AUSGANGSLAGE

• Notwendigkeit von Transformationen in Lieferketten hin zu einer ökologischeren, sozialeren und klimafreundlicheren Herstellung mithilfe der Visualisierung von Nachhaltigkeitsaspekten
• Zunahme von Unsicherheiten und Risiken durch komplexe Vernetzungen und Dynamiken globaler Lieferketten
• Bedarf an Möglichkeiten zur Transparenz und Kontextualisierung für Unternehmen, Verbraucher:innen und weiteren Stakeholdern

LÖSUNGSANSATZ

Immersive und interaktive Augmented Reality-App zur erleichterten und verständlichen Visualisierung, Informationstransfer und Kommunikation von Nachhaltigkeitsaspekten und -risiken entlang der Lieferkette

Neuartige Möglichkeit für Visualisierung, Informationsstrukturierung und Reporting:

• Produktvergleich bspw. durch Standards → Messung der Nachhaltigkeit des Produkts
• Verständliche Visualisierung der Lieferkette → 360° Videos von Herstellungsprozessen
• Stärkung des Nachhaltigkeitsbewusstseins → Schulungen und Kontextualisierung

POTENZIAL & ANWENDUNGSBEREICHE

• Customer Experience: Lieferkette kann vor dem Kauf begutachtet werden
• Training: Mitarbeiter erlernen die Risiken virtuell, um diese dann in der Realität anzuwenden
• Präventions-Tool: Ferndiagnose von Nachhaltigkeitsrisiken und virtuelle Handlungsempfehlungen
• Gemeinsamen Planen: Austausch von Best Practice Beispielen und virtuelle Unterstützung von Stakeholdern
• Bewertungs-Tool: Abgleich von Standards mit bestehendem Nachhaltigkeitsmanagement

AUSGANGSLAGE

• Begrünung von urbanen Räumen als wesentlicher Beitrag hin zu einer nachhaltigen Stadtentwicklung infolge klimapolitischer Ziele und dem Bevölkerungszuwachs in Städten
• Für das Gelingen nachhaltiger, urbaner Transformationsprozesse ist die Einbindung verschiedener Stakeholder sowie ein gesellschaftlicher Wissenstransfer essentiell, um eine breite Akzeptanz in der Stadtgesellschaft zu erreichen

LÖSUNGSANSATZ

• Augmented Reality Planungsmodelle von urbaner Begrünung für Bürger:innen, Expert:innen und weitere Stakeholder zur interaktiven, verständlichen und leicht zugänglichen Anwendung, ohne kosten und zeitintensive reale Planungsmodelle
• Auswahl von Begrünungsmodulen (Bäume, Sträucher, Hochbeete, etc.), Fassadenbegrünung und Dachbegrünung zur Stadtgestaltung im Planungsprozess
• Informationen über einhergehende Umweltwirkungen (CO2-Einsparungen, Kühlung der Umgebungstemperatur, etc.) sowie zum Pflegeaufwand der Begrünung

POTENZIAL & ANWENDUNGSBEREICHE

• Entwicklung eines Prototypen, der in Alltagssituationen (hier: Stadtteile der Nürnberger Innenstadt) anwendbar ist
• Entwicklung des Prototyps durch direkte Beteiligung der Bürger:innen
• Analyse und Diskussion von Optimierungsbedarfen (Benutzerfreundlichkeit, Nutzungsverhalten, Weiterbildungsfunktion), Grenzen, weiteren Potenzialen und Einsatzbereichen der Anwendung

AUSGANGSLAGE

• Inkrafttreten des Lieferkettensorgfaltspflichtengesetz (LkSG) im Januar 2023: Adressierung menschenrechtlicher und umweltbezogener Sorgfaltspflichten im eigenen Geschäftsbereich und der Lieferkette
• Mögliche indirekte Betroffenheit mittelständischer Unternehmen durch übertragene Sorgfaltspflichten ihrer Kunden
• Große Herausforderung und Arbeitsaufwand für den Mittelstand gesetzliche Forderungen umzusetzen
• Risikoanalyse bildet die Basis der gesetzlichen Anforderungen

LÖSUNGSANSATZ

• Mit Hilfe des Tools wird automatisiert eine Risikoanalyse nach Vorgaben des LkSG für Lieferanten erstellt
• Dabei werden unternehmensspezifische Daten wie Zertifizierungen des Lieferanten oder das Einkaufsvolumen miteinbezogen
• In einer Weltkarte sind die potentiellen Umwelt- und Menschrechtsrisiken der Lieferanten veranschaulicht
• Die Risikoverteilung der Lieferanten wird anschließend übersichtlich dargestellt

POTENZIAL & ANWENDUNGSBEREICHE

• Einfache Umsetzung der gesetzlichen Anforderungen des Lieferkettensorgfaltspflichtengesetzes
• Stärkung der eigenen Wettbewerbsfähigkeit und der Gewinnung von Neukunden
• Geeignet für den Bericht über einen Due Diligence Prozess im Rahmen der Corporate Sustainability Reporting Directive (CSRD)
• Geeignete Anwendung für das europäische Lieferkettensorgfaltspflichtengesetz (ab 2027)

AUSGANGSLAGE

• Effiziente Prozesse und nachhaltige Ressourcennutzung als Herausforderungen für KMUs
• Besonders relevant für Branchen mit schwankenden Produktionsanforderungen (z. B. Bäckereien)
• Probleme traditioneller Methoden:
  • Manuelle Bestandskontrolle
  • Fehleranfällige Ressourcenplanung
  • Ungenutzte Einsparungs- und Effizienzpotenziale

LÖSUNGSANSATZ

• KI-gestützter Demonstrator zur Erfassung und Analyse überschüssiger Bäckereiprodukte
• Automatische Identifikation: Produkte werden fotografiert, KI erkennt Art und Menge
• Dashboard-Visualisierung nach drei Aspekten:
  • Ökologisch: Strom-, Wasserverbrauch, CO₂-Ausstoß.
  • Sozial: Arbeitsaufwand für überschüssige Produkte.
  • Ökonomisch: Finanzielle Verluste und Einsparpotenziale

POTENZIAL & ANWENDUNGSBEREICHE

• Unterstützung für KMUs bei der Reduzierung von Lebensmittelverschwendung, der Optimierung von Produktionsprozessen und einer effizienten Ressourcenplanung und -optimierung
• KI-gestützte Analyse minimiert Überproduktion und Verluste mit ökologischen, wirtschaftlichen und sozialen Vorteilen
• Relevanz für Branchen mit variierenden Produktionsanforderungen zur datenbasierten, nachhaltigen Produktionssteuerung, wie z.B. für Bäckereien, Gastronomie und Lebensmittelhandel

