AI for Robotics Schulungen in Deutschland

Der Kurs „Praktisches schnelles Prototyping für Robotik mit ROS 2 und Docker“ bietet eine praxisorientierte Anleitung zur effizienten Entwicklung, zum Testen sowie zur Implementierung von Roboteranwendungen. Die Teilnehmenden lernen, robotische Umgebungen zu containerisieren, ROS 2-Pakete zu integrieren und mittels Docker modulare Robotersysteme zu entwickeln – was sowohl Reproduzierbarkeit als auch Skalierbarkeit gewährleistet. Besonderer Wert wird auf Agilität, Versionskontrolle sowie kolaborative Arbeitsweisen gelegt, die für Entwicklungsteams in der Frühphase von Projekten und Innovationsvorhaben essentiell sind.

Dieses praxisbezogene Live-Training unter Anleitung eines Instruktors – online oder vor Ort durchgeführt – richtet sich an Einsteiger sowie Fortgeschrittene, die ihre Arbeitsabläufe in der Robotik mit ROS 2 und Docker beschleunigen möchten.

Nach Abschluss dieses Trainings sind die Teilnehmenden in der Lage:

• Eine ROS 2-Entwicklungsumgebung innerhalb von Docker-Containern einzurichten.
• Robotische Prototypen in modularen, reproduzierbaren Umgebungen zu entwickeln und zu testen.
• Simulationstools zu nutzen, um das Verhalten des Systems vor der Hardware-Implementierung zu überprüfen.
• Zusammen mit anderen Entwicklern an containerisierten Robotikprojekten zu arbeiten.
• Konzepte der kontinuierlichen Integration und Bereitstellung in robotische Arbeitsabläufe einzubinden.

Aufbau des Kurses

• Interaktive Vorträge und Demonstrationen.
• Praktische Übungen in ROS 2- und Docker-Umgebungen.
• Kleine Projekte, die reale robotische Anwendungsfälle behandeln.

Möglichkeiten zur Kursanpassung

• Falls Sie ein individuell angepasstes Training wünschen, kontaktieren Sie uns bitte, damit wir dies organisieren können.

Der Kurs „Mensch-Maschine-Interaktion (HMI): Sprache, Gestik und kooperative Steuerung“ vermittelt praktische Kenntnisse zur Konzeption und Umsetzung intuitiver Schnittstellen für die Kommunikation zwischen Menschen und Robotern. Dabei werden theoretische Grundlagen, gestalterische Prinzipien sowie Programmierübungen kombiniert, um Systeme zu entwickeln, die auf Sprache, Gesten und gemeinsamer Steuerung basieren. Die Teilnehmer lernen, Wahrnehmungsmodule zu integrieren, mehrkanalige Eingabesysteme zu gestalten sowie Roboter so zu konzipieren, dass sie sicher mit Menschen zusammenarbeiten können.

Dieser von einem Trainer geleitete Live-Kurs – entweder online oder vor Ort – richtet sich an Teilnehmer aus Anfänger- bis Mittelstufenniveau, die HMI-Systeme entwickeln möchten, um Nutzbarkeit, Sicherheit und das Gesamterlebnis für den Nutzer zu verbessern.

Am Ende des Kurses sind die Teilnehmer in der Lage:

• Die Grundlagen sowie Designprinzipien der Mensch-Maschine-Interaktion zu verstehen.
• Sprachbasierte Steuerungs- und Reaktionsmechanismen für Roboter zu entwickeln.
• Gestenerkennung mithilfe von Computer-Vision-Verfahren zu implementieren.
• Kooperative Steuerungssysteme zu gestalten, die eine sichere gemeinsame Autonomie ermöglichen.
• HMI-Systeme hinsichtlich ihrer Nutzbarkeit, Sicherheit und menschlichen Aspekte zu bewerten.

Aufbau des Kurses

• Interaktive Vorträge sowie Demonstrationen.
• Praktische Programmier- und Gestaltungsübungen.
• Realexperimente in simulierten oder echten Roboterumgebungen.

Optionen zur Kursanpassung

• Wenn Sie einen individuell angepassten Kurs wünschen, kontaktieren Sie uns bitte, um die Details zu besprechen.

