Dear dida follower,

in unserem Newsletter möchten wir Ihnen über spannende Neuigkeiten bei dida berichten.

Unser Highlight der letzten Monate war sicherlich die dida conference, welche wir Ende April anlässlich unseres 5-jährigen Bestehens in Berlin veranstaltet haben. Bei spannenden und vielseitigen Vorträgen sowie Workshops konnten sich mehr als 200 Gäste zum Thema Machine Learning austauschen. Festgehalten haben wir den Tag in diesem Video - die einzelnen Vorträge können hier angeschaut werden. Wir bedanken uns bei allen Teilnehmern für eine tolle Konferenz!

Bzgl. unserer Forschungsprojekte gibt es erfreuliche Fortschritte zu berichten. Insbesondere möchten wir auf folgende wissenschaftliche Veröffentlichungen hinweisen:

• Im Rahmen des Projektes “CropClass” ist das Paper “Early Crop Classification via Multi-Modal Satellite Data Fusion and Temporal Attention” im MDPI-Journal zum Remote Sensing erschienen.

• Das Paper “Deep learning based visual inspection of facets and p-sides for efficient quality control of diode lasers” entstammt dem Projekt “LaserSKI” und untersucht Defekterkennung mittels Deep Learning. Es ist in den Proceedings der Konferenz SPIE erschienen.

• Auf der ICML 2023 waren wir mit dem Paper „Improved sampling via learned diffusions“ vertreten, welches Ansätze aus dem Bereich diffusion-based generative modeling weiterentwickelt.

Wir freuen uns, weiterhin aktiv zu aktuellen wissenschaftlichen KI-Entwicklungen beitragen zu können.

Schließlich möchten wir auf drei unserer aktuellen Projekte hinweisen. Die ersten beiden stammen aus dem Bereich Produktionsoptimierung.

Finally, we would like to point out three of our current projects. The first two are from the area of production optimization.

• In Zusammenarbeit mit Cylad haben wir Zeitreihendaten eines Reinigungsprozesses für unedle Metalle mittels Machine Learning analysiert. Insbesondere haben wir Prozessparameter optimiert und konnten so die Betriebsleistung steigern, da unsere Lösung Verunreinigungen vorhersagen und minimieren kann.

• Das Projekt “AIgent3D” handelt von der KI-basierten Erkennung von Düsenverschmutzung im industriellen 3D-Druck. Basierend auf Infrarotbildern von 3D-Druckern haben wir einen Klassifikationsalgorithmus entwickelt, der verschmutzte Drüsen erkennt und so Produktionsabläufe im 3D-Druck optimiert.

Das dritte ist ein gefördertes Projekt, welches wir gemeinsam mit unseren Partnern Ostfalia Hochschule für Angewandte Wissenschaften, A&B Peine und GE-T angehen werden.

• Beim Projekt WERTIS-KI (“Wertstoff-Informations-System mit Künstlicher Intelligenz”) soll eine mobile App entwickelt werden, welche die Klassifikation von Abfällen mittels Computer-Vision- und Machine-Learning-Ansätzen erlaubt, so dass automatisch Vorschläge für eine korrekte Entsorgung gemacht werden können.

The third is a funded project, which we will tackle together with our partners Ostfalia University of Applied Sciences, A&B Peine and GE-T.

• In the project WERTIS-KI ("Wertstoff-Informations-System mit Künstlicher Intelligenz") a mobile app is to be developed, which allows the classification of waste by means of computer vision and machine learning approaches, so that suggestions for a correct disposal can be made automatically.

Zu guter Letzt möchten wir darauf hinweisen, dass Sie sich - wie gewohnt - gerne bei uns melden können, falls Sie Gesprächsbedarf zu aktuellen KI-Themen haben, wie etwa generativer KI oder Large Language Models - in beiden Bereichen haben wir in den letzten Monaten spannende praktische Erfahrungen sammeln können.

Wir bedanken uns bei unseren Kunden und Partnern für die sehr angenehmen Zusammenarbeiten und freuen uns auf die nächsten Monate.

Mit freundlichen Grüßen

Philipp Jackmuth & Dr. Lorenz Richter