AUSGANGSLAGE

• Notwendigkeit den Energieverbrauch sowie den CO2-Footprint von Unternehmen zu reduzieren um Kosten zu sparen und zu einer ökologischen, sozialen und klimafreundlichen Umwelt beizutragen.
• Zunahme von Unsicherheiten,  wie viel Energie und somit CO2 große KI-Modelle ausstoßen.
• Anwendungsfälle:
  • Produktionsplanung
  • Vorausschauende Wartung
  • Energiemanagement
  • Transport und Logistik

LÖSUNGSANSATZ

• KI gestützter Demonstrator zur Optimierung der CO2-Bilanz im Unternehmen und beim Einsatz von KI-Anwendungen
• Mit Hilfe des Demonstrators werden CO2 Emissionen in Prozessen transparent machen und das Reduzierungspotential von Emission durch KI-Anwendung aufzeigt.
• Zusätzliche werden die Kosten und Emissionen für die KI-Anwendung (Amortisation) dargestellt.
• Vier Anwendungsfälle: Produktionsplanung, Vorausschauende Wartung, Energiemanagement von Gebäuden, Transport und Logistik (Lieferkettenoptimierung)

POTENZIAL & ANWENDUNGSBEREICHE

• Unterstützung von KMU bei der Optimierung der CO2-Bilanz (Reduzierung des Energieverbrauchs sowie des CO2-Footprints) im Unternehmen und somit potentiell Kosteneinsparungen
• Darlegung von Kosten und Emissionen für die KI-Anwendung, somit kann eingeschätzt werden, ob sich der Einsatz von KI amortisiert.
• Relevanz für verschiedene Branchen und Anwendungsbereiche  z.B. Logistik und Transport, Industrie (vorausschauende Wartung,Produktionsplanung), Energiemanagement von Gebäuden.

AUSGANGSLAGE

• Herausforderung für kleine und mittelständische Unternehmen, notwendige Ressourcen für eine umfassende Nachhaltigkeitsberichtserstattung bereitzustellen
• Unterstützung bei der Nachhaltigkeitsberichtserstattung durch KI-Tools, die Daten effizienter verarbeiten und analysieren
• Ein Beispiel für ein solches KI-Tool ist das Modell BERT

LÖSUNGSANSATZ

• Das Modell BERT (Bidirectional Encoder Representations from Transformers) wurde von Google entwickelt und auf ESG (Environmental, Social, Governance)-Daten trainiert
• Es erkennt im Bericht die drei Dimensionen von Nachhaltigkeit (ESG)
• Das Modell versteht Begriffe im Gesamtzusammenhang
• Es kann Inhalte bewerten (positiv, neutral, negativ) und Fragen beantworten

POTENZIAL & ANWENDUNGSBEREICHE

• Unterstützung bei der Analyse sowie bei der verständlichen und ansprechenden Aufbereitung von Nachhaltigkeitsdaten
• Mehr Effizienz bei der Nachhaltigkeitsberichtserstattung und bessere Datenqualität für das Reporting
• Entdeckung neue Potenziale zur Verbesserung der eigenen Nachhaltigkeitsleistung
• Identifizierung von Wettbewerbsvorteilen zur Stärkung der eigenen Position im Markt

AUSGANGSLAGE

Aufgrund von immer größer werdenden Zeitdruck und mangelnden Arbeitskräfte ist Unterstützung dringend notwendig, um diesen Herausforderungen gerecht zu werden. In vielen Bereichen wie Behörden oder Museen fehlt es beispielsweise häufig an Arbeitskräften, um den hohen Andrang zu bewältigen und wiederkehrende Fragen effizient zu beantworten. Gleichzeitig sind Verkaufstrainings kostspielig und zeitaufwendig, während effektive Vorbereitung auf Bewerbungsgespräche ebenfalls immer wichtiger wird. Für all diese Herausforderungen gibt es jetzt eine Lösung aus dem Bereich der Robotik in Kombination mit Large Language Modells.

LÖSUNGSANSATZ

• Furhat ist ein Social Robot, welcher in der Lage ist mit einer neuartigen Projektionstechnologie menschliche Mimik zu imitieren
• Durch den Einsatz von sogenannten Large Language Modells ist es möglich mit dem Roboter eine Konversation über unterschiedlichste Themen in verschiedenen Sprachen zu führen
• In Verbindung mit einer Persona, welche an das Sprachmodell übergeben wird, lässt sich die Situation realitätsnah abbilden
• Auf diese Weise können viele dieser Aufgaben wie das Beantworten von Fragen, das Training von Verhandlungssituationen oder das Erlernen von Sprachen effizienter und jederzeit zugänglich gestaltet werden
• Furhat hilft dabei, die Arbeitslast zu reduzieren und gleichzeitig die Qualität der Dienstleistungen zu steigern

POTENZIAL & ANWENDUNGSBEREICHE

• Training von Verkaufsgesprächen oder Bewerbungsgesprächen
• Vermittlung von Informationen für Touristen in einem Fremdenverkehrsbüro oder in Museen (Beispielsweise auch mit einer bestimmten Persona, welcher zu der Geschichte des Ortes passt)
• Vorbereitung auf mündliche Prüfungen und Üben von Fremdsprachen
• Erste Auskunft auf Behörden oder in Krankenhäusern (Wegbeschreibung, einfache Fragen zu Formularen)

AUSGANGSLAGE

• Schwer zugängliche Umgebungen: Orte, die gefährlich oder schwierig zu erreichen sind, wie enge Tunnel, Minen oder eingestürzte Gebäude
• Gefahrenzonen: Gebiete mit hohen Risiken, z. B. nach Naturkatastrophen (Erdbeben, Überschwemmungen) oder in radioaktiver Belastung
• Erschöpfende manuelle Aufgaben: Inspektionsarbeiten, die wiederholt werden müssen oder lange dauern, z. B. Überprüfung von Infrastruktur wie Brücken, Windkraftanlagen oder Industrieanlagen
• Zeitkritische Einsätze: Schnelle Reaktionen bei Notfällen, z. B. nach Bränden oder Unfällen, wo Menschenleben auf dem Spiel stehen und Zeit ein kritischer Faktor ist
• Langfristige Überwachungsaufgaben: Langzeitüberwachung von Gebieten, z. B. in der Landwirtschaft oder bei Tierbeobachtungen in schwer erreichbaren Gebieten.
• Sicherheitsüberwachung von Firmengelände

