Foto: Oliver Kussinger

Zusammen mit unseren Partnern arbeiten wir an vielen spannenden Projekten rund um das Thema KI. Die wichtigsten Informationen zu unseren laufenden und abgeschlossenen Projekten finden Sie unten. Sollten Sie Nachfragen haben oder sich für mehr Details interessieren, kontaktieren Sie uns gerne!

Laufende Projekte

Autonomer mobiler Mess- und Mähroboter zur Prüfung von PV-Freiflächenanlagen (AutoPV)

Im Projekt AutoPV möchten die Projektpartner ein System zur autonomen Inspektion und Pflege von Photovoltaik-Freiflächenanlagen entwickeln. Ziel ist es, einen Funktionsprototypen zu schaffen, welcher ohne menschliche Überwachung und ohne Fernsteuerung die Fläche einer Photovoltaik-Freiflächenanlage abfährt und dabei sowohl die Solarmodule mittels verschiedener Messverfahren analysiert, sowie unerwünscht wachsende Vegetation zurückschneidet.

Der Prototyp ist als fahrender Roboter konzipiert, welcher sich durch Satellitennavigation, Inertialsensorik, Farbbildkameras und einen 3D Laserscanner orientiert. Eine Infrarotkamera wird für Thermographieuntersuchungen zum Erkennen fehlerhafter Module verwendet. An der Front installierte Motorsensen ermöglichen eine gleichzeitige Pflege der Fläche unter den Slarmodulen und sorgen für ein ungehinderts Vorankommen des Roboters.

 

Ansprechpartner: Prof. Dr. Jörg Arndt

Kooperationen: Universität Würzburg, Helmholtz-Institut Erlangen-Nürnberg, AutarcTech GmbH, Optris GmbH, Evocortex GmbH, Suntec Energiesysteme GmbH

Eingebettetes nicht-obstruktives Monitoring von Stimm- und Sprachstörungen unter besonderer Berücksichtigung der Privatsphäre

Sprache ist eins der ältesten Kommunikationsmedien. Nur dem Menschen eigen, ist sie auch nach circa 200.000 Jahren Grundlage der heutigen digitalen Welt. Eine weithin bekannte Sprechstörung ist Stottern. Es kommt zu einer Beeinträchtigung der Sprechflüssigkeit, die in 90 Prozent der Fälle vor dem sechsten Lebensjahr beginnt. Bei einer Prävalenz um die fünf Prozent ergibt sich ein Geschlechterverhältnis von doppelt so vielen Jungen wie Mädchen. Neben den äußerlich beobachtbaren Symptomen leiden Betroffene an Unsicherheit, Scham, Frustration, Aggression oder Regression. Hinzu kommt eine Beeinträchtigung des Selbstwertgefühls.

Obwohl die medizinischen Ursachen noch heute im Unklaren liegen, erzielen verhaltenstherapeutische Methoden Erfolge. Ein Therapieansatz ist die Modifikation des gesamten Sprechens. Hierbei erlernen Betroffene zunächst eine neue stotterfreie Sprechweise, welche dann kontinuierlich dem natürlichen Sprechen angeglichen wird. Zu Beginn der Therapie kommt ein visuelles Biofeedback zum Einsatz, welches in Echtzeit die Aussprache analysiert und eine grafische Rückmeldung des Stimmeinsatzes des Sprechers zeigt. Ein in Entwicklung stehendes System versucht Alltagssituationen durch eine Art interaktives Rollenspiel zu simulieren. Ohne die Therapieumgebung zu verlassen kommt es zu einer automatischen Bewertung der erlernten Techniken.

Die bisherigen Kontrollverfahren erfolgen jedoch nur während der Therapiesitzungen. Das Forschungsprojekt „Eingebettetes nicht-obstruktives Monitoring von Stimm- und Sprechstörungen unter besonderer Berücksichtigung der Privatsphäre“ soll daher eine verbesserte Verlaufskontrolle ermöglichen, in dem es eine Möglichkeit schafft, die Anwendung der neu erlernten Sprechweise im Alltag zu messen. Das System soll ohne Internetverbindung und im Hintergrund arbeiten.

Ansprechpartner: Prof. Dr.-Ing. Korbinian Riedhammer

Kooperationen: Kasseler Stottertherapie (KST)

Emotion AI - Ist der mitleidigste Computer der beste Computer?

Das Projekt „Emotion AI“ baut auf dem Gedanken auf, dass die selbstverständlichen Interaktionen mit digitaler Technologie noch besser auf den einzelnen Menschen angepasst werden können, wenn sie auf die emotionale Verfassung des Nutzenden eingehen. Ein technisches Schlagwort in diesem Zusammenhang ist „Affective Computing“: Es hat zum Ziel, Mensch-Computer-Interaktionen empathischer zu machen. Computer sollen nicht nur explizite Signale des Menschen wie Touchgesten, Klicks, Texteingaben oder den Inhalt eines Sprachkommandos verarbeiten können, sondern auch den emotionalen Kontext einer Interaktion verstehen und darauf angepasst reagieren. Das Feedback des Computers auf die Gemütslage der Nutzer*innen ermöglicht dabei „Emotion Artificial Intelligence": die emotionale Intelligenz des Computers / der Maschine.

