Mehrfaches Umkreisen von Landestellen erhöht bei Rettungseinsätzen Sicherheitsrisiken, verzögert die Patientenversorgung und erhöht den Treibstoffverbrauch. Das gemeinsam mit XITASO entwickelte Assistenzsystem ENGEL erfasst die Umgebung sensorbasiert und berechnet daraus optimale Landetrajektorien. Dadurch verkürzt sich die Einsatzflugzeit um rund 10 Prozent, die Erstversorgung erfolgt schneller und die Emissionen sinken.
Data Factory der Digitalen Schiene Deutschland
Die gemeinsam mit Fujitsu entwickelte Data Factory kombiniert On-Premises- und Edge-Verarbeitung und verarbeitet Echtzeitdaten aus den Betriebssystemen der Bahn. Sie bildet die technische Basis für einen digitalen Zwilling des Schienennetzes und unterstützt KI-gestützte Entscheidungen bei Betrieb und Instandhaltung, langfristig auch für autonomes Fahren.
Chatbot „Flurina“ beantwortet 26.000 Kundenanfragen der Rhätischen Bahn
Innerhalb von sechs Monaten verzeichnete der Bot über 12.000 Nutzersitzungen mit rund 26.000 beantworteten Fragen. Das Railservice-Personal wird dadurch spürbar entlastet und kann sich stärker auf komplexere Kundenanliegen konzentrieren; die Lösung läuft in einem Schweizer Rechenzentrum und erfüllt hohe Datenschutzstandards.
Neuronales Netz sortiert automatisch unstrukturierte Logistikaufträge aus E-Mail und WhatsApp
Beim Logistics Morning Coffee der Logistik-Initiative Hamburg (LIHH) stellte Dr. Christina Otte, Abteilungsleiterin bei msg systems ag, eine KI-Lösung zur automatisierten Auftragsbuchung in der Logistik vor. Ein neuronales Netz mit Supervised-Learning-Ansatz liest unstrukturierte Eingänge aus verschiedenen Kanälen aus und klassifiziert sie automatisch als Beauftragung, Anfrage oder Spam. Vollständige, plausible Aufträge werden direkt ins ERP-System übertragen.
KI-gestützte Nachfrageprognose und Carbon Intelligence in globalen Lieferketten
Im Rahmen eines von der Logistik-Initiative Hamburg organisierten Workshops mit Ingenics Consulting präsentierte pacemaker.ai, ein als Corporate Venture von thyssenkrupp gegründeter Softwareanbieter, seine KI-gestützten Supply-Chain-Lösungen. Das System nutzt Mustererkennung in großen Datenmengen und analysiert Verkaufszahlen, saisonale Schwankungen und Wetterdaten, um Nachfrageprognosen zu erstellen und Lieferketten unter anderem im Hinblick auf CO2-Emissionen zu optimieren.
Machine-Learning-Modelle prognostizieren Kommissionierzeiten bei Pumpenhersteller Wilo
Der Pumpenhersteller Wilo SE stand vor der Herausforderung, Materialfluss und Lagerprozesse angesichts schwankender Kundenaufträge effizient zu planen. Im it’s-OWL-Projekt IMAGINE entwickelten Wilo und Fraunhofer IOSB-INA Machine-Learning-Regressionsmodelle, die aus über 300.000 historischen Picking-Zeiten und SAP-Auftragsdaten lernen, um Transportwege, Materialmengen und Lagerplatzarten vorherzusagen.
KI-gestützte Hof-Logistik: Multi-Kamera-Objektverfolgung für Dachser
Das System nutzt YOLO-basierte Objekterkennung und den ByteTrack-Algorithmus, verarbeitet die Kamerabilder direkt vor Ort auf Nvidia-Jetson-Edge-Geräten und fusioniert mehrere Kameraperspektiven per Kalman-Filter zu einer Gesamtübersicht des Hofs. Dachser brachte als Praxispartner reale Anforderungen und Daten ein, um Probleme wie Falschparken an Laderampen, unübersichtliche Fuhrparks, unentdeckte Staus und zeitaufwändige manuelle Bestandsaufnahmen zu lösen. Das Vorhaben befindet sich im Proof-of-Concept-Stadium; als nächste Schritte sind die Skalierung auf 15 und mehr Kameras sowie weitere Optimierungen geplant.
KI-gestützte automatische Erkennung von Lieferscheinen im Wareneingang
Die G. Elsinghorst Stahl und Technik GmbH aus Bocholt verwaltet rund 40.000 Artikel von 600 Herstellern über mehrere Vertriebskanäle, wodurch der Wareneingang bislang zeitaufwendig und fehleranfällig war. Im Rahmen eines Transferprojekts von Fraunhofer IML wurde ein auf maschinellem Lernen basierendes System zur automatischen Texterkennung entwickelt, das gezielt relevante Datenpunkte wie Bestellnummern aus Lieferscheinen extrahiert und die Vorsortierung im Wareneingang automatisiert. Der Algorithmus lernt dabei kontinuierlich aus Nutzerkorrekturen dazu und ermöglichte so kürzere Bearbeitungszeiten, weniger Fehler und geringere Betriebskosten für das mittelständische Unternehmen.
ULAX: KI-Agent für die Zustellung auf der letzten Meile
Im Projekt ULAX (AI-Powered Urban Logistics Agent X) entwickelt das DFKI Robotics Innovation Center gemeinsam mit den Bremer Unternehmen Rytle Mobility GmbH und Orbitak AG einen KI-Agenten, der Lieferrouten während der Fahrt dynamisch anpasst, planbare und kurzfristige Lieferaufträge kombiniert und Fahrerinnen und Fahrern kontextbezogene Unterstützung bietet. Ziel ist eine effizientere, transparentere und nachhaltigere Zustellung in der Stadt. Das von der Bremer Aufbau-Bank geförderte Projekt läuft von 2026 bis 2028.
KI-Testfeld für autonome Systeme im Hafenbetrieb Bremen (Smartport Living Lab)
Das von 2025 bis 2029 angelegte Living Lab bündelt mehrere Teilprojekte: Im Projekt MARIOW wird ein KI-gestützter Unterwasser-Schweißroboter für Wartungsarbeiten entwickelt, im Projekt SharePort ein Sicherheitsmodell für den vertrauensbasierten Zugriff auf gemeinsam genutzte Ressourcen zur Steigerung der Hafenresilienz. Modulare Sensorplattformen erfassen Umweltdaten für die Risikobewertung. Projektpartner sind unter anderem das Bremer Institut für Produktion und Logistik (BIBA), das DLR-Institut für Maritime Sicherheit, TOPAS Industrial Mathematics Innovation, die Hochschule Bremerhaven sowie der Hafenbetreiber bremenports GmbH. Der Ansatz eines Living Lab mit realer Hafeninfrastruktur als Testumgebung ist auf andere Hafenstandorte mit vergleichbaren Sicherheits- und Effizienzanforderungen übertragbar.