Das gibt es im KI-Lab zu entdecken:

AN[ki]T – Zentrum für angewandte KI und Transfer

»Konferenz-Guide« Temi

Direkt am Eingang zur Alten Kühlhalle begrüßt dich Temi. Du hast Fragen zur Woche TOTAL DIGITAL? Temi hilft dir gerne weiter!

»Talk to an AI« mit Furhat

Furhat, ein sozialer Roboter, ermöglicht es sich intuitiv mit einer künstlichen Intelligenz zu unterhalten: Erfahre, wie es der KI eigentlich geht, welche Pläne sie für die Zukunft hat und was sie gern in ihrer Freizeit macht. Lieber etwas poetisches? Lass dir ein Gedicht vortragen. Der Fantasie sind hier keine Grenzen gesetzt.

‍

‍Center for Responsible Artificial Intelligence (CRAI) der Hochschule Coburg

Projekt GENESIS:

Systeme zur Erkennung von Angriffen auf Unternehmensnetzwerke stützen sich typischerweise auf KI-Techniken wie Klassifikatoren. Solche Klassifikatoren, etwa in Form neuronaler Netze, erfordern große Mengen von Trainingsdaten. Realdaten aus Unternehmensnetzen können dafür nur sehr eingeschränkt herangezogen werden. Das Projekt GENESIS untersucht Möglichkeiten zur künstlichen Erzeugung realistischer Trainingsdaten für Systeme zu Angriffserkennung mit Hilfe von virtuellen und physischen Simulationen und unter Einsatz von Techniken der generativen Künstlichen Intelligenz, insbesondere Generative Adversarial Networks oder Transformern.

Projekt Kick-PV:

Photovoltaik-Anlagen unterliegen vielfältigen Einflüssen, etwa durch Verschmutzung, den Wetterbedingungen oder Alterung. Um geeignete Maßnahmen zum Erhalt der Leistungsfähigkeit von PV-Anlagen zu ergreifen, muss eine Vielzahl von Daten erfasst und mit Techniken der künstlichen Intelligenz ausgewertet werden. Diese Fragestellungen werden im Projekt Kick-PV erforscht.

Deep Learning Based Signal Processing for Touch Sensitive Surfaces

Wenn man mit analytischen Datenauswertungsmethoden nicht mehr weiterkommt, können Machine Learning Modelle helfen. Mithilfe des hier entwickelten Modells kann die Positionserkennung realisiert werden. Die Besonderheit besteht darin, dass lediglich ein einzelner zur Sensor Positionserkennung eingesetzt werden kann und nicht ein sonst übliches Sensorarray Anwendung findet. Somit ist es möglich, mit Hilfe von Machine Learning Algorithmen Materialkosten zu reduzieren und dennoch eine hohe Funktionalität zu ermöglichen.

2D- und 3D-Objekterkennung aus Kamerabildern und Punktwolken

Otto-Friedrich Universität Bamberg

Mit Dare2Del interaktiv, nutzerorientiert und nachvollziehbar irrelevante Dokumente löschen

Ziel von Dare2Del ist es, Beschäftigte in Verwaltung und Produktion dabei zu unterstützen, ihr digitales Wissen zu organisieren, indem irrelevante digitale Objekte ausgeblendet und gelöscht werden. Irrelevant gewordene digitale Objekte können die Informationssuche behindern, Entscheidungsprozesse verzögern, die Aufmerksamkeit von der eigentlichen Aufgabe ablenken und damit die Arbeitsleistung und das Wohlbefinden beeinträchtigen. Der vorgestellte Demonstrator veranschaulicht die Nutzung des Dare2Del Programms und bietet dabei eine interaktive, nutzerorientierte und nachvollziehbare Schnittstelle zum Menschen.

‍PainFaceReader - Mensch und KI im Austausch für die klinische Schmerz- und Emotionserkennung

Mimische Ausdrücke von Schmerz schnell und genau zu erkennen und von anderen emotionalen Zuständen zu unterscheiden, ist vor allem in klinischen Anwendungsszenarien wichtig, in denen Menschen nicht in der Lage sind, ihre Empfindungen verbal zu kommunizieren: Menschen unter Narkoseeinfluss, Menschen mit Demenz oder Kleinkinder. Der Demonstrator des Projekts PainFaceReader zeigt ein mögliches Anwendungsszenario, in welchem Schmerz vom sehr ähnlichen Zustand des Ekels unterschieden werden muss. Ein KI-System lernt dabei aus mimischen Ausdrücken Schmerz von Ekel zu unterscheiden, um klinisches Personal zu unterstützen. Der Demonstrator veranschaulicht insbesondere, wie kontrastive Erklärungen dabei helfen können, Entscheidungen eines KI-Systems nachvollziehbar zu machen.

Nachvollziehbarkeit und Vertrauenswürdigkeit von KI-Systemen

Erklärbare KI wird als das zentrale Zukunftsthema der KI-Forschung angesehen, die »3rd Wave of AI« in Nachfolge als Kombination aus wissenbasierten Systemen (1st Wave) und statistischem Lernen (2nd Wave). Zunehmend wird deutlich, dass rein datengetriebenes Maschinelles Lernen in vielen Anwendungsbereichen nicht oder nicht ohne Kombination weiterer Methoden einsetzbar ist. In der Projektgruppe Comprehensible Artificial Intelligence (CAI) wird in einer Kooperation des Fraunhofer IIS mit der Universität Bamberg Methoden für erklärbares maschinelles Lernen entwickelt. Gezeigt werden multimodale Erklärungsmethoden für bildbasierte Analytik im industriellen Kontext.

Kooperationsprojekt BaKIM: KI-gestützte Luftbildauswertung nach Drohnenbeflug von Baumkronen

BaKIM ist ein Kooperationsprojekt der Stadt Bamberg und der Universität Bamberg mit dem Ziel die Pflege der städtischen Bäume und Forstflächen zu verbessern. Dazu werden mit einer Starrflüglerdrohne RGB-, Multispektral- und Thermal-Daten erhoben, welche mit verschiedenen KI-Ansätzen ausgewertet werden. Die gewonnenen Informationen sollen den städtischen Baumpflegern und städtischen Förstern über eine Website zur Verfügung gestellt und von diesen überprüft werden.

KMU-KI-Erfahrungszentrum – »Digitale, intelligente und nachhaltige Produktion erleben, verstehen und anwendbar machen«

Ziel des Projektvorhabens ist es, möglichst viele kleine und mittlere Unternehmen (KMU) der Region bei der digitalen Transformation zu unterstützen, um speziell innovative, KI-gestützte Fertigungsprozesse kennenzulernen,für konkrete Anforderungen zu testen und Mitarbeitende zu schulen. Dies soll durch eine prototypische Fertigung umgesetzt werden, bei der ausgewählte Komponenten real erlebbar sind und komplexere Prozesse durch digitale Zwillinge veranschaulicht werden können.

Damit wir besser planen können, melde dich gerne für die Veranstaltung an. Du kannst aber auch einfach spontan vorbei schauen!