Project -

Programme 2021 - 2027 Interreg VI-A Germany/Bavaria-Czechia

Date of latest update: 2026-02-24

Description

Description (EN):

Companies want to use artificial intelligence (AI). Data quality is key to success (Handelsverband Deutschland 2023) and is one of the main reasons why 70-85% of AI initiatives fail (RAND Research Report 2024). In the Bavarian-Czech border region, the central problem is the low quality of data caused by the economic disparities persisting from the Iron Curtain and complex cross-border supply chains, which can involve up to 30 different actors per transaction. Moreover, different conditions, languages and subcultures complicate collaboration and increase the risk of further data quality issues. The aim of the project is to permanently improve the quality of data in 50 different small and medium-sized enterprises, while preparing them for future technologies. Innovative methods are being developed to evaluate and ensure the quality of data using artificial intelligence, including the transfer of know-how. Given the economic interdependence caused by cross-border supply chains, purely national solutions are not enough. Legal, linguistic and cultural differences require that newly developed innovations be applicable to both sides of the border. The beneficiaries of the project are mainly small and medium-sized enterprises (SMEs), which will obtain better data quality through individual audits and consultations, AI-enabled methods, workshops, seminars and recommendations for best practices. Another target group are students and future decision makers, for whom practical training is prepared.

Description (DE):

Unternehmen wollen die Vorteile von KI nutzen. Datenqualität ist ausschlaggebend für den Erfolg (Handelsverband Deutschland 2023) und ist einer der Gründe für das Scheitern von 70-85% der KI-Initiativen (RAND Research Report 2024). Das zentrale Problem in der bayerisch-tschechischen Grenzregion ist die mangelhafte Datenqualität, verursacht durch wirtschaftliche Unterschiede aus der Zeit des Eisernen Vorhangs und komplexe grenzüberschreitenden Lieferketten, mit bis zu 30 verschiedenen beteiligten Akteuren je Transaktion. Unterschiedliche Bedingungen, Sprachen und Subkulturen erschweren die Zusammenarbeit und erhöhen das Risiko von Datenqualitätsproblemen. Ziel des Projekts ist es die Datenqualität von 50 verschiedenen KMUs nachhaltig zu verbessern und auf Zukunftstechnologien vorzubereiten. Es werden innovative KI-gestützte Methoden zur Bewertung und Sicherung der Datenqualität in KMUs entwickelt und Wissen transferiert. Aufgrund der wirtschaftlichen Verflechtung durch grenzüberschreitende Lieferketten ist ein rein nationaler Lösungsansatz dafür nicht ausreichend. Die rechtlichen, sprachlichen und kulturellen Unterschiede machen es erforderlich, dass Innovationen für beide Seiten gleichermaßen anwendbar sind. Zu den Nutznießern zählen KMUs (verbesserte Datenqualität durch individuelle Audits und Beratungen, KI-gestützte Methoden, Workshops und Seminare, Best-Practice-Guidelines) sowie Studierende und zukünftige Entscheidungsträger (praxisorientierte Ausbildung).

Description (CS):

Společnosti chtějí využívat umělou inteligenci (AI). Kvalita dat je pro úspěch klíčová (Handelsverband Deutschland 2023) a je jedním z hlavních důvodů, proč 70–85 % iniciativ v oblasti AI selže (RAND Research Report 2024). V bavorsko-českém příhraničním regionu je ústředním problémem nízká kvalita dat, kterou způsobují ekonomické rozdíly přetrvávající z dob železné opony a složité přeshraniční dodavatelské řetězce, do nichž může být zapojeno až 30 různých subjektů na jednu transakci. Různé podmínky, jazyky a subkultury navíc komplikují spolupráci a zvyšují riziko dalších potíží s kvalitou dat. Cílem projektu je trvale zlepšit kvalitu dat v 50 různých malých a středních podnicích a zároveň je připravit na budoucí technologie. Vyvíjejí se inovativní metody pro hodnocení a zajištění kvality dat využívající umělou inteligenci, přičemž dochází i k předávání know-how. Vzhledem k ekonomické vzájemné provázanosti zapříčiněné přeshraničními dodavatelskými řetězci nestačí ryze národní řešení. Právní, jazykové a kulturní rozdíly vyžadují, aby nově vyvíjené inovace byly uplatnitelné pro obě strany hranice. Mezi příjemce projektu patří především malé a střední podniky (MSP), které získají lepší kvalitu dat prostřednictvím individuálních auditů a konzultací, metod využívajících umělou inteligenci, workshopů, seminářů a doporučení pro osvědčené postupy. Další cílovou skupinou jsou studenti a budoucí decision makeři, pro které je připraveno prakticky zaměřené školení.

