Im Profisport hat KI bereits einen festen Platz: Bei Weltmeisterschaften und in Profiligen ganz verschiedener Disziplinen ermittelt Simi Shape Bewegungen der Sportlerinnen und Sportler hochgenau – und zwar allein durch Videobilder. Sensoren sind dafür nicht mehr nötig. Die Anwendung ermöglicht nicht nur Motion Capture im Profisport. Augmented Reality/Virtual Reality, autonome Fahrzeuge oder Medizin sind weitere Anwendungsfelder. Ansätze aus dem Deep Learning (z.B. Convolutional Pose Machines) werden dabei für markerlose Trackingverfahren genutzt. Motion Capture ist ein etabliertes Verfahren, das bislang vor allem in Laboren und in der Wissenschaft zum Einsatz kommt. Bestehende Systeme nutzen Infrarotkameras und reflektierende Marker an Personen. Andere benötigen IMU Sensoren, die an eine Person angebracht und kalibriert werden. In realen Umgebungen ließen sich diese Systeme bislang nicht nutzen. Die von Simi Reality Motion Systems und der Leibniz Universität Hannover/tnt entwickelte Anwendung Simi Shape ist seit 2016 am Markt.
Geschäftsmodell
Beim KI-basierten Produkt-Geschäftsmodell Markerless Motion Capture nutzen B2B-Kundinnen und -Kunden das KI-Produkt Simi Shape, um ihre Prozesse zu verbessern. Zunehmend wichtig werden aber auch Cloud-Service-Verträge und Entwicklungsaufträge.
Wertversprechen für Kundinnen und Kunden
Die direkte Interaktion von Technologie und Maschinen mit dem Menschen wird immer bedeutender. Damit sie gelingt, müssen Computer die menschlichen Bewegungen exakt erfassen und verstehen. SIMI bringt dem Computer bei, die 3-D-Bewegung von Menschen auf Basis von Kamerabildern zu verstehen – analog dazu, wie das menschliches Gehirn dies mit Hilfe unserer Augen schafft. In Sport und Medizin dienen die gewonnen Daten dazu, die körperliche Leistungsfähigkeit zu verbessern oder Verletzungen vorzubeugen. Bei Sportevents soll augmented Reality den Unterhaltungswert steigern. In autonomen Fahrzeugen dient die Technik einer erhöhten Sicherheit im Innenraum.
Wertschöpfungsarchitektur
Im Normalfall stellt der Anbieter den Kundinnen und Kunden Kameras bereit, die auf Software und Algorithmen abgestimmt sind. Ziel ist es, mit zunehmender Flexibilisierung beliebige Kameras verwenden zu können und das Produkt so in die breitere Anwendung zu bringen.
Wertschöpfungsnetzwerk
SIMI benötigt vor allem gute Kooperationen in der Forschung, um algorithmisch auf dem besten Stand zu sein. Die Leibniz Universität Hannover spielt dabei eine zentrale Rolle. Zulieferer sind Hersteller von Kameras und Computerteilen. Aufgrund des großen Angebots ist das Unternehmen nicht auf bestimmte Zulieferer angewiesen.
Wertschöpfungsfinanzen
SIMI verkauft Komplettsysteme, inklusive Kameras, PC, Software und Zubehör. Ein stark wachsendes Geschäftsmodell sind Cloud-Service-Verträge: Die Daten werden dann online verarbeitet. Zunehmend übernimmt das Unternehmen Entwicklungsaufträge für verschiedene Industrieprodukte um 3-D-Posedaten in Produkte und Services zu integrieren.
Typ
KMU
Unternehmen/Institution
Simi Reality Motion Systems GmbH
Ort
85716 Unterschleißheim
KI-Technologie
Bilderkennung und -verstehen
Technische Innovation
Patienten, die nach einer komplizierten Operation oder durch einen Unfall polytraumatisiert auf einer Intensivstation behandelt werden, entwickeln eine stressbedingte temporäre Immunität gegen das körpereigene Hormon Insulin. Diese Insulinresistenz hat einen negativen Einfluss auf die Mortalität und Morbidität des Patienten. Space GlucoseControl (SGC) ist weltweit das einzige computergestützte Entscheidungs-Unterstützungs-System für die intensive Insulintherapie. Es ist in ein Infusionssystem integriert und errechnet die optimale Insulinförderrate für das nächste Therapieintervall. In die Berechnungen ein fließen der bisherige Therapieverlauf, der aktuelle Blutglukosewert, die Kohlenhydratzufuhr (Ernährung) und Insulinresistenz der Patientin oder des Patienten. Dabei passt sich das System stetig an die individuellen Reaktionen des Patienten an. Verändert eine Patientin oder ein Patient während der Insulingabe die Ernährung, berechnet das System automatisch die Insulinrate neu. Wenn die nächste Glukosemessung ansteht, löst das System einen Erinnerungsalarm aus. Wenn der Glukosewerte mittels eines Blutgasanalysators oder durch das Labor gemessen wurde, wird dieser als Parameter für die Neuberechnung am SGC-System eingegeben. Der Algorithmus berechnet einen neuen Insulin-Ratenvorschlag sowie den nächsten erforderlichen Messzeitpunkt.
