ENGAGE-KI unterstützt mittelständische Unternehmen dabei, Künstliche Intelligenz in ihre Entwicklungsprozesse zu integrieren und eigene Anwendungskompetenzen aufzubauen. Gemeinsam mit Unternehmen entwickeln und erproben die Projektpartner praxisnahe Lösungen für den Ingenieursalltag. Im Mittelpunkt stehen KI-gestütztes Daten- und Wissensmanagement, assistierende Copiloten und KI-Agenten zur Unterstützung zusammenhängender Aufgabenketten. Ein weiterer Schwerpunkt sind die Einsatzmöglichkeiten humanoider Robotik. Ein zentrales Umsetzungsformat sind die KI-Sprints: In den ca. dreimonatigen Projekten werden konkrete betriebliche Aufgabenstellungen mit unternehmenseigenen Daten bearbeitet und prototypische KI-Lösungen umgesetzt. Über alle Technologiefelder hinweg machen Demos und Erprobungsumgebungen die Potenziale und Grenzen von KI erlebbar. Workshops, Qualifizierungsangebote und der Austausch im it’s OWL Netzwerk begleiten die praktische Erprobung und unterstützen den Transfer in die Unternehmenspraxis. Ziel sind effizientere Entwicklungsprozesse, eine bessere Nutzung von Unternehmenswissen und mehr Freiraum für kreative Entwicklungsarbeit.

Im Kontext strengerer Regularien und wachsender gesellschaftlicher Erwartungen streben viele Unternehmen ambitionierte Ziele zur Reduktion von Emissionen an. Dabei stehen sie vor erheblichen Herausforderungen, insbesondere in der Produktentstehung, die maßgeblich die späteren Umweltauswirkungen bestimmt. Studien zeigen, dass bereits in der Planungs- und Entwicklungsphase rund 80 % der zukünftigen Umweltauswirkungen festgelegt werden. Zwei Ansätze haben besonderes Potenzial, Emissionen zu reduzieren und Ressourcen zu schonen: die Kreislaufwirtschaft und ein effizienter Produktbetrieb. Die Kreislaufwirtschaft ermöglicht es, Stoff- und Ressourcenkreisläufe zu schließen, Neuproduktion zu minimieren und Ressourcen nachhaltig zu nutzen. Gleichzeitig erfordert der Betrieb von Produkten eine Optimierung im Hinblick auf Effizienz und Ressourcenschonung. Digitale Technologien spielen in beiden Bereichen eine Schlüsselrolle, da sie innovative Ansätze und Lösungen ermöglichen. Das Projekt GoProZero setzt genau hier an: Ziel ist es, den Produktentstehungsprozess ganzheitlich zu gestalten, um ressourceneffiziente und kreislauffähige Produkte zu entwickeln, die den Anforderungen einer modernen, nachhaltigen und digitalisierten Industrie gerecht werden. Dazu werden Ansätze zur strategischen Planung, zur Gestaltung von Prozessen und Organisationen sowie zur Nutzung digitaler Technologien wie modellbasiertem Design, Dateninfrastrukturen und KI-gestützten Systemen entwickelt. Gleichzeitig wird die Umsetzung der Projektziele in praxisnahen Leuchtturmprojekten sichergestellt, um konkrete Problemstellungen der Partnerunternehmen zu adressieren und innovative Lösungen zu etablieren. Durch diesen umfassenden Ansatz unterstützt GoProZero Unternehmen dabei, Emissionen zu senken, Ressourcen effizient zu nutzen und ihre Wettbewerbsfähigkeit in einer nachhaltigeren Industrie zu stärken.

