Das DFKI ist mit Industriethemen wie 6G, Produktionszellen als Digitale Zwillinge, virtuelles Teach-in in der Mensch-Roboter-Kollaboration, Assistenzsysteme für Menschen in der Produktion, Resilienzmanagement für globale Unternehmen und mehr Wertschöpfung durch Datenprodukte dabei. Ein zweiter Schwerpunkt liegt auf KI in der Medizin. Die Forschungsbereiche der DFKI-Außenstelle Lübeck demonstrieren, wie Künstliche Intelligenz bei der Tumorsegmentierung, der Ansteuerung von Prothesen oder der Optimierung bildgebender Verfahren helfen kann. Die Themen Sozialsimulation einer Pandemie, Deep Learning für individualisierte Fixationsimplantate und Datenanalyse für die Vorhersage kritischer Zustände von Intensivpatienten verstärken den Fokus auf Medizin und Gesundheit.
Exponate und Technologien aus dem DFKI finden Sie auf dem Hauptstand des DFKI in Halle 2, Stand C39, dem Saarland-Gemeinschaftsstand, Halle 2, Stand B28 und bei der Technologie-Initiative SmartFactory in Halle 8, Stand D18.
Einen Überblick zu den DFKI-Exponaten finden Sie auf der DFKI-HM-Website:
https://www.dfki.de/web/news-media/news-events/hm2022
Die Exponatsbeschreibungen im Einzelnen
Halle 2, C39, DFKI-Hauptstand
RICAIP – Verteiltes kollaboratives Arbeiten in der Shared Production
Gespeist durch zusätzliche Sensoren wird der Digitale Zwilling einer Produktionszelle zur Eingabeschnittstelle für ein robotisches Teach-in der realen Welt: Als Partner im RICAIP-Research and Innovation Centre on Advanced Industrial Production demonstrieren DFKI und ZeMA einen kollaborativen Roboterarm, der von einer Person aus der Ferne über ein Virtual Reality Headset in Echtzeit intuitiv gesteuert werden kann. Das technologisch komplexe Szenario ermöglicht eine enge Interaktion zwischen weit entfernten Standorten und kann auch für die Fernwartung oder für die Fertigung aus der Distanz eingesetzt werden. RICAIP ist ein verteiltes internationales Exzellenzforschungszentrum mit Forschungsschwerpunkten in den Bereichen Robotik und Künstliche Intelligenz. RICAIP basiert auf einer strategischen Partnerschaft zwischen den Forschungseinrichtungen CIIRC CTU in Prag, CEITEC BUT in Brno, ZeMA und DFKI in Saarbrücken. Zu den Forschungsthemen gehört die standortübergreifende, verteilte und digitalisierte Fertigung in der Industrie 4.0.
https://ricaip.eu
SPAICER – Smarte Resilienz-Services in der produzierenden Industrie
In einer globalisierten und vernetzten Industrie stellen Störungen in der Produktion oder Unterbrechungen in der Lieferkette ein Geschäftsrisiko dar und können zu massiven finanziellen Verlusten führen. Die Fähigkeit eines Unternehmens, interne Störungen (z.B. Werkzeugverschleiß oder Qualitätsschwankungen von Rohmaterialien) und externe Veränderungen (z.B. Lieferengpässe) vorherzusehen und sich proaktiv anzupassen ist die „Suche nach Resilienz“. Verstärkt durch einen erheblichen Komplexitätszuwachs in der Produktion durch Industrie 4.0 wird Resilienz-Management zu einem unabdingbaren Erfolgsfaktor für die industrielle Produktion.
Das SPAICER-Team zeigt Ergebnisse einer KI-basierten Anomalieerkennung in der Fertigungs- bzw. Prozessindustrie sowie zum Thema Digitaler Zwilling. Mittels Smarter Resilienz-Services werden Sensordatenströme sowie Qualitäts- und Bilddaten von Halbzeugen bzw. Fertigteilen analysiert. Darauf basierend können Handlungsempfehlungen für Parameteroptimierung an Produktionsmaschinen abgeleitet sowie die Qualität von Halbzeug bzw. Fertigteilen ermittelt werden. Dies ermöglicht eine Reduktion von Produktionsfehlern sowie Kostenersparnisse durch die Vermeidung von Produktionsstillständen und Produktionsausschuss.
