Refine
Document Type
Language
- Multiple languages (6)
- English (4)
- German (2)
Is part of the Bibliography
- no (12)
Keywords
- AI (12) (remove)
Institute
The research outlines a concept to conduct the double materiality assessment through the synergistic use of Generative AI and the AHP method. In the first step, we employ interactive, moderated workshops as our chosen methodology to create a tailored set of sustainability target criteria. This process is enriched by the inclusion of Generative AI. The outcome is a comprehensive set of company-specific sustainability target criteria.
33 Prozent aller Unternehmen glauben, den Anschluss an Künstliche Intelligenz (KI) zu verlieren. Obwohl KI auf den ersten Blick eine Herausforderung darstellt, kann sie vor allem im Unternehmenskontext eine bedeutende Rolle spielen. Genau da setzt das Programm "KI-Serviceroadmap 2024" des FIR an und zeigt Ihnen den Weg zu KI im Service auf. Das Programm beginnt für alle teilnehmenden Unternehmen mit einem umfassenden Assessment und mündet in der Entwicklung einer detaillierten Roadmap mit Ihrem individuellen Weg zu KI.
Das Projekt ‚KI-LIAS – Künstliche Intelligenz für lernförderliche industrielle Assistenzsysteme (Laufzeit: 23.11.2020 – 22.11.2023) diente dem Ziel, die Einbindung digitaler und KI-unterstützter Produkte wie etwa Apps als Entscheidungsunterstützung in der Industrie zu untersuchen und ein Lebenszyklusmodell dieser Produkte von der Einführung bis zur Nutzung zu entwickeln. Vor allem kleine und mittlere Unternehmen
(KMU) stehen bei der Einführung von Künstlicher Intelligenz (KI) vor erheblichen Herausforderungen und können nun von den Projektergebnissen und den dezidiert validierten Handlungsempfehlungen des Projekts ‚KI-LIAS‘ profitieren.
Die wertsteigernde Kreislaufwirtschaft gewinnt in der Industrie angesichts drängender globaler Probleme zunehmend an Bedeutung. Neben der begrenzten Verfügbarkeit von Rohstoffen und steigender Umweltbelastung durch energieintensive Produktionen wachsen auch die Anforderungen der Verbraucher:innen an die Unternehmen.
Zu beobachten ist insbesondere ein gestiegenes Umweltbewusstsein, das sich in einer stärkeren Nachfrage nach nachhaltigen Produkten sowie der Forderung nach transparenten und umweltfreundlichen Produktionsprozessen äußert. Nachhaltigkeit ist zu einem zentralen Element im Wettbewerbsumfeld geworden.
CSOT (China Star Optoelectronics Technology), auch Shenzhen Huaxing Photoelectric Technology genannt, ist der führende LED-Lieferant der TCL Group und der zweitgrößte Produzent von LCD-Displays weltweit. Das Unternehmen nutzt Künstliche Intelligenz (KI) zur Automatisierung von Fehlerprüfungsprozessen, um seinen Wettbewerbsvorteil zu erhalten und auszubauen. Das Labeln (dt. Beschriftung/Etikettierung) von Datensätzen für das Training mit aktuellen KI-basierten Methoden ist jedoch zeit- und arbeitsintensiv und erfordert insgesamt bis zu 1 500 Stunden Trainingszeit für eine typische Produktionsfabrik mit mehreren Produktionslinien.
Um dieser Herausforderung zu begegnen, entwickelt das Hong Kong Industrial Artificial Intelligence and Robotics Centre (FLAIR) – gemeinsam initiiert vom RWTH Aachen Campus und dem Hong Kong Productivity Council – neue KI-basierte Segmentierungs- und Klassifizierungstechniken. Mit diesen Ansätzen wird das Data-Labeling von 20 Sekunden auf weniger als eine Sekunde reduziert. So werden mehr als 1 400 Arbeitsstunden pro Fabrik eingespart, was großes Potenzial für Qualitätsverbesserungen im Produktionsmanagement und geschätzte Einsparungen von mehr als 84.000 Euro bedeutet.
Im Rahmen des Forschungsprojekts ‚VoBAKI‘ werden die Umsetzung und der Betrieb von Anwendungen der Künstlichen Intelligenz über deren gesamten Lebenszyklus in produzierenden Unternehmen betrachtet. Zu Beginn des Projekts wurden Unternehmensziele identifiziert, die mit dem Einsatz von Künstlicher Intelligenz verfolgt und erreicht werden können. In diesem Artikel werden das Projekt sowie die identifizierten Ziele vorgestellt und der weitere Verlauf des Projekts skizziert.