In dem Transferpiloten soll ein Predictive Quality System (PQS) entwickelt und im Echtzeitbetrieb evaluiert werden. Für ein zuverlässiges PQS ist es erforderlich, eine automatisierte Datenverarbeitungs-Pipeline zu implementieren. Weiterhin soll das CMS durch maschinelle Lernverfahren an unterschiedliche Produktionsanlagen adaptiert werden können. Hierzu sollen Condition Monitoring Verfahren auf der Basis hybrider Prozessmodelle weiterentwickelt und in eine graphische Benutzeroberfläche integriert werden. Die Ergebnisse sollen über die Innovationsplattform in einen Transfer überführt werden.

Bauunternehmen, die Stahlbetonfertigteile für den Industrie- und Gewerbebau herstellen, verfügen über weitläufige Außenlager, in denen diese Bauteile zwischengelagert und vorgehalten werden. Aktuelle Lagerkartierungssysteme und Lagerverwaltungsprozesse basieren weitgehend auf manuellen Abläufen, was zu ineffizienten Platzierungen der Fertigteile und somit zu einem nicht optimal ausgelasteten Lager führt. Das Transferprojekt "DeepConcrete" hat das Ziel, das Außenlager der BREMER AG mithilfe von Kamerasystemen und KI-Methoden automatisiert zu kartieren. Hierzu sollen Bildaufnahmen von Kameras am Portalkran segmentiert werden. Die automatisierte Erfassung des Lagerbestands ermöglicht so die Implementierung einer optischen Überwachung und einer KI-basierten Lagerverwaltung. Die langfristige Vision des Projektes ist eine digitalen Plattform für das Auftrags- und Warenflussmanagement sowie einer digitalen Abbildung des Lagers, um Kundenangebote, Logistik und Produktionsplanung zu optimieren.

Heutzutage werden Effizienz und Ressourcenschonung immer wichtiger. Auch in der Müllentsorgung ist dies ein aktuelles Thema. In diesem Transferprojekt ging es daher darum wie man Maßnahmen sowie die Effizienz der Müllentsorgung einer Stadt im Allgemeinen bewerten kann. Das Unternehmen c-trace GmbH bietet IT- und Hardware-Lösungen in dem Bereich der Müllentsorgung an. Dabei sammelt das Unternehmen schon jetzt viele Daten wie zum Beispiel Telematik- und Wiegedaten von Müllfahrzeugen. Zusammen mit dem Fraunhofer IOSB-INA war das Ziel des Projektes diese Daten zu analysieren und Merkmale daraus zu entwickeln. Mit Hilfe dieser Merkmale lassen sich zum einen Ver-besserungspotentiale erkennen und zum anderen können sie helfen eine Transferbarkeit auf neue Städte und Kommunen zu ermöglichen.

Für einen sicheren und resilienten Betrieb von industriellen Produktionsanlagen gewinnt die Security eine immer höhere Relevanz. Insbesondere Angriffe, z.B. mit Schadsoftware wie Ransomware, stellen eine existenzbedrohende Gefahr für Unternehmen jeglicher Größe und aller Domänen dar. Darüber hinaus wird Security zunehmend ein Verkaufsargument für Komponenten und Systeme, welche in der Industrie eingesetzt werden. Ein wichtiges Schlüsselelement im Bereich der Security sind Sicherheitsbewertungen basierend auf einer Risikobeurteilung durch den Hersteller der Komponenten oder den Betreiber der Systeme. Diese werden aktuell jedoch manuell durch Experten durchgeführt, weshalb sie zeit- und ressourcenaufwendig, sowie stark abhängig von der individuellen Erfahrung des jeweiligen Experten sind. Insbesondere für kleine und mittelständische Unternehmen (KMU) sind eigene Fachkräfte mit dem notwendigen Security-Fachwissen häufig nicht leistbar. Zudem sind die benötigten Experten auf dem Markt häufig nicht verfügbar. Im Rahmen des beantragten Projekts soll daher eine Software- und Machine-Learning-basierte Unterstützung von Risikobeurteilungen für industrielle Produktionsanlagen entwickelt werden, um Experten bei Routineaufgaben zu entlasten, die Kosten für Security-Risikobewertungen zu reduzieren, den Automatisierungsgrad zu erhöhen und durch eine Formalisierung des Expertenwissens eine einheitliche Qualität der Bewertungen zu gewährleisten.

