Groepstraject

Met het project onderzoekt Flanders' FOOD vanuit de noden en uitdagingen van voedingsbedrijven hoe artificiële intelligentie een meerwaarde kan betekenen bij het capteren van data en het identificeren van de belangrijkste datanoden.

Dit project heeft als doel om Vlaamse energiebedrijven te ondersteunen bij de uitwerking en implementatie van AI-tools, om zo energie-optimalisatie en -coördinatie tussen verschillende assets in multi-energie systemen mogelijk te maken.

Machine learning (ML) kan nu ook toegepast worden in de microcontrollers die we terugvinden in een breed scala aan producten voor diverse toepassingen. Het project EmbedML helpt bedrijven bij de integratie van machine learning.

We focussen op hardware security voor kleine ingebedde toestellen. We ontwikkelen en demonstreren best practices voor hardware gebaseerde beveiligingsmodules. Bestaande oplossingen worden onderzocht en vergeleken.

Welk nummer wordt de volgende hit? Welk genre verkoopt het meeste tickets? Beslissingen in de muziekindustrie zijn vaak gebaseerd op buikgevoel. Maar dit buikgevoel volstaat niet meer. Wat is de oplossing?

Dit project wil Vlaamse kmo’s pasklare oplossingen bieden voor het succesvol uitrollen van een OT netwerk monitoring tool. We passen artificiële intelligentie toe met het oog op detectie van cyberaanvallen in een industrieel proces.

Data speelt een steeds belangrijkere rol in de bedrijfsvoering van de agrovoedingssector. Maar hoe worden ze ingezet? Hoe stel je als landbouwer een nieuwe en digitale bedrijfsstrategie op?

Binnen het project Digital Energy worden er nieuwe AI-algoritmen ontwikkeld voor het opslaan van de lokaal geproduceerde hernieuwbare energie in batterijsystemen, zoals de thuisbatterij en elektrische wagens.

Producten worden vandaag meestal ontworpen, ontwikkeld en onderhouden zonder gedetailleerde kennis over gebruikers, doeleinden en omstandigheden. Dit kan beter. Via AI en ML-technieken ga je experimenteren met data uit het veld.