Pressespiegel

Projekt entwickelt Software-Standard für mehr Effizienz bei der Produktentwicklung

konstruktionspraxis vom 23. April 2020:

»Unter Projektführung des Fraunhofer SCAI will man mit dem Standard die gesamte Wertschöpfungskette in der industriellen Produktion verbessern: Die reibungslose, automatisierte Kommunikation wird den Entwurfsprozess entscheidend vereinfachen und Zykluszeiten in der Konstruktionsoptimierung reduzieren.«

Mit allen fünf Sinnen produzieren

Markt & Technik vom 17. April 2020:

»Wissenschaftler des Fraunhofer-Instituts IPT und des Fraunhofer-Instituts SCAI haben (...) einen Algorithmus entwickelt und mit speziellen Machine-Learning-Verfahren trainiert. Er kann den Zustand eines Werkzeugs anhand dessen Klangspektrums ermitteln und dabei kleinste Abnutzungsgrade identifizieren. "Zwar ist dazu auch ein Mensch in der Lage", betont Sebastian Mayer vom Fraunhofer SCAI. "Aber die KI kann viel schneller große Mengen von Spektren durchgehen und feingliedriger als der Mensch lernen, Abnutzungsgrade zu unterscheiden." Der Algorithmus unterstützt den Menschen etwa bei der Entscheidung, ob das Werkzeug ausgetauscht werden muss oder nicht.«

Digitalisierung der Fabrik: Wenn Maschinen Menschen imitieren

Industrie-Anzeiger vom 14. April 2020:

»Um den Werkzeugverschleiß in Echtzeit zu überwachen, werden Multi-Sensoren nah am Prozesswerkzeug eingesetzt. "Es ist komplex, ein physikalisches oder mathematisches Modell mit Sensordaten aufzubauen, um den Abnutzungsgrad von Werkzeugen zu erkennen oder vorherzusagen. Mit Hilfe der KI können die wesentlichen Features aus den Sensordaten extrahiert werden und wir können so effiziente, interpretierbare Modelle trainieren“, betont Sebastian Mayer vom Forschungszentrum Maschinelles Lernen."

Durch die systematische Analyse der gelernten Modelle ist die Funktionsweise der KI nachvollziehbar. Das steigert ihre Akzeptanz. Gleichzeitig erlaubt die systematische Analyse von Modellen und Algorithmen Schwachstellen und Engpässe aufzudecken. Mayer: „Diese Erkenntnisse können zu einer Verbesserung des Trainingsprozesses führen, sodass dieser mit weniger Daten auskommt beziehungsweise mit der gleichen Menge verfügbarer Daten mächtigere Modelle trainiert werden können.«

Effiziente Energieoptimierung

i-Magazin vom 27. Januar 2020:

»Der Bedarf an Speicherung und anderen Flexibilitätsoptionen wird noch weiter zunehmen. Effizient und ökonomisch kann die Energiewende nur gelingen, wenn die Sektoren Strom, Wärme, Gas – und auch Transport etwa durch Elektromobilität oder mit Erdgas betriebenen Fahrzeugen – untereinander vernetzt und Synergien in Lastflüssen und Speicherung genutzt werden", schließt Klaaßen.

Die Vorteile der Sektorenkopplung werden zunehmend erkannt. Die Projektergebnisse fließen in die vom Fraunhofer SCAI entwickelte Simulations-Software ein, die von der Industrie bereits nachgefragt wird, um zukünftige Planungen – etwa im Wasserstoffbereich – zu unterstützen.«

KI-Projekt „Manu Brain“ erhält Millionenförderung

K-Zeitung vom 20. Januar 2020

»Schwerpunktmäßig konzentriert sich Fraunhofer SCAI innerhalb des Projekts an Verfahren des Transferlernens. Diese sollen dabei helfen, Modelle des maschinellen Lernens, die für einen Maschinentyp funktionieren, auf verwandte Maschinentypen zu übertragen. Ebenso wird auf die Interpretierbarkeit der Ergebnisse der ML-Verfahren geachtet.«

Energiemanagement über Sektorgrenzen hinweg

Energie & Management vom 06. Januar 2020:

»Eine stärkere Vernetzung von Energieproduktion und -speicherung über Sektorgrenzen hinweg durch Simulationssoftware hat das Fraunhofer Institut SCAI im Projekt Es-Flex-Infra realisiert.

 

Ein besonderer Fokus liegt dabei auf der Integration von Erzeugung und Speicherung über Sektorgrenzen hinweg, und das hat einen guten Grund, wie Bernhard Klaaßen vom SCAI erläutert: Verglichen mit der Energiespeicherung in Form von Elektrizitat ist zum Beispiel der Ausgleich zwischen Erzeugung und verbrauch duch Lastverlagerung, Nutzung industrieller Abwärme und thermische Energiespeicherung deutlich kostengünstiger und effizienter.«

Start-up räumt beim Sperrmüll auf

Westdeutsche Allgemeine Zeitung (Essen) vom 2. Dezember 2019

»Mit Hilfe der Kundendaten, die die Stadt Herne zur Verfügung stellte, und eigener Software entwickelte AdiutaByte das System »Waste Hunter«. Online können die Bürger damit detailliert angeben, was sie entsorgen wollen: Sofa, Matratzen, Kühlschrank. Durch die bessere Planbarkeit kommt es zu 30 Prozent weniger Touren der Sperrmüllfahrzeuge, gleichzeitig können aber 42 Prozent mehr Aufträge pro Woche abgewickelt werden. So lauten die bisherigen Berechnungen von AdiutaByte.«

Talente stillen ihren Wissensdurst

Fraunhofer-Talent-School hatte 30 Schüler zum Ferienexkurs in die Wissenschaft von Mathematik und Informatik eingeladen.