www.spaicer.de
Intelligente Arbeitskleidung – Inertiale Bewegungserfassung im Werk oder auf Montage
Hitachi, DFKI, das DFKI-Spin-off Sci-Track und das Bekleidungsunternehmen Xenoma haben eine intelligente Arbeitskleidung für das Monitoring von körperlichen Aktivitäten und Arbeitsbelastungen entwickelt. Dem Team ist es gelungen, inertiale Bewegungssensoren in eine handelsübliche Arbeitsjacke zu integrieren. Damit können Arbeitsbelastungsmessungen durchgeführt werden, ohne den Träger zu stören. Gemeinsam mit Hitachi demonstriert das DFKI ein System, das die Bewegungen und die Arbeitsbelastung des Trägers erkennt, indem es Fehlinformationen ausgleicht, die durch die zusätzliche Bewegung der Kleidung entstehen. Für die Zukunft planen die Kooperationspartner die Eignung der Technologie für den Einsatz in Fabriken, an Wartungs- und Logistikarbeitsplätzen zu prüfen, und die Sicherheit und Motivation der Arbeiter in einer Vielzahl von Bereichen durch kontinuierliche Aktivitätsüberwachung zu verbessern.
PARTAS – Personalisierbare Augmented-Reality-gestützte Werkerassistenz
PARTAS ist ein Assistenzsystem für Menschen mit kognitiven Störungen, insbesondere in den Bereichen Gedächtnisleistung, Konzentrationsfähigkeit und Mengenverständnis. Solche Grundfertigkeiten werden im Alltag häufig gebraucht und aktuell in Werkstätten für Menschen mit Behinderung (WfbM) durch manuelle Hilfestellungen unterstützt. Diese sollen durch intuitive, personalisierbare Anleitungen auf der Grundlage von konturbasierten Instruktionen ergänzt werden.
Der Aufbau des Systems ist mobil und kann schnell in einen bestehenden Arbeitsplatz integriert werden. Ein Projektor ermöglicht die Darstellung von Instruktionen direkt in der Arbeitsebene. Einzelne Arbeitsschritte werden durch eine Kamera erkannt und von einem KI-basierten Erkennungsalgorithmus quittiert.
Dies ermöglicht die automatisierte Ausführung einer Aufgabe, eine unmittelbare Qualitätskontrolle und gibt Betreuenden mehr Zeit, um sich den individuellen Bedürfnissen der Betreuten zuzuwenden. Wie eine Evaluation zeigte, erreicht PARTAS eine sehr hohe Akzeptanz sowohl unter den Betreuten als auch bei den Betreuenden. Aufgrund der Flexibilität des Systems sind weitere Einsatzgebiete vorstellbar, beispielsweise im Gesundheitswesen oder der fertigenden Industrie.
KI in der Medizin
So vielfältig wie die Anwendungen sind auch die Anforderungen an KI- Systeme in der Medizin. Methoden der Künstlichen Intelligenz (KI) werden eingesetzt, um komplexe Zusammenhänge datengetrieben zu lernen und die Limitationen klassischer mathematischer Modelle zu überwinden. Dabei sind die Robustheit gegenüber Störungen und unvollständigen Daten sowie die Interpretierbarkeit der Algorithmen von essenzieller Bedeutung. Der Forschungsbereich ist Teil der DFKI-Außenstelle in Lübeck, die vom Land Schleswig-Holstein unterstützt wird.
Wie man Signalen ihre Geheimnisse entlockt
Anhand von drei Exponaten zeigt der Forschungsbereich Biomedizinische Signalverarbeitung die Leistungsfähigkeit und Vielseitigkeit von KI-Lösungen:
Handgestenerkennung
Das Beispiel der Handgestenerkennung veranschaulicht die hohe Anpassbarkeit von KI-Verfahren. Man kann die eigene Gestenerkennung trainieren und anschließend Spiele spielen. Dabei wird gezeigt, wie gut KI-Verfahren durch ein kurzes Training auf neue Anforderungen angepasst werden können und wie leistungsfähig sie selbst im Kontext eingebetteter Systeme sind.
Akustische Ereigniserkennung
Die Erkennung von Audioereignissen spielt in vielen Bereichen, von Smart-Home über (Produktions-) Überwachung bis hin zu Hörgeräten, eine wichtige Rolle. Man kann erleben, wie gut eine Vielzahl unterschiedlicher Ereignisse dank ausgeklügelter KI in Echtzeit klassifiziert werden können.