LÖSUNGSANSATZ

Dank fortschrittlicher Sensorik und künstlicher Intelligenz kann der Roboter autonome navigieren, die es ihm ermöglicht, Hindernisse zu umgehen und Karten unbekannter Gebiete selbstständig zu erstellen. Mit integrierten Kameras und Sensoren kann er präzise Inspektionen durchführen und dabei Details erfassen, die für das menschliche Auge schwer erkennbar sind – ideal für die Überprüfung von Gebäuden oder Maschinen. Besonders wertvoll ist seine Fähigkeit zur Zusammenarbeit mit Drohnen und anderen Robotersystemen, um eine umfassende Überwachung sowohl am Boden als auch aus der Luft zu ermöglichen. Der Roboterhund lässt sich aus der Ferne steuern und übermittelt Echtzeit-Daten, die schnelle und fundierte Entscheidungen erleichtern. Dank seiner Geländegängigkeit kann er zudem in unebenem Gelände, auf steilen Hügeln und in engen Passagen effektiv eingesetzt werden, was ihn für herausfordernde Umgebungen prädestiniert.

POTENZIAL & ANWENDUNGSBEREICHE

• Ersteinspektion nach Bränden/Naturkatastrophen: Der Roboterhund kann gefährliche und instabile Zonen betreten, strukturelle Schäden überprüfen und die Umgebung kartieren, bevor Rettungskräfte eingreifen.
• Transport und Logistik in extremen Umgebungen: Er transportiert kleine Lasten wie Werkzeuge oder medizinische Materialien in unwegsamem Gelände, etwa in Wüsten, Bergregionen oder Katastrophengebieten.
• Industrieinspektionen: Der Roboterhund führt autonome Patrouillen durch und erkennt potenzielle Gefahren oder Schäden in großen Industrieanlagen frühzeitig.
• Überwachung in der Landwirtschaft: Er überwacht Tiere und Pflanzen auf weiten Farmen, um sicherzustellen, dass sie gesund sind, und entdeckt Schädlinge oder Krankheiten frühzeitig.
• Sicherheit und Überwachung: Er kann für die Überwachung von Firmenlegende genutzt werden.

AUSGANGSLAGE

Fortschritte in der KI, insbesondere im Bereich der Deep-Learning-Algorithmen, sowie die Zunahme an verfügbaren Bild- und Videodaten haben es ermöglicht, visuelle Daten automatisch und effizient zu analysieren. Das Ziel von Computer Vision ist es, Maschinen und Computern zu ermöglichen, Bilder und Videos zu "verstehen" und bedeutungsvolle Informationen daraus zu extrahieren, ähnlich wie es Menschen tun. In Branchen wie der Industrie, dem Gesundheitswesen, der Automobilbranche und im Handel besteht ein wachsender Bedarf an automatisierten Systemen zur Bilderkennung und Analyse, um Prozesse zu optimieren, Sicherheit zu gewährleisten und menschliche Fehler zu minimieren. Gleichzeitig schaffen hochauflösende Sensoren und Kameras die technologische Grundlage, um detaillierte und genaue Daten zu erfassen, die für die Modellierung und Analyse durch Computer Vision benötigt werden.

LÖSUNGSANSATZ

Der YOLO (You Only Look Once)-Model ist ein leistungsstarker Ansatz zur Objekterkennung in Computer Vision. Er wurde erstmals im Jahr 2015 vorgestellt und hat sich seither zu einer der populärsten Methoden für die Echtzeit-Objekterkennung entwickelt.

• YOLO11: Die aktuellste Version der Modellreihe verfügt insgesamt über 25 Modelle für verschiedene Computer Vision Aufgaben und erweisen sich als schneller und effizienter als die Vorgängerversion.
• Funktionsweise: Grob gesagt führ das Yolo modell eine Objekterkennung durch, indem es ein Bild in ein festgelegtes Raster aufteilt und jede Zelle für die Vorhersage von Bounding Boxen sowie deren Klassenzugehörigkeit verantwortlich macht. Es verarbeitet das gesamte Bild in einem einzigen Durchlauf, wodurch es in der Lage ist, Objekte schnell und effizient zu erkennen, ohne separate Regionen analysieren zu müssen. 

POTENZIAL & ANWENDUNGSBEREICHE

YOLO11 ist auf Schnelligkeit, Genauigkeit und Benutzerfreundlichkeit ausgelegt und eignet sich daher hervorragend für eine Vielzahl von Aufgaben in den Bereichen Objekterkennung und -verfolgung, Instance Segmentation, Bildklassifizierung und Pose Estimation.

• Objekterkennung: Erkennung unterschiedlicher Objekte in Echtzeit auf Bildern und Videos.
• Instance Segmentation: Ermöglicht, zwischen sich überlappenden Objekten zu unterscheiden und präzise Umrisse ihrer Formen zu liefern.
• Bildklassifizierung: Extraktion relevanter Merkmale auf Bildern oder Videos für die Zuordnung in eine oder mehrere vordefinierte Kategorien.
• Pose Estimation: YOLO11 führt eine Posenschätzung durch, indem es Schlüsselpunkte auf einem Objekt erkennt und vorhersagt, wie z. B. Gelenke in einem menschlichen Körper. Die Schlüsselpunkte werden miteinander verbunden, um die Skelettstruktur zu bilden, die die Pose darstellt.

Mögliche Anwendungsbereiche liegen in der Überwachung von Objekten, der Objekterkennung zur Navigation und Vermeidung von Kollisionen, Unterstützung bei medizinischen Diagnosen durch Erkennung von Anomalien oder im Einzelhandel zur Analyse des Kundenverhaltens.

AUSGANGSLAGE

• Zu wissen, wann man der Antwort eines KI-Modells vertrauen kann, kann entscheidend sein.
• Solche Entscheidungen sind in vielen Anwendungen relevant, von autonomen Fahrzeugen bis hin zu Finanzinvestitionen.
• Die meisten Ansätze zur Schätzung des KI-Vertrauens bieten vereinfachte Messwerte.
• Diese sind nicht zuverlässig, um die zukünftige Richtigkeit der KI vorherzusagen.
• Sie sind besonders schwach, wenn KI-Modelle außerhalb ihres Trainingsumfangs verwendet werden.
• Beispiel: Verwendung eines üblichen Gesichtserkennungsmodells zur Erkennung von Gesichtern unter Wasser.

