Anwendungen und Projekte

Im Projekt „ProCheck“ entwickelt das Fraunhofer IIS gemeinsam mit Partnern Methoden des Process Minings, um Materialfluss- und Produktionsprozesse in kleinen und mittleren Unternehmen automatisch zu analysieren und zu optimieren. Ziel ist es, auf Basis von Cyber-physischen Systemen transparente Prozessdaten zu gewinnen und dadurch Effizienz, Qualität und Flexibilität in der Produktion zu steigern.

Die Fraunhofer-IIS-Technologie ermöglicht eine extrem schnelle, KI-basierte Suche und Bewertung ähnlicher Spielszenen in großen Sport-Trackingdatenbanken. Dadurch können relevante Spielsituationen in unter einer Sekunde gefunden und automatisch analysiert werden, um Spieltaktiken und Entscheidungen datenbasiert zu optimieren.

Die Entwicklung von Quantencomputern schreitet rasant voran, die Nutzung in industriellen Anwendungen hingegen steht noch am Anfang. Dabei haben Quantencomputer das Potenzial, in vielen Industrien Anwendungen grundlegend zu verbessern. Die aktuell voranschreitende Steigerung der Kapazität von Quantencomputern eröffnet die Möglichkeit, Quantencomputer in KI‐Systemen einzusetzen. Die optimale Steuerung dynamischer Systeme wird in der KI meist mit Reinforcement Learning Methoden gelöst. Erste Realisierungen dieser Methoden mit Quantencomputern gibt es schon heute.

Im Projekt „KID-QC²“ entwickeln das Fraunhofer IIS und die Universität Augsburg KI-gestützte Methoden zur automatisierten Optimierung von Quantenschaltungen für Anwendungen in der Quantenchemie. Ziel ist es, sogenannte Molecular Quantum Circuits effizienter, skalierbarer und an verschiedene Quantenhardware-Plattformen anpassbar zu machen.

Mit optischen Trackingverfahren erfassen wir Positionen und Bewegungen präzise in Echtzeit. Durch moderne Bildverarbeitung und KI entwickeln wir robuste Lösungen für Industrie, Robotik, Sport und weitere anspruchsvolle Anwendungen.

DARCII erforscht den Einsatz von Künstlicher Intelligenz und Federated Learning zur Analyse von GNSS-Interferenzen über verteilte und mobile Sensorknoten. Dabei werden unterschiedliche Störmuster erkannt und als individuelle Fingerprints charakterisiert. Ziel ist es, Störquellen zuverlässiger zu identifizieren und die Robustheit satellitenbasierter Navigation zu verbessern.

Satellitennavigation ist ein wichtiger Bestandteil unserer kritischen Infrastruktur. Das Projekt DARCY entwickelt ein intelligentes Sensornetzwerk, das Störungen von GNSS-Signalen erkennt, bewertet und lokalisiert. Mithilfe von Machine Learning und Crowdsourcing werden Messdaten zusammengeführt, um Störquellen zuverlässig aufzuspüren und die Robustheit satellitenbasierter Navigation zu erhöhen.

Im Forschungsprojekt ROLF untersuchen das Fraunhofer IIS und die DATEV das Potential von künstlicher Intelligenz (KI) in betriebswirtschaftlichen Prozessen.

Im Projekt „R2D – Road to Digital Production“ entwickelt das Fraunhofer IIS gemeinsam mit Partnern Cyber-physische Produktionssysteme, bei denen intelligente Werkstücke mithilfe sogenannter Smart Production Tags Produktionsprozesse dezentral steuern. Ziel ist es, Fertigungsabläufe flexibler, effizienter und stärker digitalisiert bis hin zur Losgröße 1 zu gestalten.

Im Projekt „PaiL“ entwickelt das Fraunhofer IIS KI-gestützte Verfahren zur präzisen Winkel- und Störquellenlokalisierung unter realistischen Mehrwegebedingungen. Ziel ist es, klassische Peilverfahren durch neuronale Netze und adaptive Modelle zu ergänzen, um Genauigkeit, Robustheit und Geschwindigkeit in komplexen Signalumgebungen deutlich zu verbessern.