Wir haben in den letzten Jahren zahlreiche KI-Projekte abgeschlossen, oft in den Bereichen NLP oder Computer Vision. Hier stellen wir eine Auswahl davon vor.
Erfahren Sie, wie wir KI und Tiefenkameras eingesetzt haben, um die Atemfrequenz von Kühen kontaktlos zu messen und so die Gesundheitsüberwachung und das Tierwohl in der Milchviehhaltung zu verbessern.
Unser AmoKI-Projekt nutzt Machine Learning und Geodaten, um Deutschlands Tagebaue zu überwachen, deren Tiefe zu schätzen, Volumenveränderungen zu verfolgen und Umweltwirkungen zu erkennen.
Unter Verwendung verschiedener Satellitenbilder wird eine Reihe von Computer-Vision-Modellen und mathematischer Modellierung angewandt, um Abraumhalden zu erkennen, zu segmentieren und hinsichtlich ihres Volumens und ihres mineralogischen Gehalts zu analysieren.
Automatische Erkennung gefährlicher Objekte in Videoaufnahmen von Zügen.
AI-basierte Erkennung von Düsenverschmutzung im industriellen 3D-Druck
Wir haben mit Cylad Consulting zusammengearbeitet, um Zeitdatenreihen zu analysieren, die während eines Reinigungsprozesses für Grundmetalle gesammelt wurden, und eine datengesteuerte Lösung zur Optimierung der Prozessparameter zu entwickeln.
Für eine automatische Zugangskontrolle entwickelten wir ein mehrstufiges Sicherheitssystem mit Gesichtserkennung.
Wir simulieren den Internetverkehr und Gebotsszenarien, um die Reichweite von Werbekampagnen vorherzusagen.
Machine Learning in der Produktion: Entwicklung einer KI-gestützten Software zur optischen Defekterkennung für die Halbleiterlaserproduktion
Wir erkennen angebaute Feldfrüchte anhand von Satellitendaten, um die Landwirtschaft zu unterstützen.
Ein Algorithmus zur Bildsegmentierung unterstützt nachhaltige Stadtplanung.
Machine Learning und Umweltschutz: Entwicklung einer Software zur automatisierten Erkennung von illegalem Kleinbergbau mithilfe von Satellitendaten.
Für den DWD haben wir die Erkennung bestimmter Wolkenarten automatisiert.
Durch kreative Lösungen konnten wir die Planung von Solaranlagen automatisieren.
FewTuRe ist ein Projekt, das Few-Shot Learning einsetzt, um die Dokumentenverarbeitung für KMUs zu automatisieren und Daten aus Dokumenten mit minimalem Trainingsaufwand zu extrahieren. In Zusammenarbeit mit der Machine-Learning-Gruppe der HU Berlin und gefördert vom Bundesministerium für Bildung und Forschung nutzt dida Transfer Learning und generative KI, um Datenknappheit und komplexe Dokumentformate zu bewältigen und eine skalierbare, transparente Lösung für die digitale Transformation zu gewährleisten.
Aus den kurzen Begründungstexten für Tierarztbesuche extrahieren wir Symptome, Krankheiten und gewünschte Dienstleistungen.
Automatisches Extrahieren von numerischen Attributen aus Produktbeschreibungen, um die bestehende Datenbank anzureichern.
Unsere Software schützt Mieter vor überhöhten Nebenkostenabrechnungen.
Unser Algorithmus hilft Bürgern durch die Bürokratie einer Gewerbeanmeldung.
Mit Hilfe verschiedener Methoden aus dem Bereich NLP entdeckt unsere Software Fehler in Mietverträgen.