Expected Achievements (EN):

The main objective of the project is to improve the quality of data in the border region in the long term. The project aims to achieve the following results: developing innovative approaches to measuring, evaluating and improving data quality in SMEs in order to prepare them for future data-driven technologies. This includes the use of artificial intelligence to produce data quality statements; promoting cross-border cooperation between researchers, firms and professional networks; and (iii) the long-term transformation of the border region towards a more efficient use of both technology and economic resources. The project thus directly contributes to the specific objective ‘Developing and strengthening research and innovation capacities and deployment of advanced technologies’. By combining knowledge transfer, practical application and research, solutions are created that go beyond existing practice and provide both immediate economic benefits and a long-term strategic advantage.

Expected Achievements (DE):

Ziel ist es, die Datenqualität in der Grenzregion nachhaltig zu verbessern. Das Projekt zielt darauf ab, folgende Ergebnisse zu erzielen: i) Entwicklung innovativer Ansätze zur Messung, Bewertung und Verbesserung der Datenqualität in KMUs zur Vorbereitung auf datengetriebene Zukunftstechnologien durch KI-gestützte Qualitätsstatements, ii) Förderung der grenzüberschreitenden Zusammenarbeit zwischen Wissenschaftlern, Unternehmen und Netzwerken und iii) langfristige Transformation der Grenzregion hin zu einer technologisch und wirtschaftlich leistungsfähigeren Region. Das Projekt trägt direkt zu dem spezifischen Ziel "Entwicklung und Ausbau der Forschungs- und Innovationskapazitäten sowie der Einführung fortschrittlicher Technologien" bei. Durch die Kombination von Wissenstransfer, Praxis und Forschung entstehen Lösungen, die über bestehende Praktiken hinausgehen und sowohl kurzfristige wirtschaftliche als auch langfristige strategische Vorteile bieten.

Expected Achievements (CS):

Hlavním cílem projektu je dlouhodobě zlepšit kvalitu dat v příhraničním regionu. Projekt usiluje o dosažení následujících výsledků: i) vývoj inovativních přístupů k měření, hodnocení a zlepšování kvality dat v malých a středních podnicích, aby byly připraveny na budoucí technologie založené na datech. To zahrnuje i využití umělé inteligence pro vytváření prohlášení o kvalitě dat; ii) podpora přeshraniční spolupráce mezi výzkumníky, firmami a odbornými sítěmi a iii) dlouhodobá transformace příhraničního regionu směrem k efektivnějšímu využívání technologií i ekonomických zdrojů. Projekt tak přímo přispívá ke specifickému cíli „Rozvoj a posilování výzkumných a inovačních kapacit a zavádění pokročilých technologií“. Spojením přenosu znalostí, praktického využití a výzkumu vznikají řešení, jež přesahují stávající praxi a poskytují jak okamžité ekonomické přínosy, tak dlouhodobou strategickou výhodu.

