Forschungsprojekte
Forschungsprojekte
Ehrenmüller forscht
Wir glauben fest daran, dass Künstliche Intelligenz unsere Welt verbessern kann. Aus diesem Grund ist es uns besonders wichtig, mit unserem Expertenwissen Forschungsprojekte zu unterstützen, die sich für mehr Nachhaltigkeit und einen positiven Einsatz von Künstlicher Intelligenz einsetzt.
Mühleroboter - Intelligente Robotik durch Reinforcement Learning
Welches Problem soll gelöst werden?
Spätestens seit der Veröffentlichung von AlphaGo im Jahr 2016 ist bekannt, dass KI-Anwendungen auch in strategisch komplexen Brettspielen selbst die stärksten menschlichen Spieler besiegen können. Für diese sogenannten digitalen Agenten, die mit Reinforcement Learning trainiert werden, gibt es auch in der Wirtschaft und Industrie zahlreiche Anwendungen, wie das Ad-Hoc-Palettieren von heterogenen Gütern oder das autonome Pflücken von Äpfeln auf einer Obstwiese. Dabei erschweren allerdings folgende zwei Faktoren den Einsatz:
- Die KI-Modelle müssen meist mit sehr begrenzter Rechenkapazität auskommen, damit die Software auf einem Edge-Device auf der Produktionsmaschine laufen kann
- Die KI-Modelle müssen mit Sensoren und Aktuatoren (bzw. mit kollaborativen Robotern) eine Einheit bilden, damit der digitale Agent seine strategischen Fähigkeiten auch in der physischen Welt ausspielen kann.
Wie wollen wir das Problem lösen?
Zum einen haben wir eine KI-Anwendung entwickelt, die quasi unschlagbar im Brettspiel Mühle ist und die durch eine optimale Verknüpfung von Technologien aus den Bereichen Computer Vision und Reinforcement Learning auf einem handelsüblichen Laptop oder einem Raspberry Pi laufen kann.
Zum anderen haben wir eng mit den Robotics-Experten von MIMM zusammengearbeitet, um eine optimale Integration der KI-Anwendung mit einem low-cost Roboter zu ermöglichen. Dabei entwickelten wir eine Steuerungskomponente für die effiziente und fehlerfreie Übergabe von Daten vom Roboter zur KI-Anwendung und zurück.
Welche Rolle spielt Künstliche Intelligenz in diesem Projekt?
Wir haben Reinforcement Learning eingesetzt, um einen digitalen Agenten zu trainieren, der für eine gegebene Spielposition (Bild des Spielfelds) den optimalen nächsten Zug vorhersagt. Um einen guten Zug zu erkennen, hat das Modell während des Trainings mehrere Millionen Spiele gegen sich selbst gespielt. Die so gesammelte Erfahrung wird durch ein neuronales Netzwerk repräsentiert. Zusammen mit einem Suchalgorithmus, der auch mögliche zukünftige Züge beachtet, ist es möglich, übermenschlich gut zu spielen.
Mit dem Laden des Videos akzeptieren Sie die Datenschutzerklärung von YouTube.
Mehr erfahren
Mühleroboter - Intelligente Robotik durch Reinforcement Learning
01.03.2022 - 30.06.2023
KIKS - Künstliche Intelligenz Kunststoffe
Welches Problem soll gelöst werden?
Aktuell sind es weniger als die Hälfte der in Deutschland gesammelten Kunststoffabfälle, die wiederverwendet werden können. Dies liegt u.a. daran, dass Produzenten eine möglichst hohe Reinheit und Qualität der Rezyklate benötigen, um wohl definierte Kunststoffe herzustellen. Besonders für KMUs sind die aktuell erforschten Sortiertechniken meist zu teuer und mit zu hohen Hürden verbunden.
Wie wollen wir das Problem lösen?
Ziel dieses Projekts ist die Entwicklung einer digitalen, KI-basierten Plattform, um die Kunststoffrezeptur flexibel an variable Rezyklatanteile und -zusammensetzungen anzupassen. Die Innovation liegt in der Entwicklung von Physik-informierten neuronalen Netzen, mit denen die umfangreichen Daten von hunderttausenden Kunststoffen aus Wirtschaft und Forschung mit den physikalischen und chemischen Gesetzmäßigkeiten der Kunststoffe sowie weiterer statistischen Daten kombiniert und abstrakte Zusammenhänge zwischen Zusammensetzung, Verarbeitung und Eigenschaften identifiziert werden. Mit der unternehmensübergreifenden Plattform können Produzenten und Recycler den maximalen Rezyklatanteil je nach Zieleigenschaften simulieren bzw. je nach Rezyklat auf geeignete Rezepturen schließen. Dadurch werden die technischen und ökonomischen Risiken sowie die benötigten Tests in der Kunststoffentwicklung stark reduziert und die werkstoffliche Verwertungsquote signifikant erhöht, um einen flächendeckenden Beitrag zur Ressourceneffizenz und Kreislaufwirtschaft leisten.
Welche Rolle spielt Künstliche Intelligenz in diesem Projekt?
Ehrenmüller ist in diesem Projekt sowohl für die Datenerhebung, die Datenanalyse und -visualisierung als auch für die Cloud-Infrastruktur und das Machine-Learning Modell zuständig.