Der Kurs „Industrielle Robotik-Automatisierung: ROS-PLC-Integration und digitale Zwillinge“ vermittelt praxisnah, wie moderne Robotiksysteme in bestehende industrielle Automatisierungsstrukturen integriert werden können. Die Teilnehmer erlernen die Verknüpfung von mit ROS gesteuerten Robotersystemen mit SPS-Anlagen für eine synchrone Arbeitsweise sowie den Einsatz digitaler Zwillinge zur Simulation, Überwachung und Optimierung industrieller Prozesse. Ein besonderer Schwerpunkt liegt dabei auf der Interoperabilität, der Echtzeitsteuerung sowie der vorausschauenden Analyse mittels virtueller Nachbildungen physischer Anlagen.

Dieses von erfahrenen Dozenten geleitete Live-Training – online oder vor Ort – richtet sich an Fachkräfte auf mittlerem Niveau, die praktische Kenntnisse erlangen möchten bezüglich der Verbindung von ROS-gesteuerten Robotern mit SPS-Umgebungen sowie der Nutzung digitaler Zwillinge zur Optimierung industrieller Abläufe.

Nach Abschluss des Kurses werden die Teilnehmer in der Lage sein:

• Die Kommunikationsprotokolle zwischen ROS- und SPS-Systemen zu verstehen.
• Den Echtzeit-Datenaustausch zwischen Robotern und industriellen Steuerungen umzusetzen.
• Digitale Zwillinge zur Überwachung, Testung und Simulation von Prozessen zu entwickeln.
• Sensoren, Aktuatoren sowie Roboterarme nahtlos in industrielle Arbeitsabläufe einzubinden.
• Industrielle Automatisierungssysteme mittels hybrider Simulationsumgebungen zu konzipieren und zu validieren.

Ablauf des Kurses

• Interaktive Vorlesungen sowie Erläuterungen zur Systemarchitektur.
• Praktische Übungen zur Integration von ROS- und SPS-Systemen.
• Umsetzung von Projekten rund um Simulation und digitale Zwillinge.

Individuelle Anpassungsmöglichkeiten des Kurses

• Für eine auf Ihre Bedürfnisse zugeschnittene Schulung kontaktieren Sie uns bitte, um die Details zu besprechen.

Der Kurs „Robotermanipulation und Greifen mittels Deep Learning“ vermittelt fortgeschrittenes Wissen über die Verknüpfung von Robotiksteuerung mit modernen Methoden des maschinellen Lernens. Die Teilnehmer lernen, wie Deep Learning die Wahrnehmung, Bewegungsplanung sowie geschicktes Greifen in robotischen Systemen verbessern kann. Anhand von Theorie, Simulation und praktischen Programmierübungen führt der Kurs die Lernenden Schritt für Schritt vom wahrnehmungsbasierten Steuern bis hin zum End-to-End-Lernen zur Automatisierung manipulativer Aufgaben.

Dieses von einem Experten geleitete Live-Training (online oder vor Ort) richtet sich an Fachkräfte auf fortgeschrittenem Niveau, die Deep-Learning-Techniken einsetzen möchten, um intelligente, anpassungsfähige und präzise manipulative Systeme zu entwickeln.

Nach Abschluss des Kurses werden die Teilnehmer in der Lage sein:

• Wahrnehmungsmodelle zur Objekterkennung und Pose-Schätzung zu entwickeln.
• Neuronale Netze zum Erkennen von Greifpositionen sowie für die Bewegungsplanung zu trainieren.
• Deep-Learning-Module mithilfe von ROS 2 in robotische Controller zu integrieren.
• Greif- und Manipulationsstrategien in virtuellen Umgebungen zu simulieren sowie zu bewerten.
• Erlernte Modelle auf realen oder simulierten Roboterarmen einzusetzen und zu optimieren.

Aufbau des Kurses

• Expertenvorträge sowie ausführliche Erläuterungen zu Algorithmen.
• Praktische Programmier- und Simulationsübungen.
• Projektbezogene Implementierung und Testung.

Möglichkeiten zur individuellen Anpassung des Kurses

• Für eine maßgeschneiderte Ausbildung zu diesem Thema wenden Sie sich bitte an uns, um Details zu besprechen.