Project outputs: Podporované společnosti(CS)
Unterstützte Unternehmen(DE)
Podporované společnosti(CS)
Unterstützte Unternehmen(DE)

Thematic information

ICT and digital society SME and entrepreneurship Knowledge and technology transfer

Priority: (VI-A_G/B-Cz_1) Research and knowledge transfer

Priority specific objective: RSO1.1. Developing and enhancing research and innovation capacities and the uptake of advanced technologies

Priority policy objective (Interreg specific objective): PO1 A more competitive and smarter Europe by promoting innovative and smart economic transformation and regional ICT connectivity

Type of intervention: 028 Technology transfer and cooperation between enterprises, research centres and higher education sector

Partners (2)

Lead Partner: Technische Hochschule Deggendorf

Partner’s ID if not PIC: DE 228493551

Department: Technologický kampus Grafenau

Address: Dieter-Görlitz-Platz, 94469 Deggendorf, Germany

Department address: Hauptstraße, 94481 Grafenau, Germany

Legal status: public

Organisation type: Higher education and research organisations

Website: https://www.th-deg.de

Total budget: EUR 311 179.72

Partner’s programme co-financing: EUR 248 943.77

Partner’s programme co-financing rate: 80.00%

Partner contribution: EUR 62 235.95

Západočeská univerzita v Plzni

Name: Západočeská univerzita v Plzni

Department: Abteilung für Wirtschaftswissenschaften und Quantitative Methoden

Partner’s ID if not PIC: 49777513/CZ49777513

Address: Univerzitní, 301 00 Plzeň, Czech Republic

Department address: Univerzitní, 30100 Plzeň, Czech Republic

Legal status: public

Organisation type: Higher education and research organisations

Website: https://www.zcu.cz/

Total budget: EUR 157 436.08

Partner’s programme co-financing: EUR 125 948.86

Partner’s programme co-financing rate: 80.00%

Partner contribution: EUR 31 487.22

Partners map

Partners and Projects info

University of West Bohemia

Partners and Projects info

Deggendorf Institute of Technology

Lead partner

Project partner

Summary

Project name (DE): Künstliche Intelligenz für Datenqualitätsstatements im Entscheidungsprozess von Lieferketten

Project name (CS): Využití umělé inteligence při kontrole a potvrzení kvality dat v procesu rozhodování v dodavatelském řetězci

Project acronym: AI-DQS

Project ID: BYCZ08-242

Project start date: 2025-10-01

Project end date: 2028-09-30

Project status: ongoing

Relevant linked projects:

Průmysl 4.0 – Workshop Bavorský les
(ERDF) (CS), Industrie 4.0 - Werkstatt Bayerischer Wald
(EFRE) (DE) | An der THD wurden im Rahmen des EFRE-Projektes "Industrie 4.0 - Werkstatt Bayerischer Wald" verschiedene Datenanalyseprojekte mit KMUs in der Region Bayerischer Wald durchgeführt. Eine wesentliche Tätigkeit im Rahmen dieses Projekts war der Wissenstransfer durch Pilotprojekte und Zusammenarbeit. Durch das Projekt wurden bereits Erfahrungen und direkte Verbindungen zu KMUs aufgebaut. Dabei wurden auch zahlreiche Herausforderungen in der Datenqualität offensichtlich. (DE), Na THD byly provedeny různé projekty analýzy dat s malými a středními podniky v regionu Bavorský les v rámci projektu ERDF „Průmysl 4.0 – Workshop Bavorský les“. Klíčovou aktivitou v tomto projektu byl přenos znalostí prostřednictvím pilotních projektů a spolupráce. Projekt již získal zkušenosti a navázal přímé spojení s malými a středními podniky. Objevily se také četné výzvy v oblasti kvality dat. (CS), KID@Konf - KI-basiertes Dispositionsmanagement bei Konfektionierern
(StMWi) (DE), KID@Konf - Řízené plánování založené na AI pro výrobce
(StMWi) (CS) | V projektu "KID@Konf - AI-based scheduling management pro montážní firmy" realizovaném na THD byly v úzké spolupráci s regionálním SME vyvinuty metody AI, které umožňují plánování, implementaci a optimalizaci montážních procesů. Algoritmus založený na AI byl také vyvinut pro zvýšení kvality dat objednávek. Poznatky z tohoto projektu budou začleněny do navrhovaného projektu AI-DQS s cílem vyvinout metody umělé inteligence, které lze použít k měření a zlepšování kvality obchodních dat obecně. (CS), In dem an der THD durchgeführten Projekt "KID@Konf - KI-basiertes Dispositionsmanagement bei Konfektionierern" wurden in enger Kooperation mit einem regionalen KMU KI-Methoden entwickelt, die die Planung, Umsetzung und Optimierung von Konfektionsprozessen ermöglichen. Dabei wurde auch ein KI-basierter Algorithmus entwickelt, um die Datenqualität von Bestelldaten zu erhöhen. Erkenntnisse aus diesem Projekt fließen in das beantragte Projekt AI-DQS ein, um KI-Methoden zu entwickeln, mit denen die Qualität von Geschäftsdaten im Allgemeinen vermessen und verbessert werden kann. (DE), AI4GREEN
(Interreg BY-AT) (CS), AI4GREEN
(Interreg BY-AT) (DE) | V přeshraničním bavorsko-rakouském projektu Interreg AI4GREEN na Technologické univerzitě v Deggendorfu a 7 dalších partnerech jsou malé a střední podniky podporovány při hledání příležitostí k úsporám zdrojů. Pomocí metod založených na AI se v malých a středních podnicích provádějí analýzy dat. AI4GREEN si klade za cíl zvýšit efektivitu a udržitelnost ekonomických subjektů prostřednictvím moderních technologií AI. To vyžaduje data odpovídající kvality, což se často nestává, zejména v dodavatelských řetězcích v příhraniční oblasti Bavorsko-Česká republika. Přihlášený projekt AI-DQS tak vytváří předpoklady pro aplikaci metod AI vyvinutých v AI4GREEN v bavorsko-českém pohraničí. (CS), In dem grenzüberschreitenden bayerisch-österreichischen Interreg-Projekt AI4GREEN an der THD und 7 weiteren Partner werden KMUs in der Findung von Ressourceneinsparmöglichkeiten mittels datengetriebener KI-gestützter Methoden unterstützt und Datenanalysen in KMUs durchgeführt. AI4GREEN hat zum Ziel die Effizienz und Nachhaltigkeit von Wirtschaftsakteuren durch Zukunftstechnologien zu erhöhen. Dies setzt Daten in entsprechender Qualität voraus, was insbesondere in Lieferketten im Grenzraum Bayern-Tschechien oftmals nicht gegeben ist. Das beantragte Projekt AI-DQS schafft damit die Voraussetzung für die Anwendung der in AI4GREEN entwickelten KI-Methoden auch im bayerischen-tschechischen Grenzraum. (DE), KINO - KI Dolní Bavorsko-Horní Falc v řemeslech
(StMWi) (CS), KINO - Künstliche Intelligenz Niederbayern-Oberpfalz im Handwerk
