Projekte im Bereich Maschinelles Lernen und Künstliche Intelligenz

DIGIPD – Validierung digitaler Biomarker für eine bessere personalisierte Behandlung der Parkinson-Krankheit

Das mit rund 1.6 Millionen Euro geförderte und vom Fraunhofer-Institut für Algorithmen und Wissenschaftliches Rechnen SCAI koordinierte europäische Projekt DIGIPD untersucht, inwiefern mit Hilfe digitaler Techniken (Sensorik, Spracherkennung, Erkennung der Gesichtsmimik) eine präzisere und individualisierte Diagnose und Prognose der Parkinson-Erkrankung möglich ist. Das Projekt wird im Rahmen des europäischen ERA-Netzes zur personalisierten Medizin, ERA PerMed, im »Joint Transnational Call 2020« gefördert. Die Förderung des deutschen Anteils am Projekt erfolgt durch das Bundesministerium für Bildung und Forschung (BMBF).
Laufzeit: 04/2021 bis 03/2024

Mehr Info

CAM2030

Computer Aided Manufacturing (CAM)-Systeme ermöglichen eine computergestützte Planung von Bearbeitungsprozessen. CAM-Software dient dazu, den Steuerungscode für Computerized Numerical Control (CNC)-Werkzeugmaschinen zu erstellen.Das Projekt CAM2030 zielt darauf ab, eine neue Generation von CAM-Systemen zu entwickeln, die sich durch einen geringeren Planungsaufwand, eine optimierte Prozessplanung und einen langfristigen Wissensaufbau und Wissenserhalt auszeichnen. Dazu dient im Projekt die nutzerzentrierte Anreicherung der CAM-Systeme mit neuartigen digitalen Optimierungswerkzeugen – wie evolutionäre Algorithmik, Cloud Computing und künstliche Intelligenz.
Laufzeit: 10/2020 - 09/2023

Mehr Info

© Fraunhofer SCAI

MaGriDo – Mathematik für maschinelle Lernmethoden für Graph-basierte Daten mit integriertem Domänenwissen

Ziel des Verbundprojekts MaGriDo ist die Entwicklung von Methoden des maschinellen Lernens, die deutlich weniger Daten benötigen als bisher oder Vorhersagen treffen können, die konsistent zum vorhandenen Wissen sind.
Laufzeit: 04/2020 - 03/2023

Mehr Info

ManuBrain – universell einsetzbare, skalierbare KI-Plattform für industrielle Anwendungen

Im Projekt »ManuBrain« entsteht eine universelle, skalierbare und offene Plattform für Anwendungen der Künstlichen Intelligenz im industriellen Mittelstand. Das Land Nordrhein-Westfalen und der Europäische Fonds für Regionale Entwicklung fördern das Vorhaben über drei Jahre mit insgesamt 1,8 Millionen Euro. Fraunhofer SCAI entwickelt und evaluiert Verfahren des Maschinellen Lernens für ingenieurtechnische Anwendungen.
Laufzeit: 01/2020 - 12/2022

© Fraunhofer IPT

EVOLOPRO

Die große Vision von Industrie 4.0 ist die automatische Anpassung von Produktionsprozessen an sich schnell verändernde Anforderungen. Das neue Fraunhofer-Leitprojekt EVOLOPRO will dieser Vision ein Stück näher kommen. Als Bestandteil der Fraunhofer-Initative "Biologische Transformation" erforschen mit Beginn des Jahres 2019 sieben Institute gemeinsam, wie das Übertragen entwicklungs- und evolutionsbiologischer Prinzipien auf wandlungsfähige digitale Zwillinge von Menschen gemachten Produktionsprozessen Anpassungfähigkeit verleihen kann. Dabei spielen Transfer- und Multi-Task-Learning ein große Rolle. Die Biologie ist dabei das große Vorbild und liefert wichtige Impulse für die Weiterentwicklung von Verfahren.
Laufzeit: 01/2019 - 12/2022

© Fraunhofer SCAI

ViPrIA – Virtuelle Produktentwicklung mittels intelligenter Assistenzsysteme

Ziel des Verbundprojektes ViPrIA ist die Entwicklung intelligenter, auf Künstlicher Intelligenz und Machine-Learning-Ansätzen basierender Assistenzsysteme zur Unterstützung von Ingenieuren bei der simulationsbasierten, virtuellen Produktentwicklung. Mit Hilfe intelligenter Assistenzfunktionen sollen Berechnungsingenieure im Entwicklungsprozess bei komplexen Entscheidungen unterstützt und von Routineaufgaben entlastet werden.
Laufzeit: 10/2019 - 09/2022

COMMITMENT – Modellierung von Komorbiditäts-Prozessen durch integratives, maschinelles Transfer-Lernen für psychiatrische Erkrankungen

Das Projekt »COMMITMENT - Modellierung von Komorbiditäts-Prozessen durch integratives, maschinelles Transfer-Lernen für psychiatrische Erkrankungen« zielt darauf ab, einen interdisziplinären Forschungsrahmen für die Identifizierung systemmolekularer Merkmale psychotischer und komorbider somatischer Erkrankungen zu schaffen. Die Identifizierung gemeinsamer und unterschiedlicher biologischer Profile und der ihnen zugrundeliegenden pathophysiologischen Prozesse soll es ermöglichen, die Heterogenität der Patienten zu entschlüsseln und die Grundlage für objektive Instrumentarien für ein personalisiertes klinisches Management psychotischer Störungen zu schaffen.
Laufzeit: 09/2019 - 08/2022

© EXCELLERAT

EXCELLERAT

Neue Analyseverfahren erleichtern Auswertung komplexer Ingenieurdaten
In den nächsten Jahren wird mit einer weiteren Steigerung der Leistungsfähigkeit von Supercomputern gerechnet. Sogenannte Exascale-Computer können dann genauere Simulationsergebnisse liefern. Für die dabei entstehenden deutlich größeren Datenmengen entwickelt Fraunhofer SCAI effiziente Datenanalyse-Methoden, die dem Ingenieur zudem detaillierte Einblicke in die komplexen technischen Zusammenhänge gewähren.
Laufzeit: 12/2018 - 02/2022

digitalTPC – digital twins for thermoplast lightweight construction

The potential of digital twins is still largely untapped for cross-value-added chain and material-triggered process control. The digitalTPC project is intended to demonstrate this potential by means of the hybrid injection moulding technology, which is capable of large series production. digitalTPC aims at the comprehensive and holistic consideration of all sub-process steps from semi-finished product to component production. Relevant material, process and component characteristics are to be measured, recorded and virtually modelled and analyzed in a digital twin in local resolution across the entire real value chain. The challenge of the project is the material- and process-related intelligent acquisition of sensor data and their linkage with the integrated simulation chain within the framework of the digital twin by SCAI. The project is funded by Fraunhofer's internal PREPARE program.
Project duration: 02/2019 - 01/2022

More Info

COPERIMOplus – COronavirus PErsonalized RIsk MOdels

The Fraunhofer institutes cooperating in COPERIMOplus want to use rational, data-driven modeling to enable individual risk assessments in order to improve the prognosis of disease progression and to optimize personalized therapies and their evaluation based on objective, standardized criteria. Thus, the project contributes to making it possible to live with the pandemic and return to economic and social normality. The project is funded in the Fraunhofer Anti-Corona program.
Project duration: 10/2020 - 12/2021

More Info

© Fraunhofer SCAI

MADESI

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

The analysis of sensor data of machines, plants or buildings makes it possible to detect anomalous states early and thus to avoid further damage. For this purpose, the monitoring data is searched for anomalies. By means of machine learning, anomaly detection can already be partially automated.
Project duration: 10/2018 - 09/2021

More Info

Logo VMAP

VMAP – Virtual Material Modelling in Manufacturing

The VMAP project aims to gain a common understanding of interoperable definitions for virtual material models in CAE. Using industrial use cases from major material domains and with representative manufacturing processes, new concepts will be created for a universal material exchange interface for virtual engineering workflows.
Project duration: 09/2017 - 10/2020

More Info

VAVID

VAVID allows technology firms to get a better grip on the massive amount of data they need to handle. The partners in this project are developing methods to tackle the enormous volumes of data that accumulate at engineering departments. Examples of such data include simulation results and the sensor data received from machines and installations. VAVID works by using comparative analysis and data compression to reduce data to its relevant core. This saves on the costs of data storage and creates the transparency needed by engineers to optimize both production and products. Project duration: 09/2014 - 12/2017
More Info