“德国制造”以渐进式创新闻名于世。但是在近几年，德国制造业的从业者也在反思这种创新的弊病。渐进式创新适合于实业的巩固，但不利于革命性创新。

在工业4.0时代，企业需要在自身之外寻求更多的知识和经验，否则很容易错失发展的重要机遇，因此开放式且颠覆性创新显得尤其重要。

掌握这些创新技术的小公司，透过极具创意的点子和改变商业模式的思维，成为帮助产业突破既有界限的主要动力。在这样的大背景下，全球最大的工业展汉诺威工博会从2016年设立了初创企业特别展(Young Tech Enterprises)。

对于工业应用的研发者而言（例如：机电/机械工程、镭射处理、程序工程、软件开发）而言，Young Tech Enterprises是最佳的曝光机会。而对于正在寻找创新的成熟企业而言，更是个潜力无穷的撮合平台。本届工博会将会有130家初创企业带来他们的突破性技术，我们选取了其中比较有代表性的15家进行介绍。如果您想了解更多相关讯息可私信关键词【2022】获取。

core sensing：智能感应驱动轴

下一代驱动轴将采用智能化测量技术。为了实现这一点，core sensing将智能传感器和测量部件集成到驱动轴的腔体中，并开发了针对预测性维护和状态监测的智能解决方案，可使公司能够更高效、更经济地使用生产设备和商用车辆。

集成的传感器可直接提供作用在驱动轴上的实时、高精度扭矩测量数据。通过这些数据可以得出关于驱动轴及其周围部件状况的可靠结论，为用户提供精确的测量结果。

core sensing GmbH 成立于2019年，是达姆斯塔特工业大学的衍生企业。

Q.ANT：专注于光量子技术研发

我们正处于量子计算时代的风口浪尖，全球争夺这项未来技术市场份额的竞赛已经开始。

为了实现由德国制造的实用量子计算机芯片的目标，推动研究成果转化为成功的工业产品，“PhoQuant”技术联盟于3月份正式成立，该联盟将促进一流的企业、大学和应用研究机构之间开展密切合作。”我们将要介绍的初创企业Q.ANT便是该联盟产业端的牵头方。

Q.ANT一直专注于光量子技术研发。2021年，Q. ANT宣布在硅芯片上实现了高效的光通道。该光芯片技术可在室温下运行，同时能够实现以零损耗的方式传输、控制和测量量子比特。此外，该芯片将支持经典量子计算机的集成。

和往年一样，我们将在展会结束后举行工博会网络研讨会，让您足不出户，洞察全球工业发展趋势。报名参加请戳 2022 hannover messe 研讨&趋势分享

NIMMSTA ：全球第一款工业智能手表

NIMMSTA 是世界上第一款工业智能手表的制造商，支持手绘扫描工作流程，彻底改变物流和内部物流行业。 NIMMSTA 由 AFR Engineering GmbH（成立于 2009 年）的两位创始人兼首席执行官 Florian Ruhland 和 Andreas Funkenhauser 于 2019 年在慕尼黑创立。 基于他们在 Datalogic 多年的工业 PC 产品开发经验，他们提出了 HS 50 的想法。这家年轻的公司提供智能软件，结合创新和强大的触摸显示硬件，使公司的所有流程更高效。 用户友好且符合人体工程学的可穿戴解决方案主要用于拣货、运输、制造和组装等任务领域。

NIMMSTA HS 50 三合一：智能手表、工业扫描仪和电子纸触摸屏。 因此，所有工作流程，尤其是物流行业的工作流程，都可以提高 50% 的效率。 HS 50 仅重 45 克，是市场上最轻、最小的反手扫描器，可在 4 米外以高性能水平采集 1D、2D、POSTAL 和 DOT 条码。 触摸显示屏上的交互式用户指南为用户提供扫描过程的所有相关数据，并允许输入和确认，无需额外的输入和显示设备。

MotionMiners：以人为本

MotionMiners GmbH 是多特蒙德弗劳恩霍夫物流与物流研究所 (IML) 的衍生公司。 该公司使用移动传感器、机器学习算法对手动工作流程进行自动化流程分析。 所谓的 Motion-Mining 技术支持生产和物流规划人员分析其手动工作流程的生产力和人体工程学，以匿名并基于真实流程数据发现隐藏的优化潜力。

Motion Miners创建了一种beacon技术。通过该技术，人与机器之间可实现实时手势识别。Motion Mining还可以自动分析和量化手动过程。例如，将某个动作过程可以分解为步行或采摘，起始动作或结束动作。这其实是克服了某些识别弱点，改进了手动过程并最终能够实现资金的节省。

Aeon Robotics：让一切自动化

Aeon Robotics是一家专注于模块化机器人、人工智能、驱动技术和智能组件领域的初创公司。该公司成立于 2021 年，从不伦瑞克工大 分拆出来。借助 HandEffect 机器人系统，Aeon Robotics 首次提供了一种解决方案，可以直观地让机器人系统感受抓取力和教授机器人抓取动作，而无需事先了解机器人技术或编程知识。通过这种方式，可以实现以前无法自动化的流程自动化。