Der Kurs „Mehrrobotersysteme und Schwarmintelligenz“ ist ein fortgeschrittenes Schulungsprogramm, das die Konzeption, Koordination sowie Steuerung von Robotergruppen behandelt, wobei biologische Schwarmverhaltensweisen als Inspiration dienen. Die Teilnehmenden erlernen dabei die Modellierung von Interaktionen, die Umsetzung dezentraler Entscheidungsfindungsmechanismen sowie die Optimierung der Zusammenarbeit zwischen mehreren Agenten. Der Kurs verbindet theoretisches Wissen mit praktischen Simulationen, um die Teilnehmer auf Einsatzmöglichkeiten in Bereichen wie Logistik, Verteidigung, Such- und Rettungsaktionen sowie autonomer Exploration vorzubereiten.

Dieses von erfahrenen Dozenten geleitete Live-Schulung (online oder vor Ort) richtet sich an Fachkräfte auf fortgeschrittenem Niveau, die Mehrrobotersysteme sowie schwarmbasierte Lösungen mithilfe von Open-Source-Frameworks und Algorithmen entwerfen, simulieren und implementieren möchten.

Nach Abschluss dieses Kurses werden die Teilnehmenden in der Lage sein:

• Die Grundprinzipien sowie Dynamiken der Schwarmintelligenz und kooperativer Robotik zu verstehen.
• Kommunikations- und Koordinierungsstrategien für Mehrrobotersysteme zu entwerfen.
• Dezentrale Entscheidungsfindung sowie Konsensalgorithmen erfolgreich umzusetzen.
• Kollektives Verhalten wie Formationstaktiken, Schwarmbildung und Flächenabdeckung zu simulieren.
• Schwarmbasierte Techniken auf reale Anwendungsfälle sowie Optimierungsaufgaben anzuwenden.

Aufbau des Kurses

• Fortgeschrittene Vorlesungen mit detaillierten Erläuterungen zu Algorithmen.
• Praktische Programmier- und Simulationseinheiten in ROS 2 sowie Gazebo.
• Gemeinsames Projekt zur Anwendung von Prinzipien der Schwarmintelligenz.

Möglichkeiten zur Kursanpassung

• Wünschen Sie eine individuell zugeschnittene Schulung zu diesem Thema? Kontaktieren Sie uns gerne, um Einzelheiten zu besprechen.

TinyML ist ein Framework zur Implementierung von maschinellen Lernmodellen auf energieeffizienten Mikrocontrollern sowie eingebetteten Plattformen, die in der Robotik und bei autonomen Systemen zum Einsatz kommen.

Dieses von einem Dozenten geleitete Live-Training – online oder vor Ort – richtet sich an professionelle Experten auf fortgeschrittenem Niveau, die TinyML-basierte Wahrnehmungs- und Entscheidungsmechanismen in autonomen Robotern, Drohnen sowie intelligenten Steuerungssystemen integrieren möchten.

Nach Abschluss dieses Kurses werden die Teilnehmer in der Lage sein:

• optimierte TinyML-Modelle für roboterische Anwendungen zu entwerfen.
• lokale Wahrnehmungspipelines zur Realisierung einer Echtzeit-Autonomie umzusetzen.
• TinyML in bestehende robotische Steuerungsumgebungen zu integrieren.
• leistungsoptimierte KI-Modelle auf eingebetteten Hardwareplattformen zu deployen und zu testen.

Aufbau des Kurses

• Fachliche Vorträge kombiniert mit interaktiven Diskussionen.
• praxisorientierte Laboreinheiten, die sich auf robotische Aufgaben im Bereich der Embedded-Technik konzentrieren.
• realitätsnahe Übungen zur Simulation von autonomen Arbeitsabläufen.

Möglichkeiten zur Kursanpassung

• Auf Wunsch kann der Inhalt des Kurses an spezifische robotische Anforderungen und Systeme der jeweiligen Organisation angepasst werden.

Der Kurs „Sichere und erklärbare Robotik“ bietet eine umfassende Ausbildung zu den Themen Sicherheit, Verifikation und ethische Regulierung von Robotersystemen. Er verbindet theoretische Grundlagen mit praktischen Anwendungen, indem er Methoden zur Sicherheitsbewertung, Gefahrenanalyse sowie Ansätze der erklärbaren KI vermittelt – Elemente, die eine transparente und vertrauenswürdige Entscheidungsfindung bei Robotern gewährleisten. Die Teilnehmenden lernen, wie sie die Einhaltung von Standards sicherstellen, das Verhalten der Roboter überprüfen sowie Sicherheitsnachweise dokumentieren können.

