fbpx
Suchbegriff

Forschung für eine innovative Zukunft

Der Grundsatz, aktuelle Forschungsergebnisse und zukunftsorientierte Themen aktiv in unsere Projekte zu integrieren, ist bereits in der Namensgebung unseres Unternehmens tief verwurzelt – Technisch Wissenschaftlicher Transfer. Um heute den Fortschritt für morgen zu sichern, sind wir bei TWT in zahlreiche nationale und internationale Forschungsprojekte involviert. Die Aktivitäten umfassen sowohl Initiierung, Management und Koordination von Konsortien, als auch die Teilnahme an Forschungsinitiativen.

Unser angeborener Verbesserungsdrang resultiert in dem Ziel, forschungsbasierte Innovationen anzuregen und neu entstehende, zukunftsweisende Technologien voranzutreiben. Innovation und wissenschaftliche Expertise gepaart mit der Kompetenz, die Dinge ganzheitlich zu betrachten, bilden seit der Firmengründung den Grundstein und den Antrieb für die erfolgreichen Forschungsaktivitäten bei TWT.

addflex-logo-resized (1)

addFlex

Fokus des Forschungsprojekts addFlex ist es, die Möglichkeiten der Additiven Fertigung für den Leichtbau eines flexiblen Greifsystems zu erschließen. Die dabei eingesetzte additive und softwaregestützte Fertigung wird völlig neue roboterbasierte Handhabungs- und damit Automatisierungsmöglichkeiten für variantenreiche Produktionen und Kleinserien eröffnen. Der Einsatz dieser neuartigen Technologie wird in eine digitalisierte und automatisierte Prozesskette eingebettet, die auf eine ganzheitliche Betrachtung von Produkt und Prozess abzielt.

Die Nutzung Additiver Fertigung zur Herstellung des Greifers als Leichtbauprodukt kann das Gesamtgewicht des Greifers signifikant reduzieren. Beispielsweise können bei entsprechenden Produktanforderungen leichtere Kunststoffe anstelle von konventionellem Stahl oder Aluminium verwendet werden. Zudem können durch eine Topologieoptimierung Hohl- und Gitterstrukturen bei der Konstruktion des Basismoduls und der Greiferfinger berücksichtigt werden. Insgesamt kann hierdurch von einer Gewichts- und Volumenersparnis von bis zu 50 % ausgegangen werden, womit eine höhere Materialeffizienz erreicht wird. Leichtere Greifer haben direkten Einfluss auf die Nutzlast von Robotern. Das Potential für eine Nutzlasterhöhung läge bei einem Leichtbauroboter, bspw. vom Typ UR5e (Fa. Universal Robots), bei ca. 8-12 %. Mit der Steigerung der Nutzlast könnten gleichzeitig weitere Anwendungsfelder für Leichtbauroboter erschlossen werden, die einen geringen Energieverbrauch als konventionelle Industrieroboter aufweisen.

Mehr erfahren über addFlex

Ziel

Das Ziel des Projekts „addFlex“ – Additive Fertigung zum Leichtbau flexibler Greifer – ist die Erstellung einer digitalisierten Prozesskette als Standardisierungslösung zum automatisierten Leichtbau flexibler Greifer mittels Additiver Fertigung. Mithilfe dieser innovativen Technologie sollen in Zukunft ressourceneffizientere sowie adaptive und roboterbasierte Handhabungsprozesse für variantenreiche Produktionsabläufe befähigt werden können.

Unsere Beiträge zum Projekt

  • Automatisierte Erstellung 3D-druckbarer CAD-Modelle.
  • Automatische Topologieoptimierung basierend auf bereitgestellten Eingabedaten.
  • Bereitstellung einer CAD-Schnittstelle zur Steuerung über eine Webanwendung.

Partner

  • Werkzeuglabor RWTH Aachen
  • Plan Software GmbH
  • Zimmer Group GmbH
  • LBBZ GmbH
  • Otto
  • Harrand GmbH

Naomi4Radar

Ziel dieses Projekts ist die Optimierung der Radarsensorik in autonomen Fahrzeugen, einer Schlüsseltechnologie im Bereich autonomes Fahren. Einige der relevanten Herausforderungen lassen sich besonders gut mit neuromorphen Algorithmen bewältigen, wie z.B. die Datenknappheit, Sensorausrauschen und andere Störungen sowie Messunsicherheiten. Diese Herausforderungen werden im Kontext der Neuromorphik untersucht, wobei der Schwerpunkt auf zwei Ansätzen und deren Verbindung/Potenzial für Synergien liegt: Spiking Neural Networks (SNNs) mit Resonate-and-Fire (RF) Neuronen und Sparse Coding. Im Rahmen des Projekts sollen methodische Konzepte für die spezifische Anwendung zur Verarbeitung von Radarsensordaten entwickelt sowie eine Demonstration auf Basis des Intel Loihi 2 Chips entwickelt und End-to-End evaluiert werden.

Mehr erfahren über Naomi4Radar

Ziel

Das Ziel von „NAOMI4Radar“ ist die Optimierung der Radar-Datenverarbeitung in autonomen Fahrzeugen durch den Einsatz von #NeuromorphicComputing. Im Vergleich zu herkömmlichen KI-Algorithmen bietet dieser Ansatz entscheidende Vorteile: Ein geringerer Energieverbrauch reduziert die CO2-Emissionen, während die direkte Verarbeitung der Algorithmen auf dem Chip die Latenz verringert und somit durch schnellere Reaktionszeiten die Sicherheit erhöht. Innerhalb der gut einjährigen Projektlaufzeit wollen wir die industrielle Anwendbarkeit des neuromorphen Chips #Loihi2 nachweisen.

Unsere Beiträge zum Projekt

  • Ermöglichen eines direkten Ergebnistransfers in die Automobilindustrie.
  • Entwicklung eines Prototyp-Demonstrators, der die gesamte Verarbeitungskette End-to-End integriert – von der Datenerfassung mit Radarsensoren über die Verarbeitung mit dem neuromorphen Chip bis hin zur Visualisierung der Ergebnisse im Fahrzeug.

Partner

  • Mercedes-Benz AG
  • Universität Lübeck
  • Intel Labs
  • Technische Universität München

TwinMaP

Im Projekt TwinMaP werden digitale Zwillinge eines heterogenen Maschinenparks und manueller Montagearbeitsplätze, einschließlich menschlicher Arbeitskräfte, entwickelt und gekoppelt. Dadurch entsteht ein Netzwerk aus Maschinen, Arbeitern, Arbeitsstationen, Werkzeugen und Materialien. Basierend darauf wird ein effizientes, 3D-basiertes Mitarbeiterassistenzsystem entworfen und installiert, um den gesamten Prozess der Teileproduktion und -montage zu simulieren und zu optimieren. Dies ermöglicht es, Prozesse unter Berücksichtigung des gesamten Maschinenparks und aller Montagelinien zu bewerten und zu optimieren. Darüber hinaus können neue Maschinen oder Betriebsänderungen virtuell analysiert werden, was eine Vorhersage zukünftiger Investitionen und deren Auswirkungen auf den Gesamtprozess ermöglicht.

