• Home
  • Aktuelles
    • Summer School 2026
    • Rückblick
    • Publikationen
  • Zentren
  • Labore
  • Wissen
  • Forum
  • Kontakt
  • Suche
  • Menü Menü

Übersicht Roboter im Alltag

  • Was ist die RimA-Wissensplattform?
  • Roboter auf dem Gehweg – sind wir bereit dafür?
  • Was sind eigentlich Service- und Assistenzroboter?
  • Serviceroboter auf dem Markt: Haushaltsroboter
  • Serviceroboter auf dem Markt: Reinigung im öffentlichen Raum
  • Serviceroboter auf dem Markt: Einzelhandel, Hotel- und Gastgewerbe
  • Serviceroboter auf dem Markt: Pflegeroboter
  • Serviceroboter auf dem Markt: Soziale Interaktion und Bildung
  • Serviceroboter auf dem Markt: Multi-Purpose-Roboter

Toolbox zur Entwicklung von Geschäftsmodellen

  • Einführung und Anwendung der Toolbox
  • Methode: Value Proposition Canvas
  • Methode: Lean Start-up und MVP
  • Methode: 55+ Geschäftsmodell-Muster
  • Methode: Heldenreise
  • Methode: Customer Journey
  • Methode: Target Costing
  • Methode: Business Model Canvas
  • Weitere Methoden
  • Beispiel Use Cases
  • Zwischen Sicherheit und okonomischer Tragfähigkeit
  • Best Practices und Illustrationsbeispiele 

Regulatorische Rahmenbedingungen für Serviceroboter im öffentlichen Raum

  • Geltende Normen, Vorschriften und Gesetze für Serviceroboter im öffentlichen Raum
  • Identifikation der größten Herausforderungen
  • Entwicklung sicherer Reinigungsroboter
  • Praxishilfen für sichere Maschinen

Open Source Software (OSS)

  • Warum Open Source?
  • Open-Source-Software Lizenztypen
  • OSS für Interaktion
  • OSS Robotik-Framework ROS / ROS 2
  • Large Language Modelle (LLMs)
  • GitHub – Was ist das?

CE-Konformität

  • Allgemeines zur CE-Konformität
  • Grundlagen der CE-Konformität
  • Acht Schritte zur CE-Konformität
  • Schritt 1: Spezifikation erstellen
  • Schritt 2: EU-Richtlinien und Vorschriften ermitteln
  • Schritt 3: Technische Regeln ermitteln
  • Schritt 4: Festlegung des Konformitätsbewertungsverfahrens
  • Schritt 5: Produktkonformität mit den Richtlinien und Normen prüfen und sicherstellen
  • Schritt 6: Technische Dokumentation erstellen
  • Schritt 7: Konformitätserklärung(en) erstellen
  • Schritt 8: CE-Kennzeichnung anbringen

Benchmarking und Vergleichskriterien

  • Forschung durch Wettbewerbe in der Robotik
  • Basistechnolgien für Reinigungsroboter im öffentlichen Raum
  • Benchmarking-Szenario: Wettbewerb Parkreinigung
  • Benchmarking in Simulationen
  • Sensoren und Aktoren

OSS für Simulation

  • OSS MuJoCo
  • OSS Webots

OSS für Computer Vision

  • OSS OpenCV für Computer Vision und Bildverarbeitung
  • OSS TensorFlow für Maschinelles Lernen und Künstliche Intelligenz
  • OSS Keras
  • OSS PyTorch

Mensch-Roboter-Interaktion

  • Blick in die Forschung: Mensch-Roboter-Interaktion
  • Kommunikationsstrategie eines Roboters

OSS für Personen- und Objekterkennung

  • OSS You Only Look Once (YOLO)
  • OSS FreeMoCap Motion-Capture-System
  • OSS Open Pose

OSS für Navigation

  • OSS für Navigation
  • OSS Nav2
  • OSS VDB-Mapping
  • OSS Cartographer
  • OSS GridMap
  • OSS LiDAR MARS Registration
  • OSS Move-Base-Flex

Open Source Hardware

  • Open-Source-Hardware: Grundlagen und Lizenzen
  • 3D-Druck in der Robotik
View Categories
  • Home
  • Wissensplattform
  • Open Source Software (OSS)
  • OSS für Computer Vision
  • OSS Keras

OSS Keras

2 min read

Keras ist ein 2015 von Francois Chollet entwickeltes Open-Source-Framework für Deep-Learning. Es ist ein High-level API für das Erstellen, Trainieren und Evaluieren von Deep-Learning-Modellen und bietet einheitliche Schnittstellen die auf anderen Deep-Learning-Frameworks wie Tensorflow und PyTorch aufsetzt.

