Forschung

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 internen Wissenstransfer.

Schwerpunktthemen

  • Sensorik und Datenerfassung (IoT-Gateways, Edge-Geräte etc.)
  • Digitale Signalverarbeitung und Kommunikationstechnologien (OPC UA etc.)
  • Datenmanagement und Datenbanksysteme (Graphdatenbanken etc.)
  • Service- und Plattform-Ökosysteme (IoT-Plattformen etc.)
  • Data Analytics und Data Mining (Clusteranalysen etc.)
  • Machine Learning (Künstlich Neuronale Netze etc.)
  • Semantische Technologien (Semantic Web, Ontologien etc.)
  • Experten- und Wissensmanagementsysteme (Enterprise Knowledge Graph etc.)

Anwendungsfelder

  • Datengetriebene Prozessoptimierung im Industrie 4.0-Umfeld (Predictive Maintenance, Predictive Quality, Human-like Machine Vision)
  • Wissensbasierte Assistenzsysteme im Engineering (Konfiguratoren etc.)
  • KI-Systeme im Smart Home und medizintechnischen Anwendungen (Objekt- und Spracherkennung etc.)

Ansprechpartner

Andreas Mayr, M.Sc., M.Sc.

Mitglieder