Referenzprojekte

Das Software-Framework aus dem Projekt »AIQualify« ermöglicht die systematische und einfachere Qualifizierung von KI-Systemen insbesondere für KMU auch ohne eigenes Fachwissen.

Durch die Kombination von Workflow-Modellen und KI-basierter Entscheidungsfindung werden kritische Betriebszustände nicht nur frühzeitig erkannt, sondern durch die Anpassung von Steuerungsparametern oder die Übermittlung von Handlungsempfehlungen über Smart Devices auch direkt gezielte Gegenmaßnahmen eingeleitet.

Maschinelles Lernen erweitert die automatische optische Inspektion (AOI), um die Pseudofehlerrate und manuelle Nachkontrollen zu reduzieren.

Ganzheitliche Montageoptimierung aus einer Hand: Das Fraunhofer IPA analysierte ausgewählte Montagearbeitsplätze bei Liebherr-Hausgeräte Ochsenhausen GmbH hinsichtlich Ergonomie und Produktivität. Durch die Fusion verschiedener Sensorsysteme haben die Expertinnen und Experten des Fraunhofer IPA Optimierungspotenziale im Bereich der Prozesse und Ergonomie automatisiert aufgedeckt.

Zu den Innovationen in der Produktionslogistik bei BMW gehört der von BMW und dem Fraunhofer IML entwickelte »Smart Transport Robot« (STR). Der STR navigierte dabei auf festen Spuren und benötigte für die Ortung spezielle Sensoren sowie ein engmaschiges Netz an Ankern. BMW wünschte eine flexiblere, autonomere und wirtschaftlichere Lösung und konnte diese mit der IPA-Navigationssoftware realisieren. Sie nutzt den ohnehin auf den STR vorhandenen Sicherheitslaserscanner zur Navigation. Verfahren zur dynamischen Pfadplanung und Hindernisumfahrung bieten den nötigen Autonomiegrad.

Der metallische 3D Druck zeichnet sich durch hohe Flexibilität, Formvielfalt, aber auch druckraue Oberflächen aus, welche oftmals aufwändig manuell nachbearbeitet werden müssen. Im Rahmen des Forschungsprojektes Clean3D wurde hier im Konsortium ein Lösungsansatz mittels Gleitschleifen erarbeitet.

Hybride Quantum-Computing-Methoden für die Degradationsmodellierung von alkalischen Elektrolyseuren zur Herstellung von grünem Wasserstoff.

Wenn maschinelle Lernverfahren in der Industrie Anwendung finden sollen, müssen Roboter schneller als bisher lernen Bauteile sicher zu greifen. Im Forschungsprojekt Deep Grasping entwickeln Wissenschaftler vom Fraunhofer IPA und der Universität Stuttgart deshalb eine virtuelle Lernumgebung. Darin werden die Neuronalen Netze geschult, die anschließend auf den realen Roboter übertragen werden.

Im Projekt »Deep Picking« entstehen modulare und flexible Software- und Hardwarelösungen für die Kommissionierung und Depalettierung bekannter und unbekannter Objekte in unterschiedlichen Anlieferungszuständen in Produktionsprozessen. Die Lösungen lassen sich schnell und robust integrieren und einlernen.

Mit Hilfe Bayes’scher Netze Qualitätsabweichungen von Spritzgussteilen echtzeitnah erkennen und Fehlerursachen automatisiert diagnostizieren – das ist Gegenstand des Forschungsprojekts ProBayes. Das Know-how der Prozessexperten des Kunststoff-Zentrums (SKZ) wird vom Fraunhofer IPA ergänzt durch Expertise in den Bereichen Prozessdigitalisierung, digitale Qualitätsmodelle und Bayes’sche Netze.

»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, Wissen und Methoden in Wissenschaft, Industrie und Gesellschaft zu verbreiten.

Bereitstellung von Software leicht gemacht! Verwalten Sie die Software- und Systemlandschaft in Ihrer Fabrik und stellen Sie neue Software-Services einfach bereit.

Im Forschungsprojekt „FabOS Vision“ entsteht ein offenes, verteiltes, echtzeitfähiges und sicheres Betriebssystem für die Produktion. Es soll die Grundlage für datengetriebene Dienste und KI-Anwendungen bilden, damit die wandlungsfähige Automatisierung der Fabrik der Zukunft umgesetzt werden kann.

FlexNote macht eine einfache Erfassung von Mängeln, Verbesserungsvorschlägen und Maschineneinstellungen möglich. Die sofortige, rollenspezifische Verteilung der relevanten Informationen reduziert Rückfragen. Und durch die statistische Auswertung der gesammelten Informationen können langfristig Schwachstellen an Maschinen und Zusammenhänge von Defekten identifiziert werden.

Das Fraunhofer IPA unterstützt Zott bei der Entwicklung eines erweiterten Energiesystems. Dies beinhaltet Flexibilität für den Energiemarkt, Peak-Shaving, Eigenverbrauchsoptimierung und Flexibilitätsvermarktung. Zott profitiert von verbesserten Betriebsstrategien für die Biogasnutzung und Integration von KWK-Anlagen, um Effizienz und Nachhaltigkeit zu steigern.