Sleep Staging
KI muss trotz vieler unbekannter Umstände robust funktionieren. Beim Sleep Staging werden EEG-Daten ausgewertet, die während des Schlafes aufgenommen werden. Die Herausforderung besteht unter anderem darin, trotz unterschiedlicher Bedingungen und Messgeräte für alle Patienten und Patientinnen zuverlässige Ergebnisse zu liefern. Anhand unzähliger EEG-Messungen wird demonstriert, wie zuverlässig und robust KI sein kann.
KI in der medizinischen Bildverarbeitung – Deep-Learning-basierte Hirntumorsegmentierung
Wie KI-Methoden Hirntumore in räumlichen 3D-MRT-Bildfolgen zuverlässig und zeiteffizient pixelgenau automatisiert abgrenzen können, zeigt eine Software-Demonstration zur KI-basierten Tumor-Segmentierung. Die Deep-Learning-basierte Bildanalyse ermittelt wesentliche Kenngrößen des Gehirntumors wie dessen Volumen, Position und Intensitätswerte automatisch und liefert die Grundlage für eine quantitative Auswertung und Bewertung der Entwicklung der Wucherung.
Der DFKI-Forschungsbereich „Künstliche Intelligenz in der medizinischen Bildverarbeitung“ entwickelt lernfähige medizinische Bildverarbeitungsmethoden zur Unterstützung der medizinischen Diagnostik und Therapie. In hybriden Bildverarbeitungssystemen werden Methoden der Künstlichen Intelligenz mit medizinischen Bildverarbeitungsverfahren und Visualisierungstechniken zur ärztlichen Unterstützung kombiniert.
Im Fokus stehen maschinelle Lernverfahren und Deep Learning-Netze zur automatischen Analyse und Erkennung von verschiedenen Krankheitsmustern, Läsionen, Biomarkern, Organen, Geweben etc. in medizinischen Bildern und Bildfolgen. Die Forscherinnen und Forscher untersuchen zudem die Möglichkeiten zur bildbasierten Vorhersage des individuellen Krankheitsverlaufs und der personalisierten Risikoabschätzung zur Unterstützung bei Therapieentscheidungen mit Hilfe maschineller Lernverfahren.
Wie aus Pferden Zebras werden – Inter-Modale Bildsynthese mit Hilfe der Cycle-GAN-Architektur
Intelligente Systeme im Gesundheitswesen bauen durch Beobachtung ihrer Umgebung und durch Auswertung von Daten Modelle auf, um Handlungen optimal berechnen zu können. Dabei müssen sie auch mit Unsicherheiten umgehen. Eine wichtige Anwendung unter Unsicherheit ist die Bildregistrierung, bei der Bereiche auf bestimmten Bildern mit Bereichen auf anderen Bildern verknüpft werden. Ein Anwendungsfall ist die Zuordnung von Organen in MRT-Bildern zu den gleichen Organen auf CT-Bildern. Ein Ansatz, die Registrierung zu verbessern, ist es, die Bilder aus einer Domäne mit einer Cycle-GAN Architektur Bildern der anderen Domäne zu synthetisieren.
Das Team aus dem Forschungsbereich Stochastische Relationale KI zeigt diese Synthetisierung am Beispiel der Synthese von Pferden zu Zebras und andersherum. Besucher können live eine Schleich©-Pferdespielfigur oder ein Schleich©-Zebra vor einer Kamera platzieren. Der Livestream auf dem Monitor zeigt das jeweils andere Tier der Aufnahme an.
KI für die Intensivstation – Vorhersage von Risikoindikatoren für die kardiopulmonare Dekompensation
Damit Pflegende sowie Ärztinnen und Ärzte auf Intensivstationen sich mehr auf ihre Patienten konzentrieren können, sollen Techniken der Künstlichen Intelligenz bei der Analyse der vielfältigen Patientendaten unterstützen. Hier setzt das Projekt RIDIMP des Bremer Klinikverbunds Gesundheit Nord und des DFKI-Forschungsbereichs Cyber-Physical Systems an. Um aus den unzähligen Informationen sinnvoll lernen zu können, müssen diese bewertet werden. Die Medizinerinnen und Mediziner der Gesundheit Nord definieren dazu zwei numerische Scores, die sich aus vielen Einzelparametern wie Sauerstoffsättigung, Puls oder Medikamentengaben zusammensetzen und den Zustand des Kreislaufs bzw. der Atmung anhand der Daten auf einer Skala von 0 (unkritisch) bis 9 (höchst kritisch) beurteilen. Diese Werte werden wiederum verwendet, um vorliegende historische Patientendaten zu bewerten und daraus mit Techniken des maschinellen Lernens eine Vorhersage für den Wert der Scores in der Zukunft und damit für die Wahrscheinlichkeit eines Zusammenbruchs (Dekompensation) von Kreislauf oder Atmung zu implementieren.