Nach einer intensiven Ideation-Phase wählte sich das Projektteam den Case „Autofahrt“ zur intensiveren Bearbeitung aus. Im Zentrum der Forschung steht die Frage, wie intelligente Technologie Autofahrer*innen in unterschiedlichen Szenarien und Situationen unterstützen oder begleiten kann. Der Fokus liegt auf dem Erkennen und Interpretieren des Gemütszustandes der Autofahrer*innen durch eine KI und die optimale Maßnahmenergreifung. Dabei stehen die Warn- und Hinweistöne und deren Einfluss auf Komfort und Sicherheit, auch hinsichtlich der User Experience der Autofahrer*innen, im Zentrum. Denn eines ist jetzt schon klar: Das Auto der Zukunft geht auf die Bedürfnisse seiner Nutzer*innen ein und entwickelt sich zum persönlichen Assistenten mit passgenauen Angeboten und Unterstützung für Situationen aller Art.

 

Ansprechpartner: Prof. Yves Ebnöther, Prof. Dr. Alexander Hahn, Prof. Dr.-Ing. Alexander von Hoffmann, Prof. Markus Kaiser, Prof. Tilman Zitzmann

Kooperationen: tawny.ai, Innovationsagentur HYVE AG

Dieses Projekt wird unterstützt durch LEONARDO – Zentrum für Kreativität und Innovation, eine Kooperation der Technischen Hochschule Nürnberg, der Akademie der Bildenden Künste Nürnberg und der Hochschule für Musik Nürnberg. LEONARDO wird finanziert über das Bund-Länder-Programm Innovative Hochschule.

EMPAMOS – Spiele-Design-Elemente

Bereits seit 2016 führt die Fakultät Informatik das Forschungsprojekt EMPAMOS (Empirische Analyse motivierender Spielelemente, https://empamos.in.th-nuernberg.de/) in Kooperation mit der Stadt Nürnberg durch. In diesem Projekt wird untersucht, wie sich Spiel-Design-Elemente in spielfremden Kontexten nutzen lassen, um dort menschliches Verhalten auf spielerische Art und Weise zu motivieren („Gamification“). Zu diesem Zweck werden die über 30.000 Spielanleitungen des Deutschen Spielearchivs Nürnberg digitalisiert und auf motivational bedeutsame Spiel-Design-Muster untersucht. Neben qualitativen Methoden kommen insbesondere auch Machine-Learning-Verfahren zum Einsatz, wodurch sich ein Katalog von 104 Spiel-Design-Elementen und 1.880 beschriebenen Elementverbindungen ergibt, der sich aktuell auf rund 44.000 empirische Evidenzen stützt.

Konkret haben folgende drei Produkte bzw. Dienstleistungen eine Produktreife erreicht:

Die analoge Game Design Toolbox enthält eine für den jeweiligen Anwendungskontext zusammengestellte Auswahl an Spielelement-Karten, die sich in Netzwerken anordnen lassen, so dass sich in Teamworkshop eine Vielzahl an spielerische Motivationslösungen auf dem Tisch generieren lassen. Während der Vorteil der analogen Box darin besteht, im Kreativprozess intuitiv mit dem Material haptisch zu interagieren, ermöglicht die digitale Toolbox den schnellen Zugriff auf die über 1.880 beschriebenen Elementverbindungen.

Die analoge und digitale Game Design Toolbox fand in den Anwendungsfeldern Unternehmens- und IT-Beratung, Kulturverwittlung (Unternehmen, Soziale Arbeit, Kultureinrichtungen, Spielebranche) Unternehmens- und IT-Beratung.

 

Ansprechpartner: Prof. Dr. Laila Hofmann, Prof. Dr. Robert Lehmann, Prof. Dr. Thomas Voit, Prof. Rainer Kotzian

Kooperationen: Spielearchiv Nürnberg, Forschungs- und Innovationslabor Digitale Lehre (FIDL)

Dieses Projekt wird unterstützt durch LEONARDO – Zentrum für Kreativität und Innovation, eine Kooperation der Technischen Hochschule Nürnberg, der Akademie der Bildenden Künste Nürnberg und der Hochschule für Musik Nürnberg. LEONARDO wird finanziert über das Bund-Länder-Programm Innovative Hochschule.

Fusionierung Neuronaler Netze (FuzeNN)

 

Aktuelle neuronale Netze zur automatischen Klassifikation verwenden mehrere 10-100 Millionen Parameter, was erhebliche Anforderungen an Speicher- und Rechenressourcen stellt. Das Problem verstärkt sich bei der parallelen Auswertung der Netze. Die Fusionierung mit der Kompression neuronaler Netze ist eine innovative Möglichkeit, den zeitgleichen Einsatz paralleler Netze in eingebetteten Systemen zu ermöglichen.