API steht für Application Programming Interface. Sie stellt Funktionen, Befehle oder Datenstrukturen zur Verfügung, mit denen andere Programme oder Entwickler auf eine Software zugreifen können ohne den Quellcode zu kennen [1].

Bekannt ist Keras in erster Linie für seine Benutzerfreundlichkeit und Modularität. Es eignet sich für Einsteiger*innen, wird aber auch von erfahrenen Nutzenden angewendet. Keras verfügt über eine Bausteinarchitektur die sowohl anpassbar als auch erweiterbar ist [2].

Als Programm für den Entwurf und das Training von High-level neuronalen Netzwerken führt Keras selbst keine Low-Level-Berechnungen durch. Stattdessen übergibt es diese an eine separate Bibliothek wie Tensorflow oder PyTorch. Mittlerweile ist Keras vollständig in Tensorflow integriert das diese Low-Level-Berechnungen übernimmt [3].

Anwendungsbeispiele

Typische Anwendungsfelder für Deep-Learning-Frameworks wie Keras sind die Bildverarbeitung, etwa für Objekterkennung oder auch medizinische Diagnostik. Aber auch in der Spracherkennung und Textverarbeitung, wie sie zum Beispiel bei Chatbots zum Einsatz kommen, können diese Frameworks genutzt werden [4]. Keras eignet sich besonders für einen schnellen Einstieg sowie schnelles Prototyping.

Lizenz

Keras unterliegt der Apache 2.0-Lizenz [5].

Mehr zu Lizenztypen hier.

Programmiersprache und Betriebssystem

Keras unterstütz primär die Programmiersprache Python und ist mit den Betriebssystemen Linux und Mac kompatibel. Windows-Nutzenden wird für die Nutzung von Keras WSL2 empfohlen [5].

Vorteile:

Sehr benutzerfreundlich
Gut für Prototyping aufgrund modularer Struktur

Nachteile:

Ggf. geringerer Funktionsumfang als Tensorflow und PyTorch
Langsamer als Tensorflow und PyTorch

Referenzen

[1] Red Hat. (2025, Januar 8). Was ist eine API? Einführung in Programmierschnittstellen. [Online]. Verfügbar: https://www.redhat.com/de/topics/api/what-are-application-programming-interfaces#:~:text=APIs%20(Application%20Programming%20Interfaces%20oder,zu%20kommunizieren%20und%20Daten%20auszutauschen . [Abruf September 19, 2025].

[2] Geeks for Geeks. (2025, Juli 23). Keras vs Tensorflow vs Pytorch. [Online]. Verfügbar: https://www.geeksforgeeks.org/keras-vs-tensorflow-vs-pytorch/. [Abruf September 19, 2025].

[3] Turin. (2022, Mai 2). In-Depth Guide on Deep Learning Frameworks – Keras, TensorFlow, PyTorch. [Online], Verfügbar: https://www.turing.com/kb/guide-on-deep-learning-frameworks-keras-tensorflow-pytorch#what-is-keras. [Abruf September 19, 2025].

[4] Keras-Website: https://keras.io/.

[5] Keras auf GitHub: https://github.com/keras-team/keras.

Deep-Learning, Open Source Software, OSS, RimA, Robotik im Alltag
Hat dieser Beitrag weitergeholfen?
Nichts gefunden? Können wir helfen?

Wie können wir helfen?

Updated on 1. Oktober 2025
OSS TensorFlow für Maschinelles Lernen und Künstliche IntelligenzOSS PyTorch

Powered by BetterDocs

Transferzentrum RimA: Roboter im Alltag

 

koordiniert von:

FZI Forschungszentrum Informatik
Haid-und-Neu-Str. 10-14
76131 Karlsruhe

 

 

Datenschutz

Impressum

Förderung

Förderhinweis des Bundesministeriums für Forschung, Technologie und Raumfahrt

gefördert durch das Bundesministerium für Forschung, Technologie und Raumfahrt

© Copyright - RimA | Roboter im Alltag - Enfold Theme by Kriesi
OSS Move-Base-FlexOSS Webots
Nach oben scrollen

Diese Seite verwendet Cookies. Mit der Weiternutzung der Seite stimmen Sie der Verwendung der notwendigen Cookies zu. Wir verarbeiten die erhobenen Daten auf Basis berechtigten Interesses gemäß Art. 6 Abs. 1 lit f DSGVO. Das Interesse ist die Optimierung unserer Webseite für die Analyse der Navigationspfade bzw. die Häufigkeit von Aufrufen von Beiträgen. Die Daten werden nicht weitergegeben und gelöscht sobald die Analysen abgeschlossen sind. Nähere Infos finden Sie in unserer Datenschutzerklärung.

