Der zunehmende Einsatz von KI-Komponenten in Fahrzeugen und im Verkehr führt uns auf einen Weg, bei dem der Computer Entscheidungen trifft und wir Menschen der KI blind vertrauen und mit diesen Entscheidungen leben müssen. Erklärbare KI wird immer mehr zu einem Bereich von großem Interesse für verschiedene Nutzergruppen, beispielsweise Bürger, die den von ihnen genutzten Systemen vertrauen wollen, juristische Personen, die für die Haftung und Rechenschaftspflicht verantwortlich sind, und Forscher, die die Grenzen der KI verstehen und die Modelle verbessern wollen. Das Ziel von AITHENA ist die Erforschung und Entwicklung von Methoden zum Schaffen von Transparenz und Interpretierbarkeit von KI-Modellen für den Einsatz in CCAM-Lösungen. 

Weitere Informationen finden Sie hier.

Das Projekt eröffnet zwei Perspektiven für AR/VR-Lösungen. Einerseits wird eine Lösung entwickelt, erprobt und zur Verfügung gestellt, die Lehrende mit geringer IT-Expertise nutzen und mit eigenen, unterschiedlichsten Lehrinhalten füllen können. Andererseits wird die entwickelte Lösung als Open Source verfügbar sein, so dass Forscherinnen und Forscher sowie Entwicklerinnen und Entwickler der Hochschulen in NRW diese für neue Forschungs- und Lehrzwecke weiterentwickeln können. 

Weitere Informationen finden Sie hier.

Im Rahmen des Projektes konzipieren, entwickeln und evaluieren wir KI-Algorithmen für die teilautomatisierte Schadbefundung von Güterwagen in der Zugbildung. Das Ziel besteht darin, den aktuellen Stand der Technik im Bereich der Nutzung von künstlicher Intelligenz für die Lokalisierung und Klassifizierung von Fehlern in Bilddaten einzubringen, etablierte Methoden aus dem akademischen Umfeld für den vorliegenden Anwendungsfall zu adaptieren und zu erweitern.

Weitere Informationen finden Sie hier.

Das Ziel des Forschungsvorhabens ist die Entwicklung, Erprobung und Umsetzung von Verfahren des Deep Learning zur Inline-Qualitätsvorhersage in Schweißprozessen sowie die Erforschung und Entwicklung von Continual Learning Verfahren, um die trainierten Modelle über Prozessvarianten hinweg nachhaltig und effizient nutzen zu können. Die Modelle werden in der Lage sein, auf Basis heterogener Daten aus dem Schweißprozess – darunter zählen Stellgrößen und Sensordaten – eine Bewertung des aktuellen Prozesszustandes vorzunehmen und eine quantitative Prädiktion der zu erwartenden Schweißnahtqualität abzuleiten. 

Weitere Informationen finden Sie hier.

Zentrales Ziel des CC5G.NRW ist es dazu beizutragen, NRW zum Leitmarkt für 5G zu entwickeln. Im Fokus stehen neue Lösungen für Unternehmen und Kommunen in der Anwendung von 5G sowie die Erforschung sozial-gesellschaftlicher Fragestellungen zu Sicherheit, sozialer Inklusion und Nachhaltigkeit. Dabei werden Innovationspotenziale – und hemnisse identifiziert, systemische Kompetenzen auf- und ausgebaut sowie Potenziale von 5G zugänglich gemacht.

Weitere Informationen finden Sie hier.

Das DACE – Datenkompetenzzentrum für Circular Economy (CE) Daten erforscht die notwendigen Kompetenzen zur Erhebung, Auswertung und Nutzung von CE-Daten durch die Wissenschaft und für die CE. Das Ziel liegt darauf, insbesondere Forschende im Umgang mit CE-Daten zu befähigen und Akteure*innen der datengetriebenen CE zu vernetzen.

Weitere Informationen finden Sie hier.

Das Ziel des Projektes ist die Erhöhung der Resilienz von kritischen Infrastrukturen im Gesundheitssektor, am Beispiel des Malteser-Verbundes sowie die Schaffung einer nachhaltigen Sicherheitskultur. Hierzu werden ganzheitliche Informationssicherheitskonzepte entwickelt, welche technische, organisatorische und personalentwickelnde Maßnahmen integrieren. 

Weitere Informationen finden Sie hier.

Im Rahmen von DigiData wird das TMDT eine neue Form des interdisziplinären Wissens- und Methodentransfers innerhalb der Hochschulen erforschen und etablieren. Ausgehend von den Personen, die Digitalisierung, Data Science und auch Künstliche Intelligenz vorantreiben, zielt das Projekt auf einen horizontalen und inneruniversitären Transfer zu Personen aus anderen Disziplinen, die die Errungenschaften dieser Bereiche noch nicht in vollem Umfang nutzen.