Ansprechpartner: Prof. Dr. Tobias Bocklet

Kooperationen: Intel Labs Deutschland

Identifikation von sicherheitsrelevanten Anomalien in kritischen Infrastrukturen (IdSA)

IdSA soll mittels eines geeigneten IT-Demonstrators exemplarisch Hinweise auf mögliche sicherheitsrelevante Vorgänge und Situationen für den Wasserversorgungsbereich der Erlanger Stadtwerke AG(ESTW) als Anwender liefern. IdSA ist ausgerichtet auf die möglichst frühzeitige Erkennung von seltenen und unerwarteten Anomalien, verursacht durch Kriminalität, Terrorismus oder vergleichbare Bedrohungen in komplexen, räumlich verteilten Anlagen, die mittels der Steuer-, Regelungs- und Leittechnik der technischen Subsysteme nicht oder erst (zu) spät erkannt werden.
Das Ziel soll durch die Erfassung, Fusion, Analyse und Klassifikation von strukturierten sowie unstrukturierten Daten und Informationen sowie deren zeitliche Abfolgen realisiert werden.

Eingeschlossen ist die Berücksichtigung von Informationen aus hoheitlichen Lageberichten und offenen Quellen zu Veränderungen der Risikolage mit langer Vorwarnzeit. Aspekte der IT-Sicherheit stehen nicht im Vordergrund der Forschung; die Lösung sollte aber fähig sein, Informationen auch aus IT-Sicherheitskomponenten zu berücksichtigen.

Der Stand der Technik soll durch das Projekt überzeugend verbessert werden, die Grundlagen für die anschließende Nutzung der Ergebnisse schaffen sowie die Anschlussfähigkeit in den Bereichen: Wissenschaft, Lehre, wirtschaftliche Verwertung gewährleisten.

Ansprechpartner: Prof. Dr. Korbian Riedhammer

Kooperationen: ESTW Erlanger Stadtwerke AG

Intelligente Ausfüllhilfe für Formulare in der Wohnungslosenhilfe (INA)

INA ist eine virtuelle, diskrete und intelligente Assistentin für Sozialarbeiter*innen. Sie identifiziert im Dialog mit Betroffenen zunächst in Frage kommende Leistungen und hilft anschließend erforderliche Formulare korrekt auszufüllen und nötige Nachweise vorzubereiten.


Das Beantragen von Sozialleistungen stellt Bürger*innen oft vor unerwartete Schwierigkeiten, sei es aufgrund von Unwissenheit, Schamgefühl oder Sprach- und Verständnisbarrieren. Oft ist eine Übersetzung der Behördensprache ins Deutsche und umgekehrt nötig. Sozialarbeiter*innen übernehmen hier eine wichtige Rolle. Das gemeinsame Ausfüllen von Formularen ist jedoch zeitintensiv und gehört nicht zum Kern der sozialarbeiterischen Tätigkeit. Zudem können Sozialarbeiter*innen nicht alle Bürger*innen in Not erreichen. INA soll hier als virtuelle Assistentin einfache Fälle weitestgehend automatisch betreuen, um Fachkräfte zu entlasten, Freiräume für Beratungs- und Beziehungsarbeit zu schaffen und Barrieren abzubauen.

INA soll als multimodale virtuelle Assistentin realisiert werden, zunächst mit Chat und Sprache als Ein- und Ausgabe. KI-Technologien spielen hierbei eine zentrale Rolle: So sollen Formulare mithilfe einer Ontologie und Texterkennung für einen statistischen Dialogmanager aufbereitet werden, der wiederum auf echten Beratungsdialogen in der Wohnungslosenhilfe angelernt werden soll. Spracherkennung und Sprachverarbeitung (NLP) und Sprachsynthese ermöglichen das Verständnis der Benutzer*innen, Sprachsynthese ermöglicht es, durch Aussagen und Nachfragen den Dialog zum Erfolg zu bringen. INA kann den eigentlichen Beratungsgesprächen vorgeschaltet werden und auf diese Weise Sozialarbeiter*innen entlasten.

Im Fokus stehen Sozialleistungen im Kontext von Wohnungslosigkeit, da obdachlose und wohnungslose Menschen große Vorbehalte und Ängste gegenüber bürokratischen Verwaltungshandeln hegen. Die Idee, dass eine virtuelle Assistentin sowohl beliebige Formulare als auch die dazugehörige Dialogführung erlernen kann, ermöglicht es jedoch, die Anwendung auf quasi beliebige Problemstellungen bei der Interaktion mit Behörden zu übertragen. Durch die niedrige Hemmschwelle und ständige Verfügbarkeit sind Suchterkrankungen, Arbeitslosigkeit und versteckte Armut Bereiche, die stark von der diskreten Hilfestellung profitieren können. Unser Ansatz könnte langfristig als Ergänzung zu “klassischen” Ratgebern etabliert werden.

Die Antragsteller sind durch zahlreiche Forschungsprojekte zum Themenfeld Wohnungslosigkeit in der Region sehr gut vernetzt und können auf erhobene Daten zu Bedarfen und Lebenswirklichkeiten von wohnungslosen Menschen zurückgreifen (SIWo: Smart Inklusion für Wohnungslose). Die Dialogführung zur Leistungsfindung und Antragstellung wird auf Basis von Aufzeichnungen von Beratungsgesprächen in verschiedenen Einrichtungen der Wohnungslosenhilfe angelernt, welche aus echten Betreuungssituationen mit Betroffenen hervorgehen. Das Projekt wird von der Stadtmission Nürnberg, Don Bosco Jugendwerk Nürnberg sowie dem Caritasverband Regensburg unterstützt, welche den Zugang zur Beratung wohnungsloser Menschen und die Diversitat der Zielgruppe sicherstellen.

