Projekte und Produkte

PrognoSF zielt darauf ab, lokale Sturzfluten präzise vorherzusagen, indem alle verfügbaren Datenquellen mit KI-basierten Algorithmen ausgewertet werden.

Am Fraunhofer IOSB forschen wir langjährig an diversen Verfahren zur automatisierten Sensordatenauswertung. Unsere Kompetenz erstreckt sich von einfachen bis zu hochkomplexen Verfahren der Bild- und Videoauswertung, angefangen mit Bildqualitätsverbesserung und Bildteppicherstellung bis hin zu Objekterkennung und Aktivitätsanalyse mit den neuesten Verfahren der Künstlicher Intelligenz (KI). Durch Auswertung der Telemetriedaten kann jedem Bildpixel und jeder Detektion eine reale Geokoordinate zugeordnet werden. Dadurch können die in den Sensordaten detektierten Objekte oder Ereignisse geografisch verortet und live in einer Lagekarte dargestellt werden.

Für das Projekt »Intelligente Videoüberwachung« entwickelt die Abteilung VID des Fraunhofer IOSB ein System, das anhand von Bewegungsmustern mögliche Straftaten erkennen und Polizeibeamte im Führungs- und Lagezentrum darauf hinweisen kann. Gesichtserkennung ist nicht Teil des Lösungsansatzes.

»S²UCRE« ist ein Projekt des Bundesministerium für Bildung und Forschung (BMBF). Ziel bei diesem Projekt ist die Sicherheit in städtischen Umgebungen durch Crowd-Monitoring, Prädiktion und Entscheidungsunterstützung.

Das Fraunhofer IOSB hat ein autonomes Oberflächenfahrzeug entwickelt, welches eigenständig ober und unter dem Wasser Messungen vornimmt, um zugehörige 3D-Karten zu erzeugen.

MLOps basierend auf den Erfahrung in vielen KI-Anwendungsdomänen bestmöglich zu realisieren und soweit möglich zu automatisieren, ist Ziel eines gleichnamigen Eigenforschungsprojekts. Dazu wurde eine Softwaresuite entwickelt, die vielfältige Werkzeuge für die Erstellung maschineller Lernanwendungen und das Training der ML-Modelle integriert.

Multisensorielles System zur KI-basierten Drohnendetektion und -klassifikation mit Lagedarstellung.

»AutoInspect« ist ein System für die durchgängige Objektbeurteilung (in Echtzeit) durch multimodale Inspektion entlang des Produktionszyklus. Möglich ist sowohl eine direkte Reaktion auf die Ergebnisse als auch deren Langzeitbetrachtung. Das System wird durch einen digitalen Qualitätszwilling mit offenen I4.0-Standards unterstützt.

Im Eigenforschungsprojekt CrossTEP-OPAL entwickeln wir eine webbasierte Plattform-Toolbox für die Erfassung, Darstellung und intelligente Auswertung von Sensordaten. Ziel ist es, eine Data-Science-Pipeline zu etablieren, um Anwendungsprojekte, die sich um Sensordaten drehen, zügig und kostengünstig umsetzen zu können.

»ABUL« ist ein interoperables Videoauswertesystem mit integrierten Realzeit- und Offline-Verfahren sowie diversen Visualisierungskomponenten zur Unterstützung des Auswertenden.