Arten und Einsatzgebiete für Künstliche Intelligenz
Die Bedeutung von Lernen und Domänenwissen für KI-Anwendungen
Akzeptanzfaktoren für KI-Lösungen

Voraussetzungen für Einsatz von Machine-Learning Technologien in der Industrie
Verfügbarkeit von Daten als wesentliche Herausforderung bei der Projektumsetzung
Nutzung von “augmented data” als Grundlage für Einsatz von ML und KI im Speziellen

Chancen von Künstlicher Intelligenz – intelligente Assistenz
Kollaboration von Mensch und Künstlicher Intelligenz im betrieblichen Alltag
Grenzen von Künstlicher Intelligenz

Anwendungen von KI in der Reihenfolgeplanung für die Fertigung
Methoden zur systematischen Reduktion des Lösungsraums für Planungsprobleme
Vergleich unterschiedlicher Ansätze zur Beherrschung komplexer Probleme

Herausforderungen für Automatisierung im Kontext der auftragsbezogenen Fertigung
Einsatz von KI-Mechanismen zur Optimierung der Produktionssteuerung
Cloudbasierte Produktionsplanung und -steuerung
Lessons Learned

Exemplarische KI-Use Cases für KMU im Fertigungsumfeld
Umsetzung von Industrie 4.0 als Grundlage für erfolgreiche KI-Lösungen
Validierung von Standardisierungsprojekten mittels Testbeds

Qualität prognostizieren
Stör- und Einflussfaktoren auf Qualität identifizieren
Empfehlungen für Maschinensteuerung zur Vermeidung von Minderqualität

Mehrwert von KI-Anwendungen für den Anwendungsbereich Logistik
Anwendungsfall: Tracking und Steuerung von Warenbewegungen mittels Kamera-Infrastruktur und Deep Learning
Hinweise und Besonderheiten zur Gestaltung und Umsetzung von KI-Projekten

Evaluation von KI-Algorithmen für die Fertigungssteuerung
Einsatzmöglichkeiten von KI zur Realisierung innovativer Schutzkonzepte
Adaptive Mensch-Technik-Interaktion mittels KI