 

Weitere Informationen:

https://www.civic-innovation.de/das-foerdern-wir/praemierte-ideen-1-runde

https://www.civic-innovation.de/service-und-beratung/aktuelles-und-termine/standard-titel/ideen-fuer-gemeinwohlorientierte-ki-anwendungen-erste-preisverleihung-der-civic-innovation-platform

Gemeinsam wird es KI – Technische Hochschule Nürnberg Georg Simon Ohm (th-nuernberg.de)

 

Ansprechpartner: Prof. Dr.-Ing. Korbinian Riedhammer, Prof. Dr. phil. Frank Sowa

Kooperationen: Caritasverband Regensburg, Jugendhilfe Don Bosco Nürnberg

Interactive Artificial Intelligence (IAI)

Generation Z und die Nachfolgegeneration Alpha werden mit dem Handy oder Tablet in der Hand groß. Während sich die vorherige Generation mit Freunden oder Dr. Sommer zu schambesetzten Themen austauschte, reicht heutzutage ein Griff zum Handy - hier eröffnen sich eine Vielzahl an Möglichkeiten der Informationsgewinnung: ein Anruf oder eine Nachricht an einen Freund, das Posten eines Beitrages in einem Forum, wo ich mich unter "Gleichgesinnten" austauschen kann oder die geschützte Mailberatung von z.B. www.sextra.de der profamilia, wo mir ein*e geschulte*r Berater*in antwortet.

Doch was ist mit Jugendlichen, die sich zu schambesetzten Themen nicht exponieren wollen? Dieser Frage widmet sich IAI (Interactive Artificial Intelligence). In diesem Projekt soll prototypisch ein Chatbot aufgebaut werden, der mit seinen Nutzer*innen zu solch schwierigen Themen niederschwellig interagiert. Konkret stellt er sich auf die Nutzer*innen ein, indem er den Gesprächsverlauf in Echtzeit analysiert und sein Antwortverhalten daran ausrichtet. Seine Antworten passen sich so immer besser den Bedürfnissen der Ratsuchende*n an. Der Chatbot fungiert damit in keinster Weise als Ersatz für eine professionelle (Online-)Beratungsstelle, sondern als Ergänzung und Unterstützung für Beratende und Ratsuchende zugleich.

Das Konsortium, bestehend aus Vertretern der Fakultäten für Sozialwissenschaften, Betriebswirtschaft und Elektrotechnik, wird im Laufe der Projektlaufzeit verschiedene Technologien aus dem Bereich des maschinellen Lernens für diesen Chatbot aufbauen und ihm das Wissen über potentielle Nutzer*innen antrainieren. Schlussendlich wird ein Prototyp entwickelt, der dann in einen Testlauf mit einer ausgewählten Gruppe gehen und interagieren kann.

 

Ansprechpartner: Prof. Dr. Robert Lehmann, Prof. Dr. Thomas Bahlinger, Prof. Dr. Oliver Hofmann

Kooperationen:  Pro Familia mit der Online Beratung: Sextra

Dieses Projekt wird unterstützt durch LEONARDO – Zentrum für Kreativität und Innovation, eine Kooperation der Technischen Hochschule Nürnberg, der Akademie der Bildenden Künste Nürnberg und der Hochschule für Musik Nürnberg.
LEONARDO wird finanziert über das Bund-Länder-Programm Innovative Hochschule.

Kann ein Algorithmus im Konflikt moralisch kalkulieren? (KAIMo)

Zu folgenden Forschungsfragen versucht das Projekt Antworten zu finden:


Philosophie: Wie lassen sich die normativen Aspekte der Kindeswohlgefährdung begrifflich fassen (z.B. Kindeswohl, Selbstbestimmung, faire Verfahren, Vermeidung von Diskriminierung)? Wie können die sich daraus ergebenden normativen Kriterien in Algorithmen, in rationale Entscheidungsprozesse und darüber hinaus in eine digitale sozialarbeiterische Praxis übersetzt werden? Welches Verständnis von Normativität, Rationalität und Werten eignet sich hierfür und welche Konsequenzen ergeben sich aus den praktischen Umsetzungsanforderungen für die Philosophie und deren Verständnis von Normativität im digitalen Zeitalter?


Soziale Arbeit: Wie können sozialarbeiterische Arbeitsprozesse und Entscheidungen digital unterstützt werden? Wie können die normativen Aspekte der Entscheidungsfindung angemessen formuliert werden? Wie können auf dieser Basis angemessene Einschätzungen von Kindeswohlgefährdung und die Bewertung von Risikopotential getroffen werden? Wie können ethisch begründete digitale Unterstützungsverfahrung dabei helfen?


Informatik: Wie können normative Kriterien quantifiziert werden? Wie lassen sich die normativen Dimensionen in Algorithmen übersetzen? Welche spezifischen Eigenheiten von ethischen Konfliktfällen sind hierbei besonders zu beachten? Welche Konsequenzen ergeben sich aus den Ergebnissen und Anforderungen der Informatik für die beiden anderen Disziplinen? Wie können Algorithmen durch Scoring einen Beitrag zur Entscheidungsfindung liefern?

