Neueste Analysemethoden aus dem Bereich maschinelles Lernen und künstlicher Intelligenz, kombiniert mit präzisem Echtzeittracking ermöglichen eine neue Tiefe von Spiel- und Trainingsanalysen.
Automatisierte Analysemethoden im Sport liefern technisch, taktisch oder physiologisch bedeutsame Parameter für einen Mehrwert bei Anwendungen im Breitensport oder die Leistungsdiagnostik und Trainingswissenschaft im Profisport.
Wer passt wie oft mit welchem Fuß zu wem? Automatisierte Aktionserkennung durch die Kombination von maschinellem Lernen mit hierarchischer Eventerkennung erlaubt die automatische Generierung von Spielstatistiken.
Echtzeit-Analyse der Leistung der Spieler und des Spielverlaufs durch Einsatz kostengünstiger Sensoren und maschinellem Lernen zur Erkennung von Geschwindigkeiten, Aktionen und Ereignissen für Trainer und Spieler.
Echtzeitmessung des Beschleunigungsverlaufs und der Geschwindigkeit von Schlägen mittels speziell entwickelter miniaturisierter Sensortechnik in Verbindung mit sensornaher künstlicher Intelligenz
Schnelle Suchmaschine für Sportszenen. Auf Deep Learning basierend ermöglicht unsere Technologie S3Engine eine schnelle Suche von ähnlichen Spielsszenen im Sport, bewertet diese und bietet Lösungsvorschläge.
Das nachrüstbare und intelligente Sensormodul für Handwerkzeuge misst verschiedene Parameter in manuellen Arbeitsprozessen und ermöglicht dadurch Prozessoptimierung.
Als Teil des QACI-Konsortiums (Quantum Algorithms for Application, Cloud & Industry) forschen wir an Machine Learning-basierten Ansätzen und Methoden für die optimale Nutzung von NISQ-Hardware durch optimierte Kompilation.
Im Bayerischen Kompetenzzentrum Quanten Security and Data Science (BayQS) erforschen wir den Einsatz von Quantencomputern zur Verbesserung von maschinellem Lernen.
Im Forschungsprojekt QuaST entwickeln wir Werkzeuge zur verbesserten Ausnutzung von Quantencomputern und bereiten den Weg für verteiltes Quantenrechnen.
Im Projekt QLindA (Quantum Reinforcement Learning für industrielle Anwendungen)entwickeln wir mit Partnern neuartige Algorithmen, um Ansätze des Reinforcement Learnings auf die leistungsstarken Quantencomputer zu übertragen.
Im Projekt KID-QC², einem Leuchtturmprojekt des Munich Quantum Valley, arbeiten wir und die Universität Augsburg eng zusammen, um den Entwurf und die Optimierung von Quantenschaltungen für quantenchemische Berechnungen auf eine neue Stufe zu heben.
Im Forschungsprojekt ROLF untersuchen das Fraunhofer IIS und die DATEV das Potential von künstlicher Intelligenz (KI) in betriebswirtschaftlichen Prozessen.
EDIH Digitale Innovationen für die Industrie in Bayern (DIBI)
Die „European Digital Innovation Hubs (EDIHs) gehören zum „The Digital Europe Programme“ der Europäischen Union. Mit einem flächendeckenden Netz an Innovationszentren in der EU soll die digitale Transformation von Verwaltung und Wirtschaft unterstützt werden. Das Fraunhofer IIS ist Projektpartner beim EDIH DIBI, einem der bislang drei Innovationszentren Bayerns.
Fraunhofer-Institut für Integrierte Schaltungen IIS