regensburg. 

Predictive Maintenance im Sondermaschinenbau

Im Rahmen des Projekts, unter der Leitung von Prof.Dr. Martin Weiß, soll an der OTH Regensburg ein Demonstrator für einen Predictive-Maintenance-Algorithmus für Roboterzellen speziell im Sondermaschinenbau realisiert werden. Kernbestandteil sollen Frühwarnsysteme und Fehlererkennungen auf Baugruppenebene sein. Mit dem Projekt sollen Stillstands- und Wartungszeiten minimiert und die Lebenserwartung der Bauteile maximiert werden.

Mehr Informationen zum Projekt finden Sie hier.

Optimierte Entsorgungsroutenplanung mit intelligenten Müllcontainern

Das Projekt der OTH Regensburg, unter der Leitung von Prof. Dr. Jan Dünnweber, optimiert das Abfallmanagement durch sensorbasierte Füllstandsmessung. Eine intelligente Mülltonne sendet regelmäßig Informationen über den Füllstand und Batteriestatus. Ein Abfallmanagement-Portal unterstützt die Routenplanung und Organisation der Leerungen, um  unnötige Fahrten einzusparen und die Mülltrennung zu fördern.

Hier finden Sie mehr Informationen zum Projekt.

KI und die Herausforderungen autonomen Fahrens

Durch KI-ASIC soll die neuromorphe Elektronik aus der akademischen Grundlagenforschung in die automobile Anwendung überführt werden und Lösungen für die zentralen Herausforderungen des autonomen Fahrens bieten. Der Fokus des Projekts liegt dabei auf der Entwicklung neuartiger Radarsensoren, die unter Verwendung gepulster neuronaler Netze die in definierten Testszenarien sowie im Realverkehr auftretenden Objekte erkennen und klassifizieren können

Weitere Informationen finden Sie auf der Homepage der OTH Amberg-Weiden.

KMU Unterstützung mit KI

KI-Regionalzentren wie das Regensburg Center for Artificial Intelligence unterstützen kleine und mittelständische Unternehmen bei der ganzheitlichen Einführung von Künstlicher Intelligenz. Die Teilnehmenden erhalten strategische und technische Schulungen und wenden das erworbene Wissen gemeinsam mit Experten des Regionalzentrums in unternehmensspezifischen KI-Projekten an.

Weitere Informationen finden Sie auf der Homepage des Projekts (OTH Regensburg). 

Mit KI besser schreiben und argumentieren

Das Projekt DEEP WRITE an der Universität Passau befasst sich mit der KI-basierten Assistenz von Jura- und Wirtschaftswissenschaftsstudierenden bei dem Verfassen von Argumenten und akademischen Texten

Weitere Informationen finden Sie auf der Homepage der Universität Passau.

Sicherer Schulweg durch 5G-Technologie

Das Projekt 5-Safe an der Hochschule Landshut verfolgt das Ziel Schulwege sicherer zu gestalten indem Warnsignale KI-unterstützt über 5G-Technologiesysteme an Kinder und Autofahrende gesendet werden. 

Weitere Informationen finden Sie auf der Homepage der Hochschule Landshut. 

KI-unterstützte Geschäftsprozess Analyse

Gemeinsam mit dem Deggendorfer Unternehmen DAB (Daten, Analysen & Beratung GmbH) und der Universität Bamberg arbeitet die TH Deggendorf an der Analyse von komplexen, ganzheitlichen Geschäftsprozessen mit Hilfe von hybriden KI – Ansätzen des maschinellem Lernens und semantischen Methoden des Process Mining.

Weitere Informationen finden Sie auf der Homepage der TH Deggendorf. 

Natürlichsprachliche Semantische Suche in Big Data

Das sogenannte "Question Answering" – also die direkte Beantwortung von Fragen – ist ein wichtiges Forschungsgebiet im Schnittfeld zwischen Suchmaschinentechnologien und maschineller Verarbeitung von natürlicher Sprache. Im Projekt SEMIARID erforscht die TH Deggendorf zusammen mit den beiden Projektpartnern DATEV und IntraFind wie eine semantische unternehmensinterne Suchmaschine realisiert werden kann.

Weitere Informationen finden Sie auf der Homepage der TH Deggendorf. 