 

Ansprechpartner: Prof. Dr. Robert Lehmann

Koorperationen: Hochschule für Philosophie in München, Hochschule für Angewandte Wissenschaften Würzburg Schweinfurt

KI-Power - System für die flexible Erprobung von modellbasierten prädiktiven und künstlich intelligenten Regelungsverfahren in der elektrischen Antriebstechnik

Im Rahmen des Forschungsprojekts KI-Power soll eine innovative, flexible, modulare und hochperformante heterogene Plattform für neuartige Ansteuer- und Regelungskonzepte im Bereich von leistungselektronischen Systemen erforscht werden. Hierbei stehen Echtzeitfähigkeit, ein breites Anwendungsspektrum sowie hohe Rechenleistung im Vordergrund. Trotz vielversprechender Forschungsergebnisse steht die industrielle Umsetzung von modernen Ansätzen zur Regelung von leistungselektronischen Systemen, wie die Nutzung von Verfahren aus dem Bereich der künstlichen Intelligenz (KI) oder der modellprädiktiven Regelung (MPC), noch aus. Reinforcement Learning, eine KI-Methode, und MPC weisen zahlreiche theoretische Ähnlichkeiten und Verbindungen auf und werden teilweise auch in Kombination eingesetzt. Bei der industriellen Umsetzung dieser Verfahren im Bereich der leistungselektronischen Systeme bestehen zudem ähnliche Herausforderungen. Beide Verfahren benötigen eine hohe Rechenleistung, um die Echtzeitanforderungen in diesen Anwendungen einzuhalten. Leistungsstarke Berechnungsplattformen sowie die Möglichkeit mit diesen durch Rapid Prototyping Produkte zu entwickeln, stellen daher einen Schlüsselfaktor zur Etablierung von KI in der Industrie dar.

Moderne System-on-aChip (SoC), die mehrere Prozessoren sowie Field-Programmable Gate Array (FPGA) in einem Chip vereinen, bieten die nötige Rechenleistung für KI sowie MPC und werden im Folgenden als SoC-FPGA bezeichnet. Die hohe Komplexität von SoC-FPGA sowie das Fehlen von experimentell validierten Implementierungen von MPC und KI-Verfahren steht deren Nutzung, insbesondere durch KMU, aktuell entgegen. Mit der im Rahmen von KI-Power erforschten Plattform wird dieses Innovationshemmnis effektiv abgebaut und die Entwicklung einer neuen Generation an innovativen Systemen im Bereich der Leistungselektronik sowie der elektrischen Antriebstechnik ermöglicht. KI-Power bietet eine bisher nicht existente, ganzheitliche Betrachtung vertrauenswürdiger, mikroelektronischer Hardware- und Softwarekomponenten als Bestandteil einer innovativen Plattform. Im Bereich der Hardware zeichnet sich diese durch minimierte Latenz, minimierten Jitter, optimierte Signalintegrität und enorme Rechenleistung aus. Diese Rechenleistung ergibt sich durch die heterogene Berechnung der Algorithmen mit einer sowohl in Kosten und Rechenleistung skalierbaren SoC-FPGA Prozessorfamilie. Im Bereich der Software wird ein modulares Framework für die Plattform erforscht, wobei ein transparenter Workflow für die Softwareund Hardwareentwicklung mit einer Nutzung von Open Source Tools (u. a. PYNQ, Python) sowie automatisierter Code-Generierung genutzt werden soll.

Da leistungselektronische Systeme in Deutschland schon heute eine zukunftsweisende Rolle einnehmen und die Implementierung sowie die experimentelle Erprobung intelligenter Regelungsverfahren für Systeme dieser Art eine Herausforderung darstellen, dient KI-Power als „Enabler“ für diese Innovationen. Das Verwertungskonzept von KI-Power basiert auf einer zweistufigen Vorgehensweise nach dem „Freemium“ Geschäftsmodell. Im ersten Schritt werden die Ergebnisse dieses Vorhabens (Hard- und Software, Dokumentation) unter einer Open Source Lizenz zur Verfügung gestellt, wodurch die Plattform in der deutschen Forschungs- und Industrielandschaft an Aufmerksamkeit gewinnt und sich etablieren soll. Im zweiten Schritt wird eine Ausgründung aus dem Hochschulverbund in Partnerschaft mit den beteiligten Unternehmen durchgeführt, welche die Wartung, die Weiterentwicklung sowie den Vertrieb der Plattform übernimmt. Durch das Abbilden einer ganzheitlichen Wertschöpfungskette in Deutschland soll das zu gründende Unternehmen sowie die beteiligten Unternehmen aus Deutschland als Technologievorreiter profitieren.

Ansprechpartner: Prof. Dr.-Ing. Armin Dietz

Kooperationen: Technische Universität München, Trenz Electronic GmbH, Kübrich Ingenieursgesellschaft mbH & Co. KG, Afag GmbH

Mixed-reality mining - HoloMine

To achieve society acceptance and profitability the mining operations of the future have to be optimized in terms of impact to society and environment, safe and healthy working conditions and mining processes.

