Cyber Cognitive Intelligence (CCI)

Die Abteilung »Cyber Cognitive Intelligence« (CCI) unterstützt Unternehmen, insbesondere den Mittelstand, dabei, Methoden der Künstlichen Intelligenz (KI) und des maschinellen Lernens (ML) einzuführen und zu nutzen. Dazu bietet sie von der Identifikation und dem Roadmapping von KI-Anwendungsfällen im Unternehmen (AI Explorer), über die schnelle Machbarkeitsanalyse (Quick Check) bis hin zur Operationalisierung (AI Services) sowie Auditierung (AI Audit) von KI-Lösungen die komplette Bandbreite an Umsetzungsformaten an.

Aufseiten der Forschung liegt der Fokus auf zuverlässigen, erklärbaren, robusten und dateneffizienten Lernverfahren, der Entwicklung von intelligenten Planungs- und Optimierungsalgorithmen sowie der Kombination von Quantencomputing mit maschinellem Lernen. Die Forschungsergebnisse finden Anwendung in zahlreichen Branchen, u.a. Maschinen- und Anlagenbau, Automotive, Financial Services, Prozessindustrie und Life Sciences.

Zu den erfolgreichen Anwendungslösungen der Abteilung zählen unter anderem intelligente Algorithmen für die Produktions- und Auftragsplanung, die Auditierung von Betrugserkennungsalgorithmen, Erklärbarkeitsverfahren für Zeitreihen- und Bilddaten sowie selbstlernende KI-Regelungsalgorithmen.

Unsere Arbeitsgebiete und Angebote

 

Zuverlässige KI

Künstliche Intelligenz liefert in vielen Anwendungsbereichen eine hohe Performance. Dennoch wird sie aufgrund der schwierigen Interpretierbarkeit selten in kritischen Anwendungsfällen (z.B. in der Medizintechnik) verwendet. Um dies zu ändern, fokussiert sich eine Gruppe der Abteilung auf Verfahren der Erklärbarkeit, Verifikation sowie Unsicherheitsquantifizierung von KI-Systemen.

 

Autonomes Planen und Entscheiden

Verfahren der Künstlichen Intelligenz eignen sich hervorragend, um Sachverhalte in Planungs- und Entscheidungsprozessen abzubilden, bei denen eine klassische Modellierung zu aufwendig wäre. Der Fokus liegt hierbei auf der Einbindung von Unsicherheiten, Domänenwissen und Vorausschau, sodass robuste autonome Planungs- und Entscheidungssysteme entstehen.

 

Dateneffiziente KI

Für den Einsatz von Maschinellem Lernen wird im Allgemeinen eine große Menge an Daten benötigt. Allerdings sind nicht in allen Bereichen große Datensätze vorhanden und das Erfassen und Annotieren von Daten ist in der Regel teuer und aufwendig. Die Forschung zur dateneffiziente KI adressiert deshalb, wie dieses Problem überwunden und auch mit wenigen realen Daten gute Machine-Learning-Modelle umgesetzt werden können.

 

Quantencomputing

Quantencomputing birgt das Potenzial, heute unlösbare Probleme künftig effizient zu bewältigen. Mit den beiden Schwerpunkten quantengestütztes Maschinelles Lernen und Quantenoptimierung untersucht die Abteilung industrierelevante Anwendungen und Methoden, um den Transfer in die breite industrielle Anwendung frühzeitig zu unterstützen.

 

Wege der Zusammenarbeit

Die Abteilung »Cyber Cognitive Intelligence« begleitet produzierende Unternehmen und deren Zulieferer im Rahmen vielfältiger Innovationsthemen von der Idee bis zur Realisierung. Die verschiedenen Wege der Zusammenarbeit umfassen unter anderem Machbarkeitsuntersuchungen, Quick Checks und Workshops sowie die Entwicklung komplexer technischer Produktionsmodule, die auf Maschinellem Lernen basieren.  

 

KI-Fortschrittszentrum

Das KI-Fortschrittszentrum »Lernende Systeme und Kognitive Robotik« als Teil des KI-Forschungsverbunds Cyber Valley unterstützt Firmen dabei, die wirtschaftlichen Chancen der Künstlichen Intelligenz und insbesondere des Maschinellen Lernens für sich zu nutzen.  

 

TRUMPF Lab

Eine Verbesserung der Datenqualität ist der wichtigste Schritt hin zu einer maximal automatisierten Produktion. Mit TRUMPF verfolgt die Abteilung eine KI-gestützte Auftragsverfolgung, um mögliche Engpässe in der Fertigung aufzudecken und die Fachkräfte zu unterstützen.

 

ELISE

»ELISE« ist ein europäisches Netzwerk von Forschungszentren für Künstliche Intelligenz und arbeitet eng mit »ELLIS« (European Laboratory for Learning and Intelligent Systems) zusammen. Ziel ist die Verbreitung von Wissen und Methoden in Wissenschaft, Industrie und Gesellschaft.

