Künstliche Intelligenz
mit höchster Präzision

Im Zeitalter der datengetriebenen Innovationen und der künstlichen Intelligenz verändern Maschinelles Lernen und Big Data Technologien unsere Wirtschaft tiefgreifend und nachhaltig. Wir lösen die komplexen Fragestellungen unserer Zeit, indem wir Präzision und Ingenieurskunst mit moderner Softwareentwicklung kombinieren. Zusammen und mit großer Zuversicht stellen wir uns der Zukunft und bringen unsere Ideen mit Vollgas an den Start.

Leistungen

efs.ai bietet schnelle Resultate mit höchster Präzision. Wir erfüllen seit 10 Jahren die höchsten Qualitätsansprüche und Normen der Automobilindustrie. Als unabhängiger Technologiedienstleister entwickeln wir im Bereich Datenmanagement, Datenanalyse und künstlicher Intelligenz nachhaltige und maßgeschneiderte Lösungen für individuelle Anwendungsfälle.

Anton
Cloud Architektur
Dhivya
Entwicklung KI
Brani
Beratung
Jan
Beratung
Johannes
Cloud Architektur
Johannes
Rapid Prototyping
Jonas
Forschung KI
Lena
Agile Coach
Sebastian
Daten Management
Martin
Entwicklung KI
Maximilian
Entwicklung Analyse
Max
Entwicklung Analyse
Omkar
Rapid Prototyping
Robin
Agile Coach
Simon
Daten Management
Stefan
Geschäftsführer
Team
Anton
Cloud Architektur
Dhivya
Entwicklung KI
Brani
Beratung
Jan
Beratung
Johannes
Cloud Architektur
Johannes
Rapid Prototyping
Jonas
Forschung KI
Lena
Agile Coach
Sebastian
Daten Management
Martin
Entwicklung KI
Maximilian
Entwicklung Analyse
Max
Entwicklung Analyse
Omkar
Rapid Prototyping
Robin
Agile Coach
Simon
Daten Management
Stefan
Geschäftsführer
Projekte

Wir glauben jede gute Idee ist es wert sie zu testen.

efs.ai hat den Anspruch, am Puls der Forschung zu sein. Wir bringen neue Ansätze und Technologien schnell in konkrete Anwendungsfälle, um zu lernen und das Potenzial zu evaluieren. Wir entwickeln diese Prototypen in Kooperation mit Klienten, aber auch in Eigenregie und testen diese im realen Einsatz. Mit der Initiative „doing something good with AI“ bringen wir unsere Expertise sinnstiftend für zentrale Fragestellungen im Sinne der Gesellschaft ein.

→ Entdecken Sie unsere Projekte

Info

Elektronische
Fahrwerksysteme
GmbH

Dr.-Ludwig-Kraus-Straße 6
D-85080 Gaimersheim

Tel.: +49 8458 397 30-00
Fax.: +49 8458 397 30-099

branimir.lukac@efs.ai
anton.junker@efs.ai

Impressum

Datenschutz

AEB
Leistungen

efs.ai bietet schnelle Resultate mit höchster Präzision. Wir erfüllen seit 10 Jahren die höchsten Qualitätsansprüche und Normen der Automobilindustrie. Als unabhängiger Technologiedienstleister entwickeln wir im Bereich Datenmanagement, Datenanalyse und künstlicher Intelligenz nachhaltige und maßgeschneiderte Lösungen für individuelle Anwendungsfälle.

Philosophie

Wir entwickeln Technologien, um wirtschaftlichen Erfolg mit gesellschaftlichem und nachhaltigem Mehrwert zu vereinen. Der Schlüssel dafür ist die enge Zusammenarbeit mit unseren Partnern, basierend auf:

Offenheit, Experimentierfreude, Agilität und Augenhöhe

Als unabhängiger Entwicklungspartner ist Ihre Zufriedenheit unser Maßstab für Erfolg.