Einstellungen akzeptierenEinstellungen bearbeiten

Cookie and Datenschutz Einstellungen



Wie wir Cookies verwenden

Wir können Cookies anfordern, die auf Ihrem Gerät eingestellt werden. Wir verwenden Cookies, um zu sehen, wenn Sie unsere Websites besuchen, wie Sie mit uns interagieren, Ihre Nutzererfahrung verbessern und Ihre Beziehung zu unserer Website anpassen.

Wir verwenden zur Optimierung unserer Webseite die Analysefunktionen des BetterDocs-WordPress-Plugins. Hieran haben wir ein berechtigtes Interesse im Sinne des Art.6 Abs 1 lit f DSGVO. BetterDocs liefert eine Analysefunktion für die erstellten Inhalte. Unsere Interesse ist die Optimierung unserer Webseite wofür die Analyse der Navigationspfade bzw. die Häufigkeit von Aufrufen von Beiträgen notwendig ist. Um Nutzerverhalten zuordnen zu können benötigen wir die IP bzw. einen Cookie. Die Daten werden nicht weitergegeben. Die Daten werden gelöscht sobald die Analysen abgeschlossen sind.

Notwendige Website Cookies

Diese Cookies sind unbedingt erforderlich, um Ihnen die auf unserer Webseite verfügbaren Dienste und Funktionen zur Verfügung zu stellen.

Da diese Cookies für die auf unserer Webseite verfügbaren Dienste und Funktionen unbedingt erforderlich sind, hat die Ablehnung Auswirkungen auf die Funktionsweise unserer Webseite. Sie können Cookies jederzeit blockieren oder löschen, indem Sie Ihre Browsereinstellungen ändern und das Blockieren aller Cookies auf dieser Webseite erzwingen.

Wir respektieren es voll und ganz, wenn Sie Cookies ablehnen möchten. Um zu vermeiden, dass Sie immer wieder nach Cookies gefragt werden, erlauben Sie uns bitte, einen Cookie für Ihre Einstellungen zu speichern. Sie können sich jederzeit abmelden oder andere Cookies zulassen, um unsere Dienste vollumfänglich nutzen zu können. Wenn Sie Cookies ablehnen, werden alle gesetzten Cookies auf unserer Domain entfernt.

Datenschutzrichtlinie

Sie können unsere Cookies und Datenschutzeinstellungen im Detail in unseren Datenschutzrichtlinie nachlesen.

Datenschutz
Matomo

Diese Website benutzt den Open Source Webanalysedienst Matomo. Mit Hilfe von Matomo sind wir in der Lage Daten über die Nutzung unserer Website durch die Websitebesucher zu erfassen und zu analysieren. Hierdurch können wir u. a. herausfinden, wann welche Seitenaufrufe getätigt wurden und aus welcher Region sie kommen. Außerdem erfassen wir verschiedene Logdateien (z. B. IP-Adresse, Referrer, verwendete Browser und Betriebssysteme) und können messen, ob unsere Websitebesucher bestimmte Aktionen durchführen (z. B. Klicks, Käufe u. Ä.). Die Nutzung dieses Analyse-Tools erfolgt auf Grundlage von Art. 6 Abs. 1 lit. f DSGVO. Der Websitebetreiber hat ein berechtigtes Interesse an der Analyse des Nutzerverhaltens, um sowohl sein Webangebot als auch seine Werbung zu optimieren. Sofern eine entsprechende Einwilligung abgefragt wurde, erfolgt die Verarbeitung ausschließlich auf Grundlage von Art. 6 Abs. 1 lit. a DSGVO und § 25 Abs. 1 TDDDG, soweit die Einwilligung die Speicherung von Cookies oder den Zugriff auf Informationen im Endgerät des Nutzers (z. B. Device-Fingerprinting) im Sinne des TDDDG umfasst. Die Einwilligung ist jederzeit widerrufbar.

Opt-out complete; your visits to this website will not be recorded by the Web Analytics tool. Note that if you clear your cookies, delete the opt-out cookie, or if you change computers or Web browsers, you will need to perform the opt-out procedure again.

You may choose to prevent this website from aggregating and analyzing the actions you take here. Doing so will protect your privacy, but will also prevent the owner from learning from your actions and creating a better experience for you and other users.

The tracking opt-out feature requires cookies to be enabled.

Einstellungen akzeptieren