KIKS - Künstliche Intelligenz Kunststoffe
01.08.2022 - 31.07.2025
Unsere Partner:
KIOptiPack - Der KI-Anwendungshub Kunststoffverpackungen
Welches Problem soll gelöst werden?
Nur eine sehr geringe Menge des Verpackungsabfalls wird derzeit recycelt, dabei scheitert die Nutzung von Sekundärrohstoffen hauptsächlich an technischen und wirtschaftlichen Herausforderungen.
Die Fördermaßnahme „KIOptiPack“ des Bundesministeriums für Bildung und Forschung stellt sich der Frage, wie es mit Hilfe von Künstlicher Intelligenz möglich ist, wichtige Ressourcen zurück in den Kreislauf zu führen.
Dabei ist eines der Hauptziele, die Wertschöpfungskette von Kunststoffverpackungen in Zukunft nachhaltiger zu gestalten. Von Design und Produktion bis hin zur Kreislaufschließung werden Methoden der KI in konkreten Anwendungsfällen getestet und in die Anwendung gebracht.
Wie wollen wir das Problem lösen?
Ganzheitliche KI-basierte Optimierung von Kunststoffverpackungen mit Rezyklatanteil.
Ziel des Projekts ist die Steigerung von “Reduce, Reuse und Recycling” in der Verpackungsindustrie. Zusätzlich wird die Verlängerung der Recyclingiterationen und die Verlangsamung des Downcyclings angestrebt, indem die Produktgestaltung für erhöhten Recyclingeinsatz bei geringerem Materialeinsatz optimiert werden soll. Da die Forschungsmethoden im Bereich der Kunststoffverarbeitung sehr ressourcenintensiv sind, sollen die Vorgänge mit Hilfe von Künstlicher Intelligenz unterstützt werden. Die angestrebten KI-Modelle sollen zum einen Initialrezepturen für gewünschte Materialparameter liefern, zum anderen Maschineneinstellungen, welche eine hohe Prozessstabilität garantieren.
Eine besondere Herausforderung sind die hohen Abweichungen der Materialkennwerte bei recycelten Kunststoffen, die mit Hilfe von künstlicher Intelligenz ausgeglichen werden sollen. Ein weiterer spannender Punkt ist die Bewertung von Transfer-Lernerfolgen bei Übertrag von KI-Modellen auf andere Anlagen.
Welche Rolle spielt Künstliche Intelligenz in diesem Projekt?
Ehrenmüller ist in den Teilprojekten zur Compoundierung und Folienextrusion tätig.
Hierbei liegt der Fokus auf der KI-Modellierung zur Vorhersage der Materialeigenschaften, Dateninterpretation und Datenverarbeitung, sowie automatisierte Generierung von Initialrezepturen und Maschineneinstellungen.
KIOptiPack - Der KI-Anwendungshub Kunststoffverpackungen
01.08.2022 - 31.07.2025
Unsere Partner:
KI-PRM - KI-basiertes Projektrisikomanagement
Welches Problem soll gelöst werden?
Untersuchungen zeigen, dass je nach Branche & Bereich mehr als 60% der Projekte scheitern, d.h. erheblich teuer werden, länger brauchen als geplant oder gänzlich abgebrochen werden. Die Ursachen des Scheiterns sind vielfältig. Eines der Kernprobleme bei KMU liegt in mangelnden Kenntnissen über das besonders erfolgskritische Projektrisikomanagement (PRM).
Wie wollen wir das Problem lösen?
Das Ziel des Verbundvorhabens KI-PRM ist es, eine technologische Grundlage zu erforschen, um das PRM in KMU mit Hilfe von KI während des gesamten Lebenszyklus eines Projekts zu unterstützen. Dazu gehört, dass mit geeigneten Machine Learning Methoden Risiken identifiziert, bewertet und Bewältigungsmaßnahmen vorgeschlagen sowie ggf. angestoßen werden können. Außerdem wird es ermöglicht, die Risiken fortlaufend zu überwachen und über die Risikosituation regelmäßig zu berichten. In der Regel nicht vorhandenes Expertenwissen wird bereitgestellt und die Projektleitung von Routinearbeiten im PRM entlastet. Um die Akzeptanz des KI-PRM zu verbessern, wird die Lösung mit Hilfe von Explainable KI Konzepten so gestaltet, dass die Ergebnisse und Schlussfolgerungen der KI nachvollziehbar und transparent dargestellt werden können.
Welche Rolle spielt Künstliche Intelligenz in diesem Projekt?
Unser Projektpartner Limebit hat bereits mit Hilfe von KI mögliche Projektrisiken vorhergesagt. Die Aufgabe von Ehrenmüller besteht darin, auf dieser Grundlage passende Risikobewältigungsmaßnahmen zu identifizieren und die anderen Projektpartner bei der Modellkonzeption und Datenanalyse zu unterstützen.
KI-PRM - KI basiertes Projektrisikomanagement
01.10.2022 - 30.09.2025
Unsere Partner:
Sie interessieren Sich für die individuelle Entwicklung Ihres KI-Projektes?
Kontaktieren Sie uns gerne. Wir freuen uns von Ihnen zu hören.