Dienstag, September 27, 2022



Die Nominees in der Kategorie „Machine Learning und künstliche Intelligenz“ der Ausschreibung des IT-Wirtschaftspreises „eAward 2022". Die Gewinner*innen werden am 10. Oktober 2022 bekannt gegeben.



Alpine Metal Tech GmbH
Projekt: AMTident

Mit AMTident wurde eine Lösung entwickelt, die Markierungen für eine komplexe Produktpalette unter besonders herausfordernden Umgebungsbedingungen mit verschiedensten Technologien wie konventionelle Fotografie, Infrarotaufnahmen und 3D-Laserscan aufzeichnet und auf Basis von Machine Learning und Deep Learning automatisiert auswertet. Damit wird die Lesbarkeit der Markierungen nach dem Markierprozess verifiziert. Zudem kann AMTident überall im Materialtracking eingesetzt werden, um den geplanten Materialfluss sicherzustellen. Eine manuelle Kontrolle durch die Bediener*innen wird damit überflüssig und es werden hohe Folgekosten durch nicht identifizierbare oder falsch markierte Fabrikate vermieden. AMTident wird bereits erfolgreich zum Erkennen von Präge-, Farb-, Laser- und Flämmspritzmarkierungen im Stahl- und Automotivebereich eingesetzt.

www.alpinemetaltech.com




Bild: Das fachkundige Objentis-Team prüft und testet die Nutzerfreundlichkeit von Anwendungen auf unterschiedlichsten Endgeräten.

OBJENTIS Software Integration GmbH
Projekt: DRVLESS – Driverless Test Automation

Drvless (Driverless Test Automation) ermöglicht das automatisierte Testen von GUI-Anwendungen. Die Lösung ist technologisch vollständig unabhängig von der im Prüfling verwendeten Technologie. Es erfolgt keine Verschränkung zwischen Testautomation und der zu testenden Software. Die Analyse und die korrekte Ansteuerung des Prüflings erfolgt über Module, die auf künstlicher Intelligenz (Deep Learning) basieren. Die Kommunikation mit dem Prüfling bildet die Mensch-Maschine-Interaktion nach. Das System „sieht“ den Prüfling, wie es ein Mensch tun würde. Das Bild wird KI-Modulen analysiert und interpretiert. Analog zu menschlicher Bedienung erfolgt die Interaktion mit dem Prüfling genau in jener Form, wie ein Mensch die Anwendung benutzen würde. In Form von natürlicher Sprache wie zum Beispiel Deutsch werden Aufgaben dem System mitgeteilt – unabhängig von der Anwendung, dem Betriebssystem oder der Plattform. Damit sind technischen Vorkenntnisse der Betreuer*innen nicht mehr nötig.

drvless.com und Video Kundenstatement (Link) 


Bundesministerium für Justiz, Bundesrechenzentrum GmbH
Projekt: Einsatz von künstlicher Intelligenz bei der Anonymisierung von Gerichtsentscheidungen

Entscheidungen der ordentlichen Gerichte haben wesentliche Bedeutung für alle Rechtssuchenden in Österreich. Bisher werden fast ausschließlich anonymisierte Entscheidungen des Obersten Gerichtshofs im Rechtsinformationssystem des Bundes veröffentlicht. Vor einer Publikation müssen alle personenbezogenen Daten sowie Informationen, die einen Rückschluss auf die Sache oder Person ermöglichen, entfernt werden. Die Anonymisierung war bisher ein manueller Prozess, der viel Zeit in Anspruch nimmt. Für eine breitflächige manuelle Anonymisierung von Entscheidungen mangelt es an entsprechenden Personalkapazitäten an den Gerichten. Um hier Abhilfe zu schaffen, wurde vom BMJ gemeinsam mit dem BRZ ein Projekt zum Einsatz von künstlicher Intelligenz für die Zwecke der Anonymisierung von Gerichtsentscheidungen aufgesetzt. Damit konnten die bisher notwendigen manuellen Aufwände bedeutend reduziert und die technischen Voraussetzungen für eine gesteigerte Publikation von Entscheidungen geschaffen werden.

www.bmj.gv.at


Software Competence Center Hagenberg GmbH, KUK Kinderwunsch Zentrum am Kepler Universitätsklinikum
Projekt: Künstliche Intelligenz hilft bei Kinderwunsch (Machine Learning for Blastocyst-Analysis)

Das KUK Kinderwunsch Zentrum des Kepler Universitätsklinikums und das Software Competence Center Hagenberg (SCCH) arbeiten daran, die Qualitätsbewertung der Blastozyste, des Embryos im Frühstadium, mit Hilfe künstlicher Intelligenz zu verbessern. Denn eine In-Vitro-Fertilisation ist mit hohem Aufwand und Kosten sowie körperlichen und psychischen Belastungen für die Patientinnen verbunden. Bei einer IVF-Behandlung werden Eizellen in einer Laborumgebung befruchtet. Die Embryonen werden spätestens im Blastozysten-Stadium (Tag fünf der Entwicklung) in die Gebärmutter eingepflanzt. Ziel eines im Rahmen eines vom Land Oberösterreich geförderten Forschungsprojekts war, die Qualitätsbewertung der Blastozysten so zu verbessern, dass dabei die Wahrscheinlichkeit schwanger zu werden deutlich steigt. Verschiedene neuronale Netze bestimmen unter anderem die Qualität einer Blastozyste, die beste vorhandene Blastozyste, die Anzahl der einzusetzenden Blastozysten oder die Wahrscheinlichkeit einer Schwangerschaft.