Geschäftsmodell
Der Einsatz von Space GlucoseControl ist für B. Braun ein KI-basiertes Produkt-Geschäftsmodell. Krankenhäuser nutzen es, um ihre Prozesse zu verbessern. Mithilfe von KI konnte ein etabliertes Medizintechnikunternehmen ein neuartiges Produkt auf dem Markt etablieren.
Wertversprechen für Kundinnen und Kunden
Das System unterstützt Anwenderinnen und Anwender, eine Insulin-Pumpe (Insulin-Perfusor) zu steuern. Die Anwendung erhöht die Überlebensrate (5-Jahres-Betrachtung), indem sie den Blut-Glukose-Spiegel und dessen Variabilität reduziert.
Wertschöpfungsarchitektur
as intelligente Glukosemanagement-System ist bereits in europäischen und asiatischen Märkten im Einsatz.
Wertschöpfungsnetzwerk
Die Anwendung wurde maßgeblich im Rahmen des EU-Forschungsprogramms CliniCip (closed loop insulin infusion for the critically ill patients“ CORDIS 2014) entwickelt. Beteiligt waren 13 Partner aus sieben europäischen Ländern: Institute of Spectroscopy Dortmund, University of Cambridge, Royal Brompton Hospital London, Katholieke Universiteit Leuven, Senslab GmbH, Charles University Prague, Gambro Dialysatoren GmbH, Roche Diagnostics, Medical University Graz, Technical University Graz, Joanneum Research GmbH, Institute of Appplied Physica Florence, B. Braun Melsungen AG
Wertschöpfungsfinanzen
Direktvertrieb: B. Braun vertreibt das System weltweit über die etablieren Vertriebskanäle. Um das Produkt sachgerecht anwenden zu können, ist die Teilnahme an Anwenderschulungen und einer circa einwöchigen Anwenderbetreuung erforderlich.
Typ
Großunternehmen
Unternehmen/Institution
B. Braun Melsungen AG
Ort
34212 Melsungen
KI-Technologie
Sensorik & Kommunikation
Technische Innovation
GfK EMO Scan ist ein biometrisches Messinstrument. Mithilfe einer Webcam erfasst es, wie Studienteilnehmerinnen und -teilnehmer auf einzelne Szenen einer Werbung reagieren. Die automatische Analyse ermöglicht es, das emotionale Erlebnis der Probandinnen und Probanden detailliert zu verstehen. Die Marktforschung gewinnt dadurch neuartige Informationen zur Art und Intensität der Emotionen. Daraus kann sie Erkenntnisse zur Gestaltung von Werbung gewinnen, die wiederum den Geschäftserfolg steigern.
Geschäftsmodell
Das KI-basierte Geschäftsmodell besteht für das Fraunhofer-Institut für Integrierte Schaltungen IIS darin, basierend auf einem F&E-Auftrag eine Software zu entwickeln. Die GfK stellt mit Hilfe dieser KI-Innovation ein neues Angebot für ihre Kundinnen und Kunden bereit.
Wertversprechen für Kundinnen und Kunden
Das Fraunhofer IIS stellt der GfK eine Software bereit, die bildbasiert Emotionen erkennt. Die GfK bietet ihren Kundinnen und Kunden eine objektive Analysemethode, mit der sie Reaktionen der Zielkunden automatisiert erfassen und beurteilen können. Insbesondere für Werbefilme eignet sich die Methode. Das Marktforschungsinstitut kann das emotionale Erlebnis einer Vielzahl von Probandinnen und Probanden objektiv analysieren, um den Werbeerfolg zu steigern. Das System kommt im operativen Geschäft zum Einsatz. Die Lösung wird aufgrund des dynamischen Umfelds kontinuierlich weiterentwickelt und gepflegt.
Wertschöpfungsarchitektur
Um die Software an die Anforderungen der Marktforschung anzupassen, sind eine technische Kundenerklärung, Software-Anpassungen sowie technischer Support notwendig. Nachdem die Software-Lösung an die GfK übergeben wurde, war in Einzelfällen ein technischer Support nötig.