Mehr erfahren über TwinMaP

Ziel

Erstens die Entwicklung eines softwarebasierten, selbstoptimierenden Systems zur Entscheidungsunterstützung und flexiblen Anpassung von Arbeitsanweisungen für  Mitarbeiter in der Fertigung. Manuelle Arbeitsprozesse und Arbeitsumgebungen werden durch die Interaktion mit den Arbeitern sowie durch Signale verschiedener visueller, und akustischer erfasst und ausgewertet.

Zweitens die Entwicklung und Kopplung einer Kombination digitaler Zwillinge von Werkzeugen, Regalen, Ladungsträgern und Arbeitern. Die erforderlichen Arbeitsanweisungen sollen möglichst automatisch generiert und den Mitarbeitern kontextbasiert angezeigt werden, sodass diese flexibel und effizient arbeiten können.

Unsere Beiträge zum Projekt

  • Entwicklung von Verhaltens-, Wahrnehmungs- und Bewegungsmodellen zur realistischen Darstellung menschlicher Arbeitskräfte in der Simulation.
  • Die automatisierte und intelligente Generierung solcher Simulationsmodelle.
  • Entwicklung textbasierter, natürlicher Sprachschnittstellen, die es den Mitarbeitern ermöglichen, Prozessbedingungen, Zustände und Parameter in natürlicher Sprache zu spezifizieren und gut formulierte, leicht verständliche Anweisungen in natürlicher Sprache zu erhalten.
  • Optimierung eines Assistenzsystems für Mitarbeiter auf Basis der Nutzung von Kameras.

Partner

  • Daimler Buses GmbH
  • TRUMPF
  • FORCAM
  • SimPlan
  • ISG Industrielle Steuerungstechnik
  • ifak – Institut für Automation und Kommunikation
  • TTZ Sonthofen – Hochschule Kempten
  • VELIT Consulting
  • Deutsches Forschungszentrum für Künstliche Intelligenz
  • Hochschule Emden/Leer

DISRUPT

Das Ziel von DISRUPT ist die dezentrale Auswertung von Infrastruktursensorik und Fahrzeugsensorik mit Tracking- und Prädikationssoftware zur Vorhersage der Verkehrssituation in der nahen Zukunft. Ein großer Vorteil der dezentralen Auswertung ist die unkomplizierte Einbindung sowohl von Fahrzeugsensorik als auch von mobilen Sensorboxen, wobei die Kommunikation der Tracking- und Prädikationsergebnisse über eine Datencloud umgesetzt wird. Zusammen mit einem digitalen Zwilling in TRONIS ermöglichen neuro-kognitive Prädikationsmodelle die Verkehrssituation in der nahen Zukunft vorherzusagen und Warnmeldungen an Verkehrsteilnehmer zu versenden sowie die entsprechenden Informationen an Lichtsignalanlagen weiterzuleiten.

Mehr erfahren über DISRUPT

Ziel

Das Ziel von DISRUPT ist die Entwicklung von dezentraler Tracking- und Prädikationssoftware zur Vorhersage der Verkehrssituation in der nahen Zukunft. Die Trackingergebnisse werden lokal von den entsprechenden (Sensor-) Einheiten ermittelt und mithilfe einer cloudbasierten Plattform ausgetauscht, wobei neben stationären und mobilen Sensoren insbesondere auch vorhandene Fahrzeugsensorik genutzt wird.

Unsere Beiträge zum Projekt

  • Analyse der Anforderungen und Spezifikationen.
  • Erstellung und Simulation des digitalen Zwillings des Testfelds in TRONIS.
  • Modellierung von virtuellen Sensoren.
  • Modellierung des Datenaustauschs zur Berücksichtigung von Latenzzeiten und Übertragungsfehlern.

Partner

  • cogniBIT GmbH
  • TechHub GmbH. GEVAS Software GmbH
  • TWT GmbH
    Fraunhofer IVI
  • Technische Hochschule Ingolstadt

SkaLaB

SkaLaB bedeutet Skalierbares Center für die Herstellung von Karosseriebauteilen aus Blech. In SkaLaB wird ein hochflexibles und rekonfigurierbares Herstellungszentrum für die Fertigung von Karosseriebauteilen aus Blech entwickelt. SkaLaB setzt auf ein durchgängig digitales und transparentes Fertigungskonzept mittels eines Prozessgenerators, der die flexible Fertigungsprozesskette ausgehend von CAD-Daten der Bauteile automatisiert plant. Eine digitale Abbildung der Fertigungs- und Handhabungsprozesse ermöglicht eine stückzahlabhängige Auswahl von kosten-, effizienz-, flexibilitäts- und resilienzoptimierten Fertigungsprozessketten. Teil des Prozessgenerators sind digitale Zwillinge des Produkts und der aktuell im SkaLaB-Herstellungszentrum verwendeten Fertigungstechniken. In der Serienfertigung wird es hierdurch möglich werden, die Prozesskette passend zu den einzelnen Karosseriebauteilen neu zu konfigurieren.

MicrosoftTeams-image (22)
Mehr erfahren über SkaLaB

Ziel

Die Entwicklung und Erprobung hochflexibler, in Serie nutzbarer Herstellungszentren für in allen Dimensionen skalierbare Karosserieblechbauteile (Geometrie, Halbzeug, Werkstoff, Fertigungsmenge) ist das Ziel dieses Projektes. Die Herstellungszentren sollen erstmals ermöglichen, die Prozesskette in der Serienproduktion bauteilindividuell rekonfigurierbar zu gestalten. Damit sollen die Herstellkosten für neue, geometrisch unterschiedliche Karosserievarianten gesenkt werden. Insbesondere bei den identifizierten, kritischen Stückzahlen von ≤ 50.000 Stück p.a. sollen die SkaLaB-Herstellungszentren drastische, wirtschaftliche Vorteile gegenüber konventionellen Verfahren bieten und bis nahe zur kundenspezifischen Losgröße 1 wirtschaftlich einsetzbar sein. Das Ziel der TWT in SkaLaB ist die Erstellung eines Prozessgenerators zur bauteilindividuellen Auswahl der geeigneten Fertigungsverfahren, der Prozessreihenfolge und der Prozessparameter. Der Prozessgenerator wird eine schnelle Rekonfiguration der beteiligten Prozesselemente ermöglichen und die Wertschöpfungsprozesse so vernetzen, dass die Produktion robuster gegenüber Störungen wird.

Wozu dient SkaLaB?

SkaLaB wird es möglich machen

  • die Prozessreihenfolge in der Serienproduktion bauteilindividuell rekonfigurierbar zu gestalten,
  • die Produktion nahe einer kundenspezifischen Losgröße 1 wirtschaftlich durchzuführen und
  • die Wertschöpfungsprozesse so zu vernetzen, dass die Produktion gegenüber Störungen robuster wird.

Unsere Beiträge zum Projekt

  • Entwicklung und Realisierung des SkaLaB-Prozessgenerators für eine automatisierte und KI-basierte Fertigungsplanung und -optimierung. Dabei geht es um den Einsatz, die Weiterentwicklung und Kombination von regelbasierten Systemen, exakten sowie heuristischen Such- und Optimierungsmethoden und KI-Ansätzen. Diese automatisierte Planung der Fertigungs- und Handhabungsprozesse soll sowohl die Prozessauswahl als auch die Bestimmung der Prozessreihenfolge und der Prozessparameter ermöglichen.
  • Integration einer Feature-Erkennung und von digitalen Zwillingen in den Prozessgenerator, sowie Entwicklung und Realisierung einer virtuellen Qualitätsprüfung zur Überprüfung der erzeugten Karosserieblechbauteilvarianten.
  • Implementierung der Software-Infrastruktur, der Funktionsmodule und der grafischen Benutzeroberfläche des Prozessgenerators.