Arbeitsweise

Von der Idee zum Prototypen in 6 Wochen.

efs.ai testet Konzepte mit höchster Effizienz und unter realen Bedingungen, um schnell zu lernen oder sogar einen Schritt voraus zu sein. Zusammen entwickeln wir einen nutzbaren Prototypen, der von Anfang an in Ihre Unternehmensrealität eingebettet ist. So können wir die besten Lösungen erarbeiten, Herausforderungen frühzeitig erkennen und wichtige Stakeholder rechtzeitig mit einbeziehen. Dieser Prototyp bildet die Basis, um ein optimiertes, skalierbares und erfolgreiches System zu realisieren.

Prozess
  • 1. Analyse
    • In einem initialen Meeting führen wir eine Bedarfsanalyse und eine präzise Problemerfassung durch.

  • 2. Workshop
    • Im co-kreativen Workshop werden gemeinsam die Problemstellung, die Projektvision und die Erfolgskriterien in Form einer ‚Definition of Done‘ erarbeitet.

  • 3. Empfehlung
    • efs.ai erstellt auf dieser Basis eine strategische Handlungsempfehlung, eine Technologiestrategie und eine Projektskizze.

  • 4. Product Backlog
    • Die Anforderungen werden gemeinsam mit Ihren Experten in Form eines ‚Product Backlog‘ aufgenommen, bewertet und priorisiert. Auf Wunsch wird ein Angebot für die Entwicklung durch efs.ai erstellt.

  • 5. Sprints
    • Das Projekt wird in Zyklen von jeweils 2 Wochen-Sprints entwickelt. Das Ergebnis jedes Sprints ist ein funktionierendes „Minimal Viable Product“.

  • 6. Expertenreview
    • Jeder Sprint endet mit dem Review durch Ihre Experten, in dem Ihr Kundenfeedback und weitere Anforderungen einfließen.

  • 7. Feedbackprozess
    • Jedes Projekt endet mit einem strukturierten Feedbackprozess in Form einer Retrospektive oder eines 'After Action Reports'.

  • 8. Optimierung
    • Auf Wunsch stehen wir Ihnen für Services wie Nachtraining von Algorithmen, Produktoptimierungen, Roll-Out und Trainings zur Seite.

Pakete
  • Aufklärung
    • Ist Ihr Unternehmen bereit für maschinelles Lernen, intelligente Algorithmen und die Analyse großer Datenmengen? Wir erstellen eine Analyse zu ihrer Situation und ihren Potenzialen und vergrößern ihr Wissen über Vorträge und interaktive Formate.

  • Innovation
    • In co-kreativen Formaten – wie Innovationssprints – entwickeln wir zusammen konkrete Ideen und Anwendungsfälle für ihr Unternehmen. Zusammen bewerten wir die Potenziale, klären die Machbarkeit und erstellen Business Cases als Entscheidungsgrundlage für ihr Managementteam.

  • Strategie
    • Unsere erfahrenen AI-Berater, Daten-Strategen, System-Architekten und Business Designer erarbeiten zusammen mit Ihrem Team eine maßgeschneiderte Daten- und AI-Strategie für Ihr Unternehmen und Ihre Produkte.

  • Softwareentwicklung
    • Haben Sie bereits eine konkrete Idee für ein AI-Projekt? Gerne unterstützen wir Sie mit unserer Technologie und Expertise in der Umsetzung von AI-Software und modernen Big Data Lösungen. Unsere Entwickler bringen gemeinsam mit Ihnen Ihre Idee vom Konzept bis in die Anwendung.

  • Training
    • In unseren interaktiven Trainings vermitteln wir die Möglichkeiten, Methoden und Grenzen von Big Data und KI, erklären die dahinterliegenden Konzepte und versetzen sie in die Lage, die Potentiale für ihr Unternehmen zu erkennen. Unsere Trainings bieten wir online, in virtual reality oder vor Ort an.