Auch unter Einsatz KI-basierter Technologien bleibt der Mensch ein wichtiger Bestandteil produzierender Unternehmen. Dabei stehen insbesondere kleine und mittlere Unternehmen (KMU) vor der Herausforderung, die Implementierung von Digitalisierungskonzepten und innovativer Technik nicht nur effizient, sondern auch menschengerecht zu gestalten. Deshalb ist es wichtig, regionale Unternehmen bei der Digitalisierung zu unterstützen sowie entsprechende Qualifizierungs- und Schulungsmaßnahmen bereitzustellen. Mit diesem Ziel ist im Oktober 2021 das interdisziplinäre Verbundprojekt ‚AKzentE4.0 – Arbeitswissenschaftliches Kompetenzzentrum für Erwerbsarbeit in der Industrie 4.0‘ mit einer Laufzeit von fünf Jahren gestartet. Die Grundlage für das Kompetenzzentrum bildet eine Bedarfsanalyse, die bereits die Unterstützungsanforderungen sowie erste Bedenken der Unternehmen in Bezug auf innovative Technik abbildete. Um die Ergebnisse des Projekts nachhaltig zu verstetigen, soll das daraus resultierende Kompetenzzentrum als regionale Anlaufstelle für Wissen und Vernetzung dienen.
One Solution for One Planet
(2023)
Die CDO Aachen fand am 16. November 2022 zum fünften Mal und davon zum dritten Mal digital aus dem FIR an der RWTH Aachen und dem Industrie 4.0 Maturity Center statt. Unter dem Motto „Sustainable Digitalization
for the Era of Uncertainty“ ging es um die Digitalisierung als Antwort auf die großen Herausforderungen unserer Zeit. Expert:innen aus Industrie und Forschung beleuchteten die Handlungsoptionen für Unternehmen in den drei Themenfeldern „Digitale Resilienz vs. Nachhaltige Digitalisierung“, „Nutzung von Technologien zur Bewältigung von Unsicherheiten“ sowie „Unternehmenskultur und
digitale Technologien“.
Digitization is constantly affecting the working world and is of enormous interest in many fields of science. But to what extent are innovative technologies actually being applied in regional SMEs and what are the obstacles to their introduction? From a psychological point of view, it is essential to consider the employee's health and the effects of innovative technologies on their everyday work. The aim of using innovative technologies should not be to completely replace human labor or to dequalify employees, but to relieve the workforce and free up working time for more meaningful activities. One concept that should be included in the human-centered design of human-machine interaction in artificial intelligence is the HAI-MMI concept (Huchler, 2020), which offers starting points for high-quality collaboration at various levels. To reduce the gap between science and industry, this paper focuses on the actual demands of SME in the Aachen region in Germany referring to a requirements analysis within the research project AKzentE4.0 (N = 50 SME) and discusses how appropriate innovative technologies of the Industry 4.0 and AI can be implemented and deployed in a human-centred way. Moreover, the establishment of a Human Factors Competence Center for Employment in Industry 4.0 is outlined, which is meant to be used for the dissemination of research results from the project and should narrow the gap between science and industry in the long run.
Forecasting-based skills management, which is oriented to the respective corporate goals, is gaining enormous importance as a central management tool. The aim is to predict future skills requirements and match them with existing interorganizational skills. Companies are required to anticipate changes in markets, industries, and technologies at an early stage as well as to identify changes in job profiles within an occupational profile by tapping into and evaluating various data sources. Based on these findings, they can then make informed decisions regarding skill gaps, for example, to implement targeted further training measures. Forecasting-based skills management offers the opportunity to optimally qualify employees for constantly changing tasks. At the same time, however, the targeted development of such skills requires a high level of time, financial and personnel resources, which small and medium-sized enterprises (SMEs) generally do not have at their disposal. In addition, many SMEs are not yet aware of the importance of this issue. Within the framework of research and industrial projects of the Smart Work department at the FIR (Institute for Industrial Management) at the RWTH Aachen University, an AI-based skills forecasting tool will be developed. The goal of the paper is to conceptualize the future machine learning method, that is able to generate individualized skills forecasts and recommendations for SMEs. This is achieved by linking societal forecasts and sector trends with company-specific conditions and skills. In order to generate a corresponding database, the derivation system is made available to various companies (large companies and SMEs) in order to obtain as many data sets as possible. The data sets obtained via the derivation system are then used as training data sets for the machine learning method, with the help of which an automatic derivation of competencies depending on new trends is to be made possible.