Die 2004 gegründete benelog GmbH & Co. KG ist Dienstleister für Softwareentwicklung und Systemarchitektur. Wir setzen auf offene Standards und beherrschen alle relevanten Technologien. Unser Schwerpunkt liegt auf Cloud Native und Big Data, wobei wir generell Open-Source-Lösungen bevorzugen. Wir engagieren uns intensiv im Bereich der Lebensmittelsicherheit und Rückverfolgbarkeit. Dazu gehören sowohl Traceability-Plattformen als auch Forschungs- und Entwicklungsprojekte, die mit der Lebensmittelsicherheit zusammenhängen.
Als GS1 Solution-Partner verfügen wir über Projekterfahrung mit fTRACE und EPCIS. Unser Produkt OpenEPCIS ist eine vollständige Implementierung der GS1-Standards.
Die Cubert GmbH in Ulm wurde 2012 gegründet und ist Vorreiter auf dem Gebiet vollflächiger bildgebender Spektrometer für Echtzeitlösungen. Die von Cubert patentierte Lichtfeld-HSI-Technologie ermöglicht die Aufnahme hyperspektraler Daten in Videobildraten und erlaubt somit Anwendungen und Analysen in Nah-Echtzeit. Neben der Produktion von Seriengeräten entwickelt Cubert maßgeschneiderte Kundenlösungen, bei welchen Kamera und Software auf kundenspezifische Anforderungen angepasst werden. Neben klassischen Anwendungen wie landwirtschaftliche Fernerkundung findet die innovative Snapshot-Technologie zunehmend Einsatz in optischer Medizintechnik sowie Machine Vision Anwendungen zur Qualitätskontrolle.
Die tsenso GmbH entwickelt Speziallösungen für die Auswertung komplexer Daten im Bereich der Warenlogistik und Warenverkehrs. Das Gründerteam verfügt über Expertenwissen im Bereich der Entwicklung von Software, Big Data Analytics und der Simulation des Warenverkehrs.
tsenso betreibt eine IoT Sensorlösung zur Überwachung der Warentemperaturen während des Transports. Seit der Arbeiten am BMBF Projekt FreshIndex fokussiert sich die tsenso GmbH zunehmend auf die Bereitstellung von Diensten für die Lebensmittelbranche und der Markteinführung eines dynamischen Haltbarkeitsdatums.
Das Zentrum der Albert-Ludwigs-Universität Freiburg widmet sich der Entwicklung und Anwendung von Methoden der Mathematischen Statistik und Stochastik, der Dynamischen Systeme sowie der Biostatistik und Bioinformatik zur Modellierung und Datenanalyse von Prozessen des Lebens, der Umwelt und der Gesellschaft. Für konkrete Fragestellungen werden diese Methoden auf ihre Anwendbarkeit und Nützlichkeit geprüft und weiterentwickelt. Ein Schwerpunkt liegt auf der statistischen Analyse von Modelunsicherheiten und der Verknüpfung von maschinellen Lernverfahren mit theorie-basierten mathematischen Modellen (Grey-Box Modelle).