(StMWi) (DE) | In dem an der THD durchgeführten Projekt "KINO - KI Niederbayern-Oberpfalz im Handwerk" werden KI-gestützte Methoden in Kooperation mit der Handwerkskammer Niederbayern-Oberpfalz zur Unterstützung von Handwerksbetrieben erforscht. Dadurch bestehen direkte Verbindungen zu Handwerksbetrieben in der bayerisch-tschechischen Grenzregion. In dem vom bayerischen StMWi geförderten Projekt werden KI-gestützte Methoden zur Unterstützung von Geschäftsprozessen, wie der Angebotserstellung und Wissensvermittlung, erforscht. Für den Einsatz von KI-gestützten Methoden ist Datenqualität eine kritische Grundvoraussetzung. Das beantragte Projekt AI-DQS stellt daher eine ideale Ergänzung dar und bereitet den Weg für KI-Initiativen in grenzübergreifenden Lieferketten. (DE), V projektu „KINO - KI Dolní Bavorsko-Horní Falc v řemeslech“ realizovaném na Technické univerzitě v Deggendorfu se ve spolupráci s Řemeslnou komorou Dolní Bavorsko-Horní Falc zkoumají metody podporované umělou inteligencí na podporu řemeslných podniků. To znamená přímé napojení na řemeslné podniky v bavorsko-českém pohraničí. Projekt financovaný bavorským StMWi zkoumá metody podporované umělou inteligencí pro podporu obchodních procesů, jako je vytváření nabídek a přenos znalostí. Kvalita dat je zásadním předpokladem pro použití metod podporovaných AI. Projekt AI-DQS, o který se žádá, je proto ideálním doplňkem a připravuje cestu pro iniciativy AI v přeshraničních dodavatelských řetězcích. (CS), Výzkum kvantitativních přístupů k řešení ekonomických problémů
(MŠMT) (CS), Forschung zu quantitativen Ansätzen für die Lösung von Wirtschaftsproblemen
(MŠMT) (DE) | Im Rahmen des MŠMT-geförderten Projekts "Forschung zu quantitativen Ansätzen für die Lösung von Wirtschaftsproblemen" an der ZCU wurden quantitative Ansätze zur Lösung wirtschaftlicher Probleme, wie z. B. Entscheidungsprobleme in Unternehmen, entwickelt. Zudem wurde die Wettbewerbsfähigkeit von Unternehmen untersucht, insbesondere die Einsatzbereitschaft und Nutzbarkeit von Business Intelligence (BI) durch KMUs sowie im Kontext der Weiterentwicklung hin zu Künstlicher Intelligenz (KI).
Das MŠMT-geförderte Projekt liefert wichtige Grundlagen für das beantragte Projekt AI-DQS, da die quantitativen Ansätze zur Lösung von Entscheidungsproblemen zur Definition von Anforderungen an die Datenqualität verwendet werden können. (DE), V rámci projektu financovaného MŠMT „Výzkum kvantitativních přístupů k řešení ekonomických problémů“ na Západočeské univerzitě v Plzni byly zavedeny kvantitativní přístupy k řešení ekonomických problémů, jako jsou problémy rozhodování ve firmách. Dále byla zkoumána konkurenceschopnost firem, zejména ochota a využitelnost business intelligence (BI) ze strany malých a středních podniků a v kontextu dalšího vývoje směrem k umělé inteligenci (AI). Projekt financovaný MŠMT poskytuje důležité základy pro navrhovaný projekt AI-DQS, protože použité kvantitativní přístupy lze použít k řešení rozhodovacích problémů k definování požadavků na kvalitu dat. (CS), Anwendung quantitativer Methoden in der Wirtschaft
(MŠMT) (DE), Aplikace kvantitativních metod v ekonomii
(MŠMT) (CS) | Projekt financovaný MŠMT „Aplikace kvantitativních metod v ekonomii“ na Západočeské univerzitě v Plzni byl věnován predikci vývoje a chování finančních trhů pomocí moderních metod analýzy dat. Kromě vývoje metod analýzy dat zahrnuje také odvození regulačních opatření pro finanční trhy a také odvození doporučení pro využití nástrojů business intelligence k predikci chování finančních trhů. Využití nástrojů business intelligence je zaměřeno zejména na malé a střední podniky, které často nemají prostředky na používání komplexních systémů. Ekonomický úspěch přeshraničních dodavatelských řetězců, v nichž hrají MSP ústřední roli, je však do značné míry určován