       
Projekte

Wir glauben jede gute Idee ist es wert sie zu testen.

efs.ai hat den Anspruch, am Puls der Forschung zu sein. Wir bringen neue Ansätze und Technologien schnell in konkrete Anwendungsfälle, um zu lernen und das Potenzial zu evaluieren. Wir entwickeln diese Prototypen in Kooperation mit Klienten, aber auch in Eigenregie und testen diese im realen Einsatz. Mit der Initiative „doing something good with AI“ bringen wir unsere Expertise sinnstiftend für zentrale Fragestellungen im Sinne der Gesellschaft ein.

Treedex
Deep Learning zur Pflanzenerkennung

Mit Treedex entwickeln wir anlässlich der Landesgartenschau 2020 in Ingolstadt eine Smartphone Applikation zur Erkennung von Pflanzen durch künstliche Intelligenz. Das Besondere an Treedex ist, dass dem Nutzer neben den Pflanzeninformationen auch Wissen über Machine Learning vermittelt wird. So wird beispielsweise visualisiert, an welchen Merkmalen das Neuronale Netz erkannt hat, dass es sich um die jeweilige Pflanze handelt und wie das Netz durch die Bilder der Nutzer jeden Tag ein bisschen besser wird.

efs.ai investiert 5 Prozent des Umsatzes in unsere Initiative „Doing Good With AI“, um die Entwicklung künstlicher Intelligenz im Sinne der Gesellschaft zu etablieren.

Einsatzmöglichkeiten: Qualitätskontrollenoptimierung. Logistikoptimierung, etc.

Feedbax
Intelligentes Nutzer Feedback System

Kundenorientierung ist für viele Unternehmen von großer Bedeutung. Es existieren jedoch kaum digitale Lösungen, um Kundenfeedback im großen Stil - schnell und strukturiert - in Unternehmen zu bringen.

Feedbax ist ein Echtzeit-Kanal, der Kundenstimmen über eine KI interpretiert, strukturiert und über ein Webportal zugänglich macht. Mitarbeiter sehen live, was Ihre Kunden weltweit über Ihre Produkte und Services denken und was Sie sich wünschen würden. Ein interaktiver, skalierbarer Protoyp wurde in 12 Wochen entwickelt und dreimal mit jeweils 200 Nutzern in 3 Ländern getestet.

Einsatzmöglichkeiten: Automatisierte Optimierung von Serviceprozessen, Optimierung von Firmenkommunikation, etc.

Predictive Maintenance
Intelligente Dämpferdefekterkennung

Predictive Maintenance sagt den Verschleiß von Bauteilen voraus, um eine sorgenfreie und sichere Nutzung des Fahrzeugs über den gesamten Lebenszyklus zu gewährleisten.

Am Beispiel semi-aktiver Stoßdämpfer zeigen wir, dass bereits geringe Eigenschaftsänderungen der Dämpfer erkannt werden können. Das zugrundeliegende Prinzip der Defektdetektion sind charakteristische Schwingungseigenschaften der Radaufhängung und des Fahrzeugaufbaus. Diese werden über die Fahrzeugsensorik erfasst und weiterverarbeitet.

Komplexe Veränderungen werden durch ein Machine Learning Verfahren, namens Support Vector Machine, identifiziert und dem Fahrer angezeigt.

Einsatzmöglichkeiten: Reduktion der Ausfallzeit von Agrar-, Bau- und Industriemaschinen, etc.

Simulation
Intelligente Fahrsimulationen

Zunehmend präzise Fahrsimulationen sind ausschlaggebend für das real erlebbare Fahrgefühl und die zuverlässige Erkennung von Verkehrssituationen. Kosten und Aufwand für klassische Simulationsverfahren steigen dabei schell massiv an und sind abhängig von Werkzeugen, die oft erst sehr spät in der Entwicklung zur Verfügung stehen.

Durch den Einsatz von künstlicher Intelligenz entwickeln wir neuartige Simulationsverfahren, die nicht nur hochgradig präzise sind, sondern auch flexibel und effizient. Diese Verfahren ermöglichen es, Fahrzeuge mit Modellen aller Sensorik, vom Laserscanner bis zum Radarsensor, auszustatten und zu simulieren. Dadurch können wir deutlich früher und schneller Prototypen testen und Funktionen entwickeln, um direkt Feedback von unseren Kunden berücksichtigen zu können.

