Humanoid Working Robots sind fortschrittliche Roboter, die menschliche Bewegungen und Interaktionen nachahmen. Sie nutzen künstliche Intelligenz (KI), Sensoren und Kameras, um komplexe Aufgaben zu bewältigen, die menschliche Interaktion erfordern. Diese Roboter sind ideal für Aufgaben, die gefährlich, repetitiv oder präzise sind und können in verschiedenen Branchen wie der Lebensmittelindustrie, dem Gesundheitswesen und der Kundenbetreuung eingesetzt werden.

Figure 01 ist ein autonomer, humanoider Roboter, der speziell für den Einsatz in Bereichen wie Fertigung, Logistik und Einzelhandel konzipiert wurde. Mit einer Höhe von etwa 1,6 m und einem Gewicht von 60 kg kann er Lasten bis zu 20 kg tragen und erreicht eine Geschwindigkeit von 1,2 m/s. Seine elektrische Energieversorgung ermöglicht einen Betrieb von bis zu 5 Stunden. ​Dank fortschrittlicher KI, einschließlich Sprachverarbeitung und visueller Erkennung, ist Figure 01 in der Lage, komplexe Aufgaben zu erlernen und auszuführen.

Tesla’s humanoid robot, Optimus, ist ein beeindruckendes Beispiel für die Integration von künstlicher Intelligenz und Robotik. Optimus ist darauf ausgelegt, Lücken im Arbeitsmarkt zu füllen, indem er repetitive und gefährliche Aufgaben übernimmt. Mit Teslas Expertise in AI und Autonomie ist Optimus in der Lage, sich autonom zu bewegen und Objekte zu manipulieren. Er nutzt ein neuronales Netzwerk und Sensoren, um seine Umgebung zu erkennen und zu navigieren, was ihn ideal für den Einsatz in Fabriken, Lagerhäusern und sogar im Haushalt macht.

Der Atlas von Boston Dynamics ist einer der fortschrittlichsten humanoiden Roboter weltweit. Er zeichnet sich durch seine beeindruckende Beweglichkeit und Dynamik aus, die es ihm ermöglicht, komplexe akrobatische Manöver wie Salti und Sprünge auszuführen. Atlas ist etwa 1,52 Meter groß und wiegt rund 89 Kilogramm, was ihn flexibel und relativ leicht für seine Größe macht. Atlas nutzt spezielle elektrische Aktuatoren, die ihm eine hohe Reaktionsgeschwindigkeit und Präzision verleihen.

Sind Daten wirklich der Rohstoff der Zukunft? Wenn ja, dann gilt es jetzt für Unternehmen, diesen Schatz auch zu heben. Process Mining ist bei dieser „Rohstoffgewinnung“ ein neues, mächtiges Werkzeug. Es handelt sich dabei um einen innovativen digitalen Ansatz, der Data Mining und Prozessoptimierung verbindet. Gestützt auf reale Daten fördert er wertvolle detaillierte Einsichten über die Entscheidungsprozesse eines Unternehmens zu Tage und zeigt Wege zu ihrer Verbesserung auf. Faktisch ist nahezu jeder Vorgang in Datensätzen dokumentiert. Alles, was einen Zeitstempel hat, kann nun potenziell von Process-Mining-Anwendungen durchforstet werden. Das ermöglicht umfassende Transparenz, Realtime-Kontrolle und Adherence-Checks gegenüber definierten Soll-Prozessen. Es wird nachvollziehbar, welche Entscheidungsvorgänge im Unternehmen wirklich ablaufen – und wo die Ursachen auftretender Probleme konkret liegen. Im realen Event-Kontext können sie dann präzise und nachhaltig gelöst werden.

Das Dortmunder Start-up Motion-Mining® ermöglicht eine automatische und anonyme Analyse manueller Arbeitsprozesse hinsichtlich ihrer Ergonomie und Effizienz, in einem weiten Feld von Anwendungsbereichen wie Logistik, Produktion bis hin zu Krankenhäusern und Pflegeeinrichtungen. Diese reichen von ortsspezifischen Analysen, über Aktivitätskennzahlen bis hin zur Beurteilung der Ergonomie eines Arbeitsprozesses. Auch die Fahrzeug- und Hilfsmittelnutzung kann dabei umfassend ausgewertet werden.