Weitere Informationen finden Sie hier.

Das Ziel des Vorhabens ist die Nutzung von Methoden der KI zur Prävention von Hochwasserschäden für den Objektschutz der lokalen Wirtschaft durch die Entwicklung eines Frühwarnsystems für die zeitliche und georäumliche Vorhersage von Überflutungsereignissen. Das Frühwarnsystem baut auf vorhandenen Informationssystemen des Wupperverbandes auf und nutzt state-of-the-art KI-Methoden zur datengetriebenen Vorhersage von Wasserpegeln und Hochwassergefahren unter Berücksichtigung der aktuellen Wetterlage und sonstigen, mittels Sensorik erfassten, Umweltfaktoren.

Weitere Informationen finden Sie hier.

Im Rahmen des BMBF-Programms „Innovationen für die Produktion, Dienstleistung und Arbeit von morgen“ soll das Institute for Technologies and Management of Digital Transformation (TMDT) innerhalb des dreijährigen Projekts die Handwerksbetriebe dazu befähigen, die Potenziale des Internet of Things (IoT) für sich zu erkunden und gewinnbringend einzusetzen.

Weitere Informationen finden Sie hier.

Der KI-Makerspace an der Bergischen Universität Wuppertal (BUW) ist ein innovatives Konzept, das darauf abzielt, die KI-Kompetenz von Studierenden und Lehrenden systematisch zu fördern. Durch die Verknüpfung von Weiterbildung, Projektbegleitung und Freiraum zur Entwicklung eigener Ideen ermöglicht es eine direkte und effektive Einbindung von KI-Methoden in die Lehre.

Weitere Informationen finden Sie hier.

Im Rahmen des hochschulinternen Projektes KoLBi-BK soll eine quantitative und qualitative Profilierung des gewerblich-technischen Unterrichts an Berufskollegs vollzogen werden. Hierbei liegt der Fokus des TMDT auf der Gestaltung von gewerblich-technischen Unterricht mit Virtual Reality. So soll Lehramtsstudierenden die Erstellung von Virtual-Reality-Lehrinhalten vermittelt und die Entwicklung von Unterrichtskonzepten mit Virtual Reality untersucht werden.

Weitere Informationen finden Sie hier.

Ziel des Projekts TOP.KI ist die Entwicklung, Erprobung und Evaluation eines Übersetzungstools, das mit Hilfe künstlicher Intelligenz die Erstellung von Prüfungsfragen in leicht verständlicher Sprache (Leichte Sprache) erleichtert. Bei gleichbleibendem Inhalt und Schwierigkeitsgrad sollen die so erstellten Texte von den Prüflingen besser verstanden werden. Dies soll dazu beitragen, dass die Prüfungsergebnisse in erster Linie das Fach- und Anwendungswissen und nicht die Textverständniskompetenz der Auszubildenden widerspiegeln.

Weitere Informationen finden Sie hier.

Die anstehende Verkehrswende konfrontiert die Automobilzulieferindustrie mit umfassenden Transformationsanforderungen. Antworten für die Bergische Region erarbeitet das Projekt TrAIBeR.NRW. Das vom TMDT/SiKom geleitete Projekt entstand auf gemeinsame Initiative der regionalen IG Metall-Geschäftsstellen und Arbeitgeberverbände.

Weitere Informationen finden Sie hier.

Gemeinsam mit dem Lehrstuhl für Elektrische Energieversorgungstechnik, der Energieforen Leipzig GmbH und der Horstmann GmbH unterstützt durch Netzbetreiber und assoziierte Partner, arbeitet das TMDT an der Entwicklung eines virtuellen Energiesystems.

Weitere Informationen finden Sie hier.

Das Projekt "Künstliche Intelligenz und Bürgerräte (KIB)" widmet sich der Untersuchung digitaler Lösungen – insb. Künstliche Intelligenz (KI) – und deren Bedeutung für die öffentlichen Beteiligung in politischen Prozessen. Bürgerinnen und Bürger engagieren sich zunehmend aktiv in Fragen, die ihren Alltag unmittelbar betreffen, sei es in den Bereichen Energie-, Verkehrs- oder Umweltpolitik. Durch den Einsatz digitaler Werkzeuge soll die Informationsbeschaffung und Meinungsbildung erleichtert sowie die deliberative Wissensproduktion unterstützt werden.