Entwicklung eines vollautomatischen Qualitätskontrollsystems für Aufdrucke auf digitalen optischen Medien mit Hilfe eines Ansatzes, der Bildverarbeitung, Fuzzy Logic und maschinelles Lernen kombiniert

Entwicklung eines AI-Modells für die Vorhersage von Papierqualität aus dem komplexen Parameter-Set der Papiermaschine. Dieses Modell erlaubte Optimierungen der Papierqualität, die mit dem bis dahin verfügbaren Expertenwissen der Pa-piermacher nicht möglich gewesen wären.

AI-Modell für die Vorhersage der Qualität von Spritzgussteilen aus den Parametern der Spritzgießmaschine. Dabei lag ein Hauptaugenmerk auf der Identifikation von Einflussfaktoren, die einen besonders hohen Einfluss auf die Qualität haben.

Automatische Erkennung von Anomalien in Audio-Signalen. Dabei wurden Methoden der Signalverarbeitung mit Deep Learning kombiniert, um möglichst hohe Erkennungsraten bei hoher Robustheit zu erzielen.

Vollautomatisches System zur Einstellung von Druckphasen im Siebdruck. Die entwickelte Lösung stellt sich automatisch auf jedes Design ein - ohne eine explizite Referenz wie der Druck auszusehen hat.

Entwicklung eines vollautomatisierten Tradingsystems für einen Hedge Fonds mit Prime Brokerage und Bloomberg Compliance Anbindung sowie eines Prognosemodells für Finanzmarktzeitreihen. Dabei wurde mittels Deep Learning Methoden und genetischen Algorithmen ein Kursvorhersage-Modell entwickelt, welches den Planungsprozess optimieren konnte.

AI-basiertes Tool zur Unterstützung der Bedarfsplanung für Facharztstellen. Dabei wird das Verhalten der Patienten in Abhängigkeit von Demographie, Fahrtzeiten und Pendlerströmen modelliert.