Data Analytics und Machine Learning

Mit steigernder Anzahl an Sensoren wird es zunehmend schwieriger, die richtigen Schlüsse aus der Flut an verfügbaren Informationen zu ziehen. Methoden der Datenanalyse wie z.B. maschinelles Lernen kann dabei helfen, essentielle Gesetzmäßigkeiten in den Daten zu erkennen und diese schließlich dazu zu nutzen, um bessere Produkte und bessere Sensorik zur Verfügung zu stellen, die schließlich Geschäftsprozesse optimieren.

Unsere grundlegende Motivation besteht darin, robuste Tracking-Algorithmen und Datenanalyseverfahren mittels maschinellem Lernen aber auch statistischer Methode zu entwerfen und nutzbar zu machen. Ein großer Fokus liegt hierbei aber auch auf hybriden Verfahren, die sich die Vorteile beider Welten zu Nutze machen.

 

Sports Analytics

Sport wird zunehmend mediatisiert. Dabei steht schon lange nicht mehr nur das Ergebnis im Vordergrund, sondern auch die Leistungen. Sportrelevante Evaluationsparameter können präzise berechnet und weiterverwertet werden...

 

Reinforcement Learning

Reinforcement Learning (RL) ist ein Bereich des Maschinellen Lernens, der sich mit dem Lernen von optimalem Verhalten in dynamischen Umgebungen beschäftigt. 

 

Optical Tracking

Die für Menschen naheliegendste Methode des Trackings geht über die Optik, denn den größten Anteil an Umgebungsinformationen erhält er durch die Augen. Das lässt sich auch auf modernste Technologien übertragen...

 

Smart Sensing

Letztendlich werden im Prozess von Data Analytics und Machine Learning immer Bewegungen oder Zustände klassifiziert. Damit haben sich Forscher und Entwickler am Fraunhofer IIS noch einmal ganz speziell beschäftigt...

 

Smart Objects

Sensoren sind ein wichtiger Bestandteil der Entwicklung in Richtung Automatisierung und Vernetzung. Sie sind in der Regel dazu gedacht, einen bestimmten Parameter zu messen, aber das reicht oft nicht aus...

 

Process Management

Unter dem Thema »IoT-based Process Management« bearbeitet das Fraunhofer IIS Projekte zur Nutzung von IoT-Daten (Internet of Things) zur Analyse und Steuerung räumlich verteilter Prozesse in der Produktion und Logistik.

 

Machine Learning Seminare

Weiterbildungsmöglichkeiten für EntwicklerInnen aus der Industrie sowie Studierende.

 

Messdienstleistungen

Objektiver Performance-Nachweis von Lokalisierungssystemen nach einem standardisierten Verfahren von unabhängiger Stelle.  

 

embeddif.ai

embeddif.[ai] verändert die Art und Weise, wie wir über KI denken. Mithilfe von embeddif.ai, können komplexe Machine Learning Anwendungen lokal auf eingebetteten Systemen durchgeführt werden - ganz ohne Cloud.

Kompetenzen

 

Machine Learning

Beim maschinellem Lernen kann das System aus Beispielen lernen und diese nach Beendigung der Lernphase verallgemeinern und umsetzen.

 

 

Fusion

Eine einzelne Technologie kann meist nicht alle Anforderungen erfüllen. Eine Lösung bietet die Fusion mehrerer Technologien und Informationen.

 

Positionsberechnung

Die Lokalisierungskompetenz des Fraunhofer IIS kann auch im Bereich der Data Analytics genutzt werden. Denn exakte Positionsbestimmung kann auch hier elementar sein.

 

Machine Learning trifft Quantencomputing

Die Entwicklung eines Quantencomputers ist keine Fiktion mehr. Mit verschränkten Qubits könnten so komplexe Rechenpfade gleichzeitig gelöst werden.

 

TinyML

Use Cases und unser Angebot zur Optimierung und Ausführung von KI-basierten Verarbeitungsketten auf eingebetteten Systemen.

 

Deep Compression

Künstliche Intelligenz wird meist mit Deep Learning umgesetzt, was eine effizientere Übertragung und Ausführung ermöglicht. Die Einsparung an Zeit und Energie ist unmittelbar. 

 

Anwendungen und Projekte

Erfahren Sie mehr über Projekte in der Praxis oder informieren Sie sich über die Möglichkeiten in Ihrem Anwendungsgebiet.

 

Publikationen

Hier finden Sie unsere Publikationen zum Thema Data Analytics und Machine Learning

Auf den Punkt gebracht

Was versteht man eigentich unter maschinellem Lernen und Deep Learning?

Datenschutz und Datenverarbeitung

Wir setzen zum Einbinden von Videos den Anbieter YouTube ein. Wie die meisten Websites verwendet YouTube Cookies, um Informationen über die Besucher ihrer Internetseite zu sammeln. Wenn Sie das Video starten, könnte dies Datenverarbeitungsvorgänge auslösen. Darauf haben wir keinen Einfluss. Weitere Informationen über Datenschutz bei YouTube finden Sie in deren Datenschutzerklärung unter: https://policies.google.com/privacy