Über die IGF
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 ...
Geförderte Projekte
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.
Service
Hier finden Sie Veranstaltungen mit Bezug zu IGF-Forschungsvorhaben.
FAQ
© AdobeStock - krungchingpixs
In produzierenden Unternehmen nehmen Störungen entlang der Wertschöpfungskette spürbar zu. Lieferverzögerungen, Maschinenausfälle, Personalmangel oder IT-Probleme wirken sich direkt auf Termine, Kosten und Kundenzufriedenheit aus. Besonders kleine und mittlere Unternehmen stehen vor der Herausforderung, diese Unsicherheiten zu beherrschen, häufig mit begrenzten Datenressourcen und heterogenen IT-Systemlandschaften.
Das Forschungsprojekt KIbaroP setzt genau hier an. Ziel ist die Entwicklung und Validierung einer KI-basierten, robusten Produktionsplanung, die Störungen nicht nur reaktiv behandelt, sondern frühzeitig erkennt und präventiv berücksichtigt.
Die Herausforderung: Puffer statt Prognosen
In der industriellen Praxis werden Störungen bislang meist pauschal durch Zeitaufschläge, z.B. durch eine Verlängerung der geplanten Durchlaufzeit um 10 bis 20 Prozent, kompensiert. Diese Methode erhöht kurzfristig die Termintreue, führt jedoch langfristig zu erhöhten Umlaufbeständen, längeren Durchlaufzeiten und dadurch steigenden Kosten.
Gerade für KMU ist dieses Vorgehen problematisch: Überdimensionierte Puffer binden Kapital und senken die Produktivität, während gleichzeitig Unsicherheiten in der Planung bestehen bleiben. Eine datenbasierte, vorausschauende Alternative fehlt bislang häufig.
Die Lösung: Prädiktive Produktionsplanung mit KI
KIbaroP verfolgt einen prädiktiven Ansatz. Mithilfe künstlicher Intelligenz werden historische und aktuelle Produktions- und Rückmeldedaten analysiert, um Störungen frühzeitig zu erkennen und in der Planung zu berücksichtigen.
Berücksichtigt werden dabei Störungen aus den Bereichen Personal, Material, Betriebsmittel, Lager, Prozess und IT.
Die gewonnenen Erkenntnisse ermöglichen eine gezielte Dimensionierung von Zeit- und Materialpuffern angepasst an das tatsächliche Störungsrisiko einzelner Aufträge oder Arbeitsplätze.
Daten intelligent nutzen - auch bei geringer Datenbasis
Ein zentrales Innovationsmerkmal des Projekts ist der Umgang mit begrenzten Datenmengen – eine typische Herausforderung für KMU. Der Lösungsweg orientiert sich am industrienahen Prozess CRISP-DM (Cross Industry Standard Process for Data Mining). Reale Produktions- und Systemdaten werden mit synthetisch erzeugten Daten aus einem generischen Simulationsmodell kombiniert. Dadurch entsteht eine belastbare Trainingsbasis für KI-Modelle, selbst wenn unternehmensseitig nur eine eingeschränkte Datenhistorie vorliegt.
Vom Modell zum Demonstrator
Im Projekt entstehen drei zentrale Ergebnisse:
1. Ein Software-Demonstrator zur robusten Produktionsplanung
2. KI-Modelle zur Vorhersage von Störungen auf Basis von Planungs- und Rückmeldedaten
3. Ein praxisorientierter Leitfaden zur Vorbereitung und Integration der Methode in bestehende
Unternehmensprozesse
Die entwickelten Modelle werden in bestehende Produktionsplanungs- und Steuerungssysteme integriert und gemeinsam mit den Projektpartnern validiert. Ziel ist eine praxisnahe Lösung, die sich in den Regelbetrieb von KMU überführen lässt.
Mehrwert für KMU
Durch die KI-gestützte Identifikation von Störungsrisiken können Unternehmen:
Ressourcen gezielter einsetzen
Pufferzeiten datenbasiert reduzieren
Umlaufbestände senken
Durchlaufzeiten verkürzen
Termintreue und Kundenzufriedenheit steigern
Langfristig stärkt eine robuste, prädiktive Produktionsplanung die Wettbewerbsfähigkeit und Profitabilität produzierender KMU. KIbaroP zeigt damit exemplarisch, wie anwendungsorientierte Forschung digitale Innovationen gezielt für den Mittelstand nutzbar macht.
Das Projekt wird durch das Bundesministerium für Wirtschaft und Energie aufgrund eines Beschlusses des Deutschen Bundestages gefördert (Förderkennzeichen: 01IF23054N).