Das Münchener Start-up Smartlane hat eine Software entwickelt, mit der Transportprozesse optimiert werden können. Die Software ermittelt durch „Transport Mining“, wie Unternehmen Lkw´s und Personal einsetzen können, um Aufträge optimal zu erfüllen. Dabei wird die Auftragsliste eines Logistikdienstleisters samt Adressen, Lieferzeitfenster, Präferenzen des Endkunden, Kapazitäten der Fahrer und Flottegröße von „Smartlane“ analysiert, wonach ein Algorithmus den optimalen Transportprozess errechnet.

Celonis ist eine Software, mit der Unternehmen ihre Geschäftsprozesse auf Basis realer Systemdaten analysieren können. Dazu nutzt die Software Logdaten aus IT-Systemen wie SAP, Oracle oder anderen ERP-/CRM-Systemen. Anhand dieser Daten rekonstruiert Celonis den tatsächlichen Ablauf eines Prozesses – Schritt für Schritt. Dadurch wird sichtbar, wo Abweichungen vom Soll-Prozess auftreten, etwa Verzögerungen, Umwege, Doppelschleifen oder manuelle Eingriffe.

Auch wenn die Mensch-Maschine-Interaktion immer natürlicher wird, stellen sich viele Schnittstellen letztlich doch als nicht alltagstauglich heraus. Intelligente Assistenten helfen, die Kommunikation mit der Technik in eine Form zu bringen, die Menschen gewohnt sind: in die eines Gesprächs. Anwendungen erhalten dabei eine Stimme oder sogar ein Gesicht, um eine Gesprächssituation zu simulieren. Das Ziel von intelligenten Assistenten ist die situativ angemessene Unterstützung des Menschen durch den Einsatz von intelligenten, sich anpassenden Technologien. Dadurch soll die Zielerreichung und Bearbeitung von Aufgaben im beruflichen und privaten Umfeld vereinfacht werden.

Mercedes hat die App „Mercedes me Eco Coach“ gelauncht, die Fahrer von vollelektrischen und Plug-in-Hybrid-Modellen unterstützen und für umweltfreundliches Fahrverhalten belohnen soll. Der digitale Assistent liefert Tipps, mit denen Nutzer ihr Auto nicht nur besser kennenlernen, sondern umweltverträgliches Fahren adaptieren können. Zudem soll die Lebensdauer der Akkus verlängert werden. Dazu erhalten Fahrer bestimmte Aufgaben, wie etwa das Erreichen eines hohen elektrischen Fahranteils. Werden die „Challenges“ gemeistert, erhält der Fahrer Punkte. Die kann er im Mercedes Benz Shop einlösen oder für CO2-Kompansationen ausgeben.

Amazon hat seinen Sprachassistenten Alexa um die Fähigkeit erweitert, eventuelle Absichten des Nutzers zu antizipieren, um die Kommunikation mit Alexa natürlicher zu gestalten. Dank eines neuen Machine-Learning-Systems soll Alexa aus offenkundigen Fragen ableiten, was Nutzer eigentlich möchten. Fragen sie etwa wie lange der Tee ziehen soll, kann Alexa die empfohlene Dauer ansagen und vorschlagen, den Timer zu aktivieren. Ob Nutzern solche Vorschläge gemacht werden, entscheidet ein auf Deep Learning basierendes Trigger-Modell, das den Dialograhmen und das Nutzerverhalten berücksichtigt.

Der Einzelhandelskonzern Walmart hat seinen eigenen Sprachassistenten „Ask Sam“ gelauncht. Eingesetzt wird das Tool zunächst ausschließlich für interne Zwecke, um die Effizienz der Mitarbeiter*innen zu erhöhen. So können Walmart-Mitarbeiter*innen mit diesem Tool unter anderem Preise nachschlagen, Produkte finden, Verkaufsinformationen anzeigen oder aber E-Mails abrufen. Eine enthaltene Notfallbenachrichtigungsfunktion befähigt Manager darüber hinaus dazu, alle Mitarbeiter*innen schnell und effizient über Notfallsituationen zu informieren oder sich ferner aktuelle COVID-19-Richtlinien anzeigen zu lassen.

