Anwendungsfall 1: Künstliche Intelligenz in der Pflanzenzucht einsetzen
Die Pflanzenzucht ist ein Beispiel, bei dem die richtigen Kombinationen von prozesssteuernden Maßnahmen, wie die Wahl des Lichtspektrums oder Temperaturanpassungen in verschiedenen Entwicklungsstadien, einen entscheidenden Einfluss auf den Zuchterfolg haben. KI-Methoden sollen hier unterstützen, indem sie die relevantesten Parameter und Einstellungen abschätzen und somit SU BIOTEC wertvolles Wissen für die Gestaltung des Zuchtprozesses liefern.
Anwendungsfall 2: Wissen aus Laborberichten bewahren
GEA, einer der weltweit größten Anbieter für Systeme zur mechanischen Klärung und Trennung von Flüssigkeiten in verschiedenen Branchen, steht vor der Herausforderung, das Expertenwissen, das Laboringenieurinnen und -ingenieure über Jahrzehnte aufgebaut haben, zu bewahren. Aufgrund des demografischen Wandels werden viele dieser Expertinnen und Experten in absehbarer Zeit in den Ruhestand gehen. Daher ist es von entscheidender Bedeutung, dieses Fachwissen mithilfe von KI in datenbasierten Modellen zu komprimieren und sowohl neuen Mitarbeiterinnen und Mitarbeitern als auch der gesamten Branche zur Verfügung zu stellen.
„Unsere Ergebnisse zeigen eindeutig auf, dass wir auf dem richtigen Weg sind“, sind sich Julian Bültemeier, wissenschaftlicher Mitarbeiter in der Arbeitsgruppe Diskrete Systeme unter Prof. Dr. Volker Lohweg, und Christoph-Alexander Holst, Forschungsgruppenleiter in der Arbeitsgruppe, einig.
Anwendungsfall 3: Energieeffizienz von Haushaltsgeräten steigern
Im Anwendungsfall von Miele geht es im Projekt AI4ScaDa darum, intelligente Wäschetrockner zu entwickeln. Hierbei werden Feld- und Laborprüfdaten zusammengeführt und mithilfe von KI-Methoden genutzt, um Wäschetrockner effizienter zu gestalten. Diese Herausforderung verspricht nicht nur die Verbesserung von Haushaltsgeräten, sondern auch einen nachhaltigeren Umgang mit Energie.
Mehr zu AI4ScaDa
Das it’s-OWL-Innovationsprojekt AI4ScaDa widmet sich der Erforschung spezieller KI-Techniken, die im Kontext von Scarce Data gewinnbringend eingesetzt werden können. Im Gegensatz zu Big Data bezieht sich der Begriff "Scarce Data" auf eine begrenzte Menge oder unvollständige, jedoch oft in Laboren erhobene Daten. Die zentrale Herausforderung besteht darin, dass KI-Systeme stark von der Qualität und Quantität der verfügbaren Daten abhängen. Wenn nur sehr wenige Daten zur Verfügung stehen, können KI-Prozesse häufig kaum mit menschlicher Expertise mithalten. AI4ScaDa zielt darauf ab, diese Lücke zu schließen und Unternehmen dabei zu unterstützen, auch in datenknappen Umgebungen die Vorteile der Künstlichen Intelligenz zu nutzen.