Dieses von erfahrenen Instruktoren geleitete Live-Training – online oder vor Ort – richtet sich an Fachkräfte mit Grundkenntnissen, die Prinzipien der Verifikation, Validierung und Erklärbarkeit nutzen möchten, um eine sichere und ethische Implementierung von Robotersystemen zu gewährleisten.

Nach Abschluss des Kurses werden die Teilnehmenden in der Lage sein:

• Sicherheitsnachweise für Roboter- und autonome Systeme zu erstellen und zu dokumentieren.
• Verifikations- sowie Validierungstechniken in Simulationsumgebungen anzuwenden.
• die grundlegenden Rahmenkonzepte der erklärbaren KI für die Entscheidungsfindung bei Robotern zu verstehen.
• Sicherheits- und Ethikaspekte in die Systementwicklung sowie -operation einzubeziehen.
• Anforderungen an Sicherheit und Transparenz gegenüber Stakeholdern verständlich zu kommunizieren.

Aufbau des Kurses

• Interaktive Vorlesungen sowie Diskussionen.
• Praktische Übungen zur Simulation und Sicherheitsanalyse.
• Fallstudien aus realen Robotik-Anwendungsbereichen.

Optionen zur individuellen Anpassung des Kurses

• Für eine maßgeschneiderte Ausbildung zu diesem Thema wenden Sie sich bitte an uns, damit wir die Details abstimmen können.

Edge AI ermöglicht es künstlichen Intelligenz-Modellen, direkt auf eingebetteten oder ressourcenbegrenzten Geräten zu laufen. Dadurch werden Latenzzeiten und Energieverbrauch reduziert, während die Autonomie sowie Datenschutz in Robotersystemen verbessert werden.

Dieses von einem Instruktor geleitete Live-Training (online oder vor Ort) richtet sich an Entwickler eingebetteter Systeme und Robotik-Ingenieure mittleren Kenntnisstands, die lernen möchten, Techniken zur Maschinellen Lern-Inferenz sowie Optimierung mithilfe von TinyML und Edge AI-Frameworks direkt auf roboterischen Hardwarekomponenten umzusetzen.

Am Ende dieses Trainings werden die Teilnehmer in der Lage sein:

• Die Grundlagen von TinyML sowie Edge AI im Bereich der Robotik zu verstehen.
• KI-Modelle für die Nutzung direkt am Gerät umzuwandeln und einzusetzen.
• Modelle in Bezug auf Geschwindigkeit, Größe sowie Energieeffizienz zu optimieren.
• Edge AI-Systeme in die Steuerarchitekturen von Robotern zu integrieren.
• Leistung und Genauigkeit der Modelle unter realen Bedingungen zu bewerten.

Ablauf des Kurses

• Interaktive Vorlesungen und Diskussionen.
• Praktische Übungen mit TinyML- sowie Edge AI-Werkzeugen.
• Anwendungsbezogene Aufgaben auf Plattformen eingebetteter Systeme und Robotikhardware.

Möglichkeiten zur Kursanpassung

• Falls Sie einen maßgeschneiderten Kurs wünschen, kontaktieren Sie uns bitte zur Absprache.

Dieses von einem Trainer geleitete Live-Training in Deutschland (online oder vor Ort) richtet sich an Teilnehmer mittleren Kenntnisstands, die den Einsatz kooperativer Roboter sowie anderer menschenzentrierter KI-Systeme in modernen Arbeitsumgebungen näher kennenlernen möchten.

Nach Abschluss dieses Trainings werden die Teilnehmer in der Lage sein:

• Die Grundprinzipien der menschenzentrierten physikalischen KI sowie deren Anwendungsbereiche zu verstehen.
• Die Rolle kooperativer Roboter bei der Steigerung der Arbeitsproduktivität zu erkennen.
• Herausforderungen im Zusammenwirken zwischen Mensch und Maschine zu identifizieren und zu bewältigen.
• Arbeitsabläufe so zu gestalten, dass die Zusammenarbeit mit KI-gesteuerten Systemen optimiert wird.
• Eine Kultur der Innovation und Anpassungsfähigkeit in arbeitsplatzbezogenen Umgebungen mit integrierter KI zu fördern.

