AI4Green
Nachhaltige Lösungen für Energie- und CO2-Einsparungen in der Industrie durch Künstliche Intelligenz
Überblick
-
Beschreibung:
Das Projekt nutzt KI-gestützte Optimierung zur Verbesserung von Produktionsprozessen und Ressourcenverbrauch in der Industrie. Durch Deep Reinforcement Learning sollen nachhaltige Lösungen für Energie- und CO2-Einsparungen entwickelt werden. Es entstehen Softwaretools zur Optimierung in verschiedenen Branchen.
-
Fördergeber:
-
Laufzeit:
01.05.2024 - 30.04.2027
-
Projektleitung:
Prof. (FH) PD Dr. Mario Döller
FH-Rektor -
Projektmitglieder:
-
Julius Tscherch
Wissenschaftlicher Mitarbeiter Coding & Digital Design/Projekt AI4Green -
Benjamin Senfter
Wissenschaftlicher Mitarbeiter | Projekt AI4Green -
Joachim Pfuhl
Wissenschaftlicher Mitarbeiter | Projekt AI4Green -
Mohammadreza Mohebbi, MSc
Hochschullehrer Data Science & Intelligent Analytics
-
Projektziele
Die Ziele der Pilotaktion umfassen die Entwicklung und Optimierung von mobilen Sensorplattformen im Schwarm für die Landwirtschaft, um ressourcenschonende Anwendungen durch automatisierte Koordination und effizientes Management zu fördern. Zudem wird ein Software-Werkzeug für den Einsatz von Reinforcement Learning entwickelt, um die Energieeffizienz in industriellen Anwendungen zu steigern. Durch die Integration von KI in bestehende Infrastruktur sollen Unternehmen in der Praxis Potenziale zur Energieeinsparung nutzen und nachhaltige Lösungen implementieren.
Angestrebte Projektergebnisse
Schwarm-basierte Optimierung von Aufgaben: Nutzung von Schwarmintelligenz zur Optimierung landwirtschaftlicher Aufgaben wie Pflanzenschutz, Bewässerung und Ernteplanung. Es werden Sensoren untersucht und Outdoor-Navigationssysteme optimiert, um die Effizienz und Genauigkeit der Systeme zu steigern.
Kooperation zwischen bodengebundenen und luftgebundenen Fahrzeugen: Entwicklung von Technologien für die nahtlose Zusammenarbeit von Drohnen und Traktoren. Dies umfasst Kommunikation, Koordination, gemeinsame Pfadplanung und Sicherheitsmanagement, um die Effizienz der landwirtschaftlichen Prozesse zu verbessern.
Optimierung von Energiemodellen für mobile Einheiten: Verbesserung der Energieeffizienz von mobilen Geräten durch Optimierung von Bewegungsmustern, Routenplanung und Energieverbrauch in verschiedenen Szenarien. Ziel ist die Maximierung der Ausdauer und Reduzierung des Energieverbrauchs.