LÖSUNGSANSATZ

• KontextCheck KI:
  • Bewertet die Eingaben des KI-Modells statistisch und vergleicht sie mit einer repräsentativen Stichprobe des Trainings des KI-Modells.
  • Bietet einen besseren Indikator, um die Trainingsrelevanz einer KI für die beobachteten Eingaben zu erkennen.
  • Ermöglicht Endbenutzern oder anderen Systemen, auf einen “Plan B” zurückzugreifen, wenn die KI bei kritischen Entscheidungen als unzuverlässig erachtet wird.

POTENZIAL & ANWENDUNGSBEREICHE

• Macht Endbenutzer oder Hostsysteme darauf aufmerksam, wenn das KI-Modell unzuverlässig sein könnte.
• Ermöglicht die Berücksichtigung von Plan-B-Lösungen, wenn nötig:
  • Alternative Modelle verwenden
  • „Sichere“ Entscheidungen treffen, z. B. autonomes Fahrzeug zum Stillstand bringen
• Anwendbar in Systemen, die KI-Modelle verwenden, einschließlich:
  • Autonome Systeme, z. B. autonome Fahrzeuge
  • KI-Investitionsmodelle
  • Medizinische Scan- und Diagnosemodelle

AUSGANGSLAGE

• In der Batteriefertigung soll Carbon Footprint der Produktion ermittelt und transparent gemacht werden.
• Maschinen in der diskreten Fertigung sind ohne integrierte smarte Messtechnologien vorhanden.
• Es besteht ein Bedarf an einer einfachen Lösung zur Erfassung des Energieverbrauchs.
• Die vorhandenen Maschinen sind nicht für die digitale Datenerfassung ausgestattet.
• Es wird nach einer Retrofit-Lösung gesucht, die die bestehenden Maschinen in ein intelligentes System integrieren kann.

LÖSUNGSANSATZ

• Verwendung der Verwaltungsschale (Asset Administration Shell AAS) und Eclipse BaSyx zur Umsetzung digitaler Zwillinge der Maschinen und Produkte. Die Verwaltungsschalen der Produkte enthalten den Digital Battery Pass (DBP).
• Eine Smart Meter dient als Stromzähler und Spannungs- und Strommessgerät, um den Verbrauch einer Maschine zu ermitteln
• Die gesammelten Daten werden über ein CongaConnect Device per MQTT veröffentlicht
• Anhand des CO2 Anteils im Stromnetz wird der Teil Carbon Footprint berechnet und in den zugehörigen Verwaltungsschalen abgelegt.
• Die Daten werden mittels Eclipse Streamsheets™ visualisiert, um den Energieverbrauch und den Carbon Footprint übersichtlich darzustellen.

POTENZIAL & ANWENDUNGSBEREICHE

• Unternehmen können die gesammelten Daten nutzen, um ihre Nachhaltigkeitsziele zu verfolgen und den Teil-Carbon Footprint in ihren Berichten transparent darzustellen.
• Die gesammelten Daten dienen als Grundlage, um gesetzliche Anforderungen und Umweltvorschriften zu erfüllen, die eine Reduzierung des Carbon Footprints vorschreiben.
• Durch die Erfassung und Analyse des Energieverbrauchs können Unternehmen dabei unterstützen, ineffiziente Produktionsschritte zu identifizieren und zu optimieren.
• Der Demonstrator kann in verschiedenen Produktionsumgebungen als „Retrofit-“ Lösung eingesetzt werden, um den Energieverbrauch zu messen und den Carbon Footprint zu optimieren.

AUSGANGSLAGE

• Durch das LkSG (Lieferkettensorgfaltsgesetz) werden Unternehmen verpflichtet, ihrer Verantwortung für die Lieferkette nachzukommen.
• Zudem soll die Transparenz in der Lieferkette erhöht werden.
• Durch das Gesetz soll auch der Schutz der Menschenrechte in der gesamten Lieferkette verbessert werden.

LÖSUNGSANSATZ

Check zur Umsetzung der Sorgfaltspflichten nach § 3  - § 10 LkSG:

1. Einrichtung eines Risikomanagements
2. Durchführung einer regelmäßigen Risikoanalyse
3. Verankerung von Präventionsmaßnahmen
4. Ergreifen von Abhilfemaßnahmen
5. Einrichtung eines Beschwerdeverfahrens
6. Dokumentation und Berichterstattung
7. Verabschiedung einer Grundsatzerklärung

POTENZIAL & ANWENDUNGSBEREICHE

• Risikominimierung & Rechtssicherheit: Erkennung und Reduzierung von Menschenrechts- und Umweltverstößen, Erfüllung gesetzlicher Anforderungen.
• Lieferantenbewertung & Risikomanagement: Analyse und Überprüfung von Lieferanten sowie Umsetzung präventiver Maßnahmen.
• Transparenz & Berichterstattung: Dokumentation und Nachvollziehbarkeit der Maßnahmen in der Lieferkette.
• Wettbewerbsvorteil: Verbesserung der nachhaltigen Unternehmenspositionierung und der Compliance.

AUSGANGSLAGE

In vielen Unternehmen und Organisationen liegen große Mengen an Informationen in gescannter oder handschriftlicher Form vor – zum Beispiel als PDF-Dokumente, Formulare, Rechnungen oder historische Archive. Diese Daten sind für digitale Prozesse jedoch nur schwer nutzbar, da sie nicht durchsuchbar oder maschinenlesbar sind. Eine manuelle Übertragung ist zeitaufwendig, fehleranfällig und kostspielig.

LÖSUNGSANSATZ

OCR (Optical Character Recognition) zeigt, wie moderne Texterkennungstechnologien Texte automatisch erfassen, analysieren und in editierbare Formate überführen können. Durch den Einsatz von KI-basierten Algorithmen wird eine hohe Erkennungsgenauigkeit erreicht, auch bei schwierigen Vorlagen oder unterschiedlichen Sprachen. Die intuitive Benutzeroberfläche ermöglicht eine einfache und schnelle Demonstration der Kernfunktionalitäten.