Reinforcement Learning (RL) ist ein Ansatz des maschinellen Lernens, bei dem Agenten durch Interaktion mit ihrer Umgebung Entscheidungen lernen. In der Robotik ermöglicht RL autonomen Systemen, durch Erfahrung und Rückmeldung anpassungsfähige Steuer- sowie Entscheidungsmechanismen zu entwickeln.

Dieses von Instruktoren geleitete Live-Training (online oder vor Ort) richtet sich an erfahrene Maschinellen-Lern-Ingenieure, Forscher im Bereich Robotik sowie Entwickler, die RL-Algorithmen für roboterische Anwendungen entwerfen, implementieren und einsetzen möchten.

Am Ende dieses Trainings werden die Teilnehmer in der Lage sein zu:

• die Grundprinzipien sowie mathematischen Konzepte des Reinforcement Learning zu verstehen;
  
• RL-Algorithmen wie Q-Learning, DDPG und PPO umzusetzen;
  
• RL mit Simulationsumgebungen für Roboter unter Verwendung von OpenAI Gym sowie ROS 2 zu verknüpfen;
  
• Roboter mittels Ausprobieren selbstständig komplexe Aufgaben ausführen zu lassen;
  
• die Trainingleistung mithilfe von Deep-Learning-Frameworks wie PyTorch zu optimieren.
  

Ablauf des Kurses

• interaktive Vorlesungen und Diskussionen;
  
• praktische Umsetzung unter Nutzung von Python, PyTorch sowie OpenAI Gym;
  
• Übungen in simulierten oder physischen Roboterumgebungen.
  

Möglichkeiten zur individuellen Anpassung des Kurses

• Falls Sie ein maßgeschneidertes Training wünschen, kontaktieren Sie uns bitte, um die Details zu besprechen.
  

OpenCV ist eine Open-Source-Computer-Vision-Bibliothek, die Echtzeit-Bildverarbeitung ermöglicht; Deep-Learning-Frameworks wie TensorFlow liefern wiederum die Werkzeuge für intelligente Perzeption und Entscheidungsfindung in Robotiksystemen.

Dieses von einem Trainer geleitete Live-Training (online oder vor Ort) richtet sich an Robotik-Ingenieure, Computer-Vision-Experten sowie Maschinenlern-Ingenieure mittleren Kenntnisstands, die Computer-Vision- und Deep-Learning-Techniken für die Perzeption sowie Autonomie von Robotern einsetzen möchten.

Am Ende dieses Trainings werden die Teilnehmer in der Lage sein zu:

• Computer-Vision-Pipelines mithilfe von OpenCV umzusetzen.
• Deep-Learning-Modelle zur Objekterkennung und -klassifizierung zu integrieren.
• Vision-basierte Daten für die Steuerung und Navigation von Robotern zu nutzen.
• Klassische Bildverarbeitungsalgorithmen mit tiefen neuronalen Netzwerken zu kombinieren.
• Computer-Vision-Systeme auf eingebetteten Systemen sowie Robotikplattformen bereitzustellen.

Aufbau des Kurses

• Interaktive Vorlesungen und Diskussionen.
• Praktische Übungen mit OpenCV und TensorFlow.
• Echte Laborübungen an simulierten oder physischen Robotiksystemen.

Möglichkeiten zur Kursanpassung

• Für eine individuell angepasste Version dieses Kurses kontaktieren Sie uns bitte, um die Details zu besprechen.

Dieses von einem Instruktor geleitete Live-Training in Deutschland (online oder vor Ort) richtet sich an Robotik-Ingenieure und KI-Forscher auf fortgeschrittenem Niveau, die multimodale KI nutzen möchten, um verschiedene Sensordaten zu integrieren und so autonomere sowie effizientere Roboter zu entwickeln – Roboter, die sehen, hören und berühren können.

