Wir gestalten Wahrnehmung: Von kleinen Datensätzen bis hin zum Einsatz eingebetteter KI – für eine leistungsstarke Wahrnehmung von Mensch und Maschine in der Industrie
Die doppelte Bedeutung von Wahrnehmung – sowohl das Erfassen als auch das Erleichtern des Verstehens – ist das, was kognitive, nachhaltige und menschenzentrierte Systeme ermöglicht. Wir sind auf die Entwicklung dieser Fähigkeit spezialisiert: Wir bringen robuste Lösungen in die Industrie. Durch die Nutzung unseres Fachwissens in den Bereichen kleine Datensätze und eingebettete KI-Bereitstellung stellen wir sicher, dass ausgefeilte maschinelle Wahrnehmung (Echtzeitverständnis von Prozessen, Umgebung und menschlichen Absichten) und menschliche Wahrnehmung (objektives Bewusstsein für kognitive Belastung und Zustand) praktisch und einsetzbar sind. Wir gehen über die reine Automatisierung hinaus, die einzelne Ziele nicht verbessert oder nur optimiert. Das von uns eingesetzte einheitliche Bewusstsein gewährleistet Sicherheit am Arbeitsplatz, ermöglicht eine adaptive Automatisierung, die eine Überlastung der Mitarbeiter verhindert, unterstützt eine nachhaltige Ressourcennutzung, ermöglicht eine präzise Fehlererkennung und Prozessverbesserung und erleichtert die Entwicklung vertrauenswürdiger symbiotischer Systeme. Die Wahrnehmung, die durch effiziente Algorithmen auf dedizierter Hardware gesteuert wird, ist die Grundlage für die Umwandlung von Sensordaten in verwertbares Wissen für Menschen und Maschinen und stellt sicher, dass die Integration einen enormen Mehrwert in modernen Fertigungsumgebungen und für neuartige Produkte schafft.
Forschungsansatz
Unsere Forschung konzentriert sich auf die Gestaltung der Wahrnehmung in und für industrielle Systeme. Unser Ansatz basiert auf Grundlagenforschung zur menschlichen Wahrnehmung und maschinellen Wahrnehmung, wobei wir uns darauf konzentrieren, die kritischen Wahrnehmungslücken zwischen beiden zu schließen. Wir entwickeln industrielle Lösungen, die auf neurokognitiven Architekturen und Prinzipien bauen. Diese werden anhand einer metrikbasierten Bewertung validiert und iterativ optimiert, die quantitative Leistungsziele (z. B. Durchsatz, Genauigkeit) mit kritischen qualitativen menschlichen Faktoren (z. B. Vertrauen der Bediener, reduzierte kognitive Belastung und Systemtransparenz) verbindet. Unsere Lösungen gehen über einfache KI-Modelle hinaus, da wir uns auch auf die Bereicherung der menschlichen und maschinellen Wahrnehmung konzentrieren, insbesondere in kollaborativen oder verteilten Umgebungen.
Technologien und Innovationen
- Energieeffiziente und in Echtzeit fähige eingebettete KI
- Industrielles Internet der Dinge und föderierte KI-Lösungen
- Entwurf und Bewertung von (grafischen) Mensch-Maschine-Schnittstellen und -Umgebungen
- Prozess- und Umgebungsverständnis-Pipelines
- Physikalische KI-Systeme, die digitale Zwillinge und Schatten von Umgebungen nutzen
- Erklärbares, vertrauenswürdiges, interpretierbares, empirisch evaluiertes maschinelles Lernen
- Fortschrittliche multimodale Sensorfusionsarchitekturen
- Physiologische und kognitive Zustandserfassung für Arbeiter in der Schwerindustrie.
- Autonome kollaborative Systeme (Roboter, Drohnen, AGVs)
- Neuromorphe KI-Bausteine für Echtzeit- und Niedrigenergiesysteme.