Die CS4I-Plattform Unternehmen unterstützt produzierende Unternehmen, maximale Klimaeffizienz zu erreichen. Durch Echtzeitdaten entlang der Wertschöpfungskette und einen "True Footprint" auf Basis von Messdaten ermöglicht die Plattform eine ganzheitliche Bewertung klimawirksamer Handlungsoptionen. Mit Hilfe eines digitalen Zwillings des Unternehmens können Kunden Klimaeffizienz simulieren, prognostizieren und wirtschaftlich bewerten, noch vor der eigentlichen Produktion. Die Plattform schafft Transparenz, integriert verschiedene Akteure und bietet Entscheidungsmodelle zur Dekarbonisierung. Ein Schritt in Richtung einer klimaneutralen Zukunft.

Eine effizientere Qualitätssicherung erschließt den 3D-Druck für neue Anwendungsbereiche in Luftfahrt, Automobil- und Medizintechnik. So lassen sich die CO2-Emissionen der Branchen deutlich reduzieren.

Ziel der Fallstudie ist die KI-basierte Prognose der Bearbeitungszeit für den Blechzuschnitt bei Sykatec.

Im Rahmen der Zusammenarbeit zwischen der Porsche AG und dem Fraunhofer IPA werden KI-basierte Ansätze der Produktionsplanung und -steuerung entwickelt. Ziel ist es, die Stabilität der Kundenauftragssteuerung zu verbessern und der Kundschaft ein Maximum an Flexibilität und Transparenz zu bieten.

Künstliche Intelligenz trifft auf IoT: Mit dem modularen Sensorsystem LeanDA schaffen die Montage-Expertinnen und Experten des Fraunhofer IPA detaillierte Prozesstransparenz zur datengestützten Aufdeckung von Optimierungspotenzialen in manuellen Prozessen.

Durch die Entwicklung durchgängiger Szenarien zeigt das Projekt KI-noW auf, welchen Nutzen der Einsatz Künstlicher Intelligenz für produzierende Unternehmen hat und wie die Integration KI-basierter Anwendungen in der Praxis erfolgreich umgesetzt werden kann.

»Luka-Beverage« ist ein Serviceroboter, der bei der Handhabung von Getränkeflaschen und schweren Getränkekisten im Handel Abhilfe schafft. Mittels neuer KI-Methoden und eines 3D-Navigationssystems weiß der Roboter genau, wo die Güter stehen und kann sich autonom und kollisionsfrei bewegen.

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 sollen nachweislich sichere ML-basierte Systeme auf den Markt gebracht werden können.

Das Projekt »Adaptives Montageassistenz- und Interaktionssystem mittels 3D-Szenenanalyse und intuitiver Mensch-Technik Kommunikation«, kurz MonSiKo, beschäftigte sich mit der Montageunterstützung durch moderne Sensorik und Kommunikationstechnologien.

Wissenschaftler des Fraunhofer IPA haben in Zusammenarbeit mit Trumpf ein Planspiel entwickelt, das Mitarbeiter fit für die Herausforderungen von Industrie 4.0 macht.

KI gestützte Befundung von Verschleiß und Abnutzung an Altteilen. VersAtile-KI setzt neue Maßstäbe für eine automatisierte, nachhaltige Kreislaufwirtschaft.

Mit dem steigenden Verkauf von Elektroautos wächst die Anzahl produzierter Elektromotoren. Bisher werden sie nach Nutzungsdauer geshreddert und recycelt, was die Wiederverwendung erschwert. Im Projekt REASSERT verfolgt ein Zusammenschluss von Partnern aus Industrie und Forschung verschiedene Ansätze, die die Reparatur, Aufbereitung und erneute Verwendung des Elektromotors ebenso umfassen wie neue Designs für eine Kreislaufwirtschaft.

Die Roboterprogrammierung für Montageaufgaben ist bislang noch aufwendig. Das Forschungsprojekt »Rob-aKademI« hat daher das Ziel, die Roboter-Programmierung selbst durch Verlagerung an eine intelligente Entität zu automatisieren. Schlüsseltechnologien sind Physiksimulationen und Maschinelles Lernen.

Ziel des Forschungsprojekts »RoboGrind« ist die Entwicklung eines flexiblen und hochautomatisierten KI-Systems zur Oberflächenbearbeitung mit Robotern, um eine wirtschaftliche Wiederaufbereitung zu erreichen.

Das Fraunhofer IPA verfolgt im Forschungsprojekt »SEQUOIA« das Ziel, die Erforschung, Entwicklung und Erprobung neuer Methoden, Werkzeuge und Anwendungen für Quantencomputing zu beschleunigen, um zukünftig die Nutzung hybrider Quantenanwendungen und -algorithmen durch die Wirtschaft zu ermöglichen.