Am Ende dieses Trainings werden die Teilnehmer in der Lage sein:

• Multimodale Sensorik in Robotersystemen zu implementieren.
• KI-Algorithmen für die Sensordatenfusion und Entscheidungsfindung zu entwickeln.
• Roboter zu schaffen, die komplexe Aufgaben in dynamischen Umgebungen bewältigen können.
• Herausforderungen bei der Echtzeitverarbeitung von Daten sowie deren Umsetzung in Aktionen zu meistern.

Intelligente Robotik bezeichnet die Integration von künstlicher Intelligenz in Robotersysteme, um deren Wahrnehmungsfähigkeit, Entscheidungsfindung sowie autonome Steuerung zu verbessern.

Dieses von erfahrenen Trainern geleitete Live-Training (online oder vor Ort) richtet sich an Robotik-Ingenieure auf fortgeschrittenem Niveau, Systemintegratoren sowie Leiter der Automatisierungstechnik, die KI-gestützte Wahrnehmung, Planung und Steuerung in intelligenten Fertigungsumgebungen implementieren möchten.

Am Ende dieses Trainings werden die Teilnehmer in der Lage sein:

• KI-Methoden für die robotische Wahrnehmung sowie Sensorfusion zu verstehen und anzuwenden.
• Algorithmen zur Bewegungsplanung für kooperative und industrielle Roboter zu entwickeln.
• Lernbasierte Steuerungsstrategien zur Echtzeit-Entscheidungsfindung einzusetzen.
• Intelligente Robotersysteme in Arbeitsabläufe moderner Fabriken zu integrieren.

Ablauf des Kurses

• Interaktive Vorträge sowie Diskussionen.
• Zahlreiche Übungen und praktische Anwendungsbeispiele.
• Praktische Umsetzung in einer Live-Lab-Umgebung.

Individuelle Anpassungsmöglichkeiten des Kurses

• Sollten Sie ein maßgeschneidertes Training wünschen, kontaktieren Sie uns bitte, um die Details zu besprechen.

ROS 2 (Robot Operating System 2) ist ein Open-Source-Framework, das dazu dient, komplexe und skalierbare Robotik-Anwendungen zu entwickeln.

Dieses von erfahrenen Trainern geleitete Live-Training – online oder vor Ort – richtet sich an Robotik-Ingenieure und Entwickler mittleren Kenntnisstands, die autonome Navigation sowie SLAM (Simultaneous Localization and Mapping) mit ROS 2 implementieren möchten.

Am Ende dieses Trainings werden die Teilnehmenden in der Lage sein zu:

• ROS 2 für Anwendungen zur autonomen Navigation einzurichten und zu konfigurieren.
• SLAM-Algorithmen zur Kartenerstellung und Lokalisierung umzusetzen.
• Sensoren wie LiDAR und Kameras mit ROS 2 zu integrieren.
• Autonome Navigation in Gazebo zu simulieren und zu testen.
• Navigationssysteme auf echten Robotern einzusetzen.

Ablauf des Kurses

• Interaktive Vorlesungen und Diskussionen.
• Praktische Übungen mit ROS 2-Tools sowie Simulationsumgebungen.
• Echte Laborübungen: Implementierung und Testung auf virtuellen oder physischen Robotern.

Individuelle Anpassungsmöglichkeiten des Kurses

• Falls Sie ein maßgeschneidertes Training wünschen, kontaktieren Sie uns gerne zur Absprache.

Dieses von erfahrenen Trainern geleitete Live-Training in Deutschland (online oder vor Ort) richtet sich an Teilnehmer mittleren Kenntnisniveaus, die ihre Fähigkeiten im Entwurf, Programmieren und Einsatz intelligenter Robotersysteme für Automatisierungszwecke verbessern möchten.

Am Ende dieses Trainings werden die Teilnehmer in der Lage sein zu:

• Die Grundprinzipien der Physikalischen KI sowie deren Anwendungen in Robotik und Automatisierung zu verstehen.
• Intelligente Robotersysteme für dynamische Umgebungen zu entwerfen und zu programmieren.
• KI-Modelle zur autonomen Entscheidungsfindung bei Robotern zu implementieren.
• Simulationstools zur Prüfung und Optimierung von Robotern effektiv einzusetzen.
• Herausforderungen wie Sensorkombination, Echtzeitverarbeitung sowie Energieeffizienz zu bewältigen.