Einsatzmöglichkeiten: Hyperspektralbilder für Präzisionslandwirtschaft, Strukturanalyse, Physik Visualisierung durch Machine Learning, etc.

Radar
Intelligente Radarmodelle

Bei der Entwicklung automatisierter Fahrfunktionen stoßen typische Verfahren zur Erzeugung von Radar Modellen schnell an ihre Grenzen. Sowohl die aufwändige Modellierung relevanter physikalischer Effekte als auch die benötigte Rechenzeit verhindern oftmals den praktischen Einsatz solcher Modelle.

Unser Verfahren lernt von realen Sensordaten mittels eines Variational Autoencoders. Dies ermöglicht die schnelle Vorhersage und Simulation eines realen Radar-Scans der durch Kameras und Laserscans erfassten Umgebung.

Statt lediglich eines Radarscans liefert unsere Methode jedoch eine Verteilung realistischer Radarscans, die für jede Situation mögliche physikalische Störeffekte abbilden kann.

Einsatzmöglichkeiten: Reduktion der Ausfallzeit von Agrar-, Bau- und Industriemaschinen, etc.

Coko
Deep Learning für Bildbeschreibung

Coko ermöglicht es mit einem neuronalen Netz verschiedene Fahrzeugteile zu erkennen und nach deren Position im Fahrzeug zu klassifizieren.

Im Bereich der Korrosionsforschung wurden bisher Fahrzeugteile bei unterschiedlicher Belichtung und aus verschiedenen Perspektiven fotografiert. So entstanden mehr als 70.000 Fotos. Um die Korrosionsfälle zu erforschen, war es notwendig die Bilder nach den verschiedenen abgebildeten Autoteilen zu klassifizieren. Der manuelle Aufwand betrug ca. 300 Stunden. Unser neuronales Netzwerk in Coko kann diese Bilder mit einer Genauigkeit von 83 Prozent erkennen und sofort klassifizieren. Coko wird dabei kontinuierlich durch Kontrolle und eventuelle Korrekturen von Anwendern verbessert.

Einsatzmöglichkeiten: Automatisierte Qualitätskontrollen, Logistikoptimierung, etc

Scenarios
Intelligente Cloud-Datenbank

Für die Entwicklung und den Test von automatisierten Fahrfunktionen sind viele verschieden Arten von Verkehrsszenarien notwendig. Oft fehlt jedoch ein einheitliches Datenformat, um die Szenarien mit anderen Ingenieuren teilen zu können.

Cloud Scenarios ist eine zentrale Plattform, die Verkehrsszenarien aus multiplen Quellen bereit stellt und in ein einheitliches Datenformat übersetzt, um so eine einfache Suchfunktion für Szenarien zu ermöglichen.

Die einzelnen Szenarien werden über ein einheitliches Metadatenmodell indexiert und durchsuchbar gemacht, so dass jeder Entwickler die für seine Fahrfunktion relevanten Szenarien finden und laden kann.

Einsatzmöglichkeiten: Produktionsdaten, Geodaten, FlottenDaten, Kundendaten, Forschungsdaten, etc.

Rangefinder
Generierung synthetischer Trainingsdaten

Fahrerassistenzsysteme und bestimmte automatisierte Fahrfunktionen brauchen eine präzise Information über die aktuelle Sichtweite des Fahrers. Diese Information ist mit den Sensoren eines autonomen Fahrzeugs (vor allem LIDAR und RADAR) nahezu unmöglich zu ermitteln.

Daher haben wir ein neuronales Netz mit Hilfe von synthetisch erzeugten Trainingsdaten und realen Videofahrten trainiert. Das Neuronale Netz ermöglicht die Prognose der Sichtweite mit einer maximalen Toleranz von fünf Metern.

Es wurde eine realistische virtuelle Umgebung generiert, die große Datenmengen erzeugt und automatisch labelt. Diese Daten wurden durch reale Videofahrten ergänzt und in der Microsoft Azure Cloud trainiert.

