Anwendungen|Projekte

Sports Analytics

 

ESI-Fitness

Neueste Analysemethoden aus dem Bereich maschinelles Lernen und künstlicher Intelligenz, kombiniert mit präzisem Echtzeittracking ermöglichen eine neue Tiefe von Spiel- und Trainingsanalysen.

 

LZE-Projekt

Automatisierte Analysemethoden im Sport liefern technisch, taktisch oder physiologisch bedeutsame Parameter für einen Mehrwert bei Anwendungen im Breitensport oder die Leistungsdiagnostik und Trainingswissenschaft im Profisport.

 

RedFIR

Wer passt wie oft mit welchem Fuß zu wem? Automatisierte Aktionserkennung durch die Kombination von maschinellem Lernen mit hierarchischer Eventerkennung erlaubt die automatische Generierung von Spielstatistiken.

 

Sensorik im Fußball

Echtzeit-Analyse der Leistung der Spieler und des Spielverlaufs durch Einsatz kostengünstiger Sensoren und maschinellem Lernen zur Erkennung von Geschwindigkeiten, Aktionen und Ereignissen für Trainer und Spieler.

 

 

Wearable-Validierung im Basketball

Die Validierung kommerzieller Wearables ermöglicht eine optimale Trainings- und Spielkontrolle der Sportler in der NBA.

 

 

 

Sensorik im Boxen

Echtzeitmessung des Beschleunigungsverlaufs und der Geschwindigkeit von Schlägen mittels speziell entwickelter miniaturisierter Sensortechnik in Verbindung mit sensornaher künstlicher Intelligenz

 

S3Engine: Sports Scene Search Engine

Schnelle Suchmaschine für Sportszenen. Auf Deep Learning basierend ermöglicht unsere Technologie S3Engine eine schnelle Suche von ähnlichen Spielsszenen im Sport, bewertet diese und bietet Lösungsvorschläge.

Smart Sensing

 

KI4Tools

Das nachrüstbare und intelligente Sensormodul für Handwerkzeuge misst verschiedene Parameter in manuellen Arbeitsprozessen und ermöglicht dadurch Prozessoptimierung.

 

HORIS - Hochauflösende Radarsysteme in der Infrastruktur

Realitätsnahe Messdatenvalidierung zur Verhaltensprädikation von Fußgängern an Bushaltestellen

 

Schreibtrainer

Verbesserung der Automation der Handschrift, der Rechtschreibung und des Schriftbildes auf Basis KI-basierter Signalverarbeitung.

 

Werkzeugtracking

Fehler können durch Überwachen der Aktivität des Werkzeugnutzers und einfache Hinweise vermieden werden.

 

ESI-Automotive

Entwickelung einer zuverlässigen Erkennung von Passanten durch die Kombination von Kamera-, LIDAR und RADAR-Sensoren.

 

Smart Brush

"Richtig" Zähneputzen ist nicht so banal, wie es sich anhört. Smart Brush bietet eine unterstützende Software dafür.

Optical Tracking

 

Holodeck 4.0

In virtuelle Welten eintauchen und sich frei bewegen - das Holodeck macht es möglich.  

 

CNNLok

Evaluieren von lernenden, optischen Lokalisierungsmethoden für den industriellen Einsatz.

Autonome Systeme

 

ML4POS

Indoor-Lokalisierung / Positionsschätzung mit Deep Learning, wodurch die Signalverarbeitungskette ersetzt wird.

 

ESI-Automotive

Entwickelung einer zuverlässigen Erkennung von Passanten durch die Kombination von Kamera-, LIDAR und RADAR-Sensoren.

Quantum Machine Learning

 

QACI

 

 

Als Teil des QACI-Konsortiums (Quantum Algorithms for Application, Cloud & Industry) forschen wir an Machine Learning-basierten Ansätzen und Methoden für die optimale Nutzung von NISQ-Hardware durch optimierte Kompilation.

 

Bench-QC

 

 

Im Leuchtturmprojekt Bench-QC des Munich Quantum Valley erforschen wir Benchmarking-Verfahren zur Identifikation von praktischen Quantenvorteilen.

 

BayQS

 

 

Im Bayerischen Kompetenzzentrum Quanten Security and Data Science (BayQS) erforschen wir den Einsatz von Quantencomputern zur Verbesserung von maschinellem Lernen.

 

QuaST

 

 

Im Forschungsprojekt QuaST entwickeln wir Werkzeuge zur verbesserten Ausnutzung von Quantencomputern und bereiten den Weg für verteiltes Quantenrechnen.

 

QLindA

 

 

Im Projekt QLindA (Quantum Reinforcement Learning für industrielle Anwendungen) entwickeln wir mit Partnern neuartige Algorithmen, um Ansätze des Reinforcement Learnings auf die leistungsstarken Quantencomputer zu übertragen.

Reinforcement Learning

 

ROLF

 

 

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

 

KIAFE

 

 

Ziel des Projekts ist es, eine KI-gestützte Technologie zum Design komplexer, energie- und ressourcenschonender Prozesse zu entwickeln.

Innovationszentrum Bayern

 

EDIH Digitale Innovationen für die Industrie in Bayern (DIBI)

Die „European Digital Innovation Hubs (EDIHs) gehören zum „The Digital Europe Programme“ der Europäischen Union.  Mit einem flächendeckenden Netz an Innovationszentren in der EU soll die digitale Transformation von Verwaltung und Wirtschaft unterstützt werden. Das Fraunhofer IIS ist Projektpartner beim EDIH DIBI, einem der bislang drei Innovationszentren Bayerns.