www.lebenswunsch.at und ORF-Beitrag vom 10.11.2021 (Link)


MOSTLY AI Solutions MP GmbH
Projekt: MOSTLY AI Free-Forever Synthetic Data Platform

Der MOSTLY AI Synthetic Data Generator steht Nutzern aus Wirtschaft und Wissenschaft unentgeltlich zur Verfügung. Mit seiner Hilfe können sie dank des KI-basierten Algorithmus synthetische Versionen ihr Daten herstellen, die realistisch, hoch akkurat und dennoch vollkommen anonym sind. Die synthetischen Daten sind genauso nützlich wie die Originaldaten, enthalten aber keinerlei personenbezogene Daten und entfallen damit dem Anwendungsbereich der Datenschutzgrundverordnung (DSGVO). KI-generierte synthetische Daten können innerhalb und außerhalb von Organisationen geteilt werden, zum Training von KI- und Machine-Learning-Modellen oder auch für das Softwaretesting eingesetzt werden.

mostly.ai/synthetic-data-platform/generate-synthetic-data  und Video (Link)


Raiffeisen Analytik GmbH
Projekt: Rai-KI – Eine künstliche Intelligenz zur automatischen Bearbeitung von Kundenanfragen

Kundenanliegen schnell und gezielt zu bearbeiten ist ein wesentlicher Erfolgsfaktor für Kundenzufriedenheit und Kundenbindung. Wenn dies dann auch noch automatisiert durch ein intelligentes selbstlernendes System erfolgt, ist das zusätzlich ein großes Kosteneinsparungspotenzial. Der Schlüssel dazu ist ein komplexer Deep Learning Ansatz, um Sprache zu verstehen (NLP). Dieser Ansatz umfasst Methoden wie Topic Modelling, Sentence Embeddings und Syntax Trees – und hat alle Voraussetzungen der FFG für eine Forschungsförderungsprämie erfüllt. Dabei ist die entwickelte KI dem Prototypen-Status längst entwachsen und in Produktion: Rai-KI übernimmt automatisiert Kundenanfragen in Form von Texten, bearbeitet diese und weist sie ohne manuellen Aufwand einem Endprozess zu. Besondere Herausforderungen waren einerseits das richtige Erkennen der Kundenanliegen und anderseits die Erklärbarkeit („Explainable AI“) und die Integration von Bankfachwissen für eine treffsichere Weiterverarbeitung.

www.raiffeisen-analytik.at


Bild: Optimierung von Bauwerksprüfungen mit maschineller Unterstützung - Mitglieder des erfolgreichen STRUCINSPECT-Teams.

PALFINGER Structural Inspection GmbH
Projekt: STRUCINSPECT - Durchbruch in der KI zur Schadensdetektion an Betonbauwerken

Mit STRUCINSPECT sollen digitale Bauwerksprüfungen erleichtert und verbessert werden. In dem vom Austrian Wirtschaftsservice geförderten Projekt wurde eine nächste Stufe der Auswertung eingeläutet. Dabei geht es um die Unterstützung bei der Durchsicht und Prüfung der vorhandenen Schäden. Besonderes Augenmerk wurde auf einen vertrauenswürdigen Umgang von KI gemäß Richtlinien der EU gelegt. Mit Hilfe der während des Projekts entwickelten Funktionen können nun ähnliche Schäden gruppiert und Duplikate erkannt werden. Dadurch ist es möglich, die Bewertung von ähnlichen Schäden in kurzer Zeit durchzuführen, beziehungsweise rasch einen umfassenden Überblick über kritische Schäden zu erhalten. In der Praxis stellt das für Prüfingenieur*innen einen Durchbruch in Sachen Effizienz und Objektivität dar, der in einem Pilotprojekt in den USA bereits unter Beweis gestellt wurde.

www.strucinspect.com und Video (Link)


Bild: Das BRZ-Projektteam für vertrauensvollen Einsatz von KI: Wolfgang Kabelka, Katharina Birner, Michael Kainz, Katharina Eibensteiner und Dominik Steineder.

Bundesrechenzentrum GmbH
Projekt: Vertrauenswürdige KI

Vertrauenswürdige KI ist im BRZ seit Anfang 2019 Thema. Ziel war mehr Transparenz: Jede österreichische Bürgerin und jeder Bürger soll künftig wissen, wenn die Verwaltung algorithmische Entscheidungsunterstützung bei Verfahren einsetzt. Im sensiblen Bereich der öffentlichen Verwaltung ist es besonders schwierig, ethische Themen zu behandeln. Um von Beginn an möglichen Widerständen entgegenzuwirken, konzentriert sich der BRZ-Ansatz auf die Risikoeinschätzung algorithmischer Entscheidungsunterstützung. Wichtig ist dabei eine Sensibilisierung aller Beteiligten. Die ersten Anwendungen des BRZ-Frameworks „Vertrauenswürdige KI“ im Rahmen mehrerer „Proof of concepts“ haben gezeigt, dass wesentliche Ziele erreicht wurden.

www.brz.gv.at/blog/20220520-vertrauenswuerdige-ki.html und Unternehmensvideo (Link)


Fotos: iStock, Rommelt Pineda, beigestellt

640x100_Adserver

Log in or Sign up