Ein KI-basiertes Framework für die Visualisierung und Auswertung von großen Datenmengen der 4D-Tomographie

Synchrotronstrahlung gilt als die brillanteste und hellste Röntgenstrahlung der Welt. Dies bedeutet eine 100- bis 1.000-fach verbesserte Auflösung und eine wesentlich bessere Bildqualität im Vergleich zu einer konventionellen Computertomographie (CT), wie sie etwa bei klinischen CTs genutzt wird. Bei bildgebenden Verfahren dieser Art entstehen riesige Datenmengen. In einem gerade gestarteten Forschungsprojekt arbeiten Wissenschaftlerinnen und Wissenschaftler der Fraunhofer-Forschergruppe und des Instituts FORWISS an der Universität Passau gemeinsam mit Kolleginnen und Kollegen anderer Universitäten und europäischer Forschungseinrichtungen an der Nutzbarmachung dieser Daten.

Weitere Informationen finden Sie auf der Homepage der Universität Passau.

Erhöhung der Verbraucherpartizipation an der Energiewende durch KI-Technologien und datenbasierte Mehrwertdienste

Bei dem Projekt EVEKT unter anderem mit der Beteiligung der OTH Regensburg und Universität Regensburg geht es darum bewohnende eines Mehrfamilienhauses zum Stromsparen durch eine Energie-Vergleichsapp zu motivieren. Dies zielt darauf ab, die Verbraucherpartizipation an der Energiewende zu steigern. Durch den Einsatz von KI-Technologien werden individuelle Handlungsempfehlungen für einen positiven Energiekonsum entwickelt. Eine Webapplikation stellt die Daten transparent dar und ermöglicht es den Verbrauchern, ihr Verhalten zu bewerten und sich mit anderen zu vergleichen. Dadurch soll ein positiver sozial-ökologischer Wettbewerb angeregt werden.

Weitere Informationen finden Sie auf der Homepage der OTH Regensburg. 

Digitaler Zwilling für innerbetriebliche Transportsysteme

Das Projekt der OTh Regensburg entwickelt, unter der Leitung von Prof. Dr. Stefan Galka, digitale Zwillinge für innerbetriebliche Transportsysteme, um deren ganzheitliches Verhalten flexibel und dynamisch abbilden zu können. Es umfasst die Konzeption der Systemarchitektur, Funktionen und Schnittstellen sowie die Entwicklung von Algorithmen zur Datenprognose und Entscheidungsfindung. Die Umsetzung erfolgt in Testumgebungen und im realen Umfeld, mit kontinuierlicher Begleitung und Optimierung für Funktionalität und Nutzbarkeit.

Mehr Informationen zum Projekt finden Sie hier.

Bewertung und Steigerung der CT-Scanqualität

Im Projekt ReliableCT forschen die OTH Regensburg und die TH Deggendorf gemeinsam an interpretierbarer und abbildungstreuer Computertomographie durch Qualitätskarten und Artefaktreduktion unterstützt durch Künstliche Intelligenz. Unter der Leitung von Prof. Dr. Frikel sollen mathematische Modelle und KI-Methoden zur automatischen Erstellung von 2D/3D-Qualitätskarten entwickelt werden, die Rückschlüsse auf lokale Scanqualität und Zuverlässigkeit von CT-Scans erlauben und die Interpretierbarkeit der CT-Daten signifikant erhöhen.

Hier geht es zum Artikel.

Künstliche Intelligenz für Nichtregierungsorganisationen

Unter der Leitung von Prof. Dr. Karsten Weber und Prof. Dr. Sonja Haug der OTH Regensburg werden die Möglichkeiten von Künstlicher Intelligenz (KI) zur Unterstützung von Nichtregierungsorganisationen (NROs) untersucht. Es werden Bedarfe und die Akzeptanz der Technologie in NROs analysiert, um darauf aufbauend konkrete Umsetzungsmöglichkeiten für den Einsatz von KI in NROs zu entwickeln.

Weitere Informationen finden Sie hier. 

