InfoPoint

Tim Raffin (FAPS): Open Source Framework für MLOps in der Industrie Tim Raffin, wissenschaftlicher Mitarbeiter am Lehrstuhl für Fertigungsautomatisierung und Produktionssystematik, stellt in diesem ProKI-Infopoint vor, wie mittels eines MLOps-Frameworks KI-Anwendungen auch im industriellen Umfeld bereitgestellt und aktualisiert sowie Daten effizient gestreamt werden. Das vorgestellt Framework nutzt dabei ausschließlich Open Source-Lösungen. Die Veranstaltung ist digital […]

Dr. Norbert Huchler (Vorstandsmitglied Institut für Sozialwissenschaftliche Forschung in München): KI und lebendige Arbeit. Warum Arbeit nicht ausgeht und was das für die Arbeits- und Technikgestaltung bedeutet.

Johannes Viehweg (TU Ilmenau, Fachgebiet Data-intensive Systems and Visualization Group): How to Deep Learning - Von der Problemstellung zum trainierten Modell Der Einsatz von KI wird oftmals als Allzwecklösung für viele Probleme gesehen. Auch wenn mithilfe von KI ein breites Spektrum von Aufgaben gelöst werden kann, scheitern viele Projekte in Unternehmen oftmals schon davor. Die […]

Kai Ehlich (TU Ilmenau, Fertigungstechnik): Herstellung von Punktschweißverbindungen und der Einsatz von KI Um zukünftige Anforderungen an die Qualität von sicherheitsrelevanten Schweißverbindungen, beispielsweise im Bordnetz von autonom fahrenden Fahrzeugen, zu erfüllen, wird auf intelligente Kombinationen von Sensoren und Methoden der Künstlichen Intelligenz gesetzt. In diesem KI-Info-Point wird gezeigt, wie ein neuronales Netz mithilfe von Drehmomentverläufen […]

Sven Meier (FAPS): Erkennung von Anomalien in Schraubprozessen mittels Künstlicher Intelligenz Schraubprozesse werden in nahezu allen Industriesektoren durchgeführt. Umso anspruchsvoller ist es, Modelle zu entwickeln, die ein breites Spektrum an Fehlern und Schraubentypen abdecken. Am Beispiel des Demonstrators des ProKI-Standorts Nürnberg präsentiert Sven Meier, wie mittels KI Anomalien im Schraubprozess vorhergesagt werden können.

Galina Polte & Albrecht Heß (TU Ilmenau, Fachgebiet Qualitätssicherung und Industrielle Bildverarbeitung): Datenaugmentierung für KI in der Produktion Wie in vielen anderen Bereichen kommt auch in der industriellen Qualitätssicherung zunehmend Deep Learning für komplexe Erkennungsaufgaben zum Einsatz. Da in der Produktion verfahrensbedingt viele IO-Teile aber nur wenig NIO-Teile anfallen, wird oft auf eine Outlier Detection […]