Die Plattform Lernende Systeme auf der CEBIT 2018

Roboter unterstützen Dozenten

Humanoide Roboter ergänzen die Arbeit von Dozentinnen und Dozenten in Seminarräumen und Büros: Sie helfen im Kurs mit fachlichen Inhalten und beraten Studierende in Sprechstunden. Die Dozentinnen und Dozenten finden mehr Zeit für gemeinsame Übungen mit Studierenden. Die Roboter können perspektivisch in allen Phasen des Lehr- und Lernprozesses aushelfen. Das Projekt H.E.A.R.T. untersucht den Einsatz von Robotern in der Hochschule, um Lehrende unterstützen und Studierende noch individueller betreuen zu können.

Zur Projektseite

Maschinen vernetzen sich zu lernenden Teams

In Zukunft werden autonome Roboter, intelligente Steuergeräte und flexible Produktionsmaschinen in Teams zusammenarbeiten und dabei selbständig lernen, ihre Aufgaben optimal zu erledigen. Das Projekt CrESt entwickelt Methoden für das Design von Software-Architekturen, die es ermöglichen, dass sich Maschinen dynamisch vernetzen und somit dem Menschen Routineaufgaben im Alltag abnehmen. Die Systeme können zum Beispiel Material transportieren, Fahrzeuge steuern und Maschinen bedienen. Dieser autonome Roboter lernt, wo und wann ihm Besucherinnen und Besucher die meisten Flyer abnehmen.

Zur Projektseite

Selbstlernende Systeme – aus Daten klüger werden

Maschinen verstehen aus Daten, wie Emissionen gesenkt, regenerative Energieerzeugung gesteigert, Wartezeiten vor Ampeln reduziert oder Qualitätsparameter verbessert werden. Aus Betriebsdaten mehrerer Wind- oder Gasturbinen bzw. Signalanlagen werden intelligenten Steuerstrategien erlernt. Damit passen sich die Systeme optimal an wechselnde Umwelt- oder Lastbedingungen an. Die effizientere Erzeugung erneuerbarer Energien sowie die Senkung von Stickoxiden in modernen Gaskraftwerken und im Verkehr schonen die Umwelt und kommen uns allen zugute.

Zur Projektseite

Maschinen beim Denken zuschauen

Intelligente Maschinen lernen heute mittels künstlicher neuronaler Netzwerke: Sie verarbeiten Daten ähnlich wie ein menschliches Gehirn und treffen so selbstständig Entscheidungen. Um die Entscheidung einer Maschine zu überprüfen, muss ihr interner Entscheidungsprozess nachvollziehbar sein. Die vom Fraunhofer HHI und der TU Berlin entwickelte Technik schafft diese Transparenz. Je stärker Menschen bei ihren Entscheidungen durch Maschinen unterstützt werden, desto wichtiger ist es, die Maschinen zu verstehen – zum Beispiel in der medizinischen Diagnostik oder bei autonomen Fahrzeugen.

www.bbdc.berlin
www.interpretable-ml.org

Hybride Teams in der wandelbaren Produktion

Wie lassen sich Produktivität und Arbeitszufriedenheit beim Zusammenspiel von Menschen, Maschinen und Diensten in hybriden Teams verbessern?
Erforscht und erprobt werden Komponenten, die die Zusammenarbeit hybrider Teams auf der Basis vorhandener und neu gelernter Fähigkeiten flexibel unterstützen. Die Mensch-Roboter-Zusammenarbeit wird angenehmer und sicherer. Durch kürzere Planungs- und Testphasen ergeben sich geringere Stillstandszeiten im Betrieb und dadurch Kosten- und Wettbewerbsvorteile.

www.hybr-it-projekt.de
www.basys40.de

Parkplatzsuche leicht gemacht

AIPARK unterstützt Autofahrerinnen und Autofahrer bei der Suche nach einem freien Parkplatz. Die cloudbasierte Plattform greift auf einen dynamischen Datenpool zurück, in dem rund 60 Millionen Parkplätze verzeichnet sind. Mithilfe von Big Data und Künstlicher Intelligenz ermittelt die Plattform flächendeckend, wie viel Parkraum verfügbar ist und wie die Chancen auf einen freien Parkplatz stehen. Auch nicht-kommerzielle Parkplätze sind gelistet. Nicht nur Autofahrerinnen und Autofahrer profitieren, sondern alle Menschen in stark befahrenen Städten. Wer schneller einen Parkplatz findet, hilft dabei, unnötigen Verkehr zu reduzieren und so die Umwelt zu entlasten.

Zur Projektseite