Den Code, der in den Green-AI Hub Pilotprojekten entsteht, veröffentlichen wir Open-Source auf GitHub. Dort findet sich auch der Code einiger ausgewählter Demonstratoren und KI-Standardanwendungsfälle. Diese Seite wird stetig ausgebaut. Weitere Open Source Codes werden im Laufe der Zeit hinzugefügt.
Der RAG-Sprachmodell-Demonstrator bietet einen potenziellen Lösungsansatz, wie kleine und mittlere Unternehmen (KMU) KI-Sprachmodelle für spezifische Anwendungsfälle einsetzen können. Mit RAG-Sprachmodellen können Unternehmen maßgeschneiderte KI-Lösungen lokal einsetzen, ohne den hohen ...
Mehr lesen über den Artikel: RAG-Sprachmodell – Demonstrator für spezifische Anwendungsfälle in Unternehmen
Der Demonstrator zur visuellen Qualitätskontrolle zeigt, wie Künstliche Intelligenz (KI) und Deep Learning eingesetzt werden können, um fehlerhafte Produkte schnell und zuverlässig zu identifizieren. Entwickelt im Rahmen des Green-AI Hub Mittelstand bietet der Demonstrator einen nachhaltigen Ansatz ...
Mehr lesen über den Artikel: KI-gestützte visuelle Qualitätskontrolle – Demonstrator zur effizienten Fehlererkennung
Der Demonstrator zur visuellen Qualitätskontrolle von Textilien zeigt, wie KI in der Textilindustrie von kleinen und mittleren Unternehmen (KMU) eingesetzt werden kann, ohne größere finanzielle Investments. Eine vergleichbare Technologie in der Produktion erlaubt eine präzise, kostengünstige und ...
Mehr lesen über den Artikel: KI zur automatisierten Fehlererkennung von Textilien
Der Green-AI Hub SNN-Conversion-Demonstrator vergleicht ein herkömmliches Artificial Neural Network (ANN) mit einem Spiking Neural Network (SNN). Der Anwendungsfall der Zustandsüberwachung von Getrieben zeigt: Das Spiking Neural Network (SNN) ist um ein vielfaches energieeffizienter bei ähnlicher ...
Mehr lesen über den Artikel: Spiking Neural Network Conversion – Demonstrator für energieeffiziente Zustandsüberwachung von Getrieben