• Verwaltung
  • IoT Engineering
Center for AI

AFML - Wissen teilen ohne Daten

| Die öffentliche Verwaltung ächzt unter langwierigen Prozessen. Daher ist es in Deutschland nicht umsonst ein Volkssport, sich über die eigenen Behörden zu beschweren. Doch der technologische Fortschritt geht auch an der deutschen Bürokratie nicht vorüber. Besonders Machine Learning kann helfen, Verwaltungsabläufe datengetrieben zu vereinfachen und zu beschleunigen. Eine große Hürde sind dabei nicht die Algorithmen, sondern vielmehr die benötigten Daten unter Einhaltung von Rechtsnormen wie die Datenschutz-Grundverordnung (DSGVO). Deshalb arbeiten IBM und fortiss, im Rahmen des Center for AI, an Accountable Federated Machine Learning-Projekten (AFML), bei denen der Datenschutz penibel eingehalten wird und dennoch valide Ergebnisse entstehen.
  • Transfer
fortiss Mittelstand

Gelungene Netzwerkveranstaltung: Digitalisierung braucht Vorbilder

| Am Mittwoch vergangener Woche wurde auf der Netzwerkveranstaltung „Digitalisierung und Künstliche Intelligenz für den Mittelstand“ ein weiterer Baustein für ein innovatives Ökosystem und Netzwerk für die Künstliche Intelligenz (KI) in der Wissensregion Oberpfalz geschaffen. Der bereits bestehende dynamische Partnerverbund mit Vertretern aus Wirtschaft, Ausbildung und Forschung ist schon jetzt ein erfolgreiches Vorzeigemodell und soll in Zukunft Vorbild über die regionalen Grenzen hinaus für ganz Bayern sein.
  • IoT Engineering
Interview

An der Spitze der europäischen IIoT-Forschung

| Prof. Dr. Rute C. Sofia leitet das Kompetenzfeld Industrial Internet of Things (IIoT) bei fortiss und ist Senior Member der Association for Computing Machinery for Advancing Computing as a Science & Profession (ACM), Senior Member des IEEE sowie Co-Vorsitzende der N2Women Awards. Nun wurde sie kürzlich als Councilor in den ACM Europe Council berufen.
  • Transfer
fortiss Whitepaper

Open Calls - Förderung für den Mittelstand leicht gemacht

| Digitale Technologien und Know-how entscheiden in der heutigen Arbeits- und Wirtschaftswelt über die Wettbewerbs- und Zukunftsfähigkeit von Unternehmen. Damit der Mittelstand die wirtschaftlichen Potenziale der Digitalisierung gewinnbringend ausschöpfen kann, gibt fortiss Mittelstand den Unternehmen das Whitepaper „Open Calls – Förderung für den Mittelstand leicht gemacht“ zur Hand. Das aktuell erschienene Papier gibt praxisnahe Anleitungen, um entsprechende Investitionen in kleinen und mittleren Unternehmen (KMU) anzuregen, indem sich digitale Innovationsprojekte gezielt finanzieren und realisieren lassen. Weiterhin beschreibt es das Erfolgspotenzial von Open-Call-Projekten für den Mittelstand anhand einer Reihe konkreter digitaler Produktentwicklungen.
  • Transfer
  • AI Engineering
fortiss Mittelstand

KI – ein langfristiger Wachstumsfaktor für die Oberpfalz

| Die Oberpfalz zählt zu den leistungsstarken Regionen in Bayern und belegt damit eine wirtschaftliche Spitzenposition. Dazu tragen ein wachsendes Bruttoinlandsprodukt, niedrige Arbeitslosenzahlen und ein enger wirtschaftlicher Austausch mit dem Nachbarn Tschechien bei. Das starke Rückgrat dieser positiven Entwicklung sind vor allem die kleinen und mittelständischen Unternehmen (KMU) vor Ort, die mit ihrer ausgeprägten Innovationskraft zur Wertschöpfung in der Oberpfalz beitragen.
  • AI Engineering
Center for AI

Wasserschäden mit Machine-Learning-Algorithmen verhindern

| Ein Wasserschaden kann schnell teuer werden – so auch in den Highlight Towers in München, als ein Wasserrohrbruch im 21. Stock in den Räumen des IBM Watson Center Munich erst am Montag früh entdeckt wurde. Eisige Temperaturen am Wochenende führten zu einem eingefrorenen und dann geplatzten Wasserrohr. Ausgerechnet das Client Center mit der teuersten Hardware im darunterliegenden Stockwerk war betroffen. Sechs Wochen konnte die ausgebuchte Kunden-Event Fläche, die mit sensibler Technik im Wert von mehreren Millionen ausgestattet ist, nicht genutzt werden. Schnell waren sich alle einig: So etwas darf nicht wieder passieren. Deshalb haben fortiss und IBM gemeinsam einen neuartigen Sensorik-Prototyp mit Machine-Learning-Algorithmen entwickelt.
  • IoT Engineering
KI-SusCheck

Nachhaltiges Einkaufen – leicht gemacht mit KI

| Verbraucher*innen treffen täglich die vielfältigsten Entscheidungen rund um die Themen Einkaufen und Ernährung. Und die zunehmende Diskussion um einen umweltverträglichen Lebensmitteleinkauf führt bei vielen Konsument*innen zusätzlich zur Verunsicherung bei. Hilfestellung kann der „Nachhaltige Einkaufsassistent“ geben, der mit Hilfe von Künstlicher Intelligenz (KI) entwickelt wird. fortiss arbeitet im Rahmen dieses Forschungsprojekts an einer web-basierten App für den personalisierten Einkauf, welche die Nachhaltigkeit eines Produkts über einen Index anzeigt, der wichtige Verbraucherinformationen zur Herkunft, dem Anbau und der Herstellung von Lebensmitteln zur Verfügung stellt.
  • AI Engineering
  • IoT Engineering
  • Software & Systems Engineering
Neues Kompetenzfeld

Komplexität mit Systems Engineering beherrschen

| Die digitale Transformation ist eine der wichtigsten Herausforderungen in vielen Industrien und Geschäftsfeldern, wenn es darum geht, interne Prozesse zu rationalisieren und zu automatisieren. So erfordert z.B. der Trend zur kundenindividuellen Massenfertigung einen höheren Grad an Autonomie von Fertigungssystemen, um auf wirtschaftliche Weise der steigenden Komplexität cyber-physischer Systeme (CPS) und dem zunehmenden Effizienzdruck gerecht zu werden. Das neu geschaffene Kompetenzfeld Knowledge-based Systems Engineering (KBSE) forscht deshalb an einem wissensbasierten Engineering-Konzept, das Lösungen für diese Anforderungen bereitstellt.
  • AI Engineering
  • Software & Systems Engineering
Preisverleihung

Dr. Harald Rueß erhält international renommierten CAV Award

| Dr. Harald Rueß, wissenschaftlicher Direktor und Geschäftsführer des Landesforschungsinstituts fortiss, wurde dieses Jahr von der internationalen Wissenschaftsgemeinde mit dem CAV Award in Los Angeles ausgezeichnet. Im Zuge der "Satisfiability Revolution" entwickelte er zusammen mit seinen Kolleg*innen am Stanford Research Institute wesentliche Beiträge zu Theorie und Praxis von Algorithmen zur Lösung praxisrelevanter Unterklassen von Hilbert’s Entscheidungsproblem aus dem Jahr 1928.
Mehr anzeigen Mehr anzeigen