Mine digitalization (Mining 4.0) is identified as key technology for success, while Mixed Reality (MR) is the most promising way to enable users to leverage all benefits to improve operational efficiencies, by integration of real world and virtual world in one 3D/4D environment.

By use of already existing MR hardware the development of specific solutions for selected underground mining issues, including an overall enterprise data infrastructure, is planned within HoloMine.

The pilot solutions will clearly evidence that mixed reality solutions are perfect for enabling rapid shaft and roadway inspection, machine maintenance, 3D model visualization and quick decision-making. The mine will become a completely new canvas for everyone to understand and explore, to learn, communicate and interact with.

 

Ansprechpartner: Prof. Dr. Stefan May

Kooperationen: DLR, DMT, LTU - Business AB, EIT - European Institute of Innovation & Technology, Microsoft HoloLens, Montanuniversität Leoben, robotic eyes, Sandvik, Technische Universität Bergakademie Freiberg, TU Graz

Neue Wege in der Roboterprogrammierung mit Mensch-Roboter-Kollaboration (MRK) und Motion-Capture (MoCap) - MRK&MoCap4Robots

Moderne Industrieroboter sind heute in der Lage, ihre Arbeitsschritte in direkter Zusammenarbeit mit dem Menschen zu verrichten. Dadurch lassen sich Roboter sehr flexibel in der Fertigung – sogar in gemischten Anlagen mit Mensch und Maschine – einsetzen. Demgegenüber steht jedoch ein sehr hoher Aufwand für die Programmierung, der Zeit und Expertenwissen voraussetzt. Um den zeitlichen Aufwand zu verringern und die Programmierung der Robotersysteme zu vereinfachen, soll im Laufe des vierjährigen Forschungsvorhabens an der Technischen Hochschule Nürnberg ein Methodenbaukasten zur Anwendungsreife entstehen. Mit dessen Hilfe können Industrieroboter auf einfache Art mit MoCap, AR und VR in kurzer Zeit programmiert werden und entsprechend der Programme mehrere Arbeiten ausführen.

 

Weitere Informationen: https://mediasharing.service.th-nuernberg.de/video/Intuitive-AR-MoCap-Robo-Teaching/df70e028bf132f7f9ad97f603d0040bc

Ansprechpartner: Prof. Dr.-Ing. Dipl.-Wirt.-Ing. Michael Koch

Spirio Sessions

Die Technische Hochschule Nürnberg und die Hochschule für Musik Nürnberg arbeiten in dem interdisziplinären Forschungsprojekt „Spirio Sessions“ zu Künstlicher Intelligenz – konkreter: zu Künstlicher Kreativität – zusammen. Dabei kooperieren die Fachgebiete der Interdisziplinären Musikforschung der HfM Nürnberg – welche erst kürzlich im KI-Wettbewerb des Bayerischen Staatsministeriums für Wissenschaft und Kunst mit einer Professur für „Künstliche Kreativität und musikalische Interaktion“ erfolgreich war – mit Wissenschaftler*innen für Maschinelles Lernen an der Fakultät Informatik der TH Nürnberg.

Im Mittelpunkt der gemeinsamen Forschung steht die Entwicklung „Künstlicher Kreativität“: die Interaktion von menschlichen Musizierenden mit innovativen Musikinstrumenten und Künstlichen Intelligenzen. Das „Herzstück“ des gemeinsamen Forschungsprojekts ist der selbstspielende Flügel, Modell Spirio R – ein analog-digitales Hybrid-Instrument der Firma Steinway & Sons. Von dem Instrument erwarten sich die Wissenschaftler*innen nicht nur datenbasierte Einblicke in die Interpretation von Musik, sondern wollen insbesondere auch die Möglichkeiten einer Schnittstelle mit einer Künstlichen Intelligenz erforschen.

Möglicherweise können bald Fragen wie diese beantwortet werden: Kann der Flügel in einem Jazz-Quartett improvisieren? Gar seine persönliche Note hinzufügen? Und welche Erkenntnisse erlangen wir dadurch über den vermeintlich exklusiv menschlichen Kreativprozess? Das Projektteam erhofft sich dabei von den Ergebnissen auch Erkenntnisse, die sich auf andere Gebiete und Anwendungsszenarien übertragen lassen – wie etwa der Medizin.

 

Weitere Informationen: https://leonardo-zentrum.de/projekt-spirio-sessions/

Ansprechpartner: Prof. Dr.-Ing. Korbinian Riedhammer

Kooperationen: Hochschule für Musik Nürnberg

 

Dieses Projekt wird unterstützt durch LEONARDO – Zentrum für Kreativität und Innovation, eine Kooperation der Technischen Hochschule Nürnberg, der Akademie der Bildenden Künste Nürnberg und der Hochschule für Musik Nürnberg.
LEONARDO wird finanziert über das Bund-Länder-Programm Innovative Hochschule.

