Veranstaltungen

Alle drei Monate bietet das Forschungsteam des Fraunhofer IAO Interessierten eine kostenlose, virtuelle Führung im institutseigenen Fahrsimulator. Die virtuelle Tour gibt Einblicke, was genau die Forschenden im Fahrsimulator untersuchen und macht die Zukunft des Fahrens erlebbar.

Der Hype um Anwendungen, die mit Verfahren der KI und des Maschinellen Lernens Unternehmensdaten analysieren, ist groß. Insbesondere kleine Unternehmen stehen vor der Frage: Starten oder warten? Welche Investition ist die richtige in Bezug auf Zeit, Geld und Weiterbildung? Stehen neben ökonomischen Betrachtungen noch weitere Faktoren zur Debatte?

Beim Trainieren von Machine Learning-Modellen und auch schon bei der Vorverarbeitung der Daten ist im Vorfeld meist nicht klar, welche Modelle bzw. Modellklassen, Hyperparameter, Skalierungen etc. für einen optimalen Lernprozess sorgen. Daher werden meist manuell Pipelines erstellt, die Parametergitter automatisch abtasten. Das Definieren solcher Pipelines kann aufwändig sein. Eine Garantie, dass die besten Einstellungen gefunden werden, gibt es nicht. Abhilfe versprechen Methoden des AutoML, die weite Teile eines Machine Learning-Projekts automatisieren. Die Teilnehmenden lernen, welche Ansätze es dabei gibt und wie diese in der Praxis abschneiden.

Individualisierung ist ein gesellschaftlicher Megatrend. Was bedeutet das für die Entwicklung von Produkten und Dienstleistungen? Was genau versteht man überhaupt unter dem Begriff der Personalisierung? Welche Chancen bietet der branchenübergreifende Ansatz der Personalisierung klein- und mittelständischen, aber auch Großunternehmen? Antworten auf diese Fragen erhalten Sie in der Online-Schulung „Unternehmerische Chancen der Personalisierung: Einführung und Grundlagen.

Regelmäßig öffnet das 2012 errichtete Zentrum für Virtuelles Engineering ZVE des Fraunhofer IAO seine Pforten. Bei einer virtuellen Führung erhalten interessierte Besucherinnen und Besucher Einblicke in die besondere Architektur des Gebäudes und erfahren mehr über die arbeitswissenschaftlichen und energetischen Überlegungen, die dem Bau zugrunde liegen.

Quantentechnologien stehen nicht nur auf der Forschungsagenda weit oben – mit der kommerziellen Verfügbarkeit von Quantencomputern stellt sich zunehmend auch für Unternehmen die Frage, wie sie diese Technologie zukünftig sinnvoll einsetzen können. Aber in welchen Bereichen ist die Nutzung von Quantencomputern sinnvoller und was unterscheidet sie von existierenden Hochleistungsrechner?

Im Rahmen des »Business Breakfast« zeigen wir Ihnen durch jeweils zwei anwendungsbezogene Fachvorträge, wie Sie unsere Expertise für Ihren Betrieb nutzen können. Während des Get-to-gethers mit Frühstück ist ausreichend Zeit, um im individuellen Gespräch Ihre Situation und die Möglichkeiten einer Zusammenarbeit zu beleuchten.

Machine Learning as a Service (MLaaS): Die Durchführung maschinellen Lernens verlagert sich zusehends in die Cloud. Tech Giganten wie Amazon oder Microsoft, in diesem Kontext auch Hyperscaler genannt, sind schon länger mit entsprechenden MLaaS-Angeboten auf dem Markt. Dabei liegen die Vorteile auf der Hand: Die Anschaffung von Hardware durch die Anwender*innen entfällt und mittels weniger Klicks kann die Hardware stark skaliert oder die eigene KI-Anwendung auf einem Server gehostet werden. Doch wie sieht es mit den Nachteilen aus? Können die MLaaS-Dienstleistungsunternehmen tatsächlich die Einstiegshürden in die KI verringern und einen breiten Funktionsumfang gewährleisten?

Der breite Einzug der Digitalisierung führt zu erheblichen Veränderungen in den Märkten und bei den Kunden. Gerade kleine und mittlere Unternehmen (KMU) stehen vor der Herausforderung, langfristig im Wettbewerb bestehen zu können und der Konkurrenz vielleicht sogar einen Schritt voraus zu sein. Das Business Innovation Engineering Center (BIEC) des Fraunhofer IAO zeigt KMU vor Ort, wie es diesen gelingen kann, Chancen in Erfolge umzuwandeln und mögliche Risiken frühzeitig zu erkennen und diesen aktiv zu begegnen?

Nachhaltig personalisierte Produkte berücksichtigen die Anforderungsbedarfe aller potentiellen Nutzer. Aber wie lässt sich ermitteln, ob sich ein Produkt zur Personalisierung eignet? Auf welche Nutzer trifft ein Produkt während seiner Lebenszeit? Wie wird der abstrakte Nutzer zu einer konkreten Person? Wie erlebt der Nutzer das Produkt? Mit welchen Methoden lassen sich Nutzerbedarfe und Personalisierungspotentiale effizient ermitteln? Anhand eines konkreten Fallbeispiels werden Antworten auf diese Fragen erarbeitet.