Wertschöpfungsnetzwerk
Der GfK-Verein (jetzt NIM) hat GfK EMO Scan gemeinsam mit dem Fraunhofer IIS sowie Emotionspsychologinnen und -psychologen der Universität Genf entwickelt. Im Jahr 2012 gewann die Anwendung den Innovationspreis der Deutschen Marktforschung. Die Software-Lösung kann unabhängig von anderen Anbietern vertrieben werden. Die GfK stellt mit ihr eine serverbasierte Lösung zur Auswertung von Konsumentenreaktionen bereit: Die aufgezeichneten Reaktionen der Studienteilnehmerinnen und -teilnehmer werden auf den Servern der GfK durch die Fraunhofer KI-Software ausgewertet. Unter Zuhilfenahme weiterer Verfahren erstellt die GfK daraus Handlungsempfehlungen für ihre Auftraggeber.
Wertschöpfungsfinanzen
Die Software wurde für die GfK im Rahmen eines F&E-Auftrags kundenspezifisch entwickelt; ein Lizenzmodell wurde festgelegt.
Typ
Großunternehmen
Unternehmen/Institution
GfK SE
Ort
Nürnberg
KI-Technologie
Bilderkennung und -verstehen
Technische Innovation
Familienfeiern, Urlaubserlebnisse oder Szenen aus dem Alltag - mit der Smartphone-Kamera können wir Ereignisse schnell und einfach fotografisch festhalten. Doch die Menge an Bildaufnahmen hindert Nutzerinnen und Nutzer oft daran, ihre Erinnerungen zu drucken. Mit einer KI-basierten Lösung hilft CEWE Konsumenten, ihre Bilder effizienter zu organisieren und zu selektieren, damit sie ausgewählte Momente in einem gedruckten Fotoprodukt verewigen können. Hierfür wird CEWE mittels Deep Learning eigene neuronale Netze anlernen.
Geschäftsmodell
CEWE hat sein bestehendes Produkt- und Dienstleistungsgeschäftsmodell mithilfe Künstlicher Intelligenz verbessert.
Wertversprechen für Kundinnen und Kunden
Eine KI-basierte Bildanalyse vereinfacht die Bildorganisation und -auswahl. Mittels einer Gesichtserkennung werden Fotos mit Personen automatisch gruppiert. Die eingesetzte Objekterkennung basiert auf einem extensiven Thesaurus und gruppiert Bilder automatisch, z. B. nach Stichwörtern wie „Strand“ oder „Berge“. Eine Ortserkennung rundet die Bildorganisation durch das geographische Clustering ab. Auf diese Weise können Nutzerinnen und Nutzer Bilder von gewünschten Personen, im favorisierten Setting am richtigen Ort und zur gewünschten Zeit suchen und filtern. CEWE entwickelt technische Lösungen mit dem Ziel, aus den Bildern Fotoprodukte zu erstellen, also z.B. Fotobücher. Dies erfordert aber nicht nur die ästhetische Bewertung der Bilder selbst, sondern auch die kreative Gestaltung des Vorschlags insgesamt. Zum Kundenversprechen von CEWE gehört es auch, dass Nutzerinnen und Nutzer stets die Möglichkeit haben, KI-Funktionen an- bzw. abzuwählen. Dieses Selbstverständnis hat CEWE in seiner Kunden Charta festgeschrieben (CEWE 2019).
Wertschöpfungsarchitektur
Klassische Algorithmen und Heuristiken sind für den gewünschten Zweck nicht mehr ausreichend. Methoden der Künstlichen Intelligenz sowie relevante anonymisierte Daten sind dafür notwendig. Für die Entwicklung smarter Lösungen hat das Unternehmen den Mobile Artificial Intelligence Campus (MAIC) gegründet. Auf dem Weg zur marktreifen Lösung entwickelt das MAIC Prototypen und Teillösungen, die u.a. in bestehende CEWE-Softwarelösungen einfließen. Die Gesichts-, Objekt- und Orterkennung werden bereits in einer Anwendung verwendet, die zur Speicherung und Organisation der Fotos dient.
Wertschöpfungsnetzwerk
Das MAIC ist das Bindeglied zu Kooperationspartnern von CEWE. In der Entwicklung arbeitet das Unternehmen eng mit dem OFFIS (Universität Oldenburg) sowie der Universität in Pozen zusammen. Beide Partner haben Einblicke in die aktuelle Forschung zu neuronalen Netzen und speziellen Deep Learning-Verfahren, die für mobile Anwendungen relevant sind. Neben der Verwendung vielfältiger eigens entwickelter Lösungen kooperiert CEWE punktuell mit externen Spezialanbietern, etwa mit HP Inc. im Bereich der Gesichtserkennung.