Auf diese Weise kann aus der Vielzahl der erfassten Daten sehr präzise die Entwicklung der zwei Scores und damit der gesundheitliche Zustand der Patienten in der Zukunft prognostiziert werden. So kann das medizinische Fachpersonal frühzeitig auf drohende Probleme hingewiesen werden.
Auf der Hannover Messe zeigen Mitarbeiter aus dem DFKI-Forschungsbereich Cyber-Physical Systems ihren Prognosealgorithmus auf ausgewählten historischen Patientendaten der Intensivstation. Auf diesen Daten wird live eine Vorhersage berechnet; der Besucher kann dann vergleichen, wie gut diese Vorhersage ist. Das Exponat ist interaktiv – die Besucherinnen und Besucher können sich auf der Zeitachse bewegen, den Zeitverlauf beschleunigen, verlangsamen oder anhalten.
https://ki-sigs.de
Krisenmanagementcockpit und Krisenresilienz – Die Projekte AScore und AKRIMA
Schnelle Krisenbewältigung erfordert die Bewahrung der Stabilität und Handlungsfähigkeit großer Teile des gesellschaftlichen Gesamtsystems. Dies bedingt flexible, zeitnahe und angemessene Reaktionen auf veränderte (Krisen-) Lagen. Die Corona-Pandemie zeigte, ebenso wie jüngste Extremwetterlagen, dass die hierfür entscheidende ständige Anpassung für die Mehrzahl der Akteure eine erhebliche Herausforderung darstellt. Mithilfe von KI können diese Informationen so aufbereitet werden, dass die entsprechenden Akteure im Krisenfall eine maßgebliche Unterstützung erhalten. Dies reicht von der einfachen Dokumentation bis hin zu simulationsgestützten Trainingsszenarien und Schulungen. Das Krisenmanagementcockpit AScore bereitet entscheidungsrelevante Informationen durch die Integration von Smart Cities und agentenbasierter Sozialsimulation auf. Das Simulationsmodell ist dadurch in der Lage, Prognosen bezüglich der Ausbreitung von Infektionen bei bestimmten Szenarien zu treffen. Das aktuelle Projekt „AKRIMA“ greift diesen Ansatz auf und zielt auf eine Stärkung der Krisenresilienz von kritischen Infrastrukturen, Logistikketten sowie Behörden und Organisationen mit Sicherheitsaufgaben durch eine simulationsgestützte Verbesserung von Krisenreaktionsmechanismen.
Zweiarmiger Tauchroboter „Cuttlefish“ – Interventions-AUV für die teilautonome Unterwassermanipulation
Von der Wartung maritimer Infrastrukturen über die Bergung von Munitionsaltlasten bis hin zur Beseitigung von Plastikmüll – viele Arbeiten unter Wasser sind nicht nur aufwendig und teuer, sondern bergen auch erhebliche Risiken für die Tauchenden, die sie durchführen. Autonome Unterwasserfahrzeuge (AUVs) können über lange Zeiträume im Wasser verbleiben und dort dank Künstlicher Intelligenz (KI) komplexe Aufgaben bewältigen.
Ein System, mit dem der DFKI-Forschungsbereich Robotics Innovation Center die teilautonome Unterwassermanipulation bereits erfolgreich demonstrieren konnte, ist das im Projekt Mare-IT entwickelte AUV „Cuttlefish“. Dieser frei in der Wassersäule positionierbare Interventionsroboter verfügt über zwei an der Bauchseite angebrachte, tiefseetaugliche Greifsysteme, mit denen er Objekte unter Wasser flexibel manipulieren kann. Dabei ist das innovative Fahrzeug in der Lage, den Schwerpunkt und Auftrieb während eines Tauchgangs zu verändern und beliebige Orientierungen einzunehmen und stabil zu halten. Neben dem vollautonomen Einsatz kann das AUV mittels einer Glasfaser in einem hybriden Modus betrieben werden, der das Eingreifen durch den Menschen erlaubt, etwa bei kritischen Operationen an Unterwasserstrukturen.
