Aktuelle Informationen der HFU zum Thema Coronavirus: www.hs-furtwangen.de/coronavirus

Arbeitsgruppe Machine Learning

Machine Learning (maschinelles Lernen) ist das in der praktischen Anwendung zurzeit wohl am weitesten verbreitete Teilgebiet der Künstlichen Intelligenz. Es geht dabei um die Frage, wie Daten genutzt werden können, um computerbasierte Modelle oder Entscheidungen (durch Lernen) stetig zu verbessern.  Dies ermöglicht es beispielweise, bei einem Herstellungsprozess, den optimalen Zeitpunkt für den Austausch verschleißanfälliger Komponenten in einer Maschine immer genauer zu bestimmen (predictive maintenance).
Die ML Forschergruppe bietet arbeitet an grundlegenden Machine Learning Algorithmen vor allem im Umfeld der Industrie 4.0 und Medizin Technik, aber auch im Bereich von Chatbots.

Forschungsprojekte

Aktuelle Projekte

Forschungsprojekt Q-AMeLiA

Quality Assurance of Machine Learning Applications

Ziel des Projektvorhabens ist es, KMUs bei dem speziellen Machine Learning Softwareentwicklungs-Lebenszyklus und den dabei wichtigen Qualitätsindikatoren zu unterstützen. Im Projekt werden passende Instrumente zur Bewertung der Daten-Qualität erarbeitet. Diese beziehen sich auf die repräsentative Abdeckung des Merkmalsraums und die Bewertung der Qualität des erlernten KI-Modells. Hierdurch wird das Produktrisiko des Herstellers KI-basierter Produkte abgesichert. Den Kunden gewährleistet dieses Vorgehen eine quantifizierte Leistung der Produkte hinsichtlich der Entscheidungen der KI.

Im Konsortium arbeiten die competition it-managment GmbH, Inferics GmbH, C.R.S. iiMotion GmbH, tepcon GmbH und schrempp edv GmbH sowie die Hochschulen Karlsruhe, Offenburg und Furtwangen zusammen. Die Konsortialleitung liegt bei Professor Dr. Christoph Reich von der Fakultät Informatik der Hochschule Furtwangen.

Steckbrief:
Fördervolumen: 600k Euro
Laufzeit: 1.10.2020 - 31.09.2023 (3 Jahre)
gefördert durch: MWK Baden-Württemberg
Homepage: https://q-amelia.in.hs-furtwangen.de/ und Externer Link wird in neuem Fenster geöffnet:Q-AMeLiA

SensoGrind - In situ Qualitätsbeurteilung von Schleifprozessen mittels MST-basierter Sensorfusion

Das Industrie 4.0 Forschungsprojekt SensoGrind beschäftigt sich mit der Überwachung des Rundschleifverfahrens hinsichtlich Schleifbranderzeugung und entsprechender Qualitätsminderungen. Anhand optischer und elektromagnetischer Sensoren werden Schleifprozesse überwacht und mit Machine Learning Techniken in einem Cloud-basierten System analysiert. Dies ermöglicht eine intelligente Gestaltung von Prozessbedingungen und dient dazu, höchstmögliche Produktivität und Qualität gewährleisten zu können.
 
Projektpartner des Projekts sind neben dem Kompetenzzentrum für Spanende Fertigung, Institut für Data Science, Cloud Computing und IT-Sicherheit und dem Institut für Microsystemtechnik die Willi BÄRHAUSEN GmbH & Co KG, Föhrenbach GmbH, ibg Prüfcomputer GmbH, Jäger Engineering GmbH und ruff_consult. Gefördert wird das Projekt von Europäischer Fonds für regionale Entwicklung (EFRE). Externer Link wird in neuem Fenster geöffnet:Mehr Informationen zum Projekt.

Data Literacy: Data Science für KMUs - Baden-württembergisches Konsortium entwickelt Schulungen zur Digitalisierung

Neun Universitäten und Hochschulen in Baden-Württemberg entwickeln im Projekt „Data Literacy und Data Science“ neue Schulungs- und Qualifizierungsangebote zur Sammlung, Bewertung und Nutzung großer Datenmengen, die in Unternehmen anfallen. Dabei werden ganz unterschiedliche Bildungsformate eingesetzt – Online- und Präsenzelemente ergänzen sich. Die Weiterbildungsangebote richten sich speziell an Mittelständler.

Neben der federführenden Universität Ulm und der Technischen Hochschule Ulm sind das Karlsruher Institut für Technologie (KIT), die Universität Mannheim sowie die Hoch-schulen Furtwangen, Albstadt-Sigmaringen und Biberach, die Hochschule der Medien in Stuttgart und die Duale Hochschule Baden-Württemberg am Projekt beteiligt. Als externer Partner unterstützt die SICOS GmbH, ein Spezialist für Simulationen und Big Data. Externer Link wird in neuem Fenster geöffnet:Mehr Informationen zum Projekt