POTENZIAL & ANWENDUNGSBEREICHE

OCR bietet vielfältige Einsatzmöglichkeiten: von der Digitalisierung historischer Dokumente in Archiven über die automatisierte Belegerfassung in der Buchhaltung bis hin zur Vereinfachung von Formularverarbeitung. Die Technologie kann als Basis für intelligente Dokumentenmanagement-Systeme, Workflow-Automatisierungen und datengetriebene Analysen dienen – ein Schritt hin zur vollständigen digitalen Transformation

AUSGANGSLAGE

Die Versorgungssicherheit ist – neben Wirtschaftlichkeit und Umweltverträglichkeit – ein zentrales Ziel der Energiepolitik auf Basis erneuerbarer Energien. Trotz eines der sichersten Versorgungssysteme weltweit bestehen aktuell Planungsunsicherheiten.

Lokale Microgrids können die Versorgungssicherheit erhöhen, indem sie Unternehmen oder Gebäude unabhängig vom öffentlichen Netz mit Energie versorgen. Diese intelligenten Netze verbinden erneuerbare Energiequellen wie Photovoltaik und Windkraft mit Batteriespeichern und Verbrauchern. Digitale Energiemanagementsysteme steuern und optimieren dabei die Energieflüsse. Zukünftig sollten Microgrids in der Lage sein, erneuerbare Energie langfristig zu speichern und bei Bedarf hohe Leistungen bereitzustellen.

LÖSUNGSANSATZ

Durch die Umwandlung von Strom aus Photovoltaik- oder Windkraftanlagen in Wasserstoff lassen sich große Energiemengen langfristig speichern. Der Wasserstoff kann bei Bedarf über Brennstoffzellen, Gasmotoren oder Gasturbinen wieder in Strom umgewandelt werden. Die Anlage kann entweder als autarkes Inselnetz betrieben oder mit dem öffentlichen Netz gekoppelt werden, um zusätzliche Verbraucher zu versorgen.

Die Photovoltaikanlage der Hochschule Ansbach dient aufgrund ihrer Skalierbarkeit als Modell für verschiedene Anwendungsbereiche – vom einzelnen Gebäude über Unternehmen bis hin zu ganzen Ortsteilen.

Ein digitales Energiemanagement-Tool analysiert Verbrauch, Ertrag und Leistungsparameter. Bei erhöhtem Strombedarf wird gespeicherter Wasserstoff zur Stromerzeugung genutzt. Ausfallsicherheit, Langlebigkeit und Wirtschaftlichkeit stehen dabei im Fokus.

POTENZIAL & ANWENDUNGSBEREICHE

• Langfristige Speicherung großer Energiemengen aus Photovoltaik – ideal zur Überbrückung saisonaler Schwankungen und für ganzjährige Versorgungssicherheit
• CO₂-freie und umweltfreundliche Energieversorgung, da bei der Nutzung von Wasserstoff keine schädlichen Emissionen entstehen
• Vielseitige Nutzungsmöglichkeiten: Wasserstoff kann zur Stromerzeugung, als Wärmequelle und als Kraftstoff im Mobilitätssektor eingesetzt werden
• Unabhängigkeit vom Stromnetz und von Energiepreisschwankungen durch Eigenproduktion und -speicherung von Energie

AUSGANGSLAGE

Der Energieverbrauch in kleinen und mittleren Unternehmen (KMU) birgt großes Einsparpotenzial – sowohl wirtschaftlich als auch ökologisch. In vielen KMU fehlen jedoch digitale Werkzeuge zur Erfassung und Analyse von Energie- und Umweltdaten. IoT-Technologien ermöglichen eine kontinuierliche Datenerfassung und -überwachung, werden jedoch oft wegen fehlendem Know-how als zu komplex wahrgenommen. Der Zugang zu praxisnahen und erweiterbaren Lösungen ist entscheidend, um den Einstieg in digitale Energieeffizienzstrategien zu ermöglichen.

LÖSUNGSANSATZ

Mit unserem speziell auf KMU zugeschnitten Demonstrator „Energieeffiziente Firma“ zeigen wir praxisnah, wie Daten von Sensoren aufgenommen, verarbeitet, visualisiert und intelligent interpretiert werden können – direkt vor Ort und in Echtzeit, um energieeffizienter zu werden. Dabei setzen wir auf eine modulare IoT-Infrastruktur mit Sensorik, Datenübertragung via MQTT sowie lokalem Webinterface und Displayanzeige. Im Zentrum steht das Verständnis für durchgängige Datenflüsse und die Möglichkeiten, die IoT-Technologien zur Effizienzsteigerung bieten. Die erzeugte Datenbasis bildet zugleich die Grundlage für eine zukünftige Integration von Künstlicher Intelligenz zur Mustererkennung, Anomalieerkennung und automatisierten Optimierung von Energieverbräuchen.

POTENZIAL & ANWENDUNGSBEREICHE

• Einstieg in IoT-gestützte Energieoptimierung für KMU à Einsetzbar in Produktion, Werkstätten, Bürogebäuden und Laboren
• Transparenz schaffen - Energie- und Prozessdaten erfassen à Verbräuche analysieren, Ineffizienzen erkennen
• Grundlage für intelligente Wartung, Prozesssteuerung und Energie- und Nachhaltigkeitsmonitoring à Maßnahmen datenbasiert einleiten
• Senkung Einstiegshürden für Digitalisierung und KI in KMU à Demonstrationsplattform für Fachkräfte, Azubis und Schüler:innen
• Bedarf an skalierbaren, kostengünstigen Lösungen à Übertragbar auf weitere Bereiche: Raumklima, Beleuchtung, Maschinenzustand
• Schaffung einer Grundlage für KI-gestützte Optimierung à Erweiterbar mit KI-Modulen zur Anomalie-Erkennung und Prognosen

AUSGANGSLAGE

• Herausforderung: Viele Spritzgussmaschinen in der Kunststoffindustrie sind nicht auf dem neuesten Stand der Digitalisierung und daher wenig transparent und effizient.
• Bedarf: Fachkräftemangel erfordert vereinfachte, automatisierte Prozesse. Nachhaltigkeit durch wirtschaftliche  Nachrüstung und Integration in bestehende Prozesse statt Neuanschaffung.
• Regionale Relevanz: Die Kunststoffindustrie ist in der Region stark vertreten und ein zentraler Wirtschaftsfaktor der nur durch Digitalisierung Bestand hat.