Wertschöpfungsfinanzen
Die KI-Lösungen erlauben es, bestehende Dienste zu verbessern und neue Produkte zu entwickeln. Diese können die Nutzerfahrung steigern. Die smarten Lösungen ermöglichen auch die Erschließung neuer Zielgruppen und Differenzierungsmerkmale
Typ
Großunternehmen
Unternehmen/Institution
CEWE
Ort
26133 Oldenburg
KI-Technologie
Bilderkennung und -verstehen
Technische Innovation
Unterwasserinspektion von Offshore-Industrieanlagen sind finanziell aufwendig und bedeuten für Fachkräfte einen hohen körperlichen Einsatz. Unternehmen müssen mit einem Vorlauf von ein bis zwei Jahren ein Schiff chartern; 50 bis 60 Personen sind dann im Einsatz. Das Projekt FlatFish hat ein autonomes Unterwasserfahrzeug (AUV) zur regelmäßigen Inspektion von Unterwasserstrukturen entwickelt. Das AUV ist für einen längeren Verbleib am Meeresboden konzipiert. Über eine Docking-Station führt es Daten Up- und Downloads durch und bezieht Strom. Das Projekt FlatFish war ein Verbundvorhaben der DFKI GmbH und der Ausgründung GTR GmbH mit dem Brazilian Institute of Robotics (BIR) und Shell. Das Projekt endete mit einem Demonstrator; sein „Reifegrad“ macht das System für die Kommerzialisierung attraktiv
Geschäftsmodell
Das Projekt befindet sich in der Prä-Kommerzialisierungsphase. Verschiedene Kommerzialisierungswege wie Miet- und Servicemodelle sind denkbar, siehe die Informationen unter Wertschöpfungsfinanzen.
Wertversprechen für Kundinnen und Kunden
Offshore-Anlagen gewinnen für verschiedene Industriezweige (z.B. Öl- und Gas und Windenergie, oder auch Aquafarming) an Bedeutung. Diese Anlagen müssen inspiziert und gewartet werden – derzeit fahren speziell ausgerüstete Schiffe zu den Anlagen. Kabelgebundene, ferngesteuerte Tauchfahrzeuge, sogenannte Remotely Operated Vehicles (ROVs), und spezialisierte Taucherinnen und Taucher führen die Inspektion durch. Inspektion und Wartung sind sehr kostspielig und stark von der Witterung abhängig. Schiffe kosten pro Tag zwischen 15.000 Euro bis zu 300.000 Euro (Wiig und Tvedte 2017; Schjølberg und Bouwer Utne 2015: 183-188; DALEEL o.J.). Darüber hinaus sind nicht immer Schiffe und Mannschaften verfügbar. Mit Flatfish soll eine Lösung geschaffen werden, die deutlich kostengünstiger ist und dafür sorgt, dass Schiffe genau für die kritischen Einsätze verfügbar sind. Das System verbleibt bei der Anlage, fährt definierte Inspektionsmissionen und meldet bei Rückkehr, wenn es Auffälligkeiten gegeben hat. Für eine detailliertere Untersuchung kann im nächsten Schritt Spezialausrüstung eingesetzt werden.
Wertschöpfungsarchitektur
Beim Bau eines Subsea-Resident AUV müssen Fertiger von Schiffshüllen, Sensorhersteller, und Software-Entwickler zusammenarbeiten. Da das System noch nicht industriell gefertigt wird, ist die Architektur der Wertschöpfung noch nicht fest definiert. Für die Ausbringung muss das System konzeptionell an die Offshore-Anlage angebunden sein und die Docking Station mit Strom- und Datenverbindung ausgestattet sein. Beim Betrieb sind Expertinnen und Experten in einer Einsatzzentrale mit dem System verbunden, wenn es in der Docking Station ist. Sie definieren die Missionen und steuern die Datenauswertung. Für letztere muss zudem Spezialpersonal und –software existieren.
Wertschöpfungsnetzwerk
Für die Kommerzialisierung werden verschiedene Komponenten benötigt. Zum einen sind Teilkomponenten wie Sensorik und Batterien in industriellem Maßstab notwendig, die über Partner bezogen werden. Zum anderen wird beim Anlagenbetreiber der Zugang zu Daten und Strom sowie Einsichten in die Anlagen-Architektur benötigt.