Open6GHub – 6G für Mensch, Umwelt und Gesellschaft
Ziel des „Open6GHub” ist es, im europäischen Kontext Beiträge zu einem globalen 6G-Harmonisierungsprozess und -Standard zu liefern, der die Interessen Deutschlands im Sinne gesellschaftlicher Prioritäten (Nachhaltigkeit, Klimaschutz, Datenschutz, Resilienz) berücksichtigt und dabei die Wettbewerbsfähigkeit der Unternehmen, die technologische Souveränität sowie die Position Deutschlands und Europas im internationalen Wettbewerb um 6G stärkt.
Der Open6GHub wird zur Entwicklung einer 6G Gesamtarchitektur, aber auch von End-to-end-Lösungen unter anderem in folgenden Bereichen beitragen: erweiterte Netzwerktopologien mit hochagiler sogenannter organischer Vernetzung, Security- und Resilienz, kabellose und photonische Übertragungsverfahren, Sensorfunktionalitäten in den Netzen und deren intelligente Nutzung und Weiterverarbeitung und anwendungsspezifische Radioprotokolle.
Saarland-Gemeinschaftsstand Halle 2, B28
EVAREST – Wie Künstliche Intelligenz die Lebensmittelproduktion smart macht
Produzenten in der Lebensmittelindustrie können zusätzliche Einnahmen erzielen, indem sie Datenprodukte erzeugen und verwerten. Daten werden zu einem sicheren, eigenständigen Handelsgut, ohne dass Know-how oder Geschäftsgeheimnisse verraten werden.
Der systemische Ansatz für souveränen Datenhandel und -analyse zur KI-basierten Entscheidungsfindung unterstützt eine Datenökonomie: Ein Broker Framework als vertrauenswürdige Dritte Partei ermöglicht das Handeln, Teilen und Verarbeiten von Daten zwischen Wirtschaftsakteuren. Elektronische Verträge garantieren dabei den Besitz und die Kontrolle von Unternehmensdatenbeständen durch die Festsetzung von Nutzungsrechten, KI-Analysemethoden und Verwendungsmöglichkeiten der Daten. Das Broker Framework realisiert einen dezentralen Datenaustausch, sowie die gemeinsame KI-basierte Analyse von Daten verschiedener Unternehmen. Somit entstehen neue Datenprodukte, die Wirtschaftsakteure bei der Entscheidungsfindung unterstützen sollen.
IIP-EXTREM – Individualisierte Implantate für die Behandlung unterer Extremitäten
Forschende der Universität des Saarlandes und des DFKI haben eine personalisierte Therapie für Waden- oder Schienbeinbrüche entwickelt: Mit ihrem Verfahren können sie jedem Patienten das optimale Implantat auf den Knochen maßschneidern, das individuellen Belastungen standhält und die Heilung unterstützt. Hierzu kombinierten sie Methoden der Mechanik und Informatik.
Vom Bild zum 3D-Modell
Routinemäßig durchgeführte Computertomografie (CT) liefert Bilddatensätze, die für die 3D-Rekonstruktion verwendet werden können. Da jeder CT-Scan eine pixelgenaue Identifizierung von Materialien (Kortikalis, Spongiosa, Metall, Weichgewebe) erfordert, führt dies zu einem langwierigen Prozess manueller Klassifizierung durch Fachpersonal. Durch Deep Learning-Technologie kann ein Neuronales Netz die Materialien auf CT-Bildern wesentlich schneller und zuverlässiger segmentieren. Aus diesen Tomogrammen wird ein Modell erstellt, das dann virtuell verarbeitet oder in gängige Formate exportiert werden kann, die von CAD-Software verwendet werden.
Das Resultat sind auf den Patienten zugeschnittene Implantate, die durch selektives Laserschmelzen oder Hochgeschwindigkeitsfräsen hergestellt werden können.
