KI Demonstratoren
Hier stellen wir Ihnen mögliche Anwendungsgebiete und Einsatzmöglichkeiten mithilfe einiger unserer Demonstratoren vor.
Projekt PASBADIA
Im Projekt PASBADIA arbeiten die Technische Hochschule und die Universität zu Lübeck gemeinsam am Einsatz von KI in der Medizintechnik und werden dabei von der Joachim Herz Stiftung unterstützt.
Patienten profitieren in ländlichen Regionen von einer smartphone-basierten Lösung, die mit Hilfe von künstlicher Intelligenz und speziell entwickelten optischen Aufsätzen den Allgemeinarzt unterstützt. Mit dem Demonstrator wird die Diagnose einer Netzhautablösung am Augenhintergrund auf einem smartphone-nahen Gerät gezeigt. Auf dem Gerät läuft eine App, mit der man Bilder von der Netzhaut am Augenhintergrund weiterschalten und auswerten (diagnostizieren) kann. Mithilfe einer zugelassenen medizinischen Fundus Kamera von der Firma Remidio wird gezeigt, wie die mobile Fotographie der Netzhaut durchgeführt wird.
Intelligente Nase / Künstliche Nase
Die künstliche Nase zeigt den Einsatz von KI zur Erkennung und Unterscheidung von Gerüchen bzw. flüchtigen Stoffen. Sie kann direkt vor Ort lernen und z.B. Whiskey von Kaffee unterscheiden.
Die Nase besitzt außerdem die Fähigkeit hohe Konzentrationen von Schadstoffen oder einfach nur schlechte, verbrauchte Luft in einem Raum zu erkennen.
Verteiltes Lernen
KI kann auch ohne große Datensammlung lernen. Ein Beispiel dafür ist die Zahlenerkennung. Diese zeigt wie die KI im Laufe der Zeit Ziffern erkennen kann, ohne dass die Daten zentral gesammelt werden müssen. Das ist bei sensiblen Daten wie z.B. Gesundheitsdaten oder persönlichen Daten sehr wichtig.
Gestenerkennung auf Mikrocontrollern
KI-Algorithmen können auch auf sparsamen Mikrocontrollern integriert werden. Der Anwendungsfall der Gestenerkennung zeigt, wie Neuronale Netze dazu in der Lage sind, auf mikrocontrollerbasierten Systemen Eingaben zu klassifizieren.
Objektlokalisation Unterwasser mit KI
Zur Unterwassererkundung z.B. zur Anbindung neuer Offshore Windparks und zur Bergung von Munitionsaltlasten nutzen wir KI-Algorithmen.
KI wird mit künstlichen Modelldaten eines eigens entwickelten spektralen Ultraschall-Ausbreitungsmodell trainiert und dann mit Ultraschallmessdaten gespeist. Für eine Positionsschätzung kommen verschiedene neuronale Netze zum Einsatz, welche aus den Spektren die Objektposition bestimmen.
Mit diesem Verfahren wird in Zukunft auch die Klassifikation von Munitionsaltlasten untersucht.
Haben wir Ihr Interesse geweckt? Wenn Sie mehr über unsere Arbeit im Bereich der Künstlichen Intelligenz erfahren wollen, freuen wir uns über Ihre Kontaktaufnahme unter:
Telefon:+49 (0)451 / 300 - 5609