chováním finančních trhů ve formě směnných kurzů. Projekt financovaný MŠMT tak oslovuje stejnou cílovou skupinu jako aplikovaný projekt AI-DQS. (CS), Das MŠMT-geförderte Projekt "Anwendung quantitativer Methoden in der Wirtschaft" an der ZCU widmete sich der Vorhersage von Entwicklungen und des Verhaltens der Finanzmärkte durch moderne Datenanalysemethoden. Es umfasst neben der Entwicklung von Datenanalysemethoden auch die Ableitung von Regulierungsmaßnahmen für Finanzmärkte sowie die Ableitung von Empfehlungen für die Verwendung von Business Intelligence-Tools zur Vorhersage des Finanzmarktverhaltens. Insbesondere die Verwendung von Business Intelligence-Tools richtet sich an KMUs, die oft nicht die Ressourcen zu Verwendung umfassender Systeme haben. Der wirtschaftliche Erfolg grenzübergreifenden Lieferketten in denen KMUs eine zentrale Rolle spielen wird allerdings vom Finanzmarktverhalten in Form von Wechselkursen maßgeblich mitbestimmt. Das MŠMT-geförderte Projekt adressiert damit die gleiche Zielgruppe wie das beantragte Projekt AI-DQS. (DE), Automaticky generované parametrizované úlohy pro výuku v předmětu Statistické zpracování dat
(MŠMT) (CS), Automatisch generierte parametrisierte Aufgaben für den Unterricht im Kurs Statistische Datenverarbeitung
(MŠMT) (DE) | V projektu financovaném ESF/MŠMT „Automaticky generované parametrizované úlohy pro výuku v předmětu Statistické zpracování dat“ na Západočeské univerzitě v Plzni byly vyvinuty inovativní přístupy k automatizaci výuky. Důraz byl kladen na vytváření parametrických úloh využitelných ve výuce pro statistické zpracování dat. Projekt nabízí cenný vstup pro generovaná prohlášení o kvalitě dat i pro školení a metody přenosu znalostí. Automatizované procesy lze upravit v AI-DQS tak, aby podporovaly malé a střední podniky při používání nástrojů AI. (CS), Im ESF/ MŠMT-geförderten Projekt "Automatisch generierte parametrisierte Aufgaben für den Unterricht im Kurs Statistische Datenverarbeitung" an der ZCU wurden innovative Ansätze zur Automatisierung in der Lehre entwickelt. Der Fokus lag auf der Erstellung parametrischer Aufgaben, die im Unterricht zur statistischen Datenverarbeitung eingesetzt werden können. Das Projekt bietet wertvolle Impulse für die generierten Datenqualitätsstatements sowie in Bezug auf Trainings- und Wissensvermittlungsmethoden. Die automatisierten Prozesse können in AI-DQS adaptiert werden, um KMUs im Umgang mit KI-Tools zu unterstützen. (DE), CySeReS-KMU - Kybernetická bezpečnost a odolnost v dodavatelských řetězcích pro malé a střední podniky
(Interreg BY-AT) (CS), CySeReS-KMU - Cyber Security und Resilienz in Supply Chains für KMU
(Interreg BY-AT) (DE) | In dem grenzüberschreitenden bayerisch-österreichischen Interreg-Projekt CySeReS-KMU des Technologie Campus Vilshofen an der THD und 5 weiteren Partner werden KMUs bei der Datensicherheit, IT-Sicherheit, Cyber-Security und Resilienz mit dem Fokus auf die Lieferketten unterstützt. Die Projekte AI-DQS und CySeReS-KMU profitieren voneinander, da sie eine gegenseitige Wechselwirkung aufweisen. Um Datensicherheit in Unternehmen zu gewährleisten sind Daten in hoher Qualität notwendig. Andersherum, um eine hohe Datenqualität zu gewährleisten, muss eine hohe Datensicherheit gegeben sein. (DE), V přeshraničním bavorsko-rakouském projektu Interreg CySeReS-KMU Technologického kampusu Vilshofen při THD a dalších 5 partnerů jsou malé a střední podniky podporovány v oblasti bezpečnosti dat, IT bezpečnosti, kybernetické bezpečnosti a odolnosti se zaměřením na dodavatelské řetězce. Projekty AI-DQS a CySeReS-KMU jsou si navzájem prospěšné, neboť se vzájemně ovlivňují. K zajištění bezpečnosti dat ve firmách jsou zapotřebí vysoce kvalitní data. A naopak, aby byla zajištěna vysoká kvalita dat, musí být zaručena vysoká bezpečnost dat. (CS)

