• Navigation überspringen
  • Zur Navigation
  • Zum Seitenende
Organisationsmenü öffnen Organisationsmenü schließen
FAPS – Lehrstuhl für Fertigungsautomatisierung und Produktionssystematik
  • FAUZur zentralen FAU Website
  • Kontakt
  • Login
  • Feedback

FAPS – Lehrstuhl für Fertigungsautomatisierung und Produktionssystematik

Menu Menu schließen
  • Aktuelles
    • Neuigkeiten
    • FAPS in der Presse
    • Veranstaltungen
    • Jahresberichte
    • Bücher
    Portal Aktuelles
  • Karriere
    • Wissenschaftliche Mitarbeitende
    • Nichtwissenschaftliche Mitarbeitende
    • HiWi-Angebote
    • Stellenangebote unserer Partner
    • International PhD Candidates
    • FAPS-X
    • FAPS Female
    Portal Karriere
  • Lehrstuhl
    • Leitsätze
    • Klima- und Umweltschutz
    • Chronik
    • Organisation
    • Mitarbeitende
    • Standorte
    • Ausstattung
    • Promotionen
    • FAPS Female
    Portal Lehrstuhl
  • Forschung
    • Forschungsbereiche
    • Technologiefelder
    • Aktuelle Forschungsprojekte
    • Abgeschlossene Forschungsprojekte
    • Publikationen
    Portal Forschung
  • Studium
    • Lehrveranstaltungen
    • Studentische Arbeiten
    • HiWi-Angebote
    • Project on Applied AI
    • Deutschland Stipendium
    • FAPS Fellowship
    • Empfehlungsschreiben
    • FAPS Research Master
    • FAPS Female
    Portal Studium
  • Kooperationen
    • Kooperationsformen
    • Technologie-Transfer
    • Service-Angebote
    • MID Applikationszentrum
    • Verbünde
    • FAPS ProNet e. V.
    • Assoziierte Start-ups
    • Vergabebekanntmachungen
    Portal Kooperationen
  1. Startseite
  2. Forschung
  3. Technologiefelder
  4. Künstliche Intelligenz und Maschinelles Lernen

Künstliche Intelligenz und Maschinelles Lernen

Bereichsnavigation: Forschung
  • Forschungsbereiche
    • Montagetechnologien elektrischer Energiespeicher
    • Robotik
    • Engineering-Systeme
    • Automatisierungstechnik
    • Medizintechnik
    • Elektronikproduktion
    • Elektromaschinenproduktion
    • E|Road-Center
    • Signal- und Leistungsvernetzung
  • Technologiefelder
    • Photonik
    • Additive Mechatronics
    • Automatisierte Produktionsanlagen
    • Künstliche Intelligenz und Maschinelles Lernen
    • Kommunikation und Kooperation
    • Energie- und Ressourceneffizienz
    • Software Engineering und Deployment
    • Qualität und Management
    • Prozess- und Materialanalytik
    • Autonome Mobile Systeme
  • Aktuelle Forschungsprojekte
  • Abgeschlossene Forschungsprojekte
  • Publikationen

Künstliche Intelligenz und Maschinelles Lernen

Definition

Im Zuge der Digitalisierung generieren vernetze Anlagen und intelligente Produkte immer größer werdende Datenmengen. Mit Methoden der Künstlichen Intelligenz, insb. dem Maschinellen Lernen, ist es möglich, diese Daten gewinnbringend zu analysieren und daraus Wissen zu generieren. Das Wissen muss wiederum so repräsentiert und vernetzt werden, dass bestehende Datensilos aufgebrochen, eine durchgängige Datenintegration hergestellt und benutzerfreundliche Anwendungen realisiert werden können.

Vision

Das Technologiefeld unterstützt die Industrie dabei, die verschiedenen Potentiale der KI, insb. des Maschinellen Lernens, zu identifizieren und zu erschließen. Darüber hinaus dient es dem lehrstuhlinternen Wissenstransfer.

Schwerpunktthemen

  • Datenmanagement und Datenbanken (u.a. SQL, NoSQL)
  • Edge-Cloud-Architekturen und Machine Learning Operations (MLOps)
  • Datenvorverarbeitung (u.a. Feature Engineering) und explorative Datenanalysen mittels statistischer Methoden
  • Machine Learning, Deep Learning (u.a. Convolutional Neural Networks, Transformers) und Reinforcement Learning
  • Generative KI (u.a. Large Language Models wie ChatGPT, Generative Adversarial Networks)
  • Knowledge Graphs basierend auf Semantic-Web-Technologien

Anwendungsfelder

  • KI-Anwendungen im Industrie-4.0-Umfeld (z.B. automatische Sichtprüfung, prädiktive Instandhaltung, Prozessüberwachung, Prozesssteuerung/-regelung, Prozessoptimierung)
  • Wissensbasierte Assistenzsysteme im Engineering (z.B. constraintbasierte Konfiguratoren, Knowledge Graphs)
  • KI-Systeme in medizintechnischen Anwendungen (z.B. Umgebungssegmentierung für sehbeeinträchtigte Menschen)

Technologiefeldleitung

  • Andreas Mayr, M.Sc., M.Sc.

Mitglieder

  • Marcel Baader, M.Sc.
  • Helmut Engelhardt, M.Sc.
  • Jan Fröhlich, M.Sc.
  • Simon Fröhlig, M.Sc.
  • Gabriela García, M.Sc.
  • Andreas Gründer, M.Sc.
  • Benjamin Gutwald, M.Sc.
  • Annalena Hartmann, M.Sc.
  • Bernd Hofmann, M.Sc.
  • Lucas Janisch, M.Sc.
  • Oguz Kedilioglu, M.Sc.
  • Christoph Konrad, M.Sc.
  • Felix Mahr, M.Sc.
  • Sven Meier, M.Sc., M.Sc.
  • Andreas Morello, M.Sc.
  • Alexander Müller, M.Sc.
  • Huong Giang Nguyen, M.Sc.
  • Daniela Pisanu, M.Sc.
  • Anja Preitschaft, M.Sc.
  • Ben Rachinger, M.Sc.
  • Tim Raffin, M.Sc.
  • Tobias Reichenstein, M.Sc.
  • Albert Scheck, M.Sc.
  • Benedikt Scheffler, M.Sc.
  • Simon Schlichte, M.Sc.
  • Elisabeth Schmidl, M.Eng.
  • Alexander Schneider, M.Sc.
  • Dr. Reinhardt Seidel, M.Sc.
  • Till Sindel, M.Sc.
  • Oliver Stelter, M.Sc.
  • Dipl.-Ing. Ludwig Streloke
  • Nils Thielen, M.Sc.
  • Jann Warnecke, M.Sc.
  • Patrick Ziegler, M.Sc.
Friedrich-Alexander-Universität
Erlangen-Nürnberg

Schlossplatz 4
91054 Erlangen
  • Sitemap
  • Impressum
  • Datenschutzerklärung
  • Barrierefreiheit
  • RSS Feed
  • Linkedin
Nach oben
Um unsere Webseite für Sie optimal zu gestalten und fortlaufend verbessern zu können, verwenden wir Cookies. Durch die weitere Nutzung der Webseite stimmen Sie der Verwendung von Cookies zu. Weitere Informationen zu Cookies erhalten Sie in unserer DatenschutzerklärungOkDatenschutzerklärung