Liebe/r dida-Follower,

nach einigen sehr produktiven Monaten ist es wieder Zeit für unseren dida-Newsletter. Darin möchten wir Ihnen einen Einblick in unsere neuesten Entwicklungen und Projekte geben.

   

Im Mai dieses Jahres haben wir unsere dritte jährliche dida conference im fizzforum in Berlin veranstaltet, zu der wir 300 Fachleute aus den Bereichen KI und Machine Learning begrüßen durften. Das diesjährige Programm war das bisher stärkste, mit Referenten wie Sebastian Lapuschkin vom Fraunhofer Heinrich-Hertz-Institut oder Andrey Vasnetsov von Qdrant sowie großartigen Themen rund um KI-Agenten, Echtzeit-Kennzeichenerkennung, erklärbare KI oder Foundation Models für die Klangerzeugung.

Wir möchten uns ganz herzlich bei allen Mitwirkenden bedanken, die die Veranstaltung zu einem großen Erfolg gemacht haben, sowie bei allen Teilnehmenden, die uns so großartiges und ermutigendes Feedback gegeben haben. Für alle, die die Veranstaltung verpasst haben oder sich die Vorträge noch einmal ansehen möchten, sind alle Aufzeichnungen auf dem dida-YouTube-Kanal hier hochgeladen.

Schauen Sie sich gerne auch unser Recap-Video dazu an.

 

Was die Projekte angeht, die wir abgeschlossen haben und über die wir öffentlich sprechen können, finden Sie jetzt zwei weitere interessante Fallstudien auf unserer Website: KAMI und AmoKI.

 

 

KAMI ist ein dida-Projekt zur kontaktlosen Überwachung der Atmung von Milchkühen mithilfe von RGB- und Tiefenkameras sowie visuellem Event-Tracking. Ziel ist die frühzeitige Erkennung von Stress oder Krankheiten durch erhöhte Atmungsaktivitäten, um das Wohlergehen der Tiere und den Betriebsablauf zu verbessern. Als Ergebnis haben wir ein Point-Tracking-Modell entwickelt, das RGB- und Tiefeninformationen nutzt, um die Atmung einer Kuh zu verfolgen, das weniger als drei Atemzüge pro Minute von der Sensor-Grundwahrheit abweicht. Dieses Projekt war eine Zusammenarbeit mit Kollegen von ATB Potsdam, LVAT und der Universität Hildesheim.

 

 

AmoKI hat sich zum Ziel gesetzt, die Überwachung von Tagebaubergwerken mithilfe von Machine Learning auf Basis offener Geodaten (Luftbilder, Sentinel-2) zu automatisieren. In Zusammenarbeit mit dem Institut für Gesteinshüttenkunde der RWTH Aachen und dem Geologischen Dienst NRW (finanziert durch das BMBF) hat das Team monokulare Tiefenschätzungsmodelle optimiert, um die Geländehöhe zu ermitteln, Änderungen der Minentiefe und des Volumens zu schätzen sowie Umweltauswirkungen zu kennzeichnen, wodurch kostspielige und riskante Vor-Ort-Inspektionen reduziert werden.

 

 

Neben unserer projektbezogenen Arbeit haben wir uns erneut aktiv in die internationale KI-Forschungsgemeinschaft eingebracht:  

Auf der ICML 2025 in Vancouver präsentierte dida ein Paper zum Thema Reinforcement Learning mit dem Titel „Reinforcement Learning with Random Time Horizons”. Die Arbeit präsentiert neue Policy-Gradient-Formeln für Reinforcement-Learning-Modelle, die in Situationen mit zufälligen Zeithorizonten schneller konvergieren.

 

 

Außerdem veröffentlichte dida einen Artikel in Nature Scientific Data, in dem EuroCropsML vorgestellt wurde, eine Zeitreihen-Benchmark für die Few-Shot-Klassifizierung von Pflanzenarten in ganz Europa. Dr. Jan MacDonald und Dr. Lorenz Richter haben in Zusammenarbeit mit Kollegen der TUM und der ETH Zürich den ersten zeitaufgelösten Fernerkundungsdatensatz entwickelt, der auf transnationale Few-Shot-Benchmarks zugeschnitten ist und mehr als 700.000 gelabelte Datenpunkte aus über 100 Pflanzenklassen umfasst.

Das Paper und der Open-Source-Code zielen darauf ab, Evaluationen zu standardisieren und die Forschung in den Bereichen Fernerkundung und landwirtschaftliche KI zu beschleunigen.

