Forschungsvereinigungen müssen für die Antragstellung im Rahmen der IGF autorisiert sein. Noch nicht autorisierte Forschungsvereinigungen können einen Antrag auf Autorisierung im Förderprogramm Industrielle Gemeinschaftsforschung (IGF) stellen, wenn die Kriterien gemäß der Anlage Förderrichtline erfüllt sind.
Die Industrielle Gemeinschaftsforschung (IGF) ist ein europaweit einzigartiges, themenoffenes und vorwettbewerbliches Förderprogramm des Bundesministeriums für Wirtschaft und Energie (BMWE), das kleinen und mittleren Unternehmen (KMU) einen einfachen Zugang zu praxisorientierter Forschung ermöglicht.
Eine Kurzdarstellung veranschaulicht den Prozess von der Idee bis zur Veröffentlichung des Forschungsergebnisses.
Hier finden Sie eine Übersicht aller IGF-Forschungsvereinigungen.
IGF bewegt: Erhalten Sie in Bild und Ton Einblicke in die IGF.
Mit den Mitteln der IGF werden im transnationalen Netzwerk CORNET auch Projekte gemeinsam mit internationalen Kooperationspartnern durchgeführt ...
Im Rahmen des IGF-Kongresses wurde das IGF-Projekt des Jahres 2025 gewählt. Unter 23 Einreichungen hat der Wissenschaftliche Rat der IGF drei Finalisten nominiert. Das Gewinner-Team wurde durch das Publikum gewählt.
Ein kleiner Ausschnitt der bisher rund 12000 geförderten Projekte bietet einen Einblick in die Vielfalt der Forschungsthemen.
Die Projektdatenbank der Industriellen Gemeinschaftsforschung (IGF) umfasst rund 12000 abgeschlossene und laufende IGF-Vorhaben seit dem Jahr 1995 und wird regelmäßig aktualisiert.
Hier finden Sie Veranstaltungen mit Bezug zu IGF-Forschungsvorhaben.
Forschung für den Mittelstand - Die IGF-Projektdatenbank
Die Projektdatenbank der Industriellen Gemeinschaftsforschung (IGF) umfasst rund 12000 abgeschlossene und laufende IGF-Vorhaben seit dem Jahr 1995 und wird regelmäßig aktualisiert.
Suchen Sie nach einem exakten Begriff, setzen Sie diesen bitte in Anführungszeichen.
Möchten Sie sich einige Vorhaben als Auswahlliste abspeichern, können Sie diese mithilfe des Kästchens markieren und als PDF anzeigen lassen.
Die Suchergebnisliste zeigt alle Vorhaben in einem PDF-Dokument an.
Weitere Filter finden Sie in der erweiterten Suche.
Digitales Prozess-Abbild durch maschinelles Lernen zum prädiktiven Erkennen kritischer Prozess-Zustände und Qualitätsparameter am Beispiel eines fermentierten und eines haltbaren Lebensmittels
Laufzeit:01.04.2023 - 30.09.2025Vorhaben-Nr. 22840 N
Forschungsvereinigung:
Forschungseinrichtungen:
-
Universität Hohenheim Institut für Lebensmittelwissenschaft und Biotechnologie Fachgebiet Lebensmittelinformatik
-
Universität Hohenheim Institut für Lebensmittelwissenschaft und Biotechnologie Fachgebiet Milchwissenschaft und -technologie
Vorhabenbeschreibung:
Produktionsprozesse von Lebensmitteln sind häufig sehr komplex und umfassen zahlreiche Prozessschritte, die wiederum von Unternehmen zu Unternehmen variieren. Ziel des Vorhabens ist es, anhand von zwei Beispielen, einem fermentierten Milchprodukt und von H-Milch, die Potenziale der Datenanalyse durch Algorithmen des maschinellen Lernens (ML) und der Erklärbaren Künstlichen Intelligenz (XAI) zu untersuchen.
Im Fokus stehen dabei folgende Fragen:
• Welche existierenden Datenquellen in Produktionslinien können genutzt werden?
• Können mit einem systematisierten ML-Verfahren zur Analyse der Daten eines Produktionsprozesses Anomalien zuverlässig von Messdatenfehlern differenziert werden?
• Wie kann Expertenwissen für XAI integriert werden, um Anomalien mittels einer Prognose von Qualitätsparameter zu bewerten, um Handlungsempfehlungen für KMU abzuleiten?
White-box-Ansätze ermöglichen die phänomenologische Modellierung, während Black-box- Methoden auf einer rein Daten-basierten Modellidentifikation mittels ML beruhen, jedoch sind die resultierenden Prognosemodelle produktspezifisch und damit nur eingeschränkt übertragbar. Ziel des Vorhabens ist die Entwicklung eines XAI-Lernansatzes für KMU, der in einem digitalen Prozess-Abbild beide Ansätze (grey-box) vereint. Zur Erklärbarkeit werden existierende White-box-Modelle sowie Beobachtungen aus Technikumsexperimenten integriert.