Portfolio.

  • hetida platform: IoT- & Analytics-Plattform für Betriebsanlagen

    Eine Plattform für Schnittstellen, Workflows und Dashboards: Strukturieren Sie Assets, integrieren Sie Daten (z. B. MQTT/OPC UA/REST), analysieren Zeitreihen per KI-gestützter Python-Workflows und alarmieren bei Abweichungen – sicher und flexibel on‑prem, hybrid oder in der Cloud.

    mehr Informationen
  • Nanoindenter Assistent

    Unterstützung des Fachpersonals in der Werkstoffprüfung durch automatisierte Bildauswertung.

    mehr Informationen
  • Automatisierte Verarbeitung von Kundenanfragen

    Neuronales Netz erkennt Anliegen in unstrukturierten Daten. Klassifikation nach Art (Reklamation, etc.) und Inhalt (z.B. Gepäckverlust, Flugzeitverspätung).

  • Prognosen der optimalen Bandausnutzung

    Entwicklung eines Machine-Learning-Modells unter Einbeziehung der chemischen und mechanischen Band- und Anlagendaten, welches die optimale Bandpufferausnutzung durch genaue Prognose ermöglicht.

  • Identifikation von Abwanderungs-Verhalten

    Machine Learning Algorithmus generiert Scoring Kennzahlen für den Vertrieb, die die täglichen Bewertungen des aktuellen Bestellverhaltens im Vergleich zur Einkaufshistorie zeigen.

  • Predictive Analytics für Marktnachfrage

    Entwicklung verschiedener auf Parameter zugeschnittene Modelle zur verbesserten, vollautomatisierten Vorhersage der Marktnachfrage.

  • Videobasierte Identifikation von Stahlbrammen

    Deep Learning Algorithmen für die automatische Überwachung der Reihenfolge von Stahlbrammen führen zu höherer Kundenzufriedenheit durch robustere Sicherstellung der bestellten Stahlqualität.

  • Drohnenbasierte Inventur von Stahlcoils

    Einsatz von Deep Learning zum automatischen Erkennen und Zählen von Coils mit Hilfe einer Kamera-Drohne.

  • Analyse von Stahlgefüge

    Ein neuronales Netz lernt von den Metallurgie-Experten, um verschiedene Gefügephasen auf Bildern eines Rasterelektronenmikroskops voneinander zu unterscheiden.

  • Condition Monitoring von Kühlsystemen

    Ausfallvorhersage durch Monitoring der Sensor und Stromverbrauchsdaten. Selbstlernendes KI-System mit automatisierter Wartungspriorisierung.

  • Predictive Maintenance für Bergbaumaschinen

    Auswertung von Sensordaten zur Vorhersage des optimalen Wartungstermins.