Søg
Close this search box.

Fremtidens arbejdsplads

DIREC har igangsat en række projekter med fokus på fremtidens arbejdsplads, der involverer forskellige aspekter af AI, robotter og hybridarbejde. Projekterne skal bidrage til at udvikle teknologierne, der muliggør den moderne arbejdsplads, og give os ny viden om de muligheder, der åbner sig med ny avanceret digital teknologi.

Digital teknologi booster forskellige aspekter af virksomheder og den moderne arbejdsplads

Nye AI-modeller, såsom chatrobotter og billed-, tekst- og videogenerering, har vist os de muligheder, AI tilbyder. Robotter forbedres langsomt, og især når de kombineres med nye AI-løsninger, er de i stand til at håndtere et stigende antal opgaver.

Avanceret digital teknologi kan skabe store muligheder for danske virksomheder, sikre konkurrencefordele og forbedre samarbejde, produktivitet, effektivitet og innovation.

Men hvordan vil den næste generation af algoritmer påvirke måden, vi arbejder på? Hvordan vil interaktionen mellem robotter, mennesker og AI-systemer påvirke arbejdspladsen? Hvordan kan danske virksomheder udnytte teknologien, og hvad er faldgruberne?

Troværdig AI understøtter beslutningstagning

AI-teknologi kan give virksomheder en række fordele, men det er en afgørende faktor, at vi har tillid til, at teknologien opfører sig på en bestemt måde. En måde at skabe tillid på er at kunne forklare, hvorfor algoritmerne har valgt eller anbefalet en bestemt handling. Dette kaldes Explainable AI. En anden mulighed er at skabe sikkerhedsforanstaltninger, der kun tillader den kunstigge intelligens at handle inden for visse begrænsninger.

Udforsk DIREC-projekterne, der løser denne udfordring.

EXPLAIN-ME: Learning to Collaborate via Explainable AI in Medical Education

Sammen med klinikere har dette projekt til formål at udvikle forklarende AI, der kan hjælpe medicinsk personale med at træffe kvalificerede beslutninger ved at agere som en mentor, der giver feedback og råd, når personalet træner. Det er vigtigt, at den forklarlige AI giver gode forklaringer, som er lette at forstå og bruge under det medicinske personales arbejdsgang.

Deep Learning and Automation of Image-Based Quality of Seeds and Grains

I dag er manuel visuel inspektion af korn stadig en af de vigtigste kvalitetssikringsprocedurer i værdikæden for at bringe korn fra marken til bordet. Sammen med virksomhedspartnere har dette projekt til formål at udvikle og validere en metode til automatiserede billedbaserede løsninger, der kan erstatte subjektiv manuel inspektion og forbedre ydeevne, robusthed og konsistens af inspektionen.

Verifiable and Safe AI for Autonomous Systems

Den hastigt voksende anvendelse af maskinlæringsteknikker i cyberfysiske systemer fører til bedre løsninger og produkter med hensyn til tilpasningsevne, ydeevne, effektivitet, funktionalitet og brugervenlighed. Cyberfysiske systemer er dog ofte sikkerhedskritiske, fx selvkørende biler eller medicinsk udstyr, og behovet for verifikation mod potentielt dødsulykker er af afgørende betydning.

Forbedring af den hybride arbejdsoplevelse

Der er et væld af grunde til at indføre hjemme- og hybridt arbejde. Klimaudfordringerne er stigende, landegrænser er sværere at krydse, balancen mellem arbejde og privatliv kan være lettere at opnå, nye muligheder såsom direkte oversættelse, automatisk transskription og referat af møder, for at nævne nogle få.

Men stigningen i hybridt arbejde har også visse udfordringer, og problemet med fysisk tilstedeværelse er fortsat en begrænsning. Hvordan kan vi udvikle den næste generation af værktøjer til at understøtte hybridt arbejde?

Udforsk DIREC-projektet, der fokuserer på denne udfordring.

REWORK – The Future of Hybrid Work

Hjemme- og hybridarbejde er kommet for at blive, men hvordan skal disse arbejdsmetoder se ud i fremtiden? Skal vi blot forsøge at rette op på det, vi allerede har, eller kan vi være dristigere og udforme en anden slags fremtid på arbejdspladsen? I samarbejde med en række virksomheder søger dette projekt en fremtidsvision, der integrerer erfaringerne omkring hybridt arbejde.

Design af software til intelligente robotter

Med indførelse af robotteknologier er et brændende spørgsmål, hvordan kan vi nemt programmere robotter til at støtte os i at nå vores forretningsmål, uden at vi behøver at være eksperter i robotteknologi? Hvordan kan vi udvikle brugergrænseflader, der gør det muligt for alle at programmere robotter? Eller hvordan styrer vi flere robotter, der arbejder i fx et lager eller en fabrik?