Anwendungsfelder und Branchen
- Unterstützung und Automatisierung von Montagevorgängen
- Vorausschauende Wartung und Wartungsunterstützung
- Qualitätssicherung und Inspektionsaufgaben
- Integration von KI-Hardware und Betrieb von Kognitionssystemen
- Kollaborative Produktionsökosysteme (im Mikro- bis Makrobereich)
- Mensch-Maschine-Teaming
Themenbereiche
Im Bereich der maschinellen Wahrnehmung konzentrieren wir uns auf rechnergestützte Systeme, die ein grundlegendes Echtzeitverständnis von industriellen Prozessen, Menschen und der Umwelt erwerben. Dieser Pfeiler bildet die Grundlage für das Verständnis der Welt unter Verwendung aller Formen des maschinellen Lernens (überwachtes, unüberwachtes, halbüberwachtes und verstärkendes Lernen), typischerweise unter Verwendung von Deep Learning und eingebetteter, sogar neuromorpher Hardware. Die Forschung bewegt sich von der grundlegenden Erkennung hin zur multimodalen Entitätsverfolgung und zum Echtzeit-Prozessverständnis. Unsere Lösungen adressieren industrielle Schlüsselprobleme, das Fehlen großer Datensätze, nur kleine oder schlecht gekennzeichnete Daten, cloudlose Edge-Deployments sowie Echtzeit- und Energieanforderungen.
Im Bereich der menschlichen Wahrnehmung konzentrieren wir uns darauf, Menschen zu befähigen, indem wir ihre kognitiven, physischen und psychosozialen Zustände in komplexen Arbeitsumgebungen verstehen. Diese Säule bildet die Grundlage für personalisierte Unterstützung, bei der spezielle Sensoren (z. B. IMUs, EEG, Eye-Tracking) eingesetzt werden, um Aufmerksamkeit, Belastung und Fähigkeiten oder menschliches Verhalten zu quantifizieren. Die Forschung bewegt sich weg von subjektiven Bewertungen hin zu objektiver Echtzeit-Zustandserkennung, um selbstoptimierende Benutzeroberflächen oder adaptive Umgebungen zu schaffen. Unsere bisherigen Lösungen konzentrierten sich auf zentrale Probleme in der Industrie: Unterstützung des komplexen Prozessmanagements bei gleichzeitiger Vermeidung kognitiver Überlastung und Gewährleistung von Sicherheit und Wissenstransfer durch hochgradig individualisierte und kontextbezogene Anleitung bei Bedarf.
Bei der föderierten Wahrnehmung konzentrieren wir uns auf Strategien für verteilte KI-Systeme, die kooperieren und gemeinsam lernen, während die individuelle Datenhoheit gewahrt bleibt. Diese Säule bildet die Grundlage für die Skalierung von Intelligenz über gesamte Industrie- oder Maschinenökosysteme hinweg, wobei föderierte und Transfer-Lernansätze zum Austausch von Modellen oder Teilen davon verwendet werden, nicht jedoch proprietäre bzw. Rohdaten. Die Forschung bewegt sich vom Lernen in Einzelsystemen hin zur kollektiven Wissensverbreitung. Unsere bisherigen Lösungen konzentrierten sich auf wichtige industrielle Probleme: Aufbrechen von Datensilos, Koordination von KI-Ensembles, Ermöglichung einer hochgradigen kollektiven Kognition und Sicherstellung einer energieeffizienten Modellaggregation über heterogene Edge-Geräte hinweg.
Mit symbiotischer Wahrnehmung konzentrieren wir uns darauf, eine mühelose und vertrauenswürdige Zusammenarbeit zu ermöglichen, indem wir das Verständnis und die Absichten von Menschen und Maschine synchronisieren. Diese Säule ist die Grundlage für eine echte Mensch-Maschine-Ko-Wahrnehmung, die ein ganzheitliches Verständnis der Situation und ein gewisses Maß an maschineller Handlungsfähigkeit erfordert. Die Forschung bewegt sich weg von begrenzter Interaktion hin zu Umgebungen, in denen KI-Handlungen für Menschen verständlich und sich die Maschine an den Menschen anpasst. Unsere bisherigen Lösungen konzentrierten sich auf wichtige industrielle Probleme, den Aufbau von gegenseitigem Vertrauen und Sicherheit in gemeinsamen Arbeitsbereichen, die Minimierung unvorhersehbarer und erklärbarer Verhaltensweisen physischer oder digitaler KI und die Möglichkeit für Benutzer, die Wahrnehmung der Maschine durch direktes Feedback oder indirekt durch Verhaltenshinweise und die Befolgung sozialer Normen zu erreichen.
