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.
Drive4C: Benchmark für sprachgesteuertes autonomes Fahren bei Porsche
Bestehende Sprachmodelle beherrschen die Komplexität dynamischer Verkehrssituationen bislang nicht robust genug. Der von Porsche und MHP entwickelte Drive4C-Benchmark testet multimodale Foundation Models in einem geschlossenen Regelkreis unter realitätsnahen Fahrbedingungen, um Trainingslücken systematisch zu identifizieren und die Modellentwicklung gezielt zu verbessern.
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.
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.
KI prognostiziert Maschinenauslastung bei individualisierter Badewannenfertigung
Bette aus Delbrück fertigt über 25 Millionen mögliche Produktvarianten von Badewannen, Duschflächen und Waschtischen, davon mehr als die Hälfte individualisiert. Im Rahmen des Kompetenzzentrums Arbeitswelt.Plus von it’s OWL entwickelte Bette gemeinsam mit der Hochschule Bielefeld und der IG Metall ein KI-System, das auf Produktions-, Maschinen- und Echtzeitdaten trainiert wird und Auslastungsspitzen vorab erkennt. Ergebnis sind weniger Materialstaus, geringere Mitarbeiterbelastung und eine gleichmäßigere Maschinenauslastung.
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-Analyse von Smartphone- und Kamerabildern erkennt Straßenschäden automatisch
Statt reaktiver Einzelreparaturen ermöglicht die datengetriebene, KI-gestützte Zustandsanalyse Kommunen eine vorausschauende Instandhaltungsplanung. Für die Lösung erhielt EDGITAL GmbH den Innovationspreis 2025 der Deutschen Verkehrswissenschaftlichen Gesellschaft (DVWG).
KI-Plattform wertet 300 Terabyte Geodaten für Grundstücksentscheidungen aus
Kernstück ist eine auf deutsches Baurecht (§ 34 BauGB) spezialisierte KI-Engine, trainiert auf über 300.000 synthetischen Objekten und validiert gegen mehr als 1.000 Experteneinschätzungen. Die Plattform bildet digitale Zwillinge von 62 Millionen deutschen Grundstücken und Gebäuden und ermöglicht laut Anbieter bis zu 80 Prozent schnellere Due-Diligence-Prüfungen.
Priomonitor: KI-gestützte Auftragspriorisierung bei Friedrich Binder
Bislang priorisierte ein Mitarbeiter manuell und zeitaufwendig, welche der mehr als 20.000 Artikel umfassenden Aufträge zuerst bearbeitet werden – abhängig von 11 Merkmalen wie Lieferterminen, Edelmetallgehalten und Lagerbeständen. Der auf Scikit-learn und TensorFlow basierende Priomonitor übernimmt diese Priorisierung automatisch und verarbeitet mehrere hundert Aufträge in Sekundenbruchteilen.
STRABAG prognostiziert Bauprojekt-Risiken mit 80 Prozent Genauigkeit durch KI
STRABAG SE hat gemeinsam mit Microsoft eine KI-gestützte Risikomanagement-Lösung entwickelt, die auf Azure OpenAI Service, Azure Machine Learning und Azure Databricks basiert. Das System vergleicht neue Bauprojekte mit abgeschlossenen Referenzprojekten und nutzt generatives Design zur Flächenberechnung in der Immobilienentwicklung. Bereits mit drei Monaten historischer Daten kann der Algorithmus Projektrisiken mit rund 80 Prozent Genauigkeit vorhersagen.