Die intelligente Nutzung von Daten wird zu einer der wichtigsten Herausforderungen des 21. Jahrhunderts. Unternehmen beginnen mit Hilfe von Smart-Data-Verfahren, Kundendaten nach verborgenen Mustern zu durchsuchen. Entscheider in der Wirtschaft schätzen datenbasierte Erkenntnisse zunehmend, denn harte Zahlen wiegen schwerer als vage Aussagen. Die Datenanalysen von internen und externen Daten lassen die Transparenz innerhalb der Supply Chain immer weiter steigen. In Kombination mit einer schnellen Analyse, möglichst in Echtzeit, können vor allem Logistikdienstleister ihre Prozesse äußerst dynamisch gestalten und managen. Die intelligente Nutzung von Daten bietet daher ein massives Potenzial, um die betriebliche Effizienz zu steigern, Kundenerfahrung zu verbessern, Risiken zu reduzieren und neue Geschäftsmodelle zu schaffen.

Ein aktuelles Anwendungsbeispiel für den Trend Big Data in der Logistik ist die Route-Optimierung durch UPS. UPS nutzt das System ORION (On-Road Integrated Optimization and Navigation), um die Routen ihrer Fahrer zu optimieren. Dieses System analysiert historische Daten und Echtzeitinformationen, um die effizientesten Routen zu berechnen, was zu einer Reduzierung von Treibstoffverbrauch und CO2-Emissionen führt. Seit der Einführung von ORION hat UPS über 100 Millionen Meilen eingespart.

Das US-amerakanische Start-up CARTO entwickelt eine Mobilitätsplanungslösung zur Optimierung des Supply-Chain-Netzwerks. Ihr System verwendet eine riesige Menge an Standortdaten und künstliche Intteligenz, um die Supply Chain zu analysieren und zu optimieren, was Zeit und Ressourcenspart. CARTO ist die weltweit führende Location Intelligence Plattform, die es Unternehmen ermöglicht, räumliche Daten und Analysen für effizientere Lieferrouten, besseres verhaltensorientiertes Marketing, strategische Ladenplatzierungen und vieles mehr zu nutzen.

Das tschechische Start-up ECOTEN erstellt Temperatur-Karten für Großstädte, um die Auswirkungen des Klimawandels zu visualisieren. In einer ersten Kooperation mit der Stadt Wien wurde eine Temperatur-Karte für die Stadt entworfen, die besonders gefährdete Bezirke kennzeichnet. Diese sind durch die höchsten Temperaturen, wenige Grünflächen und einen großen Anteil von Senioren und Kindern gekennzeichnet. Für die Karten verwendet das Start-up Satellitendaten und ein geografisches Infomationssystem, das Flächendaten analysiert. Den betroffenen Städten werden zudem Lösungsansätze geboten, die in der Stadtplanung berücksichtigt werden sollen.

Machine Learning ist eine Subdisziplin der Forschung im Bereich der künstlichen Intelligenz. Der Begriff umfasst sämtliche Techniken, die Algorithmen selbstständiges Lernen durch exemplarischen Dateninput ermöglichen. Diese Systeme wandeln die Erfahrungen aus Beispielen in Wissen um und erkennen Muster darin. Ziel im Machine Learning ist die stetige Verbesserung der Modelle, etwa bei Empfehlungssystemen in Onlineshops. Bekannte Methoden des Machine Learning sind künstliche neuronale Netze inkl. der Ausprägung Deep Learning. Sie wurden von den Prozessen des menschlichen Gehirns inspiriert. Beim Deep Learning werden mit Hilfe zusätzlicher Ebenen noch bessere Ergebnisse erzielt. Machine Learning ist Ausgangspunkt für eine Fülle von Einsatzgebieten – von Sicherheitssystemen über Robotics bis hin zu Echtzeitübersetzern im Ohr des Nutzers. Ein zentraler Fortschrittsbereich ist Computer Vision, eingesetzt bei der Gesichtserkennung und der maschinellen Bildverarbeitung, die autonomes Fahren möglich macht.