LÖSUNGSANSATZ

• Praxisnaher Demonstrator für digitale Zwillinge am Beispiel einer nachgerüsteten Spritzgussmaschine.
• Live-Visualisierung und Analyse von Maschinen- und Prozessdaten in Echtzeit – sowohl als interaktives 3D-Modell als auch im Dashboard.
• Flexible, offene Architektur: Einfache Integration in bestehende IT-Landschaften durch standardisierte Schnittstellen 
  (OPC UA, MQTT, REST).
• Modularer Aufbau ermöglicht die Erweiterung um weitere Maschinen, Sensoren oder KI-gestützte Analysefunktionen.

POTENZIAL & ANWENDUNGSBEREICHE

• Effizienzsteigerung und Prozessoptimierung durch digitale Transparenz
• Zukunftsfähige Nachrüstung für KMUs der Kunststoff- und Fertigungsindustrie
• Vereinfachung von Wartung, Fehlerdiagnose und vorausschauende Fertigungsindustrie
• Verbesserte Produktqualität und nachhaltigere Ressourceneffizienz
• Einsatz als Schulungs- und Weiterbildungsmaterial zur Sensibilisierung der Digitalisierung
• Übertragbarkeit auf weitere Maschinen und Fertigungsprozesse

AUSGANGSLAGE

Eine Vielzahl von Unternehmen sieht sich mit Schwierigkeiten bei der Rekrutierung von Arbeitskräften konfrontiert, wobei insbesondere der Lagerbereich und die Produktionshalle betroffen sind. Die Automatisierung von Transportsystemen erlaubt eine Umverteilung der verfügbaren Arbeitskräfte auf andere Aufgabenbereiche.

LÖSUNGSANSATZ

Der Leo Rover stellt einen mobilen Roboter dar, dessen Funktionsweise auf ROS Noetic (Robot Operating System) basiert. Der Rover ist mit einer Kamera, einem LiDAR-Sensor, einer 3D-Kamera sowie einem IMU-Sensor ausgestattet. Als Hauptsteuerungseinheit wurde ein Raspberry Pi 4 eingebaut, wodurch eine lokale Verarbeitung der Daten ermöglicht wird. Der Leo ist in der Lage, autonom oder semi-autonom eine Karte seiner Umgebung zu erstellen, welche anschließend für das vollständig autonome Fahren genutzt werden kann.

POTENZIAL & ANWENDUNGSBEREICHE

Die hinter dem "Leo Rover" stehende Technik lässt sich in verschiedene Anwendungsbereiche unterteilen.

Die Anwendungsbereiche umfassen:

• SLAM und Navigation
• Objektdetektion
• Reinforcement Learning
• Task Planning
• Schwarmintelligenz

AUSGANGSLAGE

Vorhersagen von KI und Machine Learning Modellen sind nicht immer fehlerfrei, und die Modelle können manchmal fehlerhafte Vorhersagen treffen, ohne dass unmittelbar ersichtlich ist, warum dies der Fall ist. Diese Unsicherheit darüber, ob Vorhersagen richtig oder falsch sind, kann je nach Einsatzbereich schwerwiegende Folgen haben. Vor allem im Straßenverkehr wird hierzu immer wieder kontrovers diskutiert.

LÖSUNGSANSATZ

• Augmentierungs-Framwork:
  • Erweiterung der Trainingsdaten mit Hilfe von realistischen Simulationen von Umweltbedingungen
  • Verbesserte Robustheit und Genauigkeit der Modelle und effektives Training für anspruchsvolle Einsatzszenarien

• Uncertainty Wrapper
  • Modellagnostische Quantifizierung von Unsicherheiten in den Modellausgaben
  • Berechnung der Wahrscheinlichkeit, wie sicher oder unsicher die Vorhersage des Modells ist

POTENZIAL & ANWENDUNGSBEREICHE

• Schaffung einer transparenten Entscheidungsgrundlage durch die Ergänzung von Unsicherheitsbewertungen
• Entscheidungen der Modelle, insbesondere in Bildklassifikatoren, können klarer und nachvollziehbarer gemacht werden
• Anwendungsbereiche, z.B.:
  • Verkehrszeichenerkennung
  • Fußgängerdetektion
  • Zellklassifizierung mittels Durchflusszytometriedaten

AUSGANGSLAGE

Die aktuelle Lage der Digitalisierung ist in vielen kleinen und mittleren Unternehmen (KMU) lediglich als befriedigend zu werten. Dies liegt u.a. an folgenden Punkten:

• Daten werden dezentral auf verschiedenen Computern, Geräten und lokal auf Maschinen gespeichert
• Unterschiedliche Programmiersprachen und keine nahtlose Kommunikation möglich
• Fehlende Standards und unzureichende Infrastruktur
• Unzureichende Datenqualität und fehlendes Know-How zur Verwertung der Daten.

LÖSUNGSANSATZ

Das Internet der Dinge (englisch: Internet of Things -IoT) verbindet die physische Welt mit der digitalen Welt. Es besteht aus einem digitalen Netzwerk aus physischen Objekten, wie zum Beispiel stationären und mobilen Geräten, Sensoren, Aktoren, Rechnern, Wearables, Fahrzeugen, Maschinen, Produktionsanlagen und vieles mehr – also aus allerlei Dingen. Die Dinge sind entweder über Kabel oder drahtlose Verbindungen mit dem Internet verbunden, wodurch sie Daten sammeln und über das Internet austauschen und kommunizieren können. Auf Internetplattformen werden die Daten gespeichert, mittels Software, oder künstlicher Intelligenz (KI) analysiert und zur Ausführung von Aktionen verwendet, um Effizienzsteigerung, Kostensenkung und Nachhaltigkeit zu erreichen.

POTENZIAL & ANWENDUNGSBEREICHE

• Energiebedarfsprognosen: Lastmanagement, Netzstabilität, Produktionsplanung, Energiehandel, Elektromobilität, Erneuerbare Energien
• Energieerzeugungsprognosen: Kraftwerksmanagement und erneuerbare Energien, Energiespeicher, Eigenverbrauchsoptimierung
• Nutzungsabhängige Wartung und Laufzeitvorhersagen: Industrie, Logistik, Produktion
• Zielgerichtete Dimensionierung von Energiesystemkomponenten: Produktionsanlagen, Heiz- und Kühlsysteme, Speichersysteme
• Energiekostenoptimierung: Maximierung der Effizienz, Reduzierung der Betriebskosten, Erreichung von NachhaltigkeitszielenEffizienz

AUSGANGSLAGE

Juristen sehen sich im Arbeitsalltag verschiedenen Herausforderungen gegenüber. Insbesondere die Komplexität und der Umfang der Daten, die für juristische Sachverhalte geprüft werden müssen, macht eine Recherche und Fallbearbeitung zeitaufwendig. Rechtliche Fragestellungen erfordern präzise Analysen und gründliche Recherchen. Fehler oder Auslassungen können erhebliche rechtliche und finanzielle Konsequenzen haben. Darüber steht oft ein großer Zeitdruck, sei es bei der Vorbereitung von Gerichtsverfahren, der Erstellung von Verträgen oder der Bearbeitung dringender Mandantenanfragen.