Underground Robotic System for Monitoring, Evaluation and Detection Applications (KAVA UNDROMEDA)

The number of underground mines is increasing worldwide. The hazardous environments in mines result in high risk for injuries and fatalities. The approximately 657 underground mines in the USA, alone, have an average of 20 fatalities and 1972 serious injuries per year, which are mostly caused by ceilings or walls collapsing. Therefore, the demand to explore unknown areas for operation and safety purposes in underground mines, but also in sewage tunnels and other underground areas, is very high today and will increase in the future. The UNDROMEDA project aims to develop a robotic underground measurement system for autonomous 3D mapping and monitoring. The system is based on a mobile wheel-driven platform which additionally carries a flying drone to approach particularly unknown, difficult to access, or hazardous areas in underground mines and other underground environments. The autonomous platform and drone will significantly reduce the risk to underground personnel by replacing manual measurements. Automation will reduce time and costs for mapping and monitoring while advanced sensors and their integration will dramatically enhance the information density and quality.

 

Weitere Informationen: Datasheet.pdf

Ansprechpartner: Prof. Dr. Stefan May

Kooperationen: Boliden Mineral, Caterpillar Global Mining Europe GmbH, Commissariat à l’énergie atomique et aux énergies alternatives, CEA, Deutsches Zentrum für Luft- und Raumfahrt e.V., DMT GmbH & Co. KG, Indurad GmbH, Inkonova AB, LKAB Minerals AB, Montanuniversität Leoben, Rheinisch-Westfaelische Technische Hochschule Aachen, RISE Research Institutes of Sweden AB, Technische Universität Bergakademie Freiberg

Unkafka – Behördliche Schreiben einfach und verständlich

Unkafka ist ein KI-basierter Assistent, der komplizierte Formulierungen in behördlichen Schreiben automatisch erkennt, visuell markiert und Vorschläge für Vereinfachungen generiert. Er unterstützt Sachbearbeiter und Juristen bei der Erstellung von Bescheiden und Verordnungen. Die Vorschläge werden durch ein Modell generiert, das mithilfe verfügbarer Trainingsdaten speziell für diese Aufgabe trainiert wird. Unkafka soll sowohl als Open-Source-Software als auch als direkt nutzbarer Service bereitgestellt werden.

Die Idee zielt auf eine nachhaltige Verbesserung der gesellschaftlichen Akzeptanz von amtlichen und behördlichen Entscheidungen ab. Viele Bürgerinnen und Bürger fühlen sich bei Entscheidungen und Regelungen allein gelassen und aufgrund der Geschwindigkeit und Masse der Änderungen überfordert. Unkafka hilft Menschen, behördlichen Schriftverkehr besser zu verstehen. Die Kooperationspartner wollen ihre umfassenden Erfahrungen im behördlichen Umfeld in Form einer Vision zur Verbesserung und Optimierung des Umgangs mit den Bürgerinnen und Bürgern zum Erfolg verhelfen, um nachhaltige Veränderungen anzustoßen. Ihrer Einschätzung nach kann durch die vereinfachte Erstellung gut verständlicher Bescheide ein Mehrwert sowohl für die Gesellschaft als auch für die Behörden geschaffen werden. Darüber hinaus besteht ein großes Eigeninteresse, sinnvolle Vorhaben praktisch umzusetzen oder zu begleiten und im Erfolgsfall wirtschaftlich von der Umsetzung zu profitieren. Die Ergebnisse sollen zudem in Forschung und Lehre verwendet werden.

 

Weitere Informationen:

https://www.civic-innovation.de/das-foerdern-wir/praemierte-ideen-1-runde

https://www.civic-innovation.de/service-und-beratung/aktuelles-und-termine/standard-titel/ideen-fuer-gemeinwohlorientierte-ki-anwendungen-erste-preisverleihung-der-civic-innovation-platform

Gemeinsam wird es KI – Technische Hochschule Nürnberg Georg Simon Ohm (th-nuernberg.de)

 

Ansprechpartner: Prof. Dr. Jens Albrecht, Markus Stadi (Bundesagentur für Arbeit)

Kooperationen: Bundesagentur für Arbeit

Validierung von künstlich intelligenten Regelverfahren für die elektrische Antriebstechnik — KIRA

Ziel des Vorhabens KIRA ist die Reduzierung der Schwingungsbelastung von elektrischen Antrieben
sowie die Vereinfachung der Reglereinstellung von Antriebssystemen. Hierzu soll ein künstlich
intelligentes Regelverfahren (KI) eingesetzt werden, das Methoden des Reinforcement Learnings
nutzt. Im Rahmen des Projekts soll das Funktionsprinzip und die Vorteile der KI-Regelung validiert
werden. Hierfür wird ein Proof-of-Concept des Verfahrens erbracht und dessen Vorteile gegenüber
dem Stand der Technik quantifiziert. Für die KI-Regelung soll ein IP-Core entstehen, der in gängige
Frequenzumrichter integriert werden kann und somit eine beschleunigte Markteinführung des Verfahrens ermöglicht. Die Verwertung sieht die Ausgründung eines Unternehmens zur Vermarktung
der KI-Regelung sowie die Initiierung weiterer Forschungsprojekte vor.