Mittels Algorithmen des maschinellen Lernens (ML) ermöglicht Walmart eine nahtlose Beladung von Anhängern und eine effiziente Routenplanung. Diese KI-gesteuerte Logistiklösung als Software-as-a-Service (SaaS) Plattform optimiert Fahrtrouten, gestaltet die Beladung von Anhängern effizient und minimiert die Fahrtstrecken . Das Ergebnis? Eine signifikante Reduzierung von CO2-Emissionen und eine Steigerung der Lieferketteneffizienz.

Ein neues KI-Modell des MIT optimiert mittels Deep Learning die Koordination von Robotern in Lagerhäusern, um Effizienz und Sicherheit in Lagerhäusern zu steigern. Diese Fortschritte in der KI-Technologie ermöglichen eine präzisere und schnellere Lagerverwaltung, reduzieren Betriebskosten und optimieren die Logistikprozesse. Das besondere an diesem neuen deep-Learning ist, dass diese KI hunderte Roboter auf einmal viermal schneller als bisherige Systeme steuern kann.

Amazon Web Services hat die allgemeine Verfügbarkeit von „Amazon Lookout for Vision“ bekannt gegeben. Konkret handelt es sich dabei um einen neuen Dienst, der Bilder via Computer Vision und maschinellem Lernen zur Erkennung von Produkt- oder Prozessfehlern und -anomalien in hergestellten Produkten analysiert. Benötigt werden dabei von Anwendern lediglich 30 Basisbilder, mit denen sich das KI-Modell trainieren lässt. Genutzt wird das System bereits von Unternehmen, um beispielsweise die Inspektion von Produktionslinien zu automatisieren und festzustellen, ob Produkte den Qualitätsvorgaben entsprechen.

In der Praxis versteht man unter Business Intelligence (BI) die Standardisierung und Optimierung des Berichtswesens. Die in den IT-Systemen anfallenden Daten werden genutzt, um unter verschiedenen Blickwinkeln die aktuelle Situation zu analysieren und gegebenenfalls zu bewerten. Die entsprechende Analyse erfolgt dabei nicht in den ERP-Systemen, sondern in einer davon getrennten Datenbasis, dem Data-Warehouse (DWH). Daraus ableitend werden dann Entscheidungen getroffen, die das Unternehmen im Ganzen, einzelne Bereiche oder Prozesse betreffen. Die daraus entstehende Transparenz hinsichtlich aller Geschäftsprozesse bedeutet, dass aktuelle, verlässliche und jederzeit nachvollziehbare Daten und Steuerungsgrößen zeitnah zur Verfügung stehen. Das wichtigste Ziel dabei ist, BI mit straffen Prozessen, standardisierten Reports und vollständiger Datenintegration bereitzustellen, da nur mit den richtigen Informationen die richtigen Entscheidungen getroffen werden können.

Das in Spanien ansässige Startup Cubelizer wurde 2016 gegründet und hat ein auf künstlicher Intelligenz basierendes Bildverarbeitungssystem für den Einzelhandel entwickelt. Das System sammelt dabei anonym Daten von Kunden*innen und zeigt u. a. in Echtzeit an, wieviel Kunden*innen sich im Laden befinden und welche Pfade und Interaktionen von diesen im Geschäft vorgenommen werden. Die Plattform übersetzt diese Daten ferner in wertvolle Informationen, die für Leistungsverbesserungen von Geschäften wie z. B. einer optimierteren Produktplatzierung genutzt werden kann.

