Fraunhofer-Institut für Optronik, Systemtechnik und Bildauswertung IOSB
Fraunhofer-Institut für Optronik, Systemtechnik und Bildauswertung IOSB

ML4CPS – Machine Learning for Cyber-Physical Systems

8. ML4CPS-Konferenz, 6.–7. März 2025, Berlin

Die 8. ML4CPS bietet eine Plattform für den Austausch zwischen Forschenden, Anwenderinnen und Anwendern aus verschiedenen Bereichen. Die Konferenz wird in englischer Sprache am 6. und 7. März 2025 im Fraunhofer-Forum in Berlin abgehalten. Gastgeber sind das Fraunhofer-Institut für Optronik, Systemtechnik und Bildauswertung IOSB, die Helmut-Schmidt-Universität (HSU), die Technische Universität Hamburg (TUHH) und der Lehrstuhl für Production Engineering of E-Mobility Components (PEM) der RWTH Aachen.

Einreichungen erbeten

Die Beiträge können sich auf die folgenden Themen beziehen, sind aber nicht darauf beschränkt:

  • Generative KI für CPS: Technologien wie große Sprachmodelle erleichtern menschenähnliche Interaktionen mit Maschinen. Dies eröffnet neue Möglichkeiten für eine intelligente Automatisierung und die Steigerung der Gesamtleistung und Funktionalität von cyber-physischen Systemen.
  • Automatisierte Modellierung: Entwicklung und Verwendung von Modellen zum Erlernen des Verhaltens und der Strukturen von cyber-physischen Systemen. Dazu gehören intelligente Methoden zur Integration von Vorwissen und Domänenwissen sowie von technischen Ansätzen.
  • Industrielle KI: Die Integration von KI in Fertigungsprozesse kann dazu beitragen, diese zu optimieren und die betriebliche Effizienz zu steigern. Die Integration von KI in Altsysteme und bestehende Infrastrukturen stellt nach wie vor eine große Herausforderung dar.
  • Edge AI: Hier werden KI-Algorithmen direkt auf lokalen Geräten ausgeführt, was eine Datenverarbeitung in Echtzeit ermöglicht. Die größten Herausforderungen sind Energieeffizienz und begrenzte Rechenressourcen.
  • Selbstüberwachtes Lernen: Die Minimierung der Abhängigkeit von großen, markierten Datensätzen für das maschinelle Lernen ist ein wichtiger Schwerpunkt bei der Untersuchung von Produktionsdaten. Techniken, die es den Modellen ermöglichen, aus unmarkierten Daten zu lernen, sind von entscheidender Bedeutung.
© iStock.com/FactoryTh

Die Publikationen der ML4CPS-Konferenz 2024

Die Veröffentlichungen der 7. ML4CPS – Machine Learning for Cyber-Physical Systems-Konferenz sind online auf der Bibliotheksseite der Helmut-Schmidt-Universität zu finden. 

Die Auswahl der Beiträge erfolgt auf Peer-Review-Basis und die angenommenen Beiträge werden vom Helmut Schmidt University Press (openHSU) mit einer eindeutigen DOI veröffentlicht. Beiträge mit kommerziellem Charakter werden nicht berücksichtigt. Die Länge der Beiträge sollte 10 Seiten nicht überschreiten.

  • Bitte verwenden Sie die folgende Vorlage für Ihre Einreichung.
  • Die Einreichung der Beiträge erfolgt via EasyChair über diesen Link
  • Alle Fragen zu den Einzelheiten und Richtlinien für die Einreichung von Beiträgen sind per E-Mail zu richten an: ml4cps_orga@hsu-hh.de

Komitee

 

Allgemeine Vorsitzende:

  • Jürgen Beyerer, Fraunhofer IOSB/Karlsruher Institut für Technologie (KIT)
  • Oliver Niggemann, Helmut-Schmidt-Universität Hamburg
  • Achim Kampker, RWTH Aachen
  • Görschwin Fey, Technische Universität Hamburg

Organisationskomitee:

  • Christian Kühnert, Fraunhofer IOSB
  • Alexander Diedrich, Helmut-Schmidt-Universität Hamburg
  • Rui Yan Li, RWTH Aachen
  • Phillip Johann Overlöper, Helmut-Schmidt-Universität Hamburg

Programmkomitee:

  • Volker Lohweg, HS-OWL
  • Alexander Fay, HSU
  • Alexander Windmann, HSU
  • Ingo Pill, Silicon Austria Labs, AT
  • Alexander Maier, HS Bielefeld
  • Kaja Balzereit, HS Bielefeld
  • Silke Merkelbach, Fraunhofer IEM
  • Marcel Drescher, RWTH Aachen
  • Idel Montalvo, IngeniousWare GmbH
  • Andreas Schwung, Fraunhofer IOSB
© PEM RWTH Aachen
© TUHH Hamburg University of Technology
© Artificial