Partner

Deutschland:

  • voestalpine Automotive Components GmbH Dettingen
  • HMT Heldener Metalltechnik GmbH & Co. KG
  • Franz Hof GmbH
  • MPA Technology GmbH
  • ISG Industrielle Steuerungstechnik GmbH
  • VIA Consult GmbH & Co. KG *
  • Universität Siegen
  • Fernuniversität Hagen
  • TWT GmbH Science & Innovation

* Koordinator

REGALE

Die Supercomputer der nahen Zukunft werden sich in vielerlei Hinsicht von den heutigen HPC-Systemen (High Performance Computing) unterscheiden. Der Prozess hin zu mehr Rechenleistung bedeutet eine Abkehr vom traditionellen Ansatz der „Skalierung durch Hinzufügen weiterer Baukästen“ und muss sich auf Innovationen in allen Bereichen stützen, um die drei zentralen Herausforderungen zu bewältigen: Leistung in großem Maßstab, Energieeffizienz und Belastbarkeit.

Das REGALE-Projekt startete im April 2021. Es zielt darauf ab, einen Software-Stack zu entwickeln, der nicht nur in der Lage ist, die HPC-Systeme von morgen effizienter zu machen. Er wird auch offen und skalierbar für massive Supercomputer sein. REGALE bringt führende Supercomputing-Akteure, renommierte Wissenschaftler, europäische Spitzen-Supercomputing-Zentren und Endnutzer aus kritischen Zielsektoren zusammen und deckt die gesamte Wertschöpfungskette bei Systemsoftware und Anwendungen für Technologien im Extremmaßstab ab.

 

Design by vecstock
Mehr erfahren über REGALE

Ziel

Das TWT-Pilotprojekt konzentriert sich auf die Entwicklung eines Stoßfängers aus CNT/G-verstärkten Verbundwerkstoffen, der in Crash-Szenarien ein überlegenes mechanisches Verhalten gegenüber konventionellen Stoßfängern aufweisen soll. Ziel ist es, durch Optimierungsalgorithmen ein optimales Materialdesign (Gewichtsanteil der CNTs/Gs, Orientierung usw.) zu erreichen, wobei die Auswirkungen von Unsicherheiten in der Geometrie und Dispersion der Einschlüsse im Ausgangspolymer berücksichtigt werden.

Unsere Beiträge zum Projekt

  • Erstellung eines hybriden Finite-Elemente- und Neuronalnetzmodells des Stoßfängers aus CNT/G-verstärktem Verbundwerkstoff
  • Ermittlung optimaler Parameter wie Gewichtsanteil, Orientierung usw. mit Hilfe stochastischer Optimierungstechniken
  • Übertragen des Problems auf das Melissa-Framework des REGALE-Projekts, um es auf einem Exascale-System einzusetzen
  • Veröffentlichung der Ergebnisse und Erkenntnisse in frei zugänglichen Fachzeitschriften und auf einschlägigen Konferenzen

Partner

  • NTUA – School of Civil Engineering, Griechenland (Partner für Pilot)
  • Andritz, Österreich
  • Atos, Frankreich
  • BSC, Spanien
  • Cineca, Italien
  • E4 Computer Engineering, Italien
  • LRZ, Deutschland
  • Ryax, Frankreich
  • Scio, Griechenland
  • Ubitech, Griechenland
  • University of Bologna, Italien
  • Université Grenoble Alpes, Frankreich

MODELIGEV

Infektionskrankheiten mit pandemischen Verlauf stellen auch für Industrienationen große Herausforderungen dar: einerseits für die gesundheitliche Daseinsvorsorge und für das öffentliche Gesundheitswesen, andererseits sozioökonomisch, aufgrund der Maßnahmen des Infektionsschutzes. Schnelles Reagieren ist notwendig, um Maßnahmen in die Wege zu leiten, die sowohl den Infektionsausbruch eindämmen als auch eine optimale Gesundheitsversorgung aufrechterhalten, nicht nur der akut Infizierten, sondern auch Personen mit anderen Erkrankungen. Maßnahmen werden dabei auf politischer regulatorischer Ebene getroffen sowie von Leistungserbringern im Gesundheitswesen im Rahmen des Einsatzes von Ressourcen. Auf beiden Ebenen ist die Entscheidungsfindung komplex (Zeitdruck, ethische Komponente, schwer abschätzbare Interdependenzen zwischen den Maßnahmen) und mit zum Teil weitreichenden Folgen verbunden.

Mehr erfahren über MODELIGEV

Ziel

Ziel des Projekts ist es, diese komplexe Entscheidungsfindung hinsichtlich Wirksamkeit und Effektivität sowie der Vermeidung unerwünschter Effekte zu unterstützen. Der Lösungsansatz besteht darin, einen Digitalen Zwilling für die Modellregion aufgesetzt, in dem alle relevanten Daten und Annahmen enthalten sind, sodass das Infektionsgeschehen inner- und außerhalb des Gesundheitssystems (GS) simuliert werden kann. Besonderer Fokus liegt auf den Prozessen und Gegebenheiten im GS (Vernetzung, Kapazitäten bei Personal/Material, u.a.). Basierend auf diesem Digitalen Zwilling wird mit Methoden des Model Based Systems Engineering ein System aufgesetzt, sodass ein Demonstrator-Tool entsteht, in dem Maßnahmen durchgespielt, Auswirkungen visualisiert und das Vorgehen insgesamt evaluiert werden kann. Das dynamische Modell erlaubt es, das Demonstrator-Tool flexibel anzupassen, z.B. auf regionale Umstände oder auf Infektionsspezifika (z.B. Mutationen), sowie das Tool für den Gebrauch bei ähnlichen Heraus-forderungen zu erweitern, beispielsweise bei Naturkatastrophen. Für das konkrete Forschungs-vorhaben wird auf die SARS-CoV-2-Pandemie fokussiert. Der primäre Endanwender sind Entscheidungstragende im Gesundheitssystem.

Unsere Beiträge zum Projekt

  • Erstellung eines Metamodells für die Gesundheitssysteme
  • Erstellung eines konkreten Modells und Verifikation des Metamodells
  • Erstellung eines Demonstrator-Tools zur praktischen Anwendung

Partner

  • TWT GmbH Science & Innovation*
  • Universitätsmedizin Halle (Saale)

*Nationaler Koordinator

SeQuenC

Um die Möglichkeiten des Quantencomputings voll auszuschöpfen, ist es von großer Bedeutung, dass die deutsche Wirtschaft in der Lage ist, Quantenressourcen in Deutschland rechtsicher und eigenständig zu nutzen. Das SeQuenC-Projekt ermöglicht dies durch den Aufbau eines technologiebasierten Standards für eine deutsche Quanten-Cloud. Diese Cloud wird erweiterbare Verbindungen zu Quantencomputern haben und sicherstellen, dass auch die quantenbasierten Prozesse im deutschen Rechtsraum stattfinden. Die SeQuenC-Plattform zielt darauf ab, eine Gaia-X-konforme Cloud-Plattform für Quantensoftware zu schaffen. Dadurch wird die Monetarisierung von Quantendiensten und Quantensoftware ermöglicht und es eröffnen sich große Potentiale für Forschung, Wirtschaft und Industrie.