 

 

Unsere SaaS-Lösung smartextract gewinnt weiterhin an Bedeutung auf dem Markt. Sie wird mittlerweile von mehreren mittelständischen Unternehmen im Vertrieb und Einkauf eingesetzt und automatisiert Prozesse wie die Auftragserfassung, die Bearbeitung von Ausschreibungsunterlagen und den Abgleich von Auftragsbestätigungen. Kunden berichten von Zeitersparnissen von mehr als 80% und bis zu 90% weniger Fehlern in ihren täglichen Abläufen.

Über diese Anwendungsfälle im Vertrieb und Einkauf hinaus setzen immer mehr Unternehmen smartextract als Infrastruktur für ihre Dokumentenverarbeitung ein. Zusammen mit der on-geo GmbH, einem der führenden Anbieter von Immobilienbewertungssoftware in Deutschland, haben wir eine Lösung entwickelt, mit der Informationen aus Grundbuchauszügen automatisch extrahiert werden können. Diese exklusive Partnerschaft zeigt, wie unsere Technologie branchenübergreifend eingesetzt werden kann und dabei stets eine sichere und DSGVO-konforme Dokumentenverarbeitung gewährleistet.

Wenn Sie mehr erfahren oder smartextract in Ihren eigenen Arbeitsabläufen testen möchten, können Sie sich ein kostenloses Testkonto erstellen oder sich an unseren VP of Product, Axel Besinger, wenden.

 

 

Darüber hinaus wurden wir kürzlich für unser Projekt xJuRAG mit dem Digital Justice Award 2025 in der Kategorie „Moderne & digitale Justiz“ ausgezeichnet. Dieser Preis, der vom Digital Justice Summit verliehen und von einer unabhängigen Jury aus führenden Persönlichkeiten aus Justiz, Politik und Legal Tech, darunter die ehemalige Bundesministerin Brigitte Zypries, ausgewählt wird, bestätigt, dass die Zukunft von Legal Tech auf erklärbarer KI beruht.

Da Genauigkeit und Überprüfbarkeit grundlegende Anforderungen im Rechtsbereich sind, geht xJuRAG, das in enger Zusammenarbeit mit dem Fraunhofer Heinrich-Hertz-Institut entwickelt wurde, direkt darauf ein, indem es Attention-aware Layer-wise Relevance Propagation (AttnLRP) integriert, um einen transparenten, quantifizierbaren Prüfpfad für jede KI-Generierung zu bieten.

Unsere Kollegen Emilius Richter, Julius Lauenstein und Manu Keiper freuen sich darauf, unser Projekt am 25. November auf dem Digital Justice Summit in Berlin vorzustellen.  

 

Als Nächstes freuen wir uns, bekanntgeben zu dürfen, dass dida Mitglied des Innovation Park Artificial Intelligence (IPAI) geworden ist. Die Plattform mit Sitz in Heilbronn und Partnern sowie Mitgliedern wie Schwarz Digits, Aleph Alpha, Telekom, Porsche, Audi oder der Würth-Gruppe dient als Drehscheibe für die Zusammenarbeit zwischen Akteuren aus Forschung, Industrie und Politik, die sich auf die verantwortungsvolle Weiterentwicklung der KI konzentrieren. Im Rahmen dieser Partnerschaft wird dida sein Fachwissen in den Bereichen NLP, Computer Vision, MLOps und mathematische Optimierung nutzen, um die IPAI-Mitglieder bei ihren KI-Projekten zu unterstützen und maßgeschneiderte KI-Lösungen zu entwickeln, bei denen Sicherheit und Erklärbarkeit im Vordergrund stehen.

Wir hatten bereits Anfang dieses Jahres die Gelegenheit zu präsentieren, wie wir unsere Projekte durch mathematische Optimierung verbessern und freuen uns nun darauf, gemeinsam mit der IPAI-Community an ambitionierten KI-Projekten zu arbeiten.

 

Abschließend möchten wir noch kurz auf unsere MLOps-Dienstleistungen eingehen, für die wir eine steigende Nachfrage verzeichnen. Wenn Sie mit Herausforderungen im Zusammenhang mit den operativen Aspekten Ihrer Machine-Learning-Modelle in der Produktion konfrontiert sind, ist die Wahrscheinlichkeit groß, dass wir bereits in der Vergangenheit eine ähnliche Aufgabe gelöst haben. Lassen Sie uns wissen, wenn Sie zusätzliche Unterstützung benötigen.

Wir möchten unseren Newsletter erneut mit einem Dankeschön an unsere langjährigen Kunden für ihr Vertrauen, an unsere Partner in öffentlichen Konsortien sowie an alle, die unseren Weg begleiten, abschließen. Wie immer können Sie sich gerne an uns wenden, wenn Sie Themen im Zusammenhang mit KI diskutieren möchten.

 

Mit freundlichen Grüßen

Dr. Markus Düttmann & Dr. Lorenz Richter