Wo im Produktionsumfeld traditionelle Bildverarbeitungsansätze versagen

Unter der Leitung von Prof. Dr. Jürgen Frikel wird ein neuer Weg zur Bildverarbeitung evaluiert, da traditionelle Verarbeitungsansätze schnell an ihre Grenzen stößen. Um der Komplexität der heutigen Welt gerecht zu werden, wird Deep Learning eingesetzt, um die visuelle Inspektion mit Anomalieerkennungsverfahren zu unterstützen und Bilddaten zu augmentieren. Die Verfahren werden in enger Zusammenarbeit mit einem Industriepartner in der Praxis evaluiert.

Weitere Informationen finden Sie hier.

KI im Kontext der verbesserten Herstellbarkeitsbewertung von Blechteilen in der frühen Designphase

Bei der Konzipierung neuer KfZ-Bauteile werden im frühen Entwicklungsstadium verschiedene Konstruktionsansätze verfolgt, deren spätere Herstellbarkeit nicht objektiv beurteilbar ist, was wiederum zu hohen Zusatzkosten und Zeitverzug führen kann. Das Projekt E-PreMa, unter der Leitung von Prof. Dr. Marcus Wagner an der OTH Regensburg, befasst sich mit der Erforschung und Entwicklung einer KI-basierten Methodik, welche reproduzierbar Feedback zur Herstellbarkeit eines Bauteils gibt und somit zur Effizienzsteigerung und Kostensenkung beiträgt.

Mehr Informationen zum Profekt finden Sie hier. 

Intelligentes Schädlingsmonitoringsystem für die Lebensmittelindustrie

Bisher müssen Schädlingsfallen in der Lebensmittelindustrie individuell kontrolliert werden, was mit einem hohen manuellen Aufwand einhergeht. Im Projekt soll daher ein Sensorknoten mit eingebetteter Künstlicher Intelligenz entwickelt werden, der die Fallen rund um die Uhr überwacht und es ermöglicht, einen Befall frühzeitig zu erkennen und zu behandeln.

Mehr Informationen uzum Projekt finden Sie hier.

Digitaler Zwilling für innerbetriebliche Transportsysteme

Das Projekt der OTh Regensburg entwickelt, unter der Leitung von Prof. Dr. Stefan Galka, digitale Zwillinge für innerbetriebliche Transportsysteme, um deren ganzheitliches Verhalten flexibel und dynamisch abbilden zu können. Es umfasst die Konzeption der Systemarchitektur, Funktionen und Schnittstellen sowie die Entwicklung von Algorithmen zur Datenprognose und Entscheidungsfindung. Die Umsetzung erfolgt in Testumgebungen und im realen Umfeld, mit kontinuierlicher Begleitung und Optimierung für Funktionalität und Nutzbarkeit.

Mehr Informationen zum Projekt finden Sie hier.

Metamodelle von Finite-Elemente-Simulationen auf Basis Rekurrenter Neuronaler Netze

Die Finite-Elemente-Methode (FEM) stellt ein probates Mittel zur Untersuchung des Verhaltens von Baugruppen über der Zeit dar. Jedoch führt die hohe Komplexität spezifischer Fragestellungen oft zu langen Berechnungszeiten der Simulationen. Ergänzend zu FEM-Modellen kann mit Submodellierungstechniken ein Metamodell auf Basis Künstlicher Intelligenz (KI) aufgesetzt werden. Unter Nutzung Neuronaler Netze werden, unter der Leitung von Prof. Dr. Marcus Wagner an der OTH Regensburg, Teilbereiche der zu untersuchenden Bauteile abgebildet, um die Berechnungszeit zu reduzieren.

Merh Informationen zum Projekt finden SIe hier.

Grüner Wasserstoff ist ein Grundbaustein der Energiewende

Aktuell ist dieser aufgrund der teuren Analgen, der Elektrolyseure, jedoch nur selten wettbewerbsfähig. Um die kostengünstige Produktion zu ermöglichen, werden im Projekt StaR, der OTH Regensburg, skalierbare Produktions- und Logistik-Konzepte auf Basis digitaler Zwillinge und Künstlicher Intelligenz entwickelt.

Mehr Informationen zum Projekt finden Sie hier.

Grundlage für autonome Serviceroboter 

Das HAUSL Projekt der TH Deggendorf verfolgt das Ziel die prototypische Entwicklung einer kostengünstigen und modularen KI-Edgeplattform als Hardware-System als Grundlage autonomer Serviceroboter. 

Weitere Informationen finden Sie auf der Homepage der TH Deggendorf.