Mehr erfahren über SeQuenC

Ziel

Die Umsetzung erfolgt durch die Implementierung eines Technologie-Stacks, der auf dem deutschen Datenschutz- und Souveränitätsrahmen basiert. Besonderes Augenmerk wird dabei auf die Gaia-X Federation Services gelegt, um die Konformität mit Gaia-X zu gewährleisten und eine einfache Übertragbarkeit auf andere Cloud-Infrastrukturen zu ermöglichen. Zur Unterstützung von Quanten-Diensten wird eine integrierte Orchestrierungs- und Provisionierungsplattform mit API-Management und Monetarisierungskomponente eingesetzt. Die Integration mit bestehenden Cloud-Angeboten erfolgt über Standard-APIs, vor allem für operative Tooling, Kundensupport und Abrechnungssupport-Systeme (Zahlung, Messung, etc.). Erweiterte semantische Beschreibungen der Dienste und SeQuenC-Plattformkomponenten, basierend auf den semantischen Ansätzen aus Gaia-X und den vorhandenen semantischen Wissensmodellen in PlanQK, erleichtern die Integration mit PlanQK und ermöglichen fortschrittlichere Gaia-X-basierte Dienste wie die Suche, Auswahl und Empfehlung von Diensten sowie die Beschreibung semantischer Workflows.

Unsere Beiträge zum Projekt

  • Teilnahme an Workshops und Diskussionen
  • Einblick in die Sichtweise und den Bedarf unserer Gesellschaft an Quantentechnologie und dem vorgeschlagenen Ökosystem
  • Kontakt zu anderen Partnern, die an dem Projekt interessiert sein könnten, herstellen

Partner

  • IONOS
  • Universität Stuttgart
  • QMware
  • Fraunhofer FOKUS

 

TWT begleitet und unterstützt SeQuenC als assoziierte Partner.

LevelUp

Digitale 3D-Modelle unserer Umgebung sind für viele Bereiche wie das automatisierte Fahren, Mobilität, Logistik, Energie und Umwelt sowie Metawelt-Anwendungen eine wesentliche Voraussetzung. Insbesondere qualitativ hochwertige 3D-Modelle von Gebäuden können bisher nur manuell erstellt werden, so dass diese bisher nicht flächen-deckend verfügbar sind.

LevelUp stellt Methoden zur automatisierten Erstellung und Integration von Level of Detail 3 (LOD3) Verkehrsraum Modellen bereit. Das Projektvorhaben fungiert als Querschnitttechnologie für die Bereiche Metaversum, Mobilität, Logistik, Energie und Umwelt.

Das Vorhaben verringert die Lücke zwischen Realität und digitaler Welt und bietet das Potenzial zur weiteren Entwicklungsverlagerung in die digitale Welt oder Verschmelzungen beider Welten in AR-/ Metaverse-Anwendungen.

Mehr erfahren über LevelUp

Ziel

Ziel des Verbundvorhabens „LevelUp“ ist es, Methoden zur automatisierten Erstellung von 3D-Modellen für den Verkehrsraum zu entwickeln. Die Umgebung wird mit Scannern und Sensoren durch Fahrzeuge oder UAVs erfasst, um die Ausgangsdaten zu erzeugen. Die Innovation im Vorhaben besteht darin, diese Daten in semantikreiche und qualitativ hochwertige 3D-Modelle, sogenannte LOD3-Gebäudemodelle, zu überführen. Hierfür werden Verfahren zur Datenfusion, Objekterkennung und aus dem Bereich der Künstlichen Intelligenz (KI) für die Klassifikation benötigt. Zudem ist das effiziente Erstellen von Trainingsdaten für die KI eine wesentliche Herausforderung.

Wozu dient LevelUp?

Das Vorhaben trägt dazu bei, die Lücke zwischen der Realität und der digitalen Welt zu schließen. Durch die Integration von Straßen-, Gelände-, Umweltinformationen und Katastern wird ein umfassendes Verkehrsraummodell aufgebaut, welches mit verschiedenen Einsatzszenarien evaluiert wird. Der Nutzen für den Standort Deutschland besteht darin, die digitale Transformation zu beschleunigen und die Ziele Nachhaltigkeit, Lebensqualität und Technik für den Menschen der Hightech-Strategie 2025 zu unterstützen.

Unsere Beiträge zum Projekt

  • Importer von LOD3 Gebäude Rekonstruktionen
  • Konverter mit Georeferenzierung
  • Integration Verkehrsraumodell
  • VR-Demonstrator
  • Modellerstellung

Partner

  • Hochschule für angewandte Wissenschaften München (HM)
  • Steinbeis Innovation gGmbH
  • Point Cloud Technology GmbH (PCT)
  • Virtualcitysystems GmbH (assoziierter Partner)

Storage MultiApp

Storage MultiApp wird die wirtschaftliche Performance stationärer Industriespeichersystemen signifikant verbessern. Dazu wird die Betriebsstrategie für „Multi-Use-Cases“ (Eigenverbrauch, Peak-Shaving, etc..) unter Berücksichtigung von Lebensdaueraspekten optimiert und die Hardware and diese erhöhten Anforderungen angepasst. Die zu entwickelnde Betriebsstrategie basiert auf eine realitätsgetreue Abbildung und Verständnis des Verhaltens von Batteriespeichersystemen und deren Entwicklung bzw. Alterung über die Zeit. Genau diese Aspekte gilt effizient und akkurat zu modellieren, um die Auswirkungen von „Multi-Use“ Anwendungen zu bewerten und die lebensdaueroptimierte Betriebsstrategie zu konzeptionieren. KI-Methoden unterstützen dabei die Charakterisierung und Prognose von Dienstleistungen, um aus der definierten Betriebsstrategie die Speicher-Steuerung zu führen.

Mehr erfahren über Storage MultiApp

Ziel

Das Projekt MultiApp zielt darauf ab, die Wirtschaftlichkeit von stationärer Industrie-Speichersystemen durch die Anbindung neuer Geschäftsmodelle signifikant zu verbessern. Dazu soll unter anderem die Betriebsstrategie für „Multi-Use-Cases“ (Eigenverbrauch, Peak-Shaving, etc..) unter Berücksichtigung von Lebensdaueraspekten optimiert und die Hardware and diese erhöhten Anforderungen angepasst. Zu den technischen und wissenschaftlichen Zielen des Projektes zählen unter anderem die Verkürzung von Entwicklungszeiten für alterungsoptimierte Hardwareentwicklung, die Etablierung moderner Batterie-Alterungs-Modellierungsansätze in Industrieanwendungen, so wie die Entwicklung geeigneter Lösungsmethoden für Optimierungsmodelle von Batteriespeichern mit Prognoseunsicherheit.

Wozu dient Storage MultiApp?

