AI

Objekterkennung spielt in der heutigen, automatisierten Welt eine immer größere Rolle. Sie wird unter anderem im autonomen Fahren zum Erkennen von Hindernissen oder Straßenschildern verwendet. Aber auch in der Industrie findet sie Anwendung, beispielsweise um optische Produktmängel zu erkennen, wie die Severstal Steel Defect Detection Challenge [STEEL] beweist. Wie ein Modell zur Objekterkennung e..

Von der ersten Idee einer Anwendung von Machine Learning (ML) bis zur Entscheidung über den Projektstart lassen sich viele Fehler vermeiden, die den Projekterfolg gefährden. Die Bedeutung von Daten und der Datenqualität für das Gelingen von ML-Projekten lässt sich nicht unterschätzen, aber auch darüber hinaus gibt es viele Fragen zu klären. Hier betrachten wir eine Reihe relevanter Problemdimensio..

Handlungsempfehlungen helfen Menschen, konsistente und nachvollziehbare Entscheidungen zu treffen, indem die relevanten Entscheidungsmerkmale und deren Zusammenhänge während der Anwendung transparent gemacht werden. Viele dieser Handlungsempfehlungen basieren auf Expertenerfahrungen, die als fixe Regeln in den zu entscheidenden Sachverhalt einer Domäne implementiert sind. Hier kann KI helfen.

Der Einsatz von Maschinellem Lernen (ML) im Umfeld von Supply-ChainManagement und Logistik ist vor dem Hintergrund von Industrie 4.0 und Smart Factory von sehr großer Bedeutung. In nahezu allen Phasen der Logistik von Beschaffung, Produktion und Distribution über Planung und Gestaltung bis hin zur Ausführung und zum Qualitätsmanagement in Echtzeit können diese KI-Methoden zum Einsatz kommen.

Wie können technische Störungen in Produktionsanlagen erkannt werden, noch bevor ein Schaden entsteht? Dieses Beispiel zeigt, wie mit frei verfügbaren Tools, Datensätzen und Frameworks in der Praxis echter Mehrwert generiert wird.