 

KI-basierte Produktionsplanung und -steuerung

Zusammen mit der Porsche AG entwickelt das Fraunhofer IPA eine KI-basierte Produktionsplanung und -steuerung. Ziel ist es, Kundenwünsche frühzeitig zu antizipieren und in die Auftragsplanung einfließen zu lassen. Die Planung wird dadurch insbesondere in Zeiten volatiler Lieferketten robuster.

 

Transaction Miner Audit mit Experian

Im Auftrag der Firma Experian hat das Fraunhofer IPA als unabhängiger Partner die KI-Komponente eines Produkts überprüft.

 

ML4SAFETY

Im Projekt »ML4SAFETY« wird ein ganzheitliches Framework zum Nachweis von »safeML« entwickelt, das den Einsatz innovativer Machine-Learning-Verfahren in sicherheitsrelevanten Anwendungen ermöglichen soll. Dadurch werden Hersteller autonomer, sicherheitskritischer Systeme, ihre Lieferanten sowie Prüf- und Zulassungseinrichtungen dabei unterstützt, nachweislich sichere ML-basierte Systeme auf den Markt zu bringen.

 

AutoQML

Automatisiertes maschinelles Lernen (AutoML) erlaubt einen niedrigschwelligen Zugang zu KI-Lösungen. Das Projekt »AutoQML« erweitert diesen Ansatz um Quantencomputing-basierte Methoden, damit ein frühzeitiger Transfer in die Industrie möglich wird.

DFJ-Podcast

Kassiopeia und die Future Fab

Wer möchte nicht gerne wissen, wie es in der Fabrik im Jahr 2050 aussehen wird und wie die Prozesse ablaufen werden!?

Pressemitteilung Mai 2022

KI-Audit für Experian

Das Fraunhofer IPA hat eine Machine-Learning-Komponente des Informationsdienstleisters unabhängig geprüft.

Pressemitteilung April 2022

Neue Potenziale durch Quantencomputing

Im Projekt »AutoQML« entwickeln Partner aus Forschung und Industrie Lösungsansätze, die Quantencomputing und ML verknüpfen.

Podcast

End-of-Line Automatisierung bei Witzenmann

Philipp Paschen von Witzenmann und Prof. Dr. Marco Huber sprechen über die End-of-Line Automatisierung mittels KI.

Beitrag

KI für Financial Services – Heute und morgen

KI-Experte Prof. Dr. Marco Huber zeigt die Vorteile von Verfahren der »erklärbaren KI« für die Finanzbranche auf.

Pressemitteilung März 2022

Expertenberatung für den Einstieg in KI und Robotik

Podcast

Auftragseinplanung mit komplexen Varianten

Simon Dürr spricht mit Tobias Herwig über die Rolle von KI in der Auftragseinlastung. 

Pressemitteilung November 2021

Quo vadis KI: Wo steht Deutschland?

Die Veranstaltung bietet Einblicke rund um das Thema »Die KI-Strategie der Bundesregierung als Zukunftschance«.

Podcast

Potenziale von KI für die Produktion

Prof. Dr. Marco Huber vom Fraunhofer IPA spricht mit Klaus Burmeister über KI in der Produktion.

Podcast

KI in der Fabrik im Mittelstand

Prof. Dr. Marco Huber vom Fraunhofer IPA spricht mit Tobias Herwig über KI im produzierenden Mittelstand.

Podcast

KI in der Robotik

KI-Experte Prof. Dr. Marco Huber informiert über die Chancen von Reinforcement Learning in der Robotik und über die Entwicklung neuer Geschäftsmodelle für die Industrie.

Video

Nina Schaaf über Erklärbare KI im Forum Digitale Technologien Berlin

Pressemitteilung März 2021

Neue KI-Anwendungen für den baden-württembergischen Mittelstand

Pressemitteilung Februar 2021

KI für Robotik nutzbar machen

KI-Experte Prof. Dr. Marco Huber im Gespräch

Science meets Fiction – KI im SWR-Thriller »Exit«

Pressemitteilung November 2020

Fraunhofer IPA und HLRS starten Kooperation

Pressemitteilung Oktober 2020

KI macht‘s möglich: Kundenwünsche von morgen, schon heute eingeplant

Pressemitteilung Juli 2020

Dank KI lernen Roboter das Montieren

Video

Keynote von Prof. Dr. Marco Huber auf der Nexcon 2020

Quelle: Staufen.Digital Neonex/NEXCON

Podcast

»KI in der Industrie«

In der Serie »Fabrik der Zukunft« stellen unsere KI-Experten Anwendungsfälle für Künstliche Intelligenz in der Automatisierung sowie aktuelle Projekte des Fraunhofer IPA vor.

Jahresbericht 2019, S.21

KI soll vierfach höheren Wachstumsschub als die Dampfmaschine freisetzen

Buchrezensionen zu Künstlicher Intelligenz und Machine Learning

Daten