Sprachmodelle bieten vielfältige Potenziale Routineaufgaben zu beschleunigen und so wertvolle Zeit zu sparen.

LÖSUNGSANSATZ

• Es handelt sich hierbei um einen Prototyp für die Fallanalyse, dessen Fokus auf der juristischen Informationsextraktion aus Textdokumenten liegt. Die Informationsextraktion ermöglicht die kompakte Darstellung der Beteiligten, Gegenstände und Orte, deren Beziehungen zueinander sowie den chronologischen Ablauf.
• GPT-4 wird verwendet, um Referenzfälle zu bereits vorhandener Rechtsprechung sowie relevante Gesetze vorzuschlagen.
• Basierend auf den gesammelten Informationen wird eine Fallanalyse erstellt, die eine Einschätzung der Erfolgsaussichten einer Klage gibt.

POTENZIAL & ANWENDUNGSBEREICHE

• Sprachmodelle sind fähig, große Mengen an Daten schnell zu analysieren sowie relevante Informationen zu extrahieren, was zu einer Einsparung von Zeit und Aufwand führt.
• Darüber hinaus unterstützen sie in der Recherche, indem sie relevante Gesetze, Urteile und juristische Dokumente finden, die für einen Fall relevant sein können.
• Durch die Automatisierung von Routineaufgaben können Kosten gesenkt sowie die Effizienz von Mitarbeitern gesteigert werden.

AUSGANGSLAGE

Unternehmen stehen vor der Herausforderung, geeignete KI-Lösungen zu identifizieren und priorisiert umzusetzen. Ideen für KI-Anwendungen entstehen häufig in verschiedenen Abteilungen oder Teams, doch oft fehlt es an einer strukturierten Methode, um diese Ideen zu bewerten. Es besteht ein deutlicher Bedarf nach einer transparenten und objektiven Bewertungsmethode, die es ermöglicht, KI-Projekte basierend auf ihrem geschätzten Wert und Implementierungsaufwand systematisch zu analysieren und zu priorisieren. Eine solche Methode könnte helfen, Ressourcen effizienter einzusetzen und diejenigen Projekte zu priorisieren, die den größten geschäftlichen Nutzen versprechen. Zudem könnte sie die Zusammenarbeit zwischen verschiedenen Abteilungen verbessern, indem sie einen klaren Rahmen für die Bewertung und Auswahl von KI-Ideen bietet.

LÖSUNGSANSATZ

• Nutzer können Ideen für potenzielle KI-Lösungen in einer zentralen Plattform einreichen
• Jede Idee wird von mehreren Nutzern anhand vordefinierter Kriterien bewertet (z.B. Risiken, Implemetierungsaufwand, benötigtes Know how, Stundenerspranis) 
• Die Bewertungskriterien werden über ein Punktesystem ausgedrückt, woraus sich der potenzielle Nutze und der benötigte Aufwand in numerischen Werten darstellen lässt
• Dieser Score wird in einer Matrix dargestellt, die die "low hanging fruits" (niedrig hängende Früchte) identifiziert – also diejenigen Ideen, die hohe Werte bei relativ niedrigem Implementierungsaufwand haben

POTENZIAL & ANWENDUNGSBEREICHE

• Einsatz in Unternehmen aller Größen zur systematischen Bewertung und Priorisierung von KI-Projekten
• Verbesserung der Zusammenarbeit zwischen verschiedenen Abteilungen durch transparente Bewertung und Priorisierung von Ideen
• Unterstützung bei der strategischen Planung und Allokation von Ressourcen für KI-Initiativen
• Langfristige Planung von KI-Entwicklungsstrategien durch kontinuierliches Sammeln und Evaluieren von Ideen
• Optimierung der Ressourcenallokation durch Fokussierung auf Projekte mit dem höchsten erwarteten Nutzen bei angemessenem Aufwand

AUSGANGSLAGE

Die Komplexität und Vielfalt der Daten in Exceltabellen erschweren oft eine effiziente Analyse, insbesondere wenn es darum geht, Muster zu erkennen oder Trends zu identifizieren. Die manuelle Verarbeitung kann zu Inkonsistenzen und ungenauen Ergebnissen führen, was die Zuverlässigkeit der Analysen beeinträchtigen kann. Zudem können Excel-Nutzer aufgrund begrenzter Funktionen und fehlender Automatisierungsmöglichkeiten bei der Datenvisualisierung an ihre Grenzen stoßen. Dies kann zu Verzögerungen bei der Entscheidungsfindung und der Umsetzung von Erkenntnissen aus den Daten führen.

LÖSUNGSANSATZ

• Automatisches Laden der Daten mit Pandas in Python
• Nutzung eines Chat-Interfaces zur Stellung von Fragen zur Datenanalyse
• Integration von Pandas für Datenmanipulation und -auswertung
• Generierung von Tabellen und Grafiken zur Beantwortung der gestellten Fragen
• Einsatz von Large Language Modellen über Prompts: Ermöglicht Anfragen an die Exceltabelle
• Übersetzung von Anfragen in Python Code durch das Large Language Modell
• Anwendung des generierten Python Codes auf das Excel File zur Beantwortung unterschiedlicher Fragestellungen

POTENZIAL & ANWENDUNGSBEREICHE

• Business-Analyse: Schnelle Erstellung von Berichten und Dashboards aus Unternehmensdaten
• Finanzanalyse: Automatische Analyse von Finanzdaten und Erstellung von Prognosen
• Marktforschung: Auswertung von Umfragedaten und Erstellung von Marktanalysen
• Wissenschaftliche Forschung: Datenanalyse und Visualisierung in verschiedenen Forschungsdisziplinen wie Biologie, Psychologie, Physik
• Bildung: Verwendung in Lehr- und Lernumgebungen für Datenanalyseprojekte
• Gesundheitswesen: Analyse von Gesundheitsdaten für die medizinische Forschung oder betriebliche Effizienzanalysen
• Logistik und Supply Chain Management: Optimierung von Lieferketten und Lagerbeständen durch Datenanalyse

AUSGANGSLAGE

In vielen Organisationen gibt es zahlreiche Aufgaben, die über verschiedene Systeme und Plattformen verteilt sind. Ohne eine zentrale Übersicht kann es zu Verzögerungen und ineffizienter Ressourcennutzung kommen. Dies führt zu Schwierigkeiten bei der Priorisierung und Nachverfolgung offener und in Bearbeitung befindlicher Aufgaben. Darüber hinaus sind Informationen oft in unterschiedlichen Abteilungen oder Tools isoliert, was die Zusammenarbeit erheblich erschwert. Dadurch entsteht ein erhöhter Aufwand für das Managen und Koordinieren von Aufgaben und Projekten.

