Titel - Suche
CC-KING - Kompetenzzentrum für KI-Engineering
CC-KING - Kompetenzzentrum für KI-Engineering
Fraunhofer IOSB
Aktuelles
Was ist KI-Engineering?
Kontakt
English
Aktuelles
Über CC-KING
[X]
Über CC-KING
Partner
Personen
KI-Engineering-Labore
Angebote | Transfer
[X]
Angebote | Transfer
KI-Challenge
QuickChecks und TransferChecks
Ihre Rückmeldung ist bei uns eingegangen!
Praxisbeispiele
[X]
Praxisbeispiele
Exemplarische Anwendungsfälle
QuickCheck-Steckbriefe
Automatisierte Anomaliedetektion in Dampf- und Gasturbosätzen
Zustandsorientierte Analyse von Rohrleitungen
Hardwarebeschleunigte SoC-Plattformen für automatisiertes Fahren
Vertrauenswürde Simulationsmodelle im KI Engineering
KI-Verfahren zur Verbrauchsoptimierung im One-Pedal-Driving
Anlagenüberwachung für Schleifmaschinen
Optimierte Produktion von UHCP-Baustoffen
Datenanalyse „auf Knopfdruck“
Einfacheres Reverse Engineering mit KI-Engineering
KI-assistierte Stadtbahn-Steuerung im Tunnel
Infrastrukturgestützte V2X-Anbindung schienengebundener Fahrzeuge
Früherkennung von Anomalien in Abwasserpumpwerken
Bessere Brillengläser durch prädiktive Wartung
Effiziente und sichere Sprachsteuerung mobiler roboter
KI-basierte Erkennung von Holzarten
Maschinelle Lernverfahren für die Entwicklung von Diagnose-Tools
Ziegelproduktion aus Kunststoffabfällen
TransferChecks
HYPERCON: Baustoffe optimiert produzieren
PLC2: Effiziente AI-Edge-Systeme für autonomes Fahren
NovelSense: Intelligente, kostengünstige Verkehrszählung
Überwachung von Dampf- und Gasturbosätzen in der Cloud
KI-Unterstützung für Tram-Disponenten
ITK Engineering: Heterogene Anwendungsfälle für PAISE®
Geschwindigkeit bei nicht präzisen Messzeitpunkten
KI-Engineering: Wissen&Tools
[X]
KI-Engineering: Wissen&Tools
PAISE®: Das KI-Engineering Vorgehensmodell
Ziele & Problemverständnis
Anforderungen & Lösungsansatz
Funktionale Dekomposition
Komponentenspezifikation & Checkpoint-Strategie
Entwicklungszyklus
Übergabe
Betrieb & Wartung
Optionale Querverbindungen
FAQ zu PAISE®
Werkzeuge
KI-DataPipe – Pipeline zur Trainingsdatenerzeugung
ML4P Verarbeitungspipeline
OCTANE
Data Analytics for Automotive (DAfA)
Neural Architecture Specific System-on-a-Chip (NASSoC) Generator
edge-ml.org – Maschinelles Lernen für Mikrokontroller
ROS2KI-Box
Schulungsangebote
Optimization Methods for Machine Learning and Engineering
Maschinelles Lernen
PAISE - Das KI-Engineering-Vorgehensmodell
Anmeldung Schulung
Erklärbare Künstliche Intelligenz
Lernlabor Cybersicherheit
Videoschulung KI-gestützte Prozessoptimierung
Sensorik-Seminar: Maschinen besser verstehen
Events
[X]
Events
Archiv
KI für Mobilitätsanwendungen und der praxisnahe Einsatz bei KMU
Mehr
Wo bin ich?
Startseite
Sitemap
Sitemap
Aktuelles
Bereich öffnen
Bereich schließen
Über CC-KING
Anzeigen / Ausblenden
Partner
Personen
KI-Engineering-Labore
Bereich öffnen
Bereich schließen
Angebote | Transfer
Anzeigen / Ausblenden
KI-Challenge
QuickChecks und TransferChecks
Ihre Rückmeldung ist bei uns eingegangen!
Was ist KI-Engineering?
Bereich öffnen
Bereich schließen
Praxisbeispiele
Anzeigen / Ausblenden
Exemplarische Anwendungsfälle
Anzeigen / Ausblenden
Produktion
Mobilität
QuickCheck-Steckbriefe
Anzeigen / Ausblenden
Automatisierte Anomaliedetektion in Dampf- und Gasturbosätzen
Zustandsorientierte Analyse von Rohrleitungen
Hardwarebeschleunigte SoC-Plattformen für automatisiertes Fahren
Vertrauenswürde Simulationsmodelle im KI Engineering
KI-Verfahren zur Verbrauchsoptimierung im One-Pedal-Driving
Anlagenüberwachung für Schleifmaschinen
Optimierte Produktion von UHCP-Baustoffen
Datenanalyse „auf Knopfdruck“
Einfacheres Reverse Engineering mit KI-Engineering
KI-assistierte Stadtbahn-Steuerung im Tunnel
Infrastrukturgestützte V2X-Anbindung schienengebundener Fahrzeuge
Früherkennung von Anomalien in Abwasserpumpwerken
Bessere Brillengläser durch prädiktive Wartung
Effiziente und sichere Sprachsteuerung mobiler roboter
KI-basierte Erkennung von Holzarten
Maschinelle Lernverfahren für die Entwicklung von Diagnose-Tools
Ziegelproduktion aus Kunststoffabfällen
TransferChecks
Anzeigen / Ausblenden
HYPERCON: Baustoffe optimiert produzieren
PLC2: Effiziente AI-Edge-Systeme für autonomes Fahren
NovelSense: Intelligente, kostengünstige Verkehrszählung
Überwachung von Dampf- und Gasturbosätzen in der Cloud
KI-Unterstützung für Tram-Disponenten
ITK Engineering: Heterogene Anwendungsfälle für PAISE®
Geschwindigkeit bei nicht präzisen Messzeitpunkten
Bereich öffnen
Bereich schließen
KI-Engineering: Wissen&Tools
Anzeigen / Ausblenden
PAISE®: Das KI-Engineering Vorgehensmodell
Anzeigen / Ausblenden
Ziele & Problemverständnis
Anforderungen & Lösungsansatz
Funktionale Dekomposition
Komponentenspezifikation & Checkpoint-Strategie
Entwicklungszyklus
Anzeigen / Ausblenden
Datenbereitstellung
ML-Komponentenentwicklung
Übergabe
Betrieb & Wartung
Optionale Querverbindungen
PAISE®
FAQ zu PAISE®
Werkzeuge
Anzeigen / Ausblenden
KI-DataPipe – Pipeline zur Trainingsdatenerzeugung
ML4P Verarbeitungspipeline
OCTANE
Data Analytics for Automotive (DAfA)
Neural Architecture Specific System-on-a-Chip (NASSoC) Generator
edge-ml.org – Maschinelles Lernen für Mikrokontroller
ROS2KI-Box
Schulungsangebote
Anzeigen / Ausblenden
Optimization Methods for Machine Learning and Engineering
Maschinelles Lernen
PAISE - Das KI-Engineering-Vorgehensmodell
Anzeigen / Ausblenden
Anmeldung Schulung
Erklärbare Künstliche Intelligenz
Lernlabor Cybersicherheit
Videoschulung KI-gestützte Prozessoptimierung
Sensorik-Seminar: Maschinen besser verstehen
Bereich öffnen
Bereich schließen
Events
Anzeigen / Ausblenden
Archiv
KI für Mobilitätsanwendungen und der praxisnahe Einsatz bei KMU