In Bayern soll ein neues Kompetenznetzwerk für künstliche maschinelle Intelligenz entstehen. - Bild: Pixabay
Kompetenz-Kompetenz ist in Bayern seit jeher Chefsache: "»Wenn Bayern weiterhin erfolgreich sein soll, dann muss es mit künstlicher maschineller Intelligenz zukünftig seine gesamte Industrie verstärken", sagt CSU-Ministerpräsident Markus Söder. "Deswegen starten wir mit enormem Einsatz eine neue künstliche Intelligenz-Strategie. Bayern soll weltweit eine der führenden Regionen für künstliche maschinelle Intelligenz werden. Mit neuen Konzepten und Projekten wie MediaLabs und neuen Gründerzentren sorgen wir dafür, dass die Chancen der Digitalisierung in allen Regionen Bayerns genutzt werden können."
Darum hat die bayerische Staatsregierung beschlossen, ein neues Kompetenznetzwerk für Künstliche maschinelle Intelligenz an mehreren Standorten im Freistaat aufzubauen. Der Fraunhofer-Gesellschaft kommt dabei nach eigener Aussage – in enger Kooperation mit den Universitäten in München und Erlangen-Nürnberg – eine tragende und koordinierende Rolle zu. Mehrere bayerische Forschungsinstitute und Einrichtungen werden auf diesem Thema auf- beziehungsweise ausgebaut.
Prof. Reimund Neugebauer, Präsident der Fraunhofer-Gesellschaft, betont: "Wir freuen uns, einen wesentlichen Beitrag zum Aufbau des neuen Kompetenznetzwerkes ‚Künstliche maschinelle Intelligenz‘ leisten zu können. Das ist ein wichtiger Schritt, um dieses herausragende technologische Zukunftsthema in Bayern voranzutreiben. Ziel der geplanten Aktivitäten an den bayerischen Fraunhofer-Standorten wird es vor allem sein, den Wissenstransfer zu Künstlicher Intelligenz und Kognitiven Systemen von der Forschung in die Praxis zu beschleunigen."
KI-Aktivitäten in München, Erlangen, Würzburg, Augsburg, Bayreuth, Ingolstadt
Vorgesehen ist zum einen der Aufbau eines Fraunhofer-Instituts für Kognitive Systeme in München mit den Schwerpunkten Software-Architekturen und modellbasierte Software-Entwicklung für dynamische lernende Systeme, Künstliche Intelligenz (KI) für autonome Systeme sowie semantische Datenanalyse. Das neue Institut soll auf Basis des bisherigen Fraunhofer-Instituts für Eingebettete Systeme und Kommunikationstechnik ESK entstehen. Zudem ist in diesem Zusammenhang ein Neubau auf dem Forschungscampus in Garching geplant.
Des Weiteren soll in der Metropolregion Nürnberg-Erlangen der Schwerpunkt "Digitale Signalverarbeitung mit KI (DSKI)" am Fraunhofer-Institut für Integrierte Schaltungen IIS ausgebaut werden. Ziel ist es, die technischen Möglichkeiten im Bereich der Audio- und Bildverarbeitung sowie der Nachrichtenübertragung durch KI zu optimieren.
In Garching sind der Ausbau des Themengebietes Kognitive Sicherheit am Fraunhofer-Institut für Angewandte und Integrierte Sicherheit AISEC sowie eine enge Kooperation mit dem Fraunhofer-Forschungscluster Cognitive Internet Technologies angestrebt. In Augsburg und Bayreuth soll zudem die Blockchain-Forschung der Projektgruppen des Fraunhofer-Instituts für Angewandte Informationstechnik FIT intensiviert werden.
Ergänzend soll in Ingolstadt ein neues Anwendungszentrum "Vernetzte Mobilität und Infrastruktur" unter Federführung des Fraunhofer-Instituts für Verkehrs- und Infrastruktursysteme IVI aufgebaut werden.
Alle Aktivitäten werden eng miteinander verzahnt, an geeigneten Schnittstellen soll es eine strategische Kooperation mit fortiss, dem Forschungsinstitut des Freistaats Bayern für softwareintensive Systeme und Services, geben. Zudem sind sechs neue Professuren an den exzellenten Münchener Hochschulen geplant.
Fraunhofer
5 lukrative Anwendungsgebiete für Künstliche Intelligenz
Intelligent Automation / Robotics: In der Intelligent Automation geht es um Aspekte der Automatisierung, die auf der klassischen Prozessautomatisierung aufsetzen. Dies fängt an mit einfacher regelbasierter Automatisierung, Robotic Process Automation (RPA), und geht weiter in den Bereich Kognition, in dem man unstrukturierte Daten wie zum Beispiel E-Mail und Chat-Bots in eine strukturierte Kundenkommunikation überführt. Der nächste Schritt sind selbstqualifizierende und selbstlernende Systeme, die Entscheidungen vorbereiten. - Bild: zapp2photo, Fotolia
Product Lifecycle Management: Ein Bereich in der Fertigung, in dem sich der Einsatz Künstlicher Intelligenz lohnt, ist das Product Lifecycle Management (PLM). Dabei geht es für die Manager in der Industrie darum, Fehler zu erkennen und Fehler durch Predictive Maintenance vorherzusagen. Bisher wurden diese Entscheidungen eher management- und erfahrungsbasiert getroffen. Da das Product Lifecycle Management datengetrieben ist, kann es sukzessive durch Künstliche Intelligenz unterstützt werden. Das ist insbesondere für produzierende Unternehmen relevant. - Bild: Elnur, Fotolia
Supply Chain Management: Analog funktioniert es im Bereich Supply Chain Management: Ziel ist es dort, die Warenströme in der Fertigung im ersten Schritt fehlerunanfälliger zu machen und sie im zweiten Schritt zu optimieren. Dabei wird wieder auf die Methode des Predictive Maintenance sowie auf Rerouting zurückgegriffen. Künstliche Intelligenz kann dann neue Bestellungen für bestimmte Warengruppen auslösen. Zudem kann die KI vorhersagen, welche Produkte in welchem Bereich sinnvoll sind. - Bild: zapp2photo, Fotolia
Customer Experience: Beim Thema Kundenerlebnis (Customer Experience) geht es darum, den gesamten Verkaufsprozess zu optimieren. Dabei geht man von der Kenntnis des Kunden aus und leitet daraus Aktionen ab, die Richtung Vorhersage gehen: Was ist die nächste Aktion des Kunden? Wie lässt sich diese optimal unterstützen? Dabei können auch persönliche Assistenten zur individuellen Ansprache der Kunden genutzt werden. Das sind Weiterentwicklungen von Voice Services wie Alexa im industrialisierten Maße, um viele Kunden anzusprechen: zum Beispiel Chat-Bots und Voice-Bots. - Bild: Folienfeuer, Fotolia
Team-Zusammenstellung: Künstliche Intelligenz kann dabei helfen, optimale Teams aus Mitarbeitern zusammenzustellen. Denn nicht die Besten in ihrem Bereich sind optimal für das Team, man muss auch die Charaktereigenschaften betrachten. Mithilfe von Machine Learning lassen sich die positiven und negativen Erfahrungen mit einer Team-Konstellation analysieren. Und künftig könnte es möglich sein, das Verhalten einzelner Personen in bestimmten Situationen bei der Team-Zusammenstellung zu berücksichtigen. Das Thema wird wichtiger, steckt jedoch noch in den Kinderschuhen. - Grafik: Contrastwerkstatt, Fotolia
Diskutieren Sie mit