Die Kombination aus Künstlicher Intelligenz und Robotik beinhaltet maschinelles Lernen, Regelungstechnik sowie Sensordatenfusion, um intelligente Maschinen zu entwickeln, die eigenständig wahrnehmen, Schlussfolgerungen ziehen und agieren können. Mittels moderner Werkzeuge wie ROS 2, TensorFlow und OpenCV sind Ingenieure heute in der Lage, Roboter zu konstruieren, die sich sicher in realen Umgebungen orientieren, Planung ausführen und mit ihrer Umwelt interagieren.

Dieses praxisnahe, von einem Instruktor geleitete Training (online oder vor Ort) richtet sich an Ingenieure mittleren Kenntnisstands, die mithilfe aktueller Open-Source-Technologien KI-basierte Robotiksysteme entwickeln, trainieren und einsetzen möchten.

Am Ende dieses Kurses werden die Teilnehmer in der Lage sein:

• Python und ROS 2 nutzen, um roboterisches Verhalten zu programmieren und zu simulieren.
• Kalman- sowie Partikelfilter zur Lokalisierung und Verfolgung von Objekten einzusetzen.
• Computer-Vision-Methoden via OpenCV für die Wahrnehmung und Erkennung von Objekten nutzen.
• TensorFlow anwenden, um Bewegungsvorhersagen zu treffen sowie kontrollbasierte Lernsysteme zu entwickeln.
• SLAM (Simultaneous Localization and Mapping) in autonome Navigationssysteme integrieren.
• Verstärkungslern-Modelle entwickeln, um die Entscheidungsfindung von Robotern zu optimieren.

Ablauf des Kurses

• Interaktive Vorlesungen und Diskussionen.
• Praktische Übungen unter Verwendung von ROS 2 sowie Python.
• Anwendungsübungen in simulierten sowie realen Roboterumgebungen.

Individuelle Kursanpassungen

Wünschen Sie ein auf Ihre Bedürfnisse zugeschnittenes Training? Kontaktieren Sie uns, um die Details zu besprechen.

Ein Bot bzw. Chatbot ist gewissermaßen ein computergestützter Assistent, der dazu dient, Interaktionen mit Nutzern auf verschiedenen Messenger-Plattformen zu automatisieren – wodurch viel Zeit gespart wird, ohne dass die Benutzer direkt mit einem Menschen kommunizieren müssen.

In diesem praxisorientierten Workshop unter Anleitung eines Experten erlernen die Teilnehmer die Grundlagen der Bot-Entwicklung. Dabei erstellen sie anhand von Beispielen eigene Chatbots mithilfe geeigneter Entwicklungswerkzeuge und -frameworks.

Am Ende des Kurses werden die Teilnehmer in der Lage sein:

• Die vielfältigen Anwendungsmöglichkeiten von Bots zu verstehen
• Den gesamten Entwicklungsprozess eines Bots nachvollziehen zu können
• Die verschiedenen Werkzeuge und Plattformen zur Bot-Erstellung kennenzulernen
• Einen Beispiel-Chatbot für Facebook Messenger zu entwickeln
• Einen weiteren Beispiel-Chatbot mithilfe des Microsoft Bot Framework zu programmieren

Zielgruppe

• Entwickler, die selbst Bots erstellen möchten

Ablauf des Kurses

• Eine Mischung aus Vorträgen, Diskussionen, Übungen sowie viel praktischem Training in der Praxis

Dieses praxisorientierte Training unter Anleitung eines Instruktors in Deutschland (online oder vor Ort) richtet sich an Ingenieure, die sich mit der Anwendbarkeit künstlicher Intelligenz in mechatronischen Systemen vertraut machen möchten.

Am Ende dieses Trainings werden die Teilnehmer folgende Fähigkeiten erlangt haben:

• Ein Überblick über künstliche Intelligenz, maschinelles Lernen sowie rechnergestützte Intelligenzverfahren.
• Verständnis für das Konzept von neuronalen Netzen und verschiedene Lernmethoden.
• Die Fähigkeit, geeignete KI-Ansätze für reale Problemstellungen auszuwählen.
• Umsetzung von KI-Anwendungen im Bereich der Mechatronik.