In der globalen Liga der Prüfunternehmen hat sich Dekra im Jahr 2020 überdurchschnittlich behauptet und seine Position als anerkannter Partner für die Prüfung, Inspektion und Zertifizierung intelligenter und vernetzter Produkte ausgebaut.
In der globalen Liga der Prüfunternehmen hat sich Dekra im Jahr 2020 überdurchschnittlich behauptet und seine Position als anerkannter Partner für die Prüfung, Inspektion und Zertifizierung intelligenter und vernetzter Produkte ausgebaut.
Im Projekt ‚Kitos – Künstliche Intelligenz für TSN zur Optimierung und Störungserkennung‘ arbeiten Wissenschaftler und Ingenieure gemeinsam an Lösungen für ein dynamisches Netzwerkmanagement in der Industrie.
Das Biba (Bremer Institut für Produktion und Logistik an der Universität Bremen) stellt den Prototypen eines neuen Assistenzsystems für manuelle Montagestationen vor.
Mit Kaspersky Machine Learning for Anomaly Detection lassen sich Abweichungen in den Produktionsprozessen frühzeitig erkennen und Ausfallzeiten reduzieren.
Um künstliche Intelligenz nutzen zu können, braucht ein Unternehmen nicht zwingend einen ausgewiesenen Fachmann.
Das Automated-Machine-Learning-Angebot (AutoML) Enlight AI von SKF wendet selbstlernende Algorithmen auf Echtzeit-Prozessdaten an, um Anomalien zu erkennen und drohende Anlagenstörungen vorherzusagen.
Synaos arbeitet ab sofort mit SEW-Eurodrive zusammen, um seine KI-Software praktisch zu erproben und zu verbessern.
Das Projekt Evarest, geleitet von der Universität des Saarlandes und dem DFKI, will aufzeigen, wie Hersteller mit smarten Daten Lebensmittel besser, günstiger, in richtiger Menge und klimafreundlicher produzieren sowie zusätzliche Einnahmen erzielen können.
Das Fraunhofer Spin-off Plus10 hat bei Freudenberg Home and Cleaning Solutions eine KI-Software in Spritzgießmaschinen implementiert.
Zur digitalen Hannover Messe haben DIN und DKE ein Whitepaper vorgestellt, das in vier Szenarien die Digitalisierung der Normung und Normen bis 2030 beschreibt.
Noch weiß keiner, wie schnell das autonome Fahren verfügbar ist und wann die E-Mobilität die kritische Marktdurchdringung erreicht hat.
Neousys Technology bietet mit der Baureihe NRU-120S, die mit einer kompakten Nvidia-Jetson-AGX-Xavier-KI-Plattform und vier PoE+-Ports mit Schraubverbindungen sowie 2 2,5″-Festplattenschächten ausgestattet ist, eine sehr energieeffiziente lüfterlose Edge-KI-Inferenzplattform.
Mit steigender Vernetzung zwischen Maschinen und Anlagen drängt auch die Künstliche Intelligenz vermehrt in Fertigungshallen. Antriebe sollen sparsamer, Prozesse schneller und die Qualität höher werden. Wo geht die Reise hin?
iNA600 heißt die neue industrietaugliche Network Appliance von Axiomtek zur Montage auf der Hutschiene.
IOTech hat die neue Version von Edge Xpert auf Funktionen zur Unterstützung von Computer Vision und KI ausgelegt.
Cartesiam stellt mit NanoEdge AI Studio V2 eine integrierte Entwicklungsumgebung (IDE) vor, die die Erstellung von Bibliotheken für maschinelles Lernen, Inferenz und jetzt auch Klassifizierung für die direkte Implementierung auf Arm-Cortex-m-Mikrocontrollern (MCUs) vereinfacht.
Die Potenziale von künstlicher Intelligenz sind enorm, doch eine erfolgreiche Integration von KI-Anwendungen kann nur gelingen, wenn man das Thema zur Chefsache macht.
Ein auf Befestigungstechnik spezialisiertes, international tätiges Unternehmen produziert unter anderem Bolzenanker in verschiedensten Ausführungen.
Die Technische Universität München (TUM) hat die Initiative KI.Fabrik gestartet, um gemeinsam mit einem Konsortium industrieller Partner bis 2030 den Prototypen einer smarten Fabrik zu entwickeln.
@Grundschrift_NH_K01:Die Potenziale künstlicher Intelligenz in der Industrie nutzen: Dieses Ziel hat sich eine Kooperative aus zehn Partnern gesetzt, initiiert vom Fraunhofer IOSB-INA.
PerfectPattern hat die kostenlose Basisversion von Insights App vorgestellt.
Wie können Unternehmen ihre KI-Systeme vertrauenswürdig gestalten?
Erforschung, Entwicklung und Herstellung neuer Materialien hängen entscheidend von schnellen und zugleich genauen Simulationsmethoden ab. Maschinelles Lernen wird es künftig ermöglichen, komplexe Materialsysteme rein virtuell zu entwickeln. Wie das funktioniert und welche Anwendungen davon profitieren, erklärt ein Forscher des Karlsruher Instituts für Technologie (KIT) gemeinsam mit Kollegen aus Göttingen und Toronto.