Einsatzmöglichkeiten: Gererierung vielfältiger Datensets für KI-Training, Leistungstests digitaler Systeme, etc.

Projekte
Treedex
Deep Learning zur Pflanzenerkennung

Mit Treedex entwickeln wir anlässlich der Landesgartenschau 2020 in Ingolstadt eine Smartphone Applikation zur Erkennung von Pflanzen durch künstliche Intelligenz. Das Besondere an Treedex ist, dass dem Nutzer neben den Pflanzeninformationen auch Wissen über Machine Learning vermittelt wird. So wird beispielsweise visualisiert, an welchen Merkmalen das Neuronale Netz erkannt hat, dass es sich um die jeweilige Pflanze handelt und wie das Netz durch die Bilder der Nutzer jeden Tag ein bisschen besser wird.

efs.ai investiert 5 Prozent des Umsatzes in unsere Initiative „Doing Good With AI“, um die Entwicklung künstlicher Intelligenz im Sinne der Gesellschaft zu etablieren.

Einsatzmöglichkeiten: Qualitätskontrollenoptimierung. Logistikoptimierung, etc.

Feedbax
Intelligentes Nutzer Feedback System

Kundenorientierung ist für viele Unternehmen von großer Bedeutung. Es existieren jedoch kaum digitale Lösungen, um Kundenfeedback im großen Stil - schnell und strukturiert - in Unternehmen zu bringen.

Feedbax ist ein Echtzeit-Kanal, der Kundenstimmen über eine KI interpretiert, strukturiert und über ein Webportal zugänglich macht. Mitarbeiter sehen live, was Ihre Kunden weltweit über Ihre Produkte und Services denken und was Sie sich wünschen würden. Ein interaktiver, skalierbarer Protoyp wurde in 12 Wochen entwickelt und dreimal mit jeweils 200 Nutzern in 3 Ländern getestet.

Einsatzmöglichkeiten: Automatisierte Optimierung von Serviceprozessen, Optimierung von Firmenkommunikation, etc.

Predictive Maintenance
Intelligente Dämpferdefekterkennung

Predictive Maintenance sagt den Verschleiß von Bauteilen voraus, um eine sorgenfreie und sichere Nutzung des Fahrzeugs über den gesamten Lebenszyklus zu gewährleisten.

Am Beispiel semi-aktiver Stoßdämpfer zeigen wir, dass bereits geringe Eigenschaftsänderungen der Dämpfer erkannt werden können. Das zugrundeliegende Prinzip der Defektdetektion sind charakteristische Schwingungseigenschaften der Radaufhängung und des Fahrzeugaufbaus. Diese werden über die Fahrzeugsensorik erfasst und weiterverarbeitet.

Komplexe Veränderungen werden durch ein Machine Learning Verfahren, namens Support Vector Machine, identifiziert und dem Fahrer angezeigt.

Einsatzmöglichkeiten: Reduktion der Ausfallzeit von Agrar-, Bau- und Industriemaschinen, etc.

Simulation
Intelligente Fahrsimulationen

Zunehmend präzise Fahrsimulationen sind ausschlaggebend für das real erlebbare Fahrgefühl und die zuverlässige Erkennung von Verkehrssituationen. Kosten und Aufwand für klassische Simulationsverfahren steigen dabei schell massiv an und sind abhängig von Werkzeugen, die oft erst sehr spät in der Entwicklung zur Verfügung stehen.

Durch den Einsatz von künstlicher Intelligenz entwickeln wir neuartige Simulationsverfahren, die nicht nur hochgradig präzise sind, sondern auch flexibel und effizient. Diese Verfahren ermöglichen es, Fahrzeuge mit Modellen aller Sensorik vom Laserscanner bis zum Radarsensor, auszustatten und zu simulieren. Dadurch können wir deutlich früher und schneller Prototypen testen und Funktionen entwickeln, um direkt Feedback von unseren Kunden berücksichtigen zu können.