General-Anzeiger vom 28. Oktober 2019

»Zum nunmehr elften Mal hatte das Fraunhofer-Institutszentrum Birlinghoven in den Herbstferien Schüler der neunten bis dreizehnten Jahrgangsstufen zu einem dreitägigen Workshop eingeladen. (...) Intelligente Algorithmen für Robotik-Systeme, Anwendungsmöglichkeiten des vielzitierten Internets der Dinge sowie der "Mathematik für die Praxis" standen auf der Agenda. Nach drei Tagen des Lernens und Erforschens stellten die Schüler am Freitagnachmittag ihre Ergebnisse vor.«

Intelligente Assistenzsysteme helfen bei der virtuellen Produktentwicklung

innovations-report vom 8. Oktober 2019

»Garcke und sein Team möchten die Simulationsdaten so aufbereiten, dass gängige ML-Methoden zur Auswertung eingesetzt werden können. Neben existierenden Open-Source-Paketen verwendet Fraunhofer SCAI hierbei eigens entwickelte Analysealgorithmen, die speziell für die Anwendungsdomäne angepasst sind.«

Punkt vor Gitter

InnoVisions vom 9. Juli 2019

»Mit der Softwarelösung »MESHFREE« haben Dr. Isabel Michel und ihr Team gemeinsam mit Forscherinnen und Forschern des Fraunhofer-Instituts für Algorithmen und Wissenschaftliches Rechnen SCAI und weiteren Partnern aus Wissenschaft und Industrie eine neue Simulationsmethode entwickelt, die komplexe, dynamische Vorgänge wie diese beherrschbar macht.«

So früh wie möglich das Lernen lernen

General-Anzeiger vom 15. Juni 2019

»Trottenberg nennt sich selber einen "Algorithmiker". Ein Algorithmus ist für ihn eine eindeutige Handlungsvorschrift und Kern jeglicher digitaler Entwicklung. Das fange beim Kochrezept an und gehe über die Musikcodierung von mp3 bis hin zur Künstlichen Intelligenz (KI). Wesentlich für ihn ist, dass die Programmierung dazu gehört.«

A digital disease classification system fit for the modern medical era

Classifying diseases is a practice still stuck in the past. The Innovative Medicines Initiative AETIONOMY project brings it into the 21st century.

CORDIS Results Pack on the brain from June 2019

»You have to be aware that our current classification system for diseases has its roots in the middle of the 19th century,” says Professor Dr Martin Hofmann-Apitius from the Fraunhofer Institute for Algorithms and Scientific Computing SCAI, the AETIONOMY (Organising Mechanistic Knowledge about Neurodegenerative Diseases for the Improvement of Drug Development and Therapy) project co-coordinator. “We are still following principles that go back way before we even knew what a ‘gene’ was.«

Umfassendes Krankheitsmodell

Neuartiges Verfahren zur Analyse von Alzheimer-Ursachen

InnoVisions vom 28. Mai 2019

»Alzheimer ist eine Krankheit, die immer mehr Menschen rund um den Globus betrifft, bis heute aber als nicht heilbar gilt. Eines der größten Probleme bei der Suche nach Wirkstoffen, die diese Krankheit bekämpfen könnten, ist das immer noch lückenhafte Wissen um die Ursachen. In ihrer Doktorarbeit bei Fraunhofer SCAI entwickelte Dr. Alpha Tom Kodamullil eine Methode, mit der systematisch neue Zusammenhänge in medizinischen Datensätzen gefunden werden können. Sie identifizierte dabei Mechanismen, die wesentlich zur Entwicklung neuer Diagnoseverfahren und Wirkstoffe beitragen.«

Neue industrielle Anwendungen im Blick

DIGITAL ENGINEERING vom Mai 2019

»Die Leistungsfähigkeit von Supercomputern wird in den nächsten Jahren weiter steigen. Sogenannte Exascale­Computer liefern noch genauere Simulationsergebnisse. Das Fraunhofer SCAI entwickelt für die zunehmenden Datenmengen effiziente Datenanalyse-Methoden, die Ingenieuren detaillierte Einblicke in die komplexen technischen Zusammenhänge gewähren. Deren Arbeit wird sich künftig durch den unterstützenden Einsatz von maschinellen Lernverfahren weiter verändern.«

Machine Learning am Geschwindigkeitsregler

heise online vom 10.04.2019

»Am Stand des Fraunhofer-Institut für Algorithmen und Wissenschaftliches Rechnen SCAI können Besucher Carrera-Bahn-Rennen fahren – gegen einen Algorithmus, der gelernt hat, sein Auto mit optimaler Geschwindigkeit zu steuern.«

Using machine learning for the early detection of anomalies helps to avoid damage

Phys.org vom 10.01.2019

»The researchers in the MADESI project develop methods that enable the utilization of simulation data in machine learning. (…) Moreover, the consortium intends to increase the interpretability of the monitoring data. »For this purpose, we at SCAI work on data mining methods which can recognize patterns in the scenario data,« explains project manager Prof. Dr. Jochen Garcke, head of the department »Numerical Data-Driven Prediction« at Fraunhofer SCAI.«