Wertschöpfungsfinanzen
Als Industriepartner beabsichtigt Shell, die Ergebnisse (Docking, autonome Inspektion, 3D-Rekonstruktion, opto-akustisches Homing, Unterwasser-Daten- und Energieübertragung) zu kommerzialisieren. Schritte dazu unternimmt das Unternehmen aktuell mit dem italienischen Unternehmen Saipem (OE Offshore Engineer 2019). Für die Wertschöpfung sind verschiedene Modelle denkbar. So kann man die Fahrzeuge betreiben und an Serviceverträgen verdienen oder auch die Fahrzeuge an Anlagenbetreiber verkaufen.
Typ
Start-up
Unternehmen/Institution
Ground Truth Robotics GmbH & Robotics Innovation Center, Deutsches Forschungszentrum für Künstliche Intelligenz GmbH
Ort
28359 Bremen
KI-Technologie
Robotik & autonome Systeme
Technische Innovation
Das Potenzial der Künstlichen Intelligenz für Unternehmensgedächtnisse zeigen – mit diesem Ziel nutzt enviaM das vom DFKI entwickelte wissensbasierte System CoMem/Semantic Desktop. Basis des Piloten ist ein Wissensgraph, der aus unterschiedlichen Quellen aufgebaut wurde, z.B. Excel-Dateien, Team-Laufwerke, Dokument- und Bildsammlungen, Geo-Informationen, Bestandssysteme. Für den Einsatz im Bereich Liegenschaften wurde zudem semi-automatisch ein Vokabular erstellt. Grundlage waren u.a. die nativen Strukturen des Dateisystems, um Konzepte und deren Beziehungen zu lernen. Wissensdienste ermöglichen nun verschiedene Anwendungen: etwa die semantische Analyse von Dokumenten, strukturierte Suchen oder die Bereitstellung von Informationen zu einem spezifischen Kontext. Unterschiedliche Quellen stellen Informationen bereit und sind unmittelbar nutzbar, etwa die Bestandsakte der Liegenschaft, Katasterinformationen aus dem Liegenschaftssystem, Buchwerte aus dem ERP oder Dokumente aus den Netzlaufwerken.
Geschäftsmodell
CoMem/Semantic Desktop ist ein Beispiel für die Frühphase der Kommerzialisierung, in der aus einem Forschungsprojekt ein tragfähiges KI-basiertes Geschäftsmodell entstehen soll.
Wertversprechen für Kundinnen und Kunden
CoMem ist ein evolutionäres Unternehmensgedächtnis, das Datensilos erfasst und analysiert, von Bestandssystemen, Datenbanken bis hin zu Dokumentkollektionen. Es vernetzt und veredelt Inhalte und realisiert damit zusätzlich zu den bestehenden Systemen intelligente Wissensdienste. Eingebettet in die tägliche Arbeit der Nutzerinnen und Nutzer schafft das Produkt übersichtliche Arbeitskontexte, ermöglicht die intelligentere Suche im Kontext oder gibt Empfehlungen zu anstehenden Aufgaben. Dies hebt Datenschätze für KI-Dienste, schafft Transparenz und verbessert Lösungen. Die Informationsorganisation sowie Suchen sind dadurch weniger aufwendig. CoMem bietet ein Ökosystem von Diensten und Schnittstellen zur effizienteren Informationsarbeit im Unternehmen. In der täglichen Arbeit kann der Wissensgraph dazu dienen, eine in MS Outlook selektierten E-Mail zu analysieren.
Wertschöpfungsarchitektur
CoMem ist ein Server-basiertes Ökosystem von Wissensdiensten, die wiederum unterschiedliche Endgeräte der Nutzerinnen und Nutzer einbindet. Damit sind unternehmensinterne Server ausreichend; auch eine Cloud-Lösung ist möglich.
Wertschöpfungsnetzwerk
Abhängig von der IT-Infrastruktur und Verfügbarkeit werden Partner benötigt, unter anderem für die Anbindung von Bestandsystemen sowie für die Entwicklung von Schnittstellen (APIs).
Wertschöpfungsfinanzen
Das DFKI CoMem ist noch kein marktreifes Produkt, sondern ein Forschungsprototyp, mit dem Forschungs- und Industrieprojekte durchgeführt werden. Zurzeit stellt das DFKI die Potentiale des Ansatzes in der Industrie dar und führt Machbarkeitsstudien für unterschiedliche Szenarien und Pilotprojekte durch. Das Ziel: eine kritische Masse zu erzeugen, um eine Kommerzialisierung zu ermöglichen. Wie diese ausgestaltet wird, hängt von den Interessenten ab. Das DFKI kennt verschiedenste Modelle, wie etwa Ausgründungen, Buy-outs oder auch Lizenzvergaben, die jeweils eigene Geschäftsmodelle generieren.
