KI-gestütztes Analysetool für moderne Produktionslinien

Das Data-Science-Tool Melsoft MaiLab von Mitsubishi soll Unternehmen bei der Digitalisierung ihrer Fertigung und unterstützen und so deren Produktivität steigern. Die neue Lösung ist eine intuitive, bedienerzentrierte Plattform, die KI nutzt, um Abläufe automatisch zu verbessern. Sei es Abfallvermeidung durch geringere Ausschussmengen, weniger Stillstandszeiten durch vorbeugende Wartung oder Senkung des Energieverbrauchs durch Prozessoptimierung.

Fachkräftemangel mit KI bewältigen

GreyOrange gibt die Ergebnisse einer gemeinsam mit der Bundesvereinigung Logistik (BVL) durchgeführten Studie zum Thema „Künstliche Intelligenz und Automatisierungstechnologien in der Intralogistik“ bekannt.

Mit KI stockende Lieferketten verbessern

Lieferketten sind in aller Munde, seitdem sie global häufig nicht mehr reibungslos funktionieren. Die Pandemie war aber nur der Auslöser, denn es gibt zahlreiche Trends, die für stetigen Wandel in der Lieferkette sorgen. Wer den Wandel aktiv mitgestalten möchte, braucht nicht nur Erkenntnisse, sondern die passende IT-Infrastruktur und eine Portion operative künstliche Intelligenz.

TwinCat Machine Learning für intelligente Bolzenanker-Produktionslinie

Ein auf Befestigungstechnik spezialisiertes, international tätiges Unternehmen produziert u. a. Bolzenanker in verschiedensten Ausführungen. Um hierbei die Umschließungsqualität der zugehörigen metallischen Hülse aus vorhandenen Maschinendaten in Echtzeit zu bestimmen, wurde ein entsprechendes Entwicklungsprojekt als Bachelorarbeit an der Ostschweizer Fachhochschule (OST), Campus Buchs, durchgeführt. Als geeignete Lösung hat sich dabei das maschinelle Lernen (ML) mit TwinCat Machine Learning von Beckhoff erwiesen.

Maschinelles Lernen beschleunigt Materialsimulationen

Neuronale Netze ermöglichen präzise Materialsimulationen – bis hinunter auf die Ebene einzelner Atome.

Erforschung, Entwicklung und Herstellung neuer Materialien hängen entscheidend von schnellen und zugleich genauen Simulationsmethoden ab. Maschinelles Lernen, bei dem künstliche Intelligenz (KI) selbstständig neues Wissen erwirbt und anwendet, wird es künftig ermöglichen, komplexe Materialsysteme rein virtuell zu entwickeln. Wie das funktioniert und welche Anwendungen davon profitieren, erklärt ein Forscher des Karlsruher Instituts für Technologie (KIT) gemeinsam mit Kollegen aus Göttingen und Toronto.

KI für die Arbeits- und Lernwelt: Neues Kompetenzzentrum Karl

Der CoBot ist ein innovatives KI-basiertes Montageassis-tenzsystem, bei dem Roboter und Menschen kollaborativ in der manuellen Montage zusammenarbeiten.

Künstliche Intelligenz, die den Menschen da entlastet, wo es nötig ist, transparent und datenschutzkonform – das ist die Vision des neuen Kompetenzzentrums KARL. Das im April gestartete Projekt wird vom Bundesministerium für Bildung und Forschung (BMBF) bis 2025 mit acht Millionen Euro gefördert und ist eines von bundesweit erst vier Kompetenzzentren des Schwerpunkts »Zukunft der Arbeit«. Mit Möglichkeiten, die Arbeit von morgen zu verbessern, befassen sich Wissenschaftlerinnen und Wissenschaftler des Fraunhofer-Instituts für Optronik, Systemtechnik und Bildauswertung IOSB in der Forschungsgruppe Perceptual User Interfaces.