Flexible, resiliente und effiziente Machine-Learning-Modelle
Verbesserung von Machine-Learning-Modellen
Künstliche Intelligenz weist eine rasante Entwicklung und beachtliche Erfolge in unterschiedlichsten Anwendungsfeldern auf. Auch in der Wissenschaft, wie etwa der Klimaforschung oder Medizin, ist Künstliche Intelligenz nicht mehr wegzudenken. Mit der zunehmenden Verbreitung steigen aber auch die Anforderungen an die Systeme. Es stellen sich ungelöste Herausforderungen, die die Entwicklung neuer Ansätze erfordern. Gegenstand der Förderausschreibung sind interdisziplinäre Projekte zur Verbesserung von Machine-Learning-Modellen in Hinblick auf Flexibilität, Resilienz und Effizienz der Machine-Learning-Modelle bzw. der Simulationsmodelle.
Was wird gefördert?
Gefördert werden interdisziplinäre Vorhaben, die auch konkrete Anwendungsfälle beinhalten, anhand derer der Mehrwert aufgezeigt wird.
Die Ausschreibung zielt auf folgende Themen ab:
Neue Ansätze für resiliente Lernalgorithmen zur Verbesserung von Robustheit und Generalisierungsfähigkeit.
Neue Methoden der Informierten KI zu Integration von Domänenwissen in Machine-Learning-Modelle
Einsatz von Machine-Learning-Verfahren auf bereits etablierte Simulationsmodelle
Neue Ansätze für robuste und effiziente Foundation Models.
Wer wird gefördert?
Gefördert werden Unternehmen der gewerblichen Wirtschaft sowie Hochschulen und außeruniversitäre Forschungseinrichtungen mit Betriebsstätte oder Niederlassung in Deutschland.
Wie wird gefördert?
Die Zuwendungen werden als nicht rückzahlbare Zuschüsse gewährt.
Unternehmen erhalten einen Zuschuss in Höhe von max. 50 % auf projektbezogene Personal-, Material-, Investitions- und Reisekosten sowie Kosten für Unteraufträge. Kosten von Forschungs- und Wissenschaftseinrichtungen werden mit bis zu 100 % gefördert. Bei nicht wirtschaftlichen Forschungsvorhaben an Hochschulen wird zusätzlich zu den zuwendungsfähigen Ausgaben eine Projektpauschale in Höhe von 20 % gewährt.
Zum Ablauf – Zweistufiges Bewerbungsverfahren
Es handelt sich um ein zweistufiges Bewerbungsverfahren, bei dem zunächst eine Projektskizze im Umfang von 15 Seiten eingereicht wird. Nach positiver Bewertung wird der Gesamtantrag eingereicht.
Der nächste Termin zur Vorlage von Projektskizzen ist der 12.01.2024.
Projektskizzen können ab sofort erstellt und eingereicht werden.
Ihre Vorteile mit PFIF
Gemäß des ganzheitlichen Beratungsansatzes von PFIF wird eine optimale Nutzung der Förderinstrumente aus Zulagen und Zuschüssen sichergestellt. Mit dem neuen Gesetzesentwurf entsteht ein immenser Mehrwert für innovative Unternehmen. In Zusammenarbeit mit PFIF können bisher nicht geförderte Innovationen berücksichtigt werden und so zusätzliche Liquidität erschlossen werden. Zusätzlich sorgt PFIF für Prüfungssicherheit und vermeidet die Gefahr späterer Rückforderungen.
Sie haben eine innovative Projektidee?
Dann sprechen Sie unsere Förderexperten für eine kostenfreie und unverbindliche Erstanalyse Ihrer
Fördermöglichkeiten an.
Wir sorgen dafür, dass Sie die FuE-Förderung erhalten, die Ihnen zusteht und so künftiges Wachstum erleichtert.
Weitere PFIF-News
Erfahren Sie immer die aktuellsten Informationen zu Fördermittel- & Finanzierungsmöglichkeiten.
Manufacturing X – Schaffung der Voraussetzungen für die Industrie 4.0
Die anwendungsnahe Fortentwicklung von Lösungen und Ansätze zum Aufbau und Betrieb flexibler, gemeinsamer und innovativer Datenökosysteme und Produktionsnetzwerke ist der nächste Schritt in der Entwicklung von Industrie 4.0. Die Initiative Manufacturing-X setzt hier an und hat zum Ziel, den branchenübergreifenden, offenen und souveränen Datenraum für die Industrie aufzubauen und zu etablieren.
Künstliche Intelligenz in der Automobilbranche
PFIF spielte eine entscheidende Rolle, indem es EZU mit der Forschungszulage unterstützte. Diese Förderung ermöglicht agilen Unternehmen wie EZU, rückwirkend ab 2020 Fördermittel zu beantragen. Die schnelle und reibungslose Kommunikation und Beantragung von PFIF ermöglichte es EZU, sich vollständig auf die Entwicklung ihrer Projekte zu konzentrieren.