Udforsk DIREC-projekter, der løser disse udfordringer.

Re-Use of Robotic-data in Production through search, simulation and learning

En robotdatabase med information om tidligere robotløsninger kan spare produktionsvirksomheder for tid og penge og give mindre virksomheder mulighed for også at automatisere deres produktion. Selvom det lyder enkelt, er der flere udfordringer forbundet med at skabe en robotdatabase. Med input fra industri og internationale eksperter har dette afsluttede projekt fået en meget bedre forståelse af udfordringerne. Næste trin er at udvikle software, der giver mulighed for genbrug af robotdata. 

HERD: Human-AI Collaboration: Engaging and Controlling Swarms of Robots and Drones

Hvordan kan vi udnytte de potentielle fordele ved at have flere robotter, der arbejder parallelt for at reducere tiden til færdiggørelse? Dette projekt har til formål at adressere samarbejde med flere robotter og designe og evaluere teknologiske løsninger, der gør det muligt for brugere at engagere og kontrollere autonome multirobotsystemer.

Mobility Analytics using Sparse Mobility Data and Open Spatial Data

Mængden af mobilitetsrelateret data er steget massivt, hvilket muliggør en stadig bredere vifte af analyser. Når de kombineres med digitale repræsentationer af vejnet og bygningsinteriør, rummer disse data potentialet for at muliggøre en mere finkornet forståelse af mobilitet og for at muliggøre mere effektiv, forudsigelig og miljøvenlig mobilitet.

IoT/intelligente systemer transformerer fysiske produkter

Fysiske produkter får i stigende grad et digitalt lag, der kan give nye funktionaliteter, indsamle data og give mulighed for nemt at overvåge og vedligeholde disse produkter.

Det digitale lag har ofte begrænsede computerressourcer, så hvordan kan vi bruge avancerede AI-algoritmer på disse enheder? Hvad er den bedste måde at skabe software til disse enheder? Og hvordan sørger vi for, at de er sikre?

Udforsk DIREC-projekter, der løser disse udfordringer.

DeCoRe: Tools and Methods for the Design and Coordination of Reactive Hybrid Systems

Et tilbagevendende problem for digitaliserede virksomheder er at designe og koordinere hybride systemer, der inkluderer IoT (Internet of Things), edge- og cloud-løsninger. De nuværende anvendte metoder og værktøjer er ikke effektive til dette formål, fordi de i for høj grad er afhængige af uformelle specifikationer, der er manuelt skrevet og fortolket af mennesker.

Secure Internet of Things – Risk Analysis in Design and Operation (SIoT)

Dette projekt har til formål at identificere sikkerheds- og sikkerhedskrav til IoT-systemer og udvikle algoritmer til kvantitativ risikovurdering og beslutningstagning, samt skabe værktøjer til at designe og certificere IoT-sikkerhedstræningsprogram, der vil sætte danske virksomheder i stand til at opnå sikkerhedcertificering af deres IoT-enheder, hvilket kan give dem et forspring på et marked, der sandsynligvis vil kræve en sådan certificering i den nærmeste fremtid.

Embedded AI

AI er i øjeblikket afhængig af store datacentre og centraliserede systemer, hvilket nødvendiggør databevægelse til algoritmer. For at imødegå denne begrænsning udvikler AI sig mod et decentraliseret netværk af enheder, der bringer algoritmerne direkte til dataene. Dette skift, muliggjort af algoritmisk smidighed og autonom datadiscovery, vil reducere behovet for høj-båndbreddeforbindelse og forbedre datasikkerhed og privatliv, hvilket letter realtids edge-læring.

Edge-based AI Systems for Predictive Maintenance

Nedetid på udstyr er dyrt og en kilde til sikkerhedsmæssige og juridiske udfordringer. I dag anvender organisationer en konservativ plan for forebyggende vedligehold, som er uafhængig af udstyrets tilstand. Dette resulterer i unødvendige omkostninger til service og lejlighedsvise afbrydelser af produktionen på grund af uventede fejl.

AI optimerer forretningsprocesser

Virksomheder skaber en enorm mængde data om deres forretningsprocesser. Hvordan kan virksomheder bedre udnytte disse data, og hvordan kan vi udvikle innovative AI-løsninger, der bruger disse data?

Udforsk DIREC-projekter, der løser disse udfordringer.

AI and Blockchains for Complex Business Processes

Projektet har sammen med industrielle partnere til formål at udvikle metoder og værktøjer, der sætter industrien i stand til at udvikle nye effektive løsninger til at udnytte den enorme mængde forretningsdata, der genereres af disse systemer.