In der sich ständig weiterentwickelnden Landschaft der künstlichen Intelligenz (KI) ist es entscheidend, neue Ansätze für die Darstellung und Interaktion mit KI-Modellen zu entwickeln. Unser Dienstangebot konzentriert sich darauf, KI-Modelle für die Ko-Intelligenz zu...
Aktives Lernen mit Benutzerinteraktion: Skalierbare Systeme für interaktive Modellverbesserung
ChatGPT hat eindrucksvoll gezeigt, wie das Lernen von Auswahlstrategien auf Basis von menschliches Feedback die Performance von Sprachmodellen verbessern konnte (bei der initialen Nutzbarkeit von Chat-GPT versus dem GPT-3 Basismodell). Viele der Techniken zum...
Physical Intelligence: Kopplung von physikalischen und KI-basierten Modellen für Regression, Interpolation und Optimierung
Simulationen können komplexe ungesehene Phänomene vorhersehen, während maschinelles Lernen insbesondere bestehende Beobachtungen generalisieren kann. Beide Arten des Computational Engineerings eignen sich dazu durch den Einsatz massiver Rechenpower physikalische...
Parallelisiertes Lernen von Merkmalsräumen für große Log- und Zeitreihendatensätze
Neuronale Netze können heute oft auf Basis von Rohdaten lernen. Jedoch gibt es viele Gründe dafür die Phase der Merkmalsextraktion getrennt zu betrachten. Zum einen kann dies das Fehlen von genügend annotierten Daten sein, zum anderen kann es auch Sinn machen...
MangoTune: Adaption von CNN Modellen zur Reifevorhersage auf multi-spektralen Satellitendaten
Das Projekt bestimmt mittels KI-Analyse von multispektralen Satellitenbildern den Zeitbereich des Pflanzenwachstumsprozesses von Mangos weltweit und verknüpft das Ergebnis mit bestehenden Daten.
TruthfulLM: Verifying and Ensuring Truthfulness in Large Language Models
Die entwickelten Modelle extrahieren strukturierte Informationen aus Texten mit Hilfe derer generierte Texte automatisch mit einem Wissensgraphen abgeglichen und so auf ihren Wahrheitsgehalt überprüft werden können.
Neural Architecture Searches zur Mehrziel-Optimierung von Regressions- und Klassifikationsmodellen
Das KIT optimiert ihre existierenden kleinen und großen neuronalen Netzwerke und passt existierende Architekturen semiautomatisch auf ihre Bedürfnisse an. Der Entwurfsraum für Neuronale Netzarchitekturen ist immens. Aktuelle Neuronale-Architekturen können oft durch...
Modellverifikation und -Testung für vertrauenswürdige KI
Maschinelle Lernalgorithmen werden auf lediglich auf die Genauigkeit auf Testdaten verglichen. In der Realität gibt es jedoch deutlich mehr Maße, um die Robustheit einer KI-Komponente zu beschreiben bzw. zu validieren und fortlaufend zu testen. Bei vielen Daten ist...
SDSC-BW WEBINAR – Erfolgreich Daten analysieren: Von der Potentialanalyse zum kommerziellen Produkt
In unserem Webinar am 16.12.2021 (14:00 – 15:00 Uhr) möchten wir Ihnen eine unserer Erfolgsgeschichten näher vorstellen. Eine Potentialanalyse durch KIT-Experten geht über die reine Datenanalyse hinaus und bietet einen symbolischen Sparringpartner bei der Entwicklung...
SDSC-BW: EDI
Die Position der Bemaßung detektieren und die Winkelinformationen der detektierten Positionen bereitzustellen
SDSC-BW: Börse Stuttgart
Besseres Verständnis für komplexe Trading-Aktivitäten dank Transaktionsanalyse
SDSC-BW: Hectronic
Mit Smart-Data-Analysen verunreinigte Tankfüllstände frühzeitig erkennen
SDSC-BW: LGI
Smarte Versandvolumenvorhersage mit KI-Modellen
SDSC-BW: Coral
Wissen besser vernetzen -Implementierung einer neuronalen Active-Learning-Netzwerkarchitektur
SDSC-BW: Vitra
Absatzprognosen von Form und Farbe – ein Vorhersagemodel auf Basis der Vertriebszahlen
SDSC-BW: Mader
Vorausschauend die Energieeffizienz steigern – eine energieeffiziente Optimierung des Kompressors
SDSC-BW: Erdrich
Dynamische Maschinenplanung mit Smart-Data-Technologien
SDSC-BW: Streit
Von Daten zur Holzqualität über entstehende Daten an der Sägelinie bis hin zu den Verkaufsdaten
SDSC-BW: da-cons
In den Bilddateien Pflanzen zuverlässig zu erkennen
SDSC-BW: Dr.Hartmann
Smart-Data-Analysen für industrielle Prozesswassersysteme – Genauigkeit von mindestens 95% erreicht
SDSC-BW: Sedus
Prognosen für die Produktionsmengen von spezifischen Ausstattungsvarianten
SDSC-BW: Echobot
Die richtigen Algorithmen bei Big-Data-Projekten – sowohl hardware- als auch softwareseitige Optimierungspotentiale
SDSC-BW: FUCHS
Auf der Suche nach unbekannten Korrelationen, um Optimierungspotenziale aufzuspüren
SDSC-BW: Hermle AG
Smart Data reduziert Wartungsintervalle von Fräsmaschinen
SDSC-BW: Rolf Benz
Potentialanalyse Lederverschnittoptimierung – eine automatisierte Aufstellung und Überprüfung von Hypothesen
SDSC-BW: Huber
Smart-Data-gestützte Kampagnen-Analysen für das Marketing – zukünftigen Marketingaktionen
SDSC-BW: Herrenknecht
Smart-Data-Algorithmen unterstützen, bei der Planung die Liefergenauigkeit
Neueste Beiträge
Nachbericht Smart Data Innovation Days 2024: Erleben, wie KI-Forschung und -Praxis an einem Strang ziehen
Am 4. und 5. November 2024 feierten das Smart Data Solution Center...
Einladung zu den Smart Data Innovation Days 2024
Das Smart Data Solution Center Baden-Württemberg (SDSC-BW) und das Smart Data Innovation Lab (SDIL) werden 10 Jahre alt! In über 100 Projekten haben sie Unternehmen mit Datenanalysen und innovativen KI-Lösungen geholfen.
WEB-SEMINAR: „KI und Nachhaltigkeit – AI and Sustainability“
In der heutigen Geschäftswelt sind Künstliche Intelligenz (KI) und...
Smart Data Innovation Services: Edge and IoT Enablement for AI Applications
Datum: 14. Dezember 2023, 13:00 bis 16:00 Uhr Ort: online Diese Themen...
Retrospektive: Smart Data Innovation Day am 16.11.2023 – SDIL und WestAI stellen ihre Kompetenzen vor
Seien Sie Teil eines inspirierenden Tages voller Innovationen, Diskussionen und Netzwerkmöglichkeiten rund um Künstliche Intelligenz und Data Analytics.