Inspektion erkennt geringste Mängelerscheinungen Die Friedrichs & Rath GmbH (F&R) ist Spezialist für Präzisionsteile aus thermoplastischen Kunststoffen und fertigt zu einem hohen Anteil für die Automobilindustrie. Um den hohen Qualitätsansprüchen insbesondere der Kunden der Automobilindustrie bei gleichzeitig hohen Stückzahlen gerecht zu werden, möchte F&R eine lernende präzise automatisierte optische Qualitätskontrolle einführen. Die Inspektion soll dabei auch geringste Mängelerscheinungen sicher erkennen und nach Möglichkeit klassifizieren und einordnen können. Ziel ist eine Inspektionsapplikation, die auf unterschiedliche Kunststoffteilearten mit geringen Aufwand auch durch fachfremde Mitarbeiter angepasst werden kann.

Forschungsbasierter Transfer für eine innovative Circular Economy Mit InCamS@BI, dem Innovation Campus for Sustainable Solutions, positioniert sich die Hochschule Bielefeld in der Region Ostwestfalen-Lippe als innovative Transferakteurin im Feld der Circular Economy. Im Fokus: Nachhaltige Materialforschung. Ressourcenknappheit, Klimaschutz, Regulierungen – die Kunststoffbranche steht vor großen Herausforderungen. Das interdisziplinäre Transferprojekt InCamS@BI möchte Unternehmen auf dem Weg in die Circular Economy begleiten und gemeinsam mit ihnen nachhaltige Lösungen im Bereich der Optimierung von Kunststoffen für die zirkuläre Wertschöpfung erarbeiten.

Für eine qualitativ hochwertige Großserienfertigung mit geringen Fertigungstoleranzen ist das Erkennen und Korrigieren von Maßabweichungen bereits im Zerspanungsprozess erforderlich, um eine Ausschussproduktion auf ein Minimum zu reduzieren. Deshalb wird in dem Transferpiloten ein intelligentes, automatisiertes In Process Measurement (IPM)-System entwickelt und in einer produktiven Zerspanungsmaschine als Retrofit-Lösung evaluiert. Mit diesem System wird eine Reduktion der Kosten für Ausschuss um bis zu 90% und für Energie um bis zu 8% angestrebt.

Als Dienstleister für IT-Systeme und Ausrüster von Fahrzeugen in der Müllwirtschaft trägt c-trace entscheidend zu einer nachhaltigen Müllwirtschaft in Kommunen und Städten bei. Unter anderem werden die aufgenommenen Müllmengen sowie die Routen von Müllfahrzeugen erfasst und in aktuellen Produkten für eine optimale Routenplanung, frühzeitige Entleerung in Müllannahmestellen und insgesamt die Reduktion von gefahrenen Kilometern eingesetzt. Hierdurch trägt c-trace direkt zur Einsparung von CO2-Emissionen im städtischen Umfeld bei. Eine zentrale Herausforderung liegt in dem Übertrag der Ergebnisse des Einsatzes solcher Track-and-Trace-Systeme für Müllfahrzeuge von einer Kommune auf eine nächste. Für einen solchen Ergebnisübertrag ist es notwendig öffentliche Datenquellen zu erschließen und zu nutzen, welche eine datenseitige Modellierung von Stadtteilen und Straßenclustern ermöglichen. Hierbei reicht die Spannweite möglicher Daten von Shapefiles der Straßentopologie über Bodenrichtwerte bis hin zu demografischen und sozialen Faktoren. Diese neu aufzubauende Datenbasis soll in einem Nachfolgeprojekt gemeinsam mit entsprechend aufbereiteten Telemetriedaten zweischrittig in ein neues Datenprodukt überführt werden.