Refine
Document Type
- Article (1)
- Book (2)
- Part of a Book (2)
- Conference Proceeding (17)
- Contribution to a Periodical (8)
- Lecture (1)
- Internet Paper (3)
- Report (4)
- Working Paper (2)
Language
- German (18)
- English (18)
- Multiple languages (4)
Is part of the Bibliography
- no (40)
Keywords
- 01 (1)
- 02 (7)
- 03 (2)
- 04 (1)
- 5G (4)
- ADAM (2)
- AI (3)
- Agriculture (1)
- Artificial intelligence (2)
- Ausbildung (1)
Institute
In road haulage, transports are interrupted by truck drivers to comply with driving and rest times. On long-distance routes, these interruptions lead to a considerable increase in transport time. Transport interruption can be avoided by so-called relay traffic: a vehicle (e. g. semi-trailer) is handed over to a rested driver at the end of the driving time. This type of transport requires a certain company size. In Germany, however, transport companies have 11 employees on average. Intra-company relay traffic is therefore not economically viable for most transport companies. To organize an intermodal transport across forwarding companies, long-distance routes need to be split into partial routes to divide them between freight forwarders and carriers. This paper presents a data concept for an algorithm to find the best possible route sections along a previously defined start and endpoint. The developed data concept includes order-specific data, forwarder-specific data, real-time traffic data, geographical data as well as data from freight forwarding software and telematics to be the basis for the route sectioning algorithm. In this paper, different data sources, external services and logistic systems are analyzed and evaluated. It is shown which data is needed and what the best ways are to select and derive this data from the different data sources.
Der Technologie- und Trendradar 2022 enthält die neusten Technologien und Trends des vergangenen Jahres. Im aktualisierten Radar wurden die Technologiereifegrade in den Steckbriefen neu bewertet, die Anwendungen, Potenziale und Herausforderungen der Technologien wo nötig aktualisiert und neue Technologien aufgenommen.
Der Technologie- und Trendradar 2022 enthält elf neue Steckbriefe. Das Technologiefeld Vernetzung wurde um Eventgetriebene IT-Architekturen, Internet of Behaviors und Web3 erweitert. Dem Feld Virtualisierung wurde die Technologie Metaverse hinzugefügt. Das Technologiefeld Datenverarbeitung wurde um den Trend Data-Centric AI ergänzt, das Feld Prozesse um den Trend Digitale Souveränität. Im Technologiefeld Produkte wurden die Technologien Edge AI, Inter Planetary File System (IPFS), Photonische Siliziumchips, Soft-Robotik und Neuromorphic Computing aufgenommen.
Feasibility Analysis of Entity Recognition as a Means to Create an Autonomous Technology Radar
(2021)
Mit den neuesten Technologietrends auf dem Laufenden zu bleiben, ist für Fertigungsunternehmen eine entscheidende Aufgabe, um auf einem global wettbewerbsfähigen Markt erfolgreich zu bleiben. Die Erstellung eines Technologieradars ist ein etablierter, jedoch meist manueller Prozess zur Visualisierung der neuesten Technologietrends.
Der Herausforderung, Technologien zu identifizieren und zu visualisieren, widmet sich das Projekt TechRad, das maschinelles Lernen einsetzt, um ein autonomes Technologie-Scouting-Radar zu realisieren. Eine der Kernfunktionen ist die Identifizierung von Technologien in Textdokumenten. Dies wird durch natürliche Sprachverarbeitung (NLP) realisiert.
Dieser Beitrag fasst die Herausforderungen und möglichen Lösungen für den Einsatz von Entity Recognition zur Identifikation relevanter Technologien in Textdokumenten zusammen. Die Autoren stellen eine frühe Phase der Implementierung des Entity Recognition Modells vor. Dies beinhaltet die Auswahl von Transfer Learning als geeignete Methode, die Erstellung eines Datensatzes, der aus verschiedenen Datenquellen besteht, sowie den angewandten Modell-Trainings-Prozess. Abschließend wird die Leistungsfähigkeit der gewählten Methode in einer Reihe von Tests überprüft und bewertet.
Numerous traditional, agile and hybrid development approaches have been proposed for the development of CPS. As the choice of development process is crucial to the success of development projects, it has become a major challenge to identify the best-suited process. This paper introduces a methodology for identifying the best-suited CPS development process, based on the individual boundary conditions for a certain development project within a company. The authors used a set of eight indicators to assess a CPS-development project. The results of the assessment were matched with CPS-development approaches. Based on the matching results a best-suited development process was selected. The application is shown for a use case in the German manufacturing industry. The developed method aims to reduce the risk of project failure due to the wrong choice of development process.
Ziel des beantragten Fördervorhabens war es, die kontinuierliche Funktionsüberwachung und insbesondere den heutigen Sensoreinsatz in Verteilnetzen zu revolutionieren, durch Verwendung von Methoden der Künstlichen Intelligenz (KI), gepaart mit einer Verbesserung der zugehörigen Sensortechnik und eingesetzter digitaler Dienstleistungssysteme. Die integrale Betrachtung der wissenschaftlichen und technischen Herausforderungen und deren Bewältigung führten zu den notwendigen Ergebnissen, um den Erfolg der Energie- und Mobilitätswende in Deutschland zu unterstützen.