Total budget/expenditure: EUR 468 615.80

Total EU funding (amount): EUR 374 892.63

Total EU funding (co-financing rate): 80.00%

Co-financing sources:

ERDF: Amount, EUR 374 892.63. Co-financing rate, 80.00%.

Investments, deliverables, policy contributions

(bullets are inserted automatically and may be incorrectly placed)

Contribution to wider strategies and policies:

EUStrategyDanubeRegion Projekt přispívá ke strategii EU pro Podunají (EUSDR) tím, že podporuje inovace, přeshraniční spolupráci, modernizaci, přenos technologií a ekonomickou integraci. Úzká spolupráce výzkumníků z Technologické univerzity v Deggendorfu a Západočeské univerzity s malými a středními podniky z Bavorska a České republiky umožňuje vzájemnou výměnu znalostí a odborných zkušeností. Současně vytváří platformu pro vývoj inovací zaměřených na řešení specifických problémů bavorsko-českého příhraničního regionu, především nedostatečné kvality dat.
Vyvíjením metod založených na umělé inteligenci, které přispívají ke zlepšení kvality dat v malých a středních podnicích, projekt podporuje modernizaci i přenos technologií. Tyto moderní nástroje pomáhají firmám činit informovaná rozhodnutí na základě přesných údajů, a tím posilují jejich efektivitu, výkonnost a konkurenceschopnost. Nasazení umělé inteligence v přeshraničních dodavatelských řetězcích je navíc významným krokem k oživení datové základny malých a středních podniků, jejich modernizaci a schopnosti konkurovat na globálním trhu.
Projekt rovněž posiluje ekonomickou integraci příhraničního regionu tím, že přenáší výsledky výzkumu přímo do praxe. Malé a střední podniky profitují z praktických nástrojů, workshopů, seminářů a pokynů pro osvědčené postupy, které jim umožňují lépe využívat moderní technologie a dosáhnout dlouhodobě udržitelného obchodního úspěchu. Tímto způsobem se prohlubuje hospodářská konvergence mezi zúčastněnými regiony a posiluje celková stabilita i rozvoj Podunají.
Other Projekt plynule zapadá do cílů národních i regionálních strategií Německa, České republiky, Bavorska a Plzně. Německá strategie umělé inteligence zdůrazňuje podporu nasazení AI v praxi, a to jak prostřednictvím rozvoje a aplikace umělé inteligence v podnikání, tak i prostřednictvím předávání znalostí. V rámci projektu proto vznikají metody založené na umělé inteligenci, které zlepšují kvalitu dat malých a středních podniků (MSP). Tím zároveň vytvářejí důležitý a často chybějící předpoklad (kvalitní data) pro úspěšné realizace AI iniciativ. Projekt navíc posiluje schopnosti současných i budoucích decision makerů v oblasti AI díky workshopům, seminářům, pokynům k osvědčeným postupům a dalším formám podpory.
Česká strategie umělé inteligence a bavorská strategie rozvoje zase kladou důraz na zvyšování konkurenceschopnosti prostřednictvím umělé inteligence, zejména prostřednictvím modernizace MSP. Projekt jim umožňuje přístup k nástrojům AI a pomáhá jim technologicky pokročit na vyšší úroveň. V rámci obou strategií se navíc zdůrazňuje i přeshraniční spolupráce a výměna znalostí. Projekt to naplňuje díky propojení univerzit a MSP z obou zemí, jež úzce spolupracují. Společně tak propojují výzkum s podnikatelskou praxí prostřednictvím řešení vycházejících z reálných potřeb MSP, čímž zároveň podporují jejich integraci moderních technologií. Takový přístup plně koresponduje s cíli regionálních strategií výzkumu a inovací (RIS3) Bavorska i Plzně.

Programme Common Output Indicator:

RCO 001 - Enterprises supported (of which: micro, small, medium, large), Measurement unit:
RCO 004 - Enterprises with non-financial support, Measurement unit:

Programme Common Result Indicator:

RCR 084 - Organisations cooperating across borders after project completion, Measurement unit:

Project part of European Union Macro-Regional or Sea Basin Strategy: EUSDR

Information regarding the data in keep.eu on the programme financing this project

Financing programme

2021 - 2027 Interreg VI-A Germany/Bavaria-Czechia

Last month that data in keep.eu was retrieved from the Programme's website or received from the Programme

2025-10-29

No. of projects in keep.eu / Total no. of projects (% of projects in keep.eu)

62 / 62 (100%)

No. of project partnerships in keep.eu / Total no. of project partnerships (% of project partnerships in keep.eu)

165 / 165 (100%)

Notes on the data

Languages

Contact Form