Presseinformationen, Fachartikel und Bildmaterial aus dem Fraunhofer IPT

Die Analyse biomedizinischer Bilddaten durch Fachkräfte, zum Beispiel in der Zellmikroskopie ist nicht nur personalintensiv und kostspielig, sondern auch fehleranfällig. Durch maschinelles Lernen, sogenanntes Deep Learning, lassen sich Bilder zwar hardwareunabhängig auswerten, aber die Auswahl und die Konfiguration eines geeigneten Deep-Learning-Modells ist aufwändig. Das Fraunhofer IPT entwickelt jetzt gemeinsam mit Partnern ein Softwaretool, das verschiedene Bilddaten automatisiert vorverarbeitet, sodass biologische Fachkräfte ein geeignetes Modell direkt auswählen und nutzen können.

Auch im Corona-Jahr gibt der internationale Werkzeugbau nicht klein bei und zeigt sich krisenfest: Die Harting Applied Technologies GmbH aus dem westfälischen Espelkamp konnte in diesem Jahr den Wettbewerb »Excellence in Production« für sich entscheiden und trägt damit den Titel »Werkzeugbau des Jahres 2020«.

Werkstoffe für Flugzeuge müssen hochbelastbar und gleichzeitig so leicht wie möglich sein. Im Triebwerkbau, besonders bei der Fertigung sogenannter Fanblades, kommen deshalb seit einigen Jahren immer häufiger Faserverbundkunststoffe (FVK) mit harzbasierter Matrix zum Einsatz, die bei geringem Gewicht sehr stabil sind. Allerdings ist die Herstellung von Bauteilen aus diesen Werkstoffen sehr zeitaufwändig und teuer, da sie mehrere Stunden im Autoklav aushärten müssen. Ein Forschungsteam des Fraunhofer-Instituts für Produktionstechnologie IPT in Aachen möchte die Fertigung von FVK-Fanblades noch weiter automatisieren und damit schneller und kostengünstiger machen.

Die Vernetzung von Produktionsanlagen und IT für den Einsatz von Big-Data-Lösungen fordert von Unternehmen einen hohen Aufwand an Ressourcen und viel technische Expertise. Das Fraunhofer-Institut für Produktionstechnologie IPT aus Aachen und sein Forschungspartner German Edge Cloud entwerfen deshalb jetzt in Aachen eine offene Testumgebung für Forschung und Industrie, mit der sich Konzepte einer digitalisierten Produktion praxisnah erproben und schon bald industriell umsetzen lassen.