Das italienische Unternehmen OCTO bietet intelligente Telematik- und Datenanalysedienste für unter anderem die Kfz-Versicherungsbranche und den innovativen Mobilitätsmarkt an. Durch die Nutzung von maschinellem Lernen und KI zur Analyse von IoT-Daten kreiert das Unternehmen fortschrittliche Produkte und Dienstleistungen, die die Art und Weise, wie Unternehmen ihre Geschäfte verwalten und ausbauen, verändern. Konkrete Bereiche umfassen dabei Analysen zu Fahrzeugdiagnosen, zum Flottenmanagement oder zur Maut und Echtzeitüberwachung von Verkehrssituationen sowie der Umwelt.

Das Start-Up Meili Robots hat ein universelles Flottenmanagementsystem (FMS) gelauncht, mit dem verschiedene Robotik- und Betriebssysteme gleichzeitig über eine Plattform gemanagt werden können. Viele Unternehmen verfügen über Systeme von verschiedenen Herstellern, die nur getrennt voneinander gesteuert werden können. Das B2B-SaaS-Geschäftsmodell des FMS ermöglicht eine Interoperabilität zwischen allen Arten und Marken von Robotern und Gabelstaplern ohne Installation zusätzlicher Infrastruktur. So können über die bereitgestellte intuitive Benutzeroberfläche etwa Aufgaben zugewiesen und der Verkehr gesteuert werden.

Der Begriff Predictive Analytics bezeichnet Software, die in der Lage ist, auf der Grundlage von historischen und aktuellen Daten Situationen und Szenarien vorherzusagen und dementsprechende Handlungsempfehlungen zu geben. Das Ziel von Predictive Analytics ist es, mittels quantitativ und qualitativ ausreichenden direkten und indirekten Systemdaten und geeigneten Datenanalyseverfahren, Aussagen über den wahrscheinlichen zukünftigen (Teil-) Zustand eines Systems zu errechnen. Dies erfolgt meist in einem Datenmodell, welches dann zukünftige Zustände des Systems simulieren kann. Das System kann dabei eine Fabrik oder ein Maschinenpark sein, oder es kann – im Fall der Logistik – auch ein Lager oder sogar eine ganze Lieferkette sein.

Die Nagel-Group hat den Transport Volume Estimator implementiert, der eine signifikante Verbesserung in der Informationsvervollständigung der Stellplätze darstellt. Diese fortschrittliche Technologie ermöglicht es, den Laderaum auf eine optimierte Weise auszulasten und die Disposition automatisiert zu gestalten. Durch einen ausgeklügelten Machine Learning Algorithmus ist es nun möglich, die Transportvolumina mit einer bemerkenswerten Genauigkeit zu schätzen.

Mittels eines auf Machine Learning basierenden Vorhersagemodells wird eine automatisierte Schätzung von zukünftigen Umsätzen ermöglicht. Das Ziel besteht darin den Budgetplanungsprozess massiv zu reduzieren und eine frühzeitige, proaktive Steuerung zu ermöglichen. Die Lösung unterstützt somit die jeweilige Fachbabteilung aktiv in der Budgetierungsphase.

Predictive Maintenance ist eine innovative Technologie, die durch den Einsatz von Künstlicher Intelligenz (KI) und Datenanalyse die Wartung von Geräten und Maschinen revolutioniert. Ein konkretes Anwendungsbeispiel von LeewayHertz ist die Überwachung von Flurförderzeugen in einem großen Lagerhaus. Sensoren erfassen kontinuierlich Daten wie Temperatur, Vibration und Betriebsstunden. Diese Daten werden in Echtzeit analysiert, um Muster und Anomalien zu erkennen, die auf einen bevorstehenden Ausfall hinweisen könnten.

Im Internet of Things (IoT) können sich physische Objekte digital miteinander vernetzen. Die automatische Identifikation erfolgt mittels RFID oder QR-Codes. Kleinste integrierbare Sensoren oder Machine-Sensing-Verfahren sorgen dafür, dass in Zukunft nahezu alle physischen Objekte miteinander in Verbindung stehen. Die Anwendungspotentiale erstrecken sich von der selbstoptimierenden Produktion bis zum automatischen Flottenmanagement. Das Internet of Things erfährt durch den kommenden Mobilfunkstandard „5G“ einen weiteren Entwicklungsschub. „5G“ ermöglicht komplexe Verkehrssysteme, bei denen Fahrzeuge autonom interagieren oder Operationen, die per Fernsteuerung durchgeführt werden. So lassen sich zukünftig mehr als 200 Milliarden Geräte weltweit nicht nur vernetzen, sondern in Echtzeit steuern.

