FH Bielefeld
University of
Applied Sciences

Aktuelle Projekte

Das Projekt befasst sich mit datengetriebener Routenoptimierung, insbesondere in der Nahverkehrslogistik. Ein typisches Szenario in diesem Kontext wäre die Planung und fortlaufende Optimierung einer Route, um etwa zehn Destinationen in einer Region anzufahren und Waren anzuliefern. Bei der Planung und Optimierung müssen nicht nur Entfernungen der einzelnen Ziele berücksichtigt werden. Weitere Faktoren sind bspw. zeitliche Restriktionen der Empfänger der Ware oder die Anordnung der Ware auf dem LKW. 

Mehr

In diesem Projekt sollen Modelle zur Vorhersage des zukünftigen Kundenverhaltens mit Hilfe von Methoden des maschinellen Lernens entwickelt werden. Die Vorhersagen sollen dabei in einen Smart Service integriert werden, der KI-basiert und datengetrieben historisches Kundenverhalten interpretieren, Einflussfaktoren auf das Kundenverhalten erkennen und zukünftiges Kundenverhalten vorhersagen kann. Dabei sollen neben realen Unternehmensdaten des Projektpartners eine Vielzahl heterogener Datenquellen in den Ansätzen integriert werden.

Mehr

Das Abstrakt folgt in Kürze.

Mehr

Das Abstrakt folgt in Kürze.

Mehr

Das Abstrakt folgt in Kürze.

Mehr

In diesem Projekt wird u.a. mittels cutting-edge Verfahren des Deep Reinforcement Learnings an einer Künstlichen Intelligenz für StarCraft2 gearbeitet die Wissen bewahrbar und übertragbar macht und zudem für Menschen nachvollziehbar ist (Explainability).

Mehr

In diesem Forschungsprojekt soll einerseits ein Demonstrator für die dezentrale variantenreiche Serienfertigung aufgebaut werden. Zur Verfügung stehen 20 Vector-Roboter der Firma Anki, die mit zahlreichen Sensoren (u.a. Kameras, Mikrophone, Laserscanner) ausgestattet sind und die Fähigkeit besitzen mitgelieferte Boxen zu transportieren. Die Roboter sollen dazu genutzt werden, ein Industrie 4.0 Produktionslogistikszenario umzusetzen, wobei die einzelnen Roboter autonom als intelligente Agenten in einem Multiagentensystem agieren. Die Daten, die das System generiert, können dann mit RIOTANA analysiert und zur Steuerung der Roboter genutzt werden. Andererseits kann an der Steuerung des Roboterschwarms z.B. mittels Multi-Agent-Reinforcement Learnings gearbeitet werden.

Mehr

Digitale Zwillinge  können verwendet werden, um zu validieren, zu optimieren, zu bewerten, zu diagnostizieren, Vorschläge zu machen, Vorhersagen zu treffen usw. Um all diese verschiedenen Anwendungen zu erreichen, sind Datenanalysetechniken und künstliche Intelligenz unerlässlich. In diesem Projekt wollen wir einen menschlichen digitalen Zwilling für Menschen entwickeln, die in einer Smart-Home-Umgebung leben.

Mehr

Dieses Projekt behandelt die datenbasierte Approximation von Scarce Data mithilfe von Interpretable Machine Learning. Scarce Data, also spärliche Datenmengen, treten in vielen Unternehmen auf und stammen beispielsweise aus Laborversuchen oder Serviceberichten. Diese Datenmengen weisen höhere Datenqualitäten als Big Data auf, da diese gezielt von Domänenexperten erhoben werden. Mithilfe von Interpretable Machine Learning sollen die Kausalitäten der Modellvorhersagen aufgezeigt und von Experten validiert oder durch angepasste Datenerhebung optimiert werden.

Mehr