Whitepaper Komplexe Unternehmensdaten mit generativer KI erschließen

Anbieter zum Thema

Fraunhofer-Institut für Intelligente Analyse- und Informationssysteme IAIS

SPN Schwaben Präzision Fritz Hopf GmbH

ISG Industrielle Steuerungstechnik GmbH

invenio AG

Von Matrizen über Zeitreihen bis hin zur Verarbeitung multimodaler Daten in der Robotik: Im neuen Whitepaper "Jenseits von Text und Bild – Generative KI für vielfältige Datenwelten" geben Institute der Fraunhofer-Allianz Big Data und Künstliche Intelligenz einen Überblick über neue Ansätze zur Erschließung komplexer Unternehmensdaten mithilfe von GenAI.

Binnen kürzester Zeit hat sich generative künstliche Intelligenz zu einer Schlüsseltechnologie in der digitalen Welt entwickelt. Von der privaten Nutzung bis hin zum Einsatz in Unternehmen, die Möglichkeiten sind vielfältig – und noch lange nicht ausgeschöpft. Zunächst durch Text- und Bildgenerierung bekannt geworden, entstehen nun immer mehr multimodale oder auf komplexere Unternehmensdaten spezialisierte GenAI-Modelle. Ob Messdatenreihen in der Produktion, Molekülstrukturdaten in Pharmazie und Chemie oder Tabellen im Finanzsektor, mithilfe von Generativer KI können Unternehmen zunehmend auch komplexere Datenformate erschließen. Das neue Whitepaper der Fraunhofer-Allianz Big Data AI zeigt anhand konkreter Use Cases, wie diese Daten zur Optimierung und Automatisierung von Prozessen beitragen können. Die Publikation ist kostenfrei zum Download verfügbar.

Prognosen mit wenig manuellem Aufwand

In fünf Hauptkapiteln inspirieren die Fraunhofer-Experten Unternehmen unterschiedlicher Branchen dazu, die Chancen generativer KI für ihre eigenen, oft sehr speziellen Datenwelten zu erschließen. Neben einem Einblick in die technischen Grundlagen veranschaulicht das Whitepaper den Einsatz von GenAI anhand unterschiedlicher Datenstrukturen, nämlich: tabellarische Daten, Zeitreihendaten, Graphen, digitale Zwillinge und multimodale GenAI-Modelle in der Robotik.

Konstruktionsleiter Forum

Produktentwicklung neu denken

Der Schlüssel für den Erfolg eines Unternehmens liegt in Konstruktion und Entwicklung. Hier entstehen innovative Produkte, die die Wettbewerbsfähigkeit sichern. Doch kennen Sie die Herausforderungen der Produktentwicklung im 21. Jahrhundert?

Das Konstruktionsleiter Forum will Konstruktions- und Entwicklungsleiter für Hürden sensibilisieren, sowie Tools und Methoden aufzeigen, um innovative Ideen strukturiert zu entwickeln und den Produktentstehungsprozess so schlank und effizient wie möglich zu gestalten.

Jetzt informieren

GenAI optimiert Zeitreihen

So befasst sich ein Kapitel mit Zeitreihen: von einfachen Sensormessungen über Bewegungstrajektorien bis hin zu Videodaten und Prozessabläufen. Das Whitepaper beleuchtet, wie kontextbewusste Modellierung und Analyse ein enormes Potenzial bieten. "Ob in der Analyse von Aktienkursen, der Überwachung von Patientenparametern oder Produktionsausfallzeiten, Zeitreihen sind für viele Branchen von essenzieller Bedeutung. Im Gegensatz zu klassischen Analysemethoden leistet generative KI oftmals eine genauere Prognose", erklärt Dr. Sonja Holl-Supra, Geschäftsführerin der Fraunhofer-Allianz Big Data AI. "Mit GenAI eröffnen sich zudem ganz neue Möglichkeiten für Zeitreihen. Bei mangelnder Datenqualität oder Quantität kann GenAI Lücken füllen, synthetische Daten erzeugen oder eine Zeitreihe für verschiedene Szenarien fortsetzen. Das Tolle daran: GenAI bietet einen niedrigschwelligen Zugang – unabhängig vom individuellen Analysewissen."

Multimodale GenAI-Modelle in der Robotik

Ein weiteres Kapitel befasst sich zum Beispiel mit dem Einsatz multimodaler GenAI-Modelle in der Robotik, insbesondere bei der Steuerung von Maschinen und Robotern in dynamischen Umgebungen. Diese Modelle ermöglichen es Robotern, natürliche Sprache mit verschiedenen Datenquellen wie Bildern, Audio und Sensordaten zu verknüpfen, um ihre Umgebung besser zu erfassen und komplexe Aufgaben eigenständig und effizient auszuführen – autonom, ganz ohne aufwendige manuelle Programmierung. Durch ihr kontextbewusstes Verständnis können sie zwischen Objekten unterscheiden und dieses Wissen direkt in ihr Verhalten übertragen. Ein gemeinsamer multimodaler Embedding-Raum sorgt dafür, dass unterschiedliche Datentypen in einer einheitlichen Struktur zusammengeführt, konsistent ausgewertet und in gezielte Aktionen umgesetzt werden.

(ID:50566255)