Einsatzmöglichkeiten: Hyperspektralbilder für Präzisionslandwirtschaft, Strukturanalyse, Physik Visualisierung durch Machine Learning, etc.

Radar
Intelligente Radarmodelle

Bei der Entwicklung automatisierter Fahrfunktionen stoßen typische Verfahren zur Erzeugung von Radar Modellen schnell an ihre Grenzen. Sowohl die aufwändige Modellierung relevanter physikalischer Effekte als auch die benötigte Rechenzeit verhindern oftmals den praktischen Einsatz solcher Modelle.

Unser Verfahren lernt von realen Sensordaten mittels eines Variational Autoencoders. Dies ermöglicht die schnelle Vorhersage und Simulation eines realen Radar-Scans der durch Kameras und Laserscans erfassten Umgebung.

Statt lediglich eines Radarscans liefert unsere Methode jedoch eine Verteilung realistischer Radarscans, die für jede Situation mögliche physikalische Störeffekte abbilden kann.

Einsatzmöglichkeiten: Reduktion der Ausfallzeit von Agrar-, Bau- und Industriemaschinen, etc.

Coko
Deep Learning für Bildbeschreibung

Coko ermöglicht es mit einem neuronalen Netz verschiedene Fahrzeugteile zu erkennen und nach deren Position im Fahrzeug zu klassifizieren.

Im Bereich der Korrosionsforschung wurden bisher Fahrzeugteile bei unterschiedlicher Belichtung und aus verschiedenen Perspektiven fotografiert. So entstanden mehr als 70.000 Fotos. Um die Korrosionsfälle zu erforschen, war es notwendig die Bilder nach den verschiedenen abgebildeten Autoteilen zu klassifizieren. Der manuelle Aufwand betrug ca. 300 Stunden. Unser neuronales Netzwerk in Coko kann diese Bilder mit einer Genauigkeit von 83 Prozent erkennen und sofort klassifizieren. Coko wird dabei kontinuierlich durch Kontrolle und eventuelle Korrekturen von Anwendern verbessert.

Einsatzmöglichkeiten: Automatisierte Qualitätskontrollen, Logistikoptimierung, etc

Scenarios
Intelligente Cloud-Datenbank

Für die Entwicklung und den Test von automatisierten Fahrfunktionen sind viele verschieden Arten von Verkehrsszenarien notwendig. Oft fehlt jedoch ein einheitliches Datenformat, um die Szenarien mit anderen Ingenieuren teilen zu können.

Cloud Scenarios ist eine zentrale Plattform, die Verkehrsszenarien aus multiplen Quellen bereit stellt und in ein einheitliches Datenformat übersetzt, um so eine einfache Suchfunktion für Szenarien zu ermöglichen.

Die einzelnen Szenarien werden über ein einheitliches Metadatenmodell indexiert und durchsuchbar gemacht, so dass jeder Entwickler die für seine Fahrfunktion relevanten Szenarien finden und laden kann.

Einsatzmöglichkeiten: Produktionsdaten, Geodaten, FlottenDaten, Kundendaten, Forschungsdaten, etc.

Rangefinder
Generierung synthetischer Trainingsdaten

Fahrerassistenzsysteme und bestimmte automatisierte Fahrfunktionen brauchen eine präzise Information über die aktuelle Sichtweite des Fahrers. Diese Information ist mit den Sensoren eines autonomen Fahrzeugs (vor allem LIDAR und RADAR) nahezu unmöglich zu ermitteln.

Daher haben wir ein neuronales Netz mit Hilfe von synthetisch erzeugten Trainingsdaten und realen Videofahrten trainiert. Das Neuronale Netz ermöglicht die Prognose der Sichtweite mit einer maximalen Toleranz von fünf Metern.

Es wurde eine realistische virtuelle Umgebung generiert, die große Datenmengen erzeugt und automatisch labelt. Diese Daten wurden durch reale Videofahrten ergänzt und in der Microsoft Azure Cloud trainiert.

Einsatzmöglichkeiten: Gererierung vielfältiger Datensets für KI-Training, Leistungstests digitaler Systeme, etc.