 

Ansprechpartner: Prof. Dr.-Ing. Armin Dietz

Abgeschlossene Projekte

Computergestützte Analyse Sozialwissenschaftlicher Texte mit Hilfe maschineller Lernverfahren (CASoTex)

 

Ziel war die Erforschung der Einsatzmöglichkeiten computerlinguistischer Methoden und maschineller Lernverfahren zur automatisierten Analyse sozialwissenschaftlicher Texte. Die Datengrundlage bildeten digital vorliegende Beiträge aus moderierten, sozialen Beratungsforen. Anhand konkreter sozialwissenschaftlicher Fragestellungen zu Wirkungszusammenhängen in der Onlineberatung sollte untersucht werden, inwiefern Computer-Linguistik und maschinelle Lernverfahren qualitative Analysen unterstützen bzw. ergänzen können, wo die Grenzen der Verfahren liegen und wie bei deren Einsatz vorzugehen ist. Im Projekt wurden erste konkrete Erkenntnisse generiert, der Forschungsverbund vergrößerte sich, Praxis-Forschungsprojekte wurden beantragt und es entstanden weitere Überlegungen zu größeren Forschungsprojekten. Die aktuellen Ergebnisse sind vielversprechend. Überwachte Lernverfahren können mit ausreichend vielen und gut vorbereiteten Trainingsdaten interpretierbare und verwertbare Erkenntnisse liefern.

 

Weitere Informationen:

Lehmann, Robert; Albrecht, Jens & Zauter, Sigrid (2020): CaSoTex, Computerunterstützte Analyse Sozialwissenschaftlicher Texte. E-Beratung, 2020 (1). doi: 10.34646/thn/ohmdok-619 . https://opus4.kobv.de/opus4-ohm/files/619/CaSoTex-Abschlussbericht2.pdf (pdf 464 KB)

Grandeit, Philipp; Haberkern, Carolyn; Lang, Maximiliane; Albrecht, Jens & Lehmann, Robert (2020): Using BERT for Qualitative Content Analysis in Psycho-Social Online Counseling. 4TH WORKSHOP ON NLP AND CSS at the EMNLP 2020 The 2020 Conference on Empirical Methods in Natural Language Processing. https://www.aclweb.org/anthology/2020.nlpcss-1.2/

Lehmann, Robert; Albrecht, Jens & Zauter, Sigrid (voraus. 2021): Die Computerunterstützte Analyse Sozialwissenschaftlicher Texte – Ergebnisse des Forschungsprojekts „Casotex“ in der psychosozialen Onlineberatung. In: Carolin Freier; Joachim König; Arne Manzeschke & Barbara Städtler-Mach (Hrsg.): Gegenwart und Zukunft sozialer Dienstleistungen. Wiesbaden: Springer.

 

Ein kooperatives Projekt des Instituts für E-Beratung, Fakultät Sozialwissenschaften, Prof. Robert Lehmann, und der Fakultät für Informatik, Prof. Jens Albrecht, gefördert durch Vorlaufforschungsmittel der TH Nürnberg 2019.

Digitale Assistenz in der psychosozialen Beratung (DiA)

Ziel des Vorhabens war die Entwicklung einer digitalen, natürlichsprachlichen Assistenz in Form des Chatbots „DiA“ in Kooperation mit dem Institut für E-Beratung der TH Nürnberg. Als konkrete Versuchsfelder waren die Bildungsberatung im Kontext des Zertifikatskurses Online-Beratung sowie eine psychosoziale Onlineberatung geplant. Dabei sollte anhand eines einsatzfähigen Prototypen untersucht werden, inwiefern moderne Chatbot-Technologie unterstützt durch Methoden der künstlichen Intelligenz für die persönliche Beratung in genannten Umfeld sinnvoll eingesetzt werden kann. Bisher wird die künstliche Intelligenz für Beratung im sozialen Bereich kaum genutzt, obwohl vor allem hier ein hoher und dringender Bedarf an jederzeit zugänglichem Kommunikation besteht.

Das Projekt lief von September 2019 bis Februar 2021 und wurde von der STÄDLER Stiftung gefördert.

 

Weitere Informationen: DiA im Ohmjournal 2020/02 (pdf) (Seite 82-85)

Ansprechpartner: Prof. Dr. Robert Lehmann

Digital Empathy im User Experience Research – Entwicklung einer integrierten Affective Computing Messmethode zur digitalen Aufmerksamkeits- und Emotionsforschung

Zielsetzung dieses Projekts sind eine Machbarkeitsstudie und Vorarbeiten für eine integrierte Affective Computing Messmethode zur digitalen Aufmerksamkeits- und Emotionsforschung. Diese soll aus einer Kombination von Eye Tracking und Facial Coding bestehen. Diese Lösung ist aus zwei Gründen innovativ: Zunächst berücksichtigt sie aktuellste neurowissenschaftliche Erkenntnisse über die Interaktion zwischen Aufmerksamkeit und Emotion bei der Nutzung (digitaler) Produkte. Zudem transferiert sie die Methoden des Affective Computing in das Anwendungsfeld User Experience [UX] Research. Hier besteht eine sehr große Lücke in der anwendungsorientierten Forschung für Industrien wie z.B. Digitale Medien, Kommunikation oder Mobilität.

Ansprechpartner: Prof. Dr. Alexander Hahn