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. Weitere Informationen zum praktischen Einstieg in Open Soruce finden Sie in unserem Hintergrundpapier auf Seite 46. Diese Seite wird stetig ausgebaut. Weitere Open Source Codes werden im Laufe der Zeit hinzugefügt.
» Code herunterladen und nutzen: Bestehende Software kann direkt eingesetzt werden, oft mit einer begleitenden Anleitung.
» Code anpassen und erweitern: Der offene Quellcode erlaubt individuelle Anpassungen, die lokal getestet oder in den Betrieb integriert werden können.
» Rückmeldungen geben: Über die „Issues“-Funktion können Fehler gemeldet oder Wünsche dokumentiert werden, ohne selbst programmieren zu müssen.
» Verbesserungen teilen: Mit sogenannten „Pull Requests“ lassen sich eigene Änderungen vorschlagen, die von der Projektgemeinschaft geprüft werden.
» Wissen austauschen: Diskussionen, Tutorials und Wikis erleichtern die Einarbeitung und fördern gemeinsames Lernen. Sie müssen nicht bei null anfangen, sondern können vorhandene Bausteine nutzen, anpassen und gemeinsam weiterentwickeln.
Praktische Tipps für den Einstieg:
» Suche starten: Über github.com gezielt nach Projekten mit Schlagwörtern suchen, die zum Unternehmen passen (z. B. „predictive maintenance“ oder „data visualization“).
» README beachten: Auf der Startseite eines Repositories findet sich fast immer eine Anleitung zur Installation und Nutzung.
» Lizenz prüfen: Die Lizenzdatei (z. B. MIT, Apache oder GPL) zeigt, wie die Software eingesetzt werden darf.
» Community beobachten: Hinweise auf die Verlässlichkeit liefert die Aktivität eines Projekts, etwa letzte Aktualisierungen oder die Anzahl der Mitwirkenden.
» Klein anfangen: Für KMU lohnt es sich, mit einem kleinen Pilotprojekt zu starten, bevor Open Source breit eingeführt wird.
Seit über 50 Jahren produziert die Kalzip GmbH sog. Kalzip-Dächer, ein Aluminiumdachsystem, das als äußere Dachschicht dient. Eine der größten Herausforderungen für das Unternehmen ist es, die statischen Berechnungen zu optimieren, um die Ressourceneffizienz zu steigern. Die Komplexität der ...
Mehr lesen über den Artikel: Optimierung der Statikberechnung für Aluminiumdächer durch KI
System 180 plant, produziert und vertreibt das gleichnamige modulare, vollständig zerlegbare Möbelbausystem. Entsprechend der aktuellen Unternehmensstrategie soll ein kreislaufwirtschaftliches Geschäftsmodell etabliert werden. Durch die Entwicklung des Digitalen Produktpasses (DPP) und die Anwendung ...
Mehr lesen über den Artikel: KI-gestützte Objekterkennung zur Rückführung von Produkten in den Kreislauf
Die ULT AG aus Sachsen möchte Materialbedarf und Bestellzeitpunkte präziser planen können, um Überbestände und hohe Lagerkosten zu vermeiden. Eine Lösung soll das KI-Pilotprojekt mit dem Green-AI Hub Mittelstand des BMUKN bieten: Die Steuerung der Materialbeschaffung und Lagerhaltung soll durch den ...
Mehr lesen über den Artikel: KI-basierte Optimierung von Lieferketten
Die Schaltungsdruck Storz GmbH + Co. KG steht vor der Herausforderung, die ressourcenintensive, aber prozessbedingt notwendige Überproduktion von Leiterplatten auf ein Mindestmaß zu reduzieren. Durch den aktuell verfolgten Ansatz zur Steuerung der Mehrproduktion entstehen häufig nicht weiter ...
Mehr lesen über den Artikel: Reduktion der Überproduktion in der Leiterplattenfertigung durch KI
Die MPG Mendener Präzisionsrohr GmbH ist ein Hersteller von wärmetechnischen Produkten aus Menden in Nordrhein-Westfalen. Das KI-Pilotprojekt mit dem Green-AI Hub Mittelstand soll mittels einer KI-Lösung die Produktionsparameter im Produktionsprozess automatisieren und verbessern, indem Ausschuss ...
Mehr lesen über den Artikel: KI-basierte Prozessdatenanalyse in der Präzisionsrohrherstellung
Fieldcode ist eine cloudbasierte Webanwendung zur Verwaltung von Außendiensteinsätzen. Die in Nürnberg ansässige und international tätige Fieldcode GmbH bedient hauptsächlich IT-Outsourcing-Unternehmen sowie Hersteller, welche die Plattform des Unternehmens zur Koordination von Außendiensteinsätzen ...
Mehr lesen über den Artikel: LLM-gestützte Analyse von Tickets im Außendienstmanagement
Der Distributed Carbon Tracker Demonstrator, entwickelt im Rahmen des Green-AI Hub Mittelstand, ermöglicht die präzise Messung des CO2-Fußabdrucks von KI-Modellen des Maschinellen Lernens (ML). Mithilfe dieser Daten können KI-Entwickler*innen fundierte Entscheidungen bei der Entwicklung ...
Mehr lesen über den Artikel: Distributed Carbon Tracker – Demonstrator zur Nachverfolgung des CO2-Fußabdrucks in der KI-Entwicklung
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