Data Science

Wie funktionieren LLMs? Ein Blick ins Innere großer Sprachmodelle

In diesem Blogbeitrag erklären KI-Expertinnen und Experten, welche Komponenten zu LLMs (Large Language Models, deutsch: große Sprachmodelle) gehören. Die Funktionsweise eines LLMs: 4 Schritte bis zum Ergebnis Große Sprachmodelle, wie wir sie heute kennen, sind nur die Spitze des Eisbergs….

Retrieval Augmented Generation (RAG): Chatten mit den eigenen Daten

Retrieval Augmented Generation (RAG) ergänzt das Generieren eines Large Language Models (LLM, auf Deutsch: großes Sprachmodell) durch eine gute Suche, z.B. in einer Dokumentensammlung, in einer Datenbank oder in einem Knowledge Graph. Hierdurch lässt sich die Verlässlichkeit (Dependable AI) des…

Die Zukunft des Sprachassistenten: Datenhoheit durch Spracherkennung mit eigenem LLM Voice Bot

In einer Welt, in der Technologie immer weiter voranschreitet, sind sprachgesteuerte Assistenten zu einem nicht mehr wegzudenkenden Teil unseres Alltags geworden. Von IBM Watson und Aleph Alpha Luminous über Apple Siri und Amazon Alexa bis hin zu Google Assistant und…

DIN SPEC 92005 – Unsicherheit im Maschinellen Lernen standardisieren?

Die DIN SPEC 92005 ist seit Januar 2024 öffentlich verfügbar. Sie beschäftigt sich mit der Quantifizierung von Unsicherheiten im Maschinellen Lernen (ML) und entstand unter Mitwirkung des Fraunhofer IESE, das auch den stellvertretenden Obmann stellte. This article is also available…

Integrated Process Planning and Scheduling for Service-based Production with Deep Reinforcement Learning (Part 1)

Current industrial production scheduling approaches assume that process planning is performed before scheduling and that process plans are fully or at least partially available before scheduling starts. However, this is not the case in service-based production [5]. Service-based production provides…

Data Quality in Agriculture

Growing the Future: Overcoming Data Quality Problems in Agriculture

Farmers around the world, including in the EU, face many challenges. Their daily work and businesses need to be rethought in order to reduce the negative impact on the environment and achieve a sustainable economy in the long term. For…

Predictive Maintenance umsetzen: Wie geht das?

Wäre es nicht wunderbar, Sie könnten in die Zukunft schauen und zum Beispiel die Lebensdauer von Ihren Produkten und Systemen vorhersagen? In diesem Artikel sprechen wir, das Fraunhofer IESE, darüber, was Predictive Maintenance ist und für was man es einsetzen…

Causal inference: An introduction on how to separate causal effects from spurious correlations in data

What is causal inference in statistics data science? While „correlation does not imply causation“, it is possible to identify causal effects even in data that does not come from randomized controlled trials. Our AI expert, Dr. Julien Siebert, just published…

Data Quality Assessment in Agriculture

Data Quality Assessment in Agriculture

Nowadays, it has become almost inconceivable to imagine agriculture without sensors, whether they are simple GPS devices to help farmers optimize their work in the fields, monitor livestock, or more complex equipment allowing advanced monitoring of animals (e.g. animal welfare…

»AI Innovation Labs« als Tool zur zielgerichteten Ermittlung der KI-Tauglichkeit von Unternehmen

KI-Systeme stellen Unternehmen vor große Herausforderungen. Sogenannte »AI Innovation Labs« können dazu beitragen, bestehende Hürden zu bewältigen. Sie sind ein Methoden- und Werkzeugbaukasten, um die richtigen KI-getriebenen Geschäfts- und Anwendungsfälle für Ihr Unternehmen zu identifizieren, Prototypen mit KI-Technologie zu erstellen…