Halle 5, F54, FabOS-Stand
FabOS – Redeployment von Echtzeitanwendungen FabOS – offenes, verteiltes, echtzeitfähiges und sicheres Betriebssystem für die Produktion
Service Redeployment ist eine Voraussetzung für verschiedene Anwendungsfälle, die für die Realisierung von Industrie 4.0 erfüllt werden müssen. Darüber hinaus müssen viele verschiedene Arten von Diensten Mobilität bereitstellen und benötigen daher ein Redeployment oder eine Rekonfiguration in Echtzeit. Dies können unter anderem Algorithmen von mobilen Geräten wie unbemannten Fahrzeugen oder Robotern, Sicherheitsdienste, Kommunikationsdienste oder klassische Steuerungsaufgaben sein. Gerade Letztere stellen sehr hohe Anforderungen an Determinismus und Latenz. Hier ist es von größter Bedeutung, dass die Ausfallzeit des Dienstes so gering wie möglich ist. Da bestehende Live-Migrationsansätze versuchen, mehrere Metriken zu optimieren, wie Ausfallzeit, Migrationszeit und Energieverbrauch, die im IT-Bereich gleichermaßen relevant sind, ist es nicht möglich, einen bestehenden Ansatz für industrielle Anwendungen zu nutzen.
FabOS ist ein neuartiges Konzept, das auf den bestehenden Migrationsansätzen und Virtualisierungstechnologien aufbaut und in erster Linie darauf abzielt, die Ausfallzeiten von Diensten zu minimieren.
Auf der Hannover Messe demonstriert das Projektteam das Redeployment-Konzept an einem realistischen und zeitkritischen Anwendungsfall sowie industrieller Hardware.
Halle 8, D18, SmartFactory-KL-Gemeinschaftsstand
Industrial AI in der Shared Production Kaiserslautern
Die SmartFactory-KL erarbeitet mit vier vernetzten Produktionsinseln die Zukunft der Fertigung. Die größte – Produktionsinsel _KUBA – wird auf der diesjährigen Hannover Messe erstmals der Weltöffentlichkeit präsentiert. Besucher können einen Modell-LKW konfigurieren, dessen Fertigung umgehend vor Ort beginnt. Auf einem pfeilschnellen Transportsystem bewegen sich die Teile des LKW (Fahrerkabine, Auflieger, Räder etc.) und werden im Zusammenwirken von autonomen Maschinenmodulen und Handarbeitsplätzen montiert. Die SmartFactory-KL zeigt so, dass Künstliche Intelligenz, Mensch und Maschine das Dreamteam der Zukunft sind, dass eine Hightechproduktion den Menschen nicht aus der Fabrik verdrängt. Er ist und bleibt der Souverän, denn im Gegensatz zu Robotern ist er in der Lage Fehler zu erkennen, Systeme zu optimieren und neue Ideen zu generieren. Die spezielle Systemarchitektur der Shared Production ermöglicht Resilienz und Nachhaltigkeit, die zukünftig über Datenplattformen wie Gaia-X organisiert werden können. Bei der SmartFactory-KL steht die herstellerübergreifende Modularität im Mittelpunkt, seit 2014 bringt sie Industrie 4.0 in die Anwendung.
www.smartfactory.de
Diskussionen & Vorträge:
30.05.2022, 15:00 - 16:05 Uhr, Tech Transfer Conference Stage, Halle 2, A60
„Die Zukunft von Industrie 4.0“
15:00 - 15:15: Impulsvortrag von Prof. Dr. Peter Liggesmeyer, Fraunhofer IESE/Plattform Industrie 4.0
15:15 - 16:05 Uhr Podiumsdiskussion mit
- Prof. Henning Kagermann, acatech
- Prof. Wolf-Dieter Lukas, BMBF, Staatssekretär a.D.
- Prof. Wolfgang Wahlster, DFKI
Moderation: Dr. Tabea Golgath, LINK – KI und Kultur, Stiftung Niedersachsen
31.05.2022 15:00 - 16:00 Uhr, Tech Transfer Conference Stage, Halle 2, A60
„Nachhaltigkeit von, mit und durch KI aus Niedersachsen“
- Dr. Sebastian Pütz, Planbasierte Robotersteuerung, DFKI, Osnabrück
- Prof. Dr.-Ing. Daniel Sonntag, Interaktives Maschinelles Lernen, DFKI, Oldenburg
- Prof. Dr. Oliver Thomas, Smart Enterprise Engineering, DFKI, Osnabrück
- Prof. Dr. Oliver Zielinski, Marine Perception, DFKI, Oldenburg
Moderation: Reinhard Karger, DFKI Unternehmenssprecher; Simone Wiegand, DFKI Unternehmenskommunikation Niedersachsen