Mit den Ergebnissen des Vorhabens konnte der heutige Sensoreinsatz in Verteilnetzen durch Verwendung von Methoden der Künstlichen Intelligenz (KI) zusammen mit einer Erweiterung der Sensortechnik grundlegend verbessert werden. Die daraus abgeleiteten Unterziele umfassen alle wichtigen Aspekte des Sensoreinsatzes in elektrischen Betriebsmitteln.
Digital technologies such as 5G, augmented reality, and artificial intelligence (AI) are currently being used in various ways by manufacturing companies. As the fourth industrial revolution progresses, it has become apparent that reckless use and inadequate regulation of these technologies have a detrimental effect on the environment in which they are utilized. Therefore, regulation of digital technologies is imperative today to ensure more responsible and sustainable use. While governments usually establish regulations, progress is not keeping pace with the demands and hazards of employing digital technologies. The European AI law serves as an example of the considerable distance yet to be covered before binding guidelines are established. Consequently, companies must take proactive measures today to ensure that they use digital technologies responsibly in their environments. In this context, identifying which digital technologies are pertinent to manufacturing companies in terms of regulation is crucial. Furthermore, a comprehensive approach is required to design compliance holistically for digital technologies and to systematically derive the corresponding guidelines. This paper introduces a set of models that not only determine the importance of
compliance in the application of different technologies but also present a framework for methodically designing compliance. Furthermore, the paper contributes to the development of an AI platform in the German research project PAIRS by investigating the compliance relevance of applications such as artificial intelligence.
Methods of machine learning (ML) are notoriously difficult for enterprises to employ productively. Data science is not a core skill of most companies, and acquiring external talent is expensive. Automated machine learning (Auto-ML) aims to alleviate this, democratising machine learning by introducing elements such as low-code / no-code functionalities into its model creation process. Multiple applications are possible for Auto-ML, such as Natural Language Processing (NLP), predictive modelling and optimization. However, employing Auto-ML still proves difficult for companies due to the dynamic vendor market: The solutions vary in scope and functionality while providers do little to delineate their offerings from related solutions like industrial IoT-Platforms. Additionally, the current research on Auto-ML focuses on mathematical optimization of the underlying algorithms, with diminishing returns for end users. The aim of this paper is to provide an overview over available, user-friendly ML technology through a descriptive model of the functions of current Auto-ML solutions. The model was created based on case studies of available solutions and an analysis of relevant literature. This method yielded a comprehensive function tree for Auto-ML solutions along with a methodology to update the descriptive model in case the dynamic provider market changes. Thus, the paper catalyses the use of ML in companies by providing companies and stakeholders with a framework to assess the functional scope of Auto-ML solutions.
Dieses Forschungs- und Entwicklungsprojekt wurde durch das Bundesministerium für Bildung und Forschung (BMBF) im Rahmen des Programms „KMU-innovativ: Produktionsforschung“ (Förderkennzeichen 02K19K010) gefördert und vom Projektträger Karlsruhe (PTKA) betreut. Die Verantwortung für den Inhalt dieser Veröffentlichung liegt bei den Autoren.
Im Forschungsprojekt „Legitimise IT“ wurde ein einheitlicher Ansatz zur Nutzung von Schatten-IT für produzierende kleine und mittlere Unternehmen (KMU) entwickelt. Dadurch sollen KMU zur kontrollierten Legitimierung nutzenstiftender Schatten-IT unter Berücksichtigung vorhandener Risiken befähigt werden.
Schatten-IT ist in den meisten Unternehmen vorhanden. Durch den unkontrollierten Einsatz von Schatten-IT im Unternehmen entstehen zahlreiche Risiken, welche zu Ineffizienzen und Fehleranfälligkeiten bei den Betriebsabläufen führen können. Dabei wird die Entstehung von Schatten-IT nicht zuletzt durch die Schnelllebigkeit und Vielfalt der technologischen Entwicklungen weiter beschleunigt. Der Ansatz, durch eine strikte Vorgabe der Unternehmensführung lediglich auf genehmigte und zentral verwaltete IT-Anwendungen zurückzugreifen, um Schatten-IT zu unterbinden, hat sich in der unternehmerischen Praxis nicht bewährt. Bisherige Ansätze adressieren nicht die Gründe für die Notwendigkeit von Schatten-IT und bieten keinen organisatorischen und insbesondere technologischen Rahmen, um deren Vorteile unternehmerisch zu nutzen.
Daher wurde im Projekt ein Ansatz entwickelt, der einerseits die aufgezeigten Risiken minimiert und andererseits Mitarbeitenden die notwendigen Freiheiten für eigene, kreative Lösungen bietet. Damit Unternehmen ihre großen Herausforderungen bei der Abschätzung der Risiken- und Nutzenaspekte wie auch beim strikten Verzicht auf die eingesetzten Schatten-IT-Anwendungen bewältigen können, wird eine entsprechende Methodik gefordert.