LÖSUNGSANSATZ

• Mithilfe von SQL-Abfragen werden Aufgaben aus einer zentralen Datenbank extrahiert. Die Aufgaben werden nach ihrem Status (offen oder in Bearbeitung) gefiltert, um sich auf relevante Arbeiten zu konzentrieren.
• Eine Liste der offenen und in Bearbeitung befindlichen Aufgaben wird automatisch erstellt und formatiert.
• Eine klare und lesbare Übersicht wird bereitgestellt, die leicht kommuniziert werden kann.
• Es besteht die Möglichkeit, regelmäßig aktuelle Daten abzurufen und so stets auf dem neuesten Stand zu bleiben.

POTENZIAL & ANWENDUNGSBEREICHE

• Projektmanagement: Verfolgung von Aufgaben und Meilensteinen in verschiedenen Projekten zur besseren Planung
• Teamkoordination: Verbesserung der Zusammenarbeit und Kommunikation innerhalb von Teams
• Berichtswesen: Erstellung von Berichten über den Fortschritt und Status von Aufgaben für Management und Stakeholder
• Priorisierung von Aufgaben: Unterstützung bei der Priorisierung von Aufgaben basierend auf ihrem aktuellen Status und ihrer Dringlichkeit
• Support- und Service-Management: Überwachung von offenen Tickets und laufenden Serviceanfragen zur Verbesserung des Kundendienstes

AUSGANGSLAGE

Der Einsatz von Sprachmodellen (LLM) stellt Unternehmen vor zahlreiche Entscheidungen. Welches LLM soll ausgewählt, für welche Aufgaben soll es eingesetzt und wie kann sichergestellt werden, dass der generierte Output den Anforderungen entspricht? 

Da sie nicht-deterministisch sind, führen exakt gleiche Prompts zu verschiedenen Zeitpunkten i.d.R. zu unterschiedlichen Ausgaben. Darüber hinaus können LLM halluzinieren oder dazu gebracht werden, schädlichen Output zu generieren. Es gibt also viele Gründe, warum eine kontinuierliche Überwachung von LLM unabdingbar ist.

LÖSUNGSANSATZ

• Für die Entwicklung von LLM-basierten Applikationen und deren Einführung in Unternehmen bietet die Plattform COAI einen E2E-Ansatz für die Evaluierung, das Tracking und das Monitoring von Sprachmodellen.
• Verschiedene Sprachmodelle können in einem Playground direkt miteinander verglichen und evaluiert werden.
• Durch eine Protokollierung der Interaktionen mit und in einem LLM können Informationen über die Nutzung, Kosten, Latenz, Fehlerraten, Akzeptanz gesammelt werden. Darüber hinaus dient die Sammlung von Input/Output Daten zu Generierung von Evaluationsdatensätzen oder Finetuningdatensätzen .

POTENZIAL & ANWENDUNGSBEREICHE

• Funktionstests mit verschiedenen Sprachmodellen durchführen und das geeignete Modell für den entsprechenden Use Case auswählen.
• Automatisierte Erstellung von Evaluierungsdatensätzen zur Analyse des Models auf Prägnanz, Relevanz, Kohärenz, Schädlichkeit, Bösartigkeit, Hilfsbereitschaft, Kontroversität, Diskriminierung, Kriminalität sowie Gefühllosigkeit.
• Automatisierte produktive Überwachung sowie Verhinderung von Concept sowie User Drifts.

AUSGANGSLAGE

LLMs demonstrieren faszinierende Fähigkeiten im Bereich des Sprachverständnisses, der Sprachgenerierung und der Interaktion. Sie sind in der Lage, komplexe, mehrstufige Probleme unter Einbeziehung verschiedener Informationsquellen und Tools zu lösen. Es wird angenommen, dass LLMs als Kontrolleinheit eingesetzt werden können, um KI-Modelle zu steuern (u.a. Shen et al. 2023). In einem Paper entwickeln Forscher (Park 2023 et al.) eine virtuelle Welt, in der Sprachmodelle als generative Agenten auftreten, die mit verschiedenen Charakteren ihren eigenen Motiven folgen und Entscheidungen treffen. Ziel ist es zu erforschen, ob LLMs als autonome Agenten eingesetzt werden können, die Anweisungen in natürlicher Sprache entgegennehmen und selbstständig Aufgaben in der Umgebung, ggfs. unter Einbeziehung weiterer Modelle, ausführen.

LÖSUNGSANSATZ

• Als Ausganspunkt wird das Open Source Projekt “AI Town“ von a16z-infra verwendet. Dieses stellt ein Toolkit dar, mit dem eine virtuelle Umgebung erschaffen werden kann, in der sich mit Hilfe eines LLMs generative Agenten erschaffen lassen denen Charaktereigenschaften und Ziele zugewiesen werden können. Das Projekt erlaubt vielfältige Anpassungen der Simulation, u.a. lässt sich die virtuelle Umgebung ändern (z.B. in eine Produktionsumgebung), weitere KI-Modelle wie ein anderes LLM lässt sich integrieren sowie verschiedene Sprachen ergänzen.
• Alle Interaktionen und Konversationen der generativen Agenten können in Echtzeit getrackt werden. Darüber hinaus werden sie in einer zugehörigen Datenbank abgelegt.

POTENZIAL & ANWENDUNGSBEREICHE

• Erkenntnisse erlangen über die Einsatzfähigkeit von LLMs als autonome Agenten
• Simulation zwischenmenschlicher Kommunikation, bspw. Einsatz in der Ideengenerierung, Problembetrachtung, Lösungsfindung
• Prototyping