Der Markt für gewerblich genutzte Industriespeichersysteme („Comercial Storage System“ CSS) ist ein dynamisch wachsender Industriezweig. Die in Deutschland jährlich installierte Leistung hat sich seit 2016 kontinuierlich gesteigert. Primär werden diese Systeme eingesetzt, um die betrieblichen Stromkosten über netzdienliche Dienstleistungen wie z.B. Spitzenlastkappung oder „atypische Netznutzung“ zu reduzieren. Der Grund hierfür ist, dass Spitzenlastkappung derzeit um ein Vielfaches höher vergütet wird als beispielsweise eine reine Eigenverbrauchsoptimierung in Industriebetrieben. Dennoch lässt sich nur in wenigen Fällen eine akzeptable Rentabilität erreichen, da Investitionskosten für CSS inklusive Installation derzeit sehr hoch liegen. Der Speicher muss daher neben netzdienlichen Leistungen flexibel einsetzbar sein, um ihn wirtschaftlich betreiben zu können. Dieser „Multi-Use“-Einsatz führt allerdings dazu, dass der Speicher im Jahresdurschnitt mehrere hundert Vollzyklen absolvieren muss. Zusätzlich werden die Systeme auf Leistungsspitzen bei minimal notwendiger Speicherkapazität bzw. Systemkosten ausgelegt. Diese Auslegung führt dazu, dass CSS kurzzeitig mit hohen Lade- und Entladeleistungen betrieben werden, welche zu einer beschleunigten Zellalterung führen. Ziel des Forschungsprojekts Storage MultiAPP ist daher die Entwicklung eines digitalen Zwillings, welcher moderne Zellalterungsmodelle, Batteriehardware sowie Betriebsführungsstrategien koppelt, um eine langfristige Alterungsprognose für CSS zu ermöglichen. Auf diese Weise werden Alterungskosten planbar und lassen sich über Hardwareparametrisierung sowie moderne Betriebsführungen optimieren.

Unsere Beiträge zum Projekt

• Elektro-Thermische Modellierung des Industriespeichersystems
• Data-Analytics und Modellreduktion
• Unterstützung bei der Bewertung von Hardware-Design-Alternativen
• Erweiterung einer effizienten Langzeit-Simulation-Umgebung für die Berücksichtigung von Multi-Use-Anwendungen
• Bewertung und Validierung der Betriebsstrategie via Lebensdauersimulationen

Partner

• VARTA Storage (Koordinator)
• TUM Lehrstuhl für Elektrischen Energiespeichersystemen EES
• TUM Lehrstuhl für Energie-Management EMT
• Hochschule Kempten
• TWAICE
• Siemens Infrastructure (Associated Partner)

AIDA

AIDA – Artificial Intelligence Data Incubator. Mit Hilfe moderner Motion Capture- und Simulationstechnologien wird ermöglicht, sowohl die Sicherheit von Sensor-Mobilitätsplattformen, als auch die Sicherheit und Akzeptanz dieser Plattformen aus Sicht von Verkehrsteilnehmern zu optimieren. Das Projekt AIDA hat zum Zweck, autonome, künstliche Intelligenz (KI) basierte Fahrsysteme durch eine interaktive Datenerhebung mit Menschen zu entwickeln und damit den Menschen als wichtigen Verkehrsteilnehmer als auch die Fahrsysteme gleichermaßen auf typische innerstädtische Situationen vorzubereiten. Als Ergebnis werden neuartige Prozesse erwartet, mit denen gezielt wichtige und relevante KI-Daten erhoben werden können. Gleichzeitig wird die Kommune in diesen Datenerhebungsprozess eingebunden. Der Aufbau von AIDA soll neue Forschungsarbeiten ermöglichen, die bisher nicht umsetzbar waren. AIDA integriert ein KI-Ecosystem, das den Aufbau des KI-Dateninkubators unterstützt und gleichzeitig neue Geschäftsmodelle für wichtige Zukunftsbereiche generiert. AIDA ist ein gefördertes Leuchtturmprojekt der Regio-WIN Region Neckar-Alb und des Regionalen Entwicklungskonzeptes FORTUNA² im Rahmen des RegioWIN 2030 Rahmenprogramms.

Mehr erfahren über AIDA

Ziel

AIDA betreibt den Aufbau eines einzigartigen KI-Dateninkubators zur realitätsnahen Simulation zur Absicherung von Sensorik (teil)-autonomer Sensordatenträger insb. für urbanes autonomes Fahren im Fußgängerumfeld. Die sich ergänzenden Partner, vorrangig industriell, beteiligen sich aktiv am Aufbau eines KI-Ökosystems für die Entwicklung und Absicherung mobiler KI-Systeme. Künstliche Intelligenz wird als Querschnittstechnologie unter Einbezug regionaler, nationaler und internationaler Partner regional etabliert, um den nachhaltig orientierten KI-Standort wirtschaftlich auszubauen.

Unsere Beiträge zum Projekt

  • Zum einen wird TWT die hauseigene Software Tronis®, eine Umgebung zum virtuellen Prototyping und zur Absicherung von Fahrerassistenzsystemen, z. B. für das hochautomatisierte oder autonome Fahren mit einbringen.
  • Zum anderen wird TWT Mitarbeiterkapazitäten für Datengenerierung, Anwendung von KI-Verfahren, Simulationen und Tests mit unseren Softwareprodukten und -komponenten einbringen.
  • Tronis® enthält virtuelle Sensor-, Kommunikations-, Passanten-, Fahrzeug-, Fahrer- und Umgebungsmodelle, die wir im Projekt einsetzen möchten, um Anwendungsfälle virtuell abzubilden sowie simulativ abzusichern.

Partner

  • Hochschule Reutlingen Prof. Cristobal Curio,
  • GER Gewerbeimmobilien GmbH & Co. KG,
  • TWT GmbH Science & Innovation,
  • banto UG,
  • STAR COOPERATION,
  • dSpace GmbH,
  • NISYS GmbH
  • Mercedes-Benz AG,
  • Honda Research Institute Europe,
  • Cyber Valley (Universität Tübingen, colugo GmbH),
  • obsurver UG, PARAVAN GmbH,
  • Universidad de Alcalá

 

      https://aida.reutlingen-university.de/

 

SAVeNoW

Mit dem Verbundprojekt SAVeNoW sollen Voraussetzungen geschaffen werden, hochautomatisierte und vernetzte Mobilität im städtischen bis regionalen Umfeld von Morgen durch Daten-, Verhaltens- und Simulationsmodelle intelligent planen, entwickeln und steuern zu können. Es werden technologische Lösungskonzepte entwickelt und deren Wechselwirkung sowie Integration vor dem Hintergrund gesellschaftlicher Fragestellungen erforscht. Dabei werden die Domänen Funktions- und Verkehrssicherheit, Verkehrseffizienz sowie Emissionen und Umwelt adressiert.

