Chemie
Versuchswissen schneller finden und wiederverwenden
Wissensgraphen verbinden Protokolle, Formulierungen und Syntheseinformationen.
KI-Auftragsforschung · Dresden
Machine Learning, das im Labor besteht – und im Betrieb weiterarbeitet.
Wir prüfen, ob Ihre Labor- und Prozessdaten eine fachliche Entscheidung messbar verbessern – und übergeben, was funktioniert, direkt in SupraWorx.
- Go-, Adjust- oder Stop-Nachweis
- Chemie · Biotech · Laborrobotik
- Übergabe in SupraWorx
Wert für R&D und Betrieb
Weniger Sucharbeit, klarere Prüfentscheidungen.
Biotechnologie
Biologische Signale früher und nachvollziehbar bewerten
Mess-, Omics- und Bilddaten werden mit fachlichen Gütekriterien verknüpft.
Laborrobotik
Geräte-, Bild- und Sensordaten in einem Ablauf
Telemetrie, Computer Vision und digitale Zwillinge teilen eine Datenbasis.
Integriert in SupraWorx
Ergebnisse, die in SupraWorx weiterarbeiten.
-
Wissen nutzen
SupraAgent (Produktseite)
Validierte Protokolle, Modelle und Entscheidungsregeln werden zu einem quellengebundenen Assistenten für Labor und Produktion.
-
Virtuell prüfen
SimulateOS & Digital Twin (Produktseite)
Pilotmodelle werden in Simulation und Lab-Twin gegen reale Prozessgrenzen geprüft – inklusive Fehlermustern und Grenzfällen.
-
Labor verbinden
openReactor
Geräte-, Bild- und Sensordaten fließen strukturiert zurück in Versuchsdesign und Modelltraining.
-
Kompetenz übertragen
SLE & Industrial Workforce Intelligence (Produktseite)
Arbeitsweisen aus dem Projekt werden zu Lernpfaden, Verhaltensankern und Wissenssicherung für Ihre Fachkräfte.
-
Ergebnisse teilen
DataHub & Modellveröffentlichung (Produktseite)
Freigegebene Datensätze, Modellkarten und Gewichte werden versioniert dokumentiert – intern oder öffentlich auf Hugging Face.
-
Verwerten
B2B-Marktplatz
Modelle, Datenprodukte und Simulationsbausteine lassen sich als B2B-Angebot lizenzieren – mit klarer Rechte- und Nutzungsregelung.
-
Netzwerk
AE Valley (Produktseite)
Fachcommunity und Veranstaltungen verbinden Ihr Projekt mit Forschungspartnern, Förderkonsortien und Anwendern.
-
Wirkung messen
SupraTracking
Einwilligungsbasierte Nutzungs- und Wirkungsdaten zeigen, ob das Modell im Alltag die erwartete Entscheidung verbessert.
Projekt-Fit
Erst prüfen, dann investieren.
Wir starten mit der Entscheidung, die besser werden soll, und prüfen zuerst die größte Unsicherheit.
Was macht SupraTix Machine Learning?
SupraTix Machine Learning ist die KI-Auftragsforschung der SupraTix GmbH aus Dresden. Das Team entwickelt und prüft Machine-Learning-Ansätze für Chemie, Biotechnologie und Laborrobotik – vom Scoping über Machbarkeit bis zum Pilot.
Für wen eignet sich eine ML-Machbarkeitsstudie?
Für F&E-, Labor- und Produktionsteams in Deutschland, Österreich und der Schweiz, die vor einer Pilotinvestition belegen wollen, ob ihre Daten eine fachliche Entscheidung messbar verbessern.
Was passiert mit den Ergebnissen nach dem Projekt?
Ergebnisse gehen nicht in einer Präsentation verloren: Sie können direkt in SupraWorx-Werkzeuge wie SupraAgent, SimulateOS und den B2B-Marktplatz übernommen, betrieben und gemessen werden.
- Scoping – Zielbild oder Daten noch unscharf
- Machbarkeit – Daten und Baseline prüfen
- Pilot – Wirkung im Ablauf messen
- Übergabe – dauerhaft in SupraWorx nutzen
Projektnachweise
Drei Ansätze aus der Praxis.
Biologische Aktivität berührungslos bewerten
- Ausgangsproblem
- Klassische Keimprüfungen benötigen Zeit, während Saatgut zwischen Ernte und Aussaat bewertet werden muss.
- Fragestellung
- Lässt sich die Keimfähigkeit einzelner Samen aus optischen Messungen vorhersagen und gegen Referenzprüfungen absichern?
- Beitrag von SupraTix
- SupraTix entwickelt die Datenverarbeitung, Modelle und lernende Auswertung.
- Methoden
- Laserlicht macht veränderliche Lichtmuster sichtbar. Bildmerkmale und Modelle sollen diese mit Keimbefunden verknüpfen.
- Öffentlich dokumentierte Arbeit
- Veröffentlichter Forschungsbericht zu Messaufbau, Versuchsnotizen und Auswertepfad.
- Stand laut Beitrag
- Laborforschung, berichtet am 26.05.2026. Der Demonstrator ist ein Entwicklungsziel, kein belegtes fertiges Produkt.
Laborrobotik vor dem Einsatz virtuell erproben
- Ausgangsproblem
- Wiederholte Hardwareprototypen und physische Tests verursachen Entwicklungsaufwand.
- Fragestellung
- Wie lassen sich Laborabläufe in einer Simulation prüfen und mit dem realen Roboter verbinden?
- Beitrag von SupraTix
- SupraTix entwickelt einen vernetzten digitalen Zwilling und modulare Robotik-Komponenten für LabCobot.
- Methoden
- Virtuelle Tests in NVIDIA Omniverse und Datenaustausch mit dem physischen System verbinden Simulation und Robotik.
- Öffentlich dokumentierte Arbeit
- Öffentlicher Bericht über den Simulations- und Synchronisationsansatz; kein unabhängig geprüfter Leistungsbenchmark.
- Stand laut Beitrag
- Entwicklungsbericht vom 12.10.2024. Eine Produktionsfreigabe oder gemessene Einsparung ist damit nicht belegt.
Versuchswissen für Suche und Entscheidungen strukturieren
- Ausgangsproblem
- Verteilte Protokolle, Rezepturen und Prüfwerte erschweren den Vergleich von Versuchen.
- Fragestellung
- Wie können Fachleute vergleichbare Versuche finden und weitere Arbeitsschritte begründet auswählen?
- Beitrag von SupraTix
- SupraTix beschreibt einen Arbeitsablauf am Beispiel einer wasserbasierten Beschichtung.
- Methoden
- Protokolle strukturieren, Daten vereinheitlichen und Beziehungen in Wissensgraphen abbilden. Modellvorschläge benötigen fachliche Prüfung.
- Öffentlich dokumentierte Arbeit
- Veröffentlichte Methodenbeschreibung mit Beschichtungsbeispiel – kein ausgelieferter Kundendatensatz oder Pilotcode.
- Stand laut Beitrag
- Methodenbeitrag vom 05.05.2026, keine dokumentierte Kundenimplementierung oder gemessene Wirtschaftlichkeit.