739.000.000 Tonnen: So viel CO2 gelangte allein in Deutschland im Jahr 2020 in die Erdatmosphäre. Den Treibhausgasausstoß zu reduzieren, gilt als zentrales Mittel, um dem Klimawandel entgegenzuwirken – nicht nur hierzulande, sondern auf der ganzen Welt. Im Webinar „Mehr Effizienz und Nachhaltigkeit in der Logistik mit digitalen Lösungen und IoT “ zeigen die Telekom-Fachleute Ariane Fuchs, Florian Schroeter und Anton Schäfer, warum insbesondere Unternehmen aus der Logistik ihre Nachhaltigkeit jetzt steigern sollten und inwieweit digitale Lösungen wie das Internet of Things (IoT) der Branche dabei helfen können.

Der chinesische Haushaltsgerätehersteller Haier hat einen intelligenten Kühlschrank vorgestellt, der den Aufenthaltsort der darin enthaltenen Lebensmittel nachvollzieht und ermittelt, wie diese optimal aufbewahrt werden. Er erkennt Nutzer per Bild- und Spracherkennung und liefert personalisierte Dienste. Per RFID werden Produkte aufgefunden, deren Frischegrad bestimmt und Nutzer benachrichtigt, sobald sie nachbestellt werden müssen, was auch automatisch vorgenommen wird. Die neuartige Konservierungstechnik sorgt dafür, dass alle Lebensmittel länger frisch, nährstoffreich und gesund bleiben.

Das Start-up Josh.ai hat mit dem KI- und IoT-fähigen „Josh Micro Smart Home Control Button“ ein sprachgesteuertes Hausautomationssystem gelauncht. Josh lässt sich auf jede ebene Fläche positionieren, ist individuell konfigurierbar und kann Sprachbefehle in natürlicher Sprache verarbeiten. Integrierte Sensoren helfen darüber hinaus, Kontexte besser zu erkennen und sich zu orientieren. So lassen sich via Sprachbefehl unter anderem Licht, die Musik und eine Vielzahl anderer Aspekte eines Hauses steuern, während sich Josh ferner nach und nach intuitiv an diverse User und deren Angewohnheiten anpasst.

Die exponentielle Steigerung der Rechenleistung wird durch die nächste Generation von Computern ermöglicht, die auf den Gesetzen der Quantenmechanik beruhen. Der Quantencomputer ist rund Hundert Millionen Mal schneller als ein digitaler Computer. Mit seiner Hilfe wird die Suche in Datenbanken beschleunigt, komplexe Systeme können simuliert und die heutigen Verschlüsselungstechnologien geknackt werden. Das Unternehmen D-Wave Systems gilt als erster Anbieter des kommerziellen Quantencomputings. Zu den ersten Kunden*innen gehören die NASA und Google. Zukünftig kann die Rechenleistung eines Quantencomputers über die Cloud bezogen werden. Quanten-Clouds könnten die Plattformen der Zukunft werden, die große IT-Unternehmen zur Verfügung stellen, und die Ära der Hypercomputation auslösen.

Im Oktober 2024 eröffnete IBM in Ehningen sein erstes europäisches Quantum Data Center, das unter anderem den leistungsstarken „Heron“-Quantenprozessor beherbergt. Dieser bietet eine bis zu 16-fach höhere Leistung und 25-fach schnellere Rechengeschwindigkeit im Vergleich zu den Systemen von 2022.

Microsoft stellt seine Plattform Azure Quantum kostenfrei zur Verfügung und lädt Entwickler ein, an Forschungsprojekten teilzunehmen. Die Public Preview des Quantum-Ökosystems bietet ihnen mit dem Quantum Development Kit (QDK) und der Programmiersprache Q# Zugriff auf quelloffene Programmierwerkzeuge. Zudem stellt Microsoft die Open-Source-Schnittstelle Quantum Intermediate Representation (QIR) bereit. Nutzer erhalten auch Zugang zu Anwendungsbeispielen, Ressourcen, Dokumentationen und Tutorials, um Quantenprogramme zu entwickeln. Microsoft will so die Entwicklungsarbeit der Zukunftstechnologie vorantreiben.

Atom Computing hat einen beeindruckenden 1.225-Qubit-Quantencomputer vorgestellt, während IBM ebenfalls bedeutende Fortschritte im Quantencomputing erzielt hat, unter anderem mit der Einführung des IBM Quantum Heron Prozessors. Beide Entwicklungen symbolisieren signifikante Meilensteine in der Quantencomputertechnologie, die das Potenzial haben, diverse Bereiche wie Materialwissenschaften und komplexe Simulationen zu revolutionieren. Die fortschreittenden, schnellen Entwicklungen zeigen die Skalierbarkeit und Leistungsfähigkeit von Quantencomputern auf.

Die drahtlose Kommunikation entwickelt sich rasant weiter und ermöglicht neue Anwendungsszenarien in Industrie, Logistik und Smart Cities. Neben etablierten Technologien wie RFID, LTE und Bluetooth-Beacons treiben neue Standards wie Li-Fi und 5G die Konnektivität voran. Die kommende 6G-Generation wird durch KI-gestützte Kommunikation, extrem niedrige Latenzen und hohe Bandbreiten eine nahtlose Echtzeit-Datenverarbeitung ermöglichen.

Besonders innovativ sind self-powered Sensors, die ihre Energie aus Umgebungseinflüssen wie Vibrationen oder thermischen Differenzen gewinnen. Sie machen autarke, wartungsfreie Netzwerke möglich und verbessern die Standortverfolgung, Automatisierung und Datenverfügbarkeit. Mit diesen Technologien entsteht eine adaptive, energieeffiziente und hochvernetzte Infrastruktur, die die digitale Transformation weiter beschleunigt.

Zusammen mit HHLA Sky, einem Tochterunternehmen der Hamburger Hafen und Logistik AG, setzt die Telekom ein Campus-Netz im Hamburger Hafen um. Darüber steuert und überwacht HHLA Sky eine Flotte von Industrie-Drohnen aus einem einzigen Leitstand heraus. Auf den Terminals der HHLA inspizieren die Flugroboter Containerbrücken und Asphaltflächen, um so die Sicherheit auf dem Hafengelände zu erhöhen. Das spart Zeit im Vergleich zu bisherigen Inspektions-Verfahren. Zusätzlich übertragen die Drohnen zuverlässig Sensor- und Flugdaten über das Campus-Netz.

Aktuell befindet sich 6G noch in der Forschungs- und Entwicklungsphase, wobei es als die nächste große Innovation in der Telekommunikation gilt, die auf den Errungenschaften von 5G aufbauen wird. Die Entwicklung zielt darauf ab, noch höhere Datenraten, geringere Latenzzeiten und eine umfassendere Netzabdeckung zu ermöglichen. 6G wird voraussichtlich Technologien wie künstliche Intelligenz und fortschrittliche Drahtloskommunikationstechniken integrieren, um eine neue Ära der Vernetzung einzuleiten. Die genauen Spezifikationen und Standards für 6G sind noch in Arbeit, aber die Industrie und Forschungseinrichtungen weltweit arbeiten intensiv daran, die Vision von 6G zu realisieren.

Forscher der Purdue University haben die Software AppStreamer entwickelt, mit der Apps cloudbasiert auf ein Telefon „gestreamt“ werden können. Die Lösung könnte den Speicherplatzverbrauch von Smartphone-Apps um bis zu 85 Prozent reduzieren. AppStreamer fungiert als eine Middleware zwischen Apps und Betriebssystem eines Smartphones und kann automatisch antizipieren, welche Komponenten einer App in einem jeweiligen Moment benötigt werden. In ersten Tests konnte von Probanden im Bereich Gaming-Apps kein Unterschied zwischen AppStreamer und vollständig installierten Apps festgestellt werden.