Referenzen

Im Rahmen des AVIKOM-Projekts wird eine intelligente Datenbrille um ein akustisches Assistenzsystem ergänzt und für den industriellen Einsatz angepasst. Vier Projektpartnerunternehmen integrieren das System anschließend in die bestehende Arbeitsinfrastruktur und bringen unterschiedliche Einsatzbereiche ein, die kombiniert ein breites Spektrum wesentlicher Anwendungsbereiche für mobile Assistenzsysteme abdecken. Dabei handelt es sich um Einsatzgebiete in der Intralogistik, der manuellen Montage und der Bedienung industrieller Maschinen sowie um das Anlernen neuer Beschäftigter.

Im CiMT werden das „Bielefelder Institut für angewandte Materialforschung“ (BIfAM) der Fachhochschule und das „Bielefeld Institute for Nanoscience“ (BINAS) der Universität zu einer kompletten F&E-Plattform der Materialforschung ausgebaut. Das strategische Ziel des CiMT ist, die komplementären Stärken der beiden Hochschulen zu verbinden und die anwendungsorientierte Materialforschung in der Partnerschaft mit technologisch führenden Unternehmen der Region für bessere Produkte und Produktionsprozesse zu nutzen.

Die Entwicklung einer KI zur autarken und netzdienlichen Steuerung von zellulären elektrischen Netzen ist das Ziel des Projektes KI Grid. Dazu wird als Demonstrator eine intelligente Ladesäule für Elektrofahrzeuge entwickelt, welche die Eingangsdaten für das KI-System bereitstellt. Die Steuerung der elektrischen Netzkomponenten durch das KI-System bildet die Basis für ein nachhaltiges Energienetz der Zukunft

Dieses Verbundprojekt der Universität Bielefeld, der FH Bielefeld, der Hochschule Emden/Leer und des Vereins „Neue Wege des Lernens” verfolgt die Entwicklung, Evaluation und Erprobung eines Blended-Learning-Qualifizierungskonzeptes zum Einsatz von VR-Technologie in der Pflegeausbildung. Die Erprobungsgruppe bilden 18 Mitarbeiter*innen aus der Pflegeschule des Ev. Klinikums Bethel, dem Bildungszentrum für Gesundheits- und Sozialberufe der Stiftung St. Johannisstift Paderborn und der Akademie für Gesundheitsberufe der Mühlenkreiskliniken.

Ziel des Projektes ist es, maschinelles Lernen (ML) für intelligente Produkte und Produktionsverfahren verfügbar zu machen. Dazu werden die ML-Verfahren der im Projekt betrachteten 12 industriellen Use Cases aus den Themenfeldern „Predictive Maintenance“, Prozessoptimierung und „Predictive Quality“ in eine modulare ML-Toolbox eingebracht. Auf dieser Basis generiert die ML-Toolbox anwendungsspezifische Beispielimplementierungen, so dass Unternehmen mit ähnlichen Fragestellungen schneller zu einer eigenen Lösung kommen.