Mehr erfahren über SAVeNoW

Ziel

Erforschung eines Digitalen Zwillings des urbanen Verkehrs in Ingolstadt zur Analyse von Effizienz, Sicherheit, Ökologie und Akzeptanz verkehrlicher Maßnahmen

Unsere Beiträge zum Projekt

Die TWT beteiligt sich in folgendne Bereichen am Projekt SAVeNoW:

  • Modellierung eines virtuellen Testfeldes mit SysML
  • Erstellung photorealistischer 3D-Stadt- und Verkehrsmodelle
  • Simulation von Szenarien des automatisierten Fahrens (Sensorik und Fahrverhalten)

Partner

  • Audi
  • DLR
  • Fraunhofer IVI
  • THI Carissma
  • TU München
  • KU Eichstätt
  • Uni Stuttgart
  • ASAP
  • 3D-Mapping-Solutions
  • Conti-Temic
  • EFS
  • SeppMed

MoHAFe

MoHAFe erforscht und demonstriert das hybride Arbeiten im Pkw mit Automatisierungslevel 3 bis 4. Diese Thematik wird durch die geplante neue EU-Verordnung, die automatisiertes Fahren bis zu 130 km/h erlaubt, nochmal deutlich attraktiver und häufiger anwendbar. Technisch-organisatorisches Ziel ist es, den Pkw als Arbeitsplatz zu nutzen und sich dabei an die durch die Covid-Pandemie beförderten Entwicklungen hin zur nachhaltigen mobilen Arbeit anzupassen. Dazu werden aktuelle Ergebnisse aus Arbeitswissenschaft, Interface- und Mobilitätsforschung genutzt, um einen Demonstrator für das Arbeiten im (Sharing-)Fahrzeug zu erstellen, was potenziell auch im öffentlichen Verkehr nutzbar sein soll. Es werden Anwendungsfälle für eine oder mehrere Personen im Fahrzeug einschließlich Schulungs- und Trainingsaufgaben sowie die Kollaboration mit räumlich entfernten Personen adressiert, die je in eine oder mehrere Aufgaben involviert sind. Dabei kommen bedarfsorientiert VR-/AR-Technologien zum Einsatz, wobei speziell auch auf User-Bedürfnisse im Sinne eines positiven Gesamterlebnisses eingegangen wird.

Mehr erfahren über MoHAFe

Ziel

Im Rahmen von MoHAFe erfolgt die Entwicklung eines mobilen Arbeitsplatzes im automatisierten Fahrzeug unter Integration und Anpassung des Cockpits und unter Berücksichtigung von Interaktionsmöglichkeiten. Gleichzeitig findet eine Auseinandersetzung mit dem Bedarf an einer interaktiven, intelligenten, intuitiven virtuellen Arbeitsumgebung statt, die sowohl in Bezug auf die Benutzerfreundlichkeit als auch bei der Verarbeitung vertraulicher Informationen den Anforderungen eines stationären Arbeitsplatzes entspricht.

Wozu dient MoHAFe?

MoHAFe leistet einen Beitrag zu den hochaktuellen Trends Fahrautomatisierung und New Work. Dabei werden Möglichkeiten der zukunftsorientierten Fahrzeuginnengestaltung (teil-)autonomer Fahrzeuge im Sinne eines optionalen, vollwertigen Arbeitsplatzes erdacht, erprobt und erlebbar gemacht. Die erarbeiteten Konzepte sollen für eine möglichst breite Personengruppe sowie verschiedene Nutzungsszenarien relevant sind. Durch die daraus resultierende Option, Arbeitstätigkeiten auch während Dienst- und Pendelfahrten auszuführen, ergeben sich flexiblere Gestaltungsmöglichkeiten der individuellen Arbeit sowie Arbeitszeit.

Unsere Beiträge zum Projekt

  • Anforderungs- und Use-Case-Analyse
  • Erstellung und Simulation eines virtuellen Fahrzeug-Interieurs (Digital Twin)
  • Intelligentes UX-Design mittels KI bzw. Konzeption der Mensch-Maschine-Interaktion sowie Evaluation der Use-Case-Tests.
  • Technische Spezifikation sowie Architektur und Umsetzung der Hardware und Software

Partner

  • TWT GmbH Science & Innovation (TWT)
  • Fraunhofer-Institut für Arbeitswirtschaft und Organisation (IAO), Stuttgart

PlanQK

Um Quantum Computing effizient und gezielt in realen Anwendungsszenarien einzusetzen, ist es unerlässlich, detaillierte Kenntnisse und Erfahrung im Umgang mit entsprechenden Technologien und Konzepten zu haben. Insbesondere für KMU ist der Einstieg in Quantum Computing schwierig, um neue Geschäftsmodelle und Produkte auf den Markt zu bringen. Es gibt zwar viele Algorithmen für Quantencomputer, die auf Websites, in Lehrbüchern und wissenschaftlichen Publikationen zu finden sind, jedoch erfordert die Auswahl des richtigen Algorithmus für eine bestimmte Situation und die Implementierung auf einem spezifischen Quantencomputer ein umfassendes Verständnis der Theorie und Technologie. Selbst wenn passende Algorithmen gefunden werden, ist es wichtig, sie in ausführbare Programme umzusetzen, die Mehrwert bieten. Hierfür sind tiefe Kenntnisse der Entwicklungsumgebung des jeweiligen Quantencomputers erforderlich. Aufgrund der Komplexität und Neuheit dieser technologischen Trends gibt es keinen einfachen Zugang zu Know-how, Daten, Algorithmen und Experten in diesen Bereichen. Insbesondere der Wissensaustausch über offene Ökosysteme und Plattformen fehlt. Daher bietet die Bildung einer breiten Community auf einer gemeinsamen Plattform für den Austausch von Wissen und Technologie im Bereich Quantum Computing eine Chance, die Wirtschaft und insbesondere KMU zu befähigen, diese Technologiefelder zu nutzen und einen Zugang zu zukünftigen Schlüsseltechnologien zu erhalten.

PlanQK (1)
Mehr erfahren über PlanQK

Ziel

Das Konzept von PlanQK zielt darauf ab, eine offene Plattform und ein Ökosystem für Quantenapplikationen zu entwickeln. Dadurch wird eine Community aus Quantencomputing-Spezialisten, Entwicklern von konkreten Anwendungen sowie Nutzern, Kunden, Dienstleistern und Beratern geschaffen und gefördert. Die PlanQK-Plattform dient als technische Grundlage für den Aufbau dieser Quantencomputing-Community. Zentrale Bestandteile sind Algorithmen, Applikationen und Datenpools aus verschiedenen Quellen wie dem Web, veröffentlichten Artikeln oder Büchern. Die Plattform ermöglicht es, diese Algorithmen und Daten über die Community zu verbreiten und zu verkaufen. Die Algorithmen und Datenpools werden in einer speziellen Datenbank namens PlanQK Algorithmus & Data Content Store abgelegt. Die Community und die Spezialisten des Plattform-Betreibers können auf diese Datenbank zugreifen, die Algorithmen und Daten analysieren, bereinigen und vereinheitlichen. Qualitätsgeprüfte Algorithmen und Datenpools werden in der PlanQK Community Plattform gespeichert. Die Datenpools dienen zur Qualitätssicherung und Validierung, indem sie es Kunden und der Community ermöglichen, verschiedene Algorithmen zu vergleichen. Basierend auf den qualitätsgesicherten Algorithmen können Entwickler diese für die Ausführung auf einem Quantencomputer implementieren. Diese Programme, als Quantum Services bezeichnet, werden ebenfalls qualitätsgeprüft und im PlanQK Quantum Service Store abgelegt. Kunden können in diesem Store nach Algorithmen und Daten suchen und diese kaufen oder kostenlos nutzen. Ebenso können Programme, die solche Algorithmen implementieren, gesucht, gekauft oder kostenlos genutzt werden. Falls ein bestimmter Algorithmus oder Datenpool nicht gefunden wird oder nicht durch ein Programm implementiert ist, können Kunden Anforderungen an die Community, Dienstleister oder den Plattform-Betreiber stellen. Bei einem Kauf werden der Algorithmus, das Programm und gegebenenfalls die entsprechenden Daten automatisch verpackt und an den Quantencomputer übermittelt. Die Rechnungsstellung für die genutzten Ressourcen erfolgt ebenfalls über die Plattform.

Unsere Beiträge zum Projekt

  • Teilnahme an Workshops und Diskussionen
  • Einblick in die Sichtweise und den Bedarf unserer Gesellschaft an Quantentechnologie und dem vorgeschlagenen Ökosystem
  • Kontakt zu anderen Partnern, die an dem Projekt interessiert sein könnten, herstellen

Partner

  • Anaqor AG
  • Universität Stuttgart – Institut für Architektur von Anwendungssystemen
  • Universität Stuttgart – Institut für Funktionelle Materie und Quantentechnologien, Quantum Information und Technologie
  • Accenture GmbH
  • Bundesdruckerei GmbH (BDr)
  • DB Systel GmbH
  • DB Systemtechnik GmbH
  • d-fine GmbH
  • Frankfurt Consulting Engineers GmbH (FCE)
  • Fraunhofer FOKUS (FOKUS) Data Analytics Center
  • Freie Universität Berlin (FUB) Dahlem Center for Complex Quantum Systems
  • HQS Quantum Simulations GmbH
  • Komm.ONE
  • Ludwig-Maximilian-Universität München
  • Plenario GmbH
  • Regio iT Gesellschaft für Informationstechnologie GmbH (regio iT)
  • Smart Reporting GmbH
  • T-Labs, Deutsche Telekom AG (DT)
  • TRUMPF Werkzeugmaschinen GmbH + Co. KG
  • Virality GmbH

 

Neben TWT wird PlanQK von weiteren namhaften kleinen, mittleren und großen Unternehmen sowie wissenschaftlichen Einrichtungen und Verbänden als assoziierte Partner begleitet und unterstützt.

LONGER

Das Akronym Longer steht für „Lebensdaueroptimierte Intelligente Batteriespeichersysteme“.  Dieses Projekt wird die ökologische and ökonomische Performance stationärer Heim-Energiespeichersystemen signifikant verbessern. Dazu werden Methoden entwickeln, die das das Lade- und Entlademanagement des Speichers individuell auf das Nutzungsverhalten des Kunden einstellen und so den Eigenverbrauch sowie die Lebensdauer des Speichers optimieren. Die zu entwickelnde Ansätze bauen auf eine realitätsgetreue Abbildung und Verständnis des Verhaltens von Batteriespeichersystemen und deren Entwicklung bzw. Alterung über die Zeit. KI-Methoden unterstützen dabei die Charakterisierung und Prognose von Nutzerverhalten um aus der definierten Betriebsstrategie die Speicher-Steuerung zu führen. Die Betrachtung und Berücksichtigung von wirtschaftlichen Randbedingungen, wie z.B. variablen Stromtarifen, runden das Vorhaben ab.

Mehr erfahren über LONGER

Ziel

Das Projekt Longer zielt darauf ab, die ökologische & ökonomische Performance stationärer Heim-Energiespeichersystemen signifikant zu verbessern. Dazu wird in diesem Projekt das Spannungsfeld zwischen Betriebsstrategie, Batterie-Modul-Auslegung und Lebensdauer hinsichtlich Wirtschaftlichkeit optimiert. Es werden Methoden entwickelt, die den Eigenverbrauch sowie die Lebensdauer des Speichers optimieren, in dem das Lade- und Entlademanagement individuell auf das Nutzungsverhalten des Kunden eingestellt wird.

Wozu dient Longer?

Grundlage für den Erfolg dieses Forschungsprojekts ist eine möglichst realitätsgetreue Abbildung und Verständnis des Verhaltens von Batteriespeichersystemen und deren Entwicklung bzw. Alterung über die Zeit unter Berücksichtigung ihrer Betriebsführung. Hierfür müssen die Wechselwirkungen mehrerer Aspekte, wie z.B. elektro-thermische Leistungsfähigkeit, Alterung und Degradation, Betriebsstrategie, sowie wirtschaftliche Randbedingungen berücksichtigt werden. Dennoch, eine holistische Modellierung ist sehr anspruchsvoll und noch nicht Stand der Technik, vor allem wenn man die gesamte Laufzeit der Zielsysteme abdecken will (>10 Jahre). In Rahmen des Forschungsprojektes wird ein flexiblen und dennoch performantes Simulationsframework, das unterschiedliche Teilsysteme bzw. „Digital-Twins“ effizient koppelt, entwickelt. Mit diesem Framework wird es möglich sein, die prototypische Validierung zu ergänzen und so die in Longer entwickelte Betriebsführung über die gesamte Lebenszeit der Systeme zu testen und zu bewerten. Zum Projektende werden die erzielten Ergebnisse im Kontext von Heimspeichersystemen im Rahmen eines vereinfachten (beschleunigten) Feldtests und eines Simulationsmodells in unterschiedlichen Szenarien analysiert und bewertet.

Unsere Beiträge zum Projekt

  • Elektro-Thermische Modellierung des elektrischen Heim-Speichersystems
  • Data-Analytics und Modellreduktion
  • Entwicklung eines effizienten Lebensdauersimulation-Frameworks
  • Bewertung und Validierung der Betriebsstrategie mit Lebensdauer-Simulationen

Partner

  • VARTA Storage (Koordinator)
  • Fraunhofer Institut für Solare Energiesystem ISE
  • NOVUM GmbH

M-CUBE/COLTOC

Staus im Zusammenhang mit irregulärem Verkehrsaufkommen sind ein häufiges Problem, dass sowohl für Bürger als auch für Behörden immense gesellschaftliche Kosten verursacht. In diesem Projekt entwickeln wir einen ganzheitlichen kooperativen Optimierungsansatz, der explizit auf Verspätungen abzielt, die durch irreguläre Verkehrsphänomene entstehen. Der vorgeschlagene Ansatz zielt darauf ab, (i) die Belastbarkeit eines Verkehrsnetzes zu bewerten, (ii) kritische und anfällige Elemente zu identifizieren, (iii) (ir-)reguläre Verspätungen zu reduzieren, (iv) dynamische Engpässe zu identifizieren und (v) ihre negativen Auswirkungen durch neue Steuerungsansätze und dynamische Geschwindigkeitsempfehlungen zu mildern. Die Zusammenarbeit zwischen Industriepartnern, Behörden und akademischen Partnern ermöglicht es den Projektpartnern, umsetzungsreife Werkzeuge zu entwickeln, welche zur Landesgartenschau 2024 erprobt werden.

Mehr erfahren über M-CUBE/COLTOC

Ziel

Um dieses Ziel zu erreichen, nutzt COLTOC einen neuen Sensortyp, der in diesem Projekt entwickelt wurde und in der Lage ist, regelmäßige und unregelmäßige Verkehrsphänomene zu messen. Die neuen Informationen werden genutzt, um multimodale Verkehrsmodelle zu entwickeln, die in der Lage sind, Verkehrsstörungen aufgrund von unregelmäßigen Verkehrsmustern zu erkennen und zu korrigieren. In diesem Projekt wird zum ersten Mal die Beziehung zwischen Netzwerktopologie, integrierter Mobilität, vernetzten und autonomen Fahrzeugen und neuen Sensortechnologien erforscht. Das erwartete Ergebnis ist ein Rahmenwerk, das in der Lage ist, erhebliche gesellschaftliche Vorteile zu bieten (verbesserte Luftqualität, reduzierte Reisezeiten, nachhaltige Verkehrsverlagerung) und gleichzeitig das Wirtschaftswachstum dank des Durchbruchs in der Sensortechnologie und der Automatisierung anzukurbeln.

Unsere Beiträge zum Projekt

  • Bereitstellung von Tronis für Projektpartner
  • Szenarioerstellung in Tronis mit Fokus auf den Verkehrsfluss welcher eine reale Verkehrssituationabbildet.
  • Umsetzung einer Schnittstelle zum Planungsalgorithmus in Tronis. Integration Nachrichtenaustausch zwischen Verkehrsteilnehmern innerhalb von Tronis.
  • Erweiterung der Co-Simulationsschnittstelle zwischen Tronis und Sumo.

Partner

  • TWT
  • HawaDawa
  • Fujitsu
  • Technische Universität München
  • BMW
  • Landkreis München
  • MVG
  • SIXT
  • Kirchheim

SmartDelta

Digitalisierung und Automatisierung führen zunehmend auf softwareintensive Systeme und Dienste und stellen hohe Anforderungen an die industrielle Softwareentwicklung. Heutzutage werden solche softwareintensiven Systeme selten von Grund auf neu entwickelt, sondern in kurzen Iterationszyklen inkrementell zusammengesetzt, integriert und auf die Bedürfnisse eines bestimmten Kunden, Marktes oder einer Region zugeschnitten. Viel zu oft beginnen sich jedoch bestimmte Qualitätsaspekte des Systems mit der Zeit zu verschlechtern. Daher ist es äußerst wichtig, die Auswirkungen jeder Softwareänderung und -erweiterung auf die Qualität des gesamten softwareintensiven Systems genau analysieren und bestimmen zu können.

SmartDelta entwickelt automatisierte Lösungen für die Qualitätsbewertung von Software-Inkrementen für einen kontinuierlichen Softwareentwicklungsprozess. SmartDelta entwirft intelligente Analysemethoden auf Basis von Entwicklungsartefakten (z. B. Quellcode, Log-Dateien, Anforderungsspezifikationen), bietet Einblicke in die Qualitätsverbesserungen oder -verschlechterungen verschiedener Softwareversionen und stellt Empfehlungen für die nächsten Softwareversionen bereit.

Mehr erfahren über SmartDelta

Ziel

  • Ziel von SmartDelta ist es, automatisierte Lösungen für die Qualitätsbewertung von Softwareprodukten und -versionen in kontinuierlichen Softwareentwicklungsprozessen zu entwickeln. SmartDelta konzentriert sich dabei insbesondere auf die Validierung und Verifikation von extrafunktionalen Anforderungen und die entsprechende Umsetzung, Bereitstellung, und Pflege von Testmodellen als Basis für die Realisierung automatisierter Qualitätssicherungsaktivitäten. Die konkreten Ziele von SmartDelta sind:
  • Automatisierung der Modellbildung durch Verwendung von Techniken zur Verarbeitung natürlicher Sprache und durch musterbasierte Ansätze
  • Aufbau einer automatisierten Konsistenzprüfung und Validierung von Software-Inkrementen
  • Verkürzung der Entwicklungs-, Bereitstellungs- und Rückkopplungsschleifen in der Softwareentwicklung
  • Verringerung der Qualitätssicherungsaufwände für extrafunktionale Eigenschaften

Wozu dient Smart Delta?

Softwareintensive Systeme und Dienste werden in der Regel nicht für jeden Kunden oder Auftrag von Grund auf neu konzipiert und implementiert, sondern als Weiterentwicklung oder als modifizierte Version eines bestehenden Softwareprodukts ausgeliefert, das auf die Bedürfnisse eines bestimmten Kunden, Marktes oder einer Region zugeschnitten ist. Im Laufe der Zeit verwalten Softwareunternehmen immer größere Mengen an Softwareprodukten in verschiedenen Versionen und Reifegraden, die als Grundlage für eine spätere Wiederverwendung dienen. Eine effiziente Erstellung und Auslieferung von qualitativ hochwertiger und sicherer Software ist nur möglich, wenn die Qualitäts- und Reifegradbewertungen sowie der Qualitätssicherungsprozess durch einen ausreichenden Automatisierungsgrad unterstützt werden.

SmartDelta entwickelt automatisierte Lösungen für die Qualitätsbewertung von Softwareprodukten und -versionen und versetzt Unternehmen in die Lage, qualitativ hochwertige und vertrauenswürdige Softwaresysteme in einer schnelllebigen, agilen Umgebung entwickeln und ausliefern zu können.

    Unsere Beiträge zum Projekt

    • Ansatz zur Umwandlung extrafunktionaler Anforderungen, die in eingeschränkter natürlicher Sprache ausgedrückt sind, in formalisierte Anforderungsmodelle
    • Automatisierte Generierung von Testfällen aus Modell-Checkern
    • Automatisiertes modellbasiertes Testen der Systemmodelle anhand der formalisierten Anforderungen auf der Grundlage automatisch generierter Testfälle
    • Ansatz zur Identifizierung von Ursache-Wirkungs-Ketten für problematisches Verhalten in neuen Software-Artefakten und zur Abgabe von Empfehlungen zur Verbesserung der Software auf der Grundlage dieser Ursache-Wirkungs-Ketten

    Partner

    • Software AG*,
    • AKKA Industry Consulting GmbH
    • Fraunhofer FOKUS
    • ifak – Institute for Automation and Communication
    • Bombardier*
    • Infotiv
    • Mälardalen University
    • Quviq AB
    • RISE – Research institutes of Sweden**
    • IZERTIS
    • PRIVOLVA
    • Sotec Consulting*
    • University of Madrid Carlos III
    • Dakik Yazilim Teknolojileri
    • Ericsson
    • ERSTE Software Limited
    • Kuveyt Turk Bank*
    • NetRD
    • BEIA GmbH*
    • c.c.com GmbH
    • University of Innsbruck
    • Cyberworks Robotics
    • eCAMION INC.
    • GlassHouse Systems
    • SmartCone Technologies Inc.
    • University of Ontario Institute of Technology*

     

    * national coordinator; ** international coordinator;

    KARLI

    KARLI steht für Künstliche Intelligenz für Adaptive, Responsive und Levelkonforme Interaktion im Fahrzeug der Zukunft. Das Projekt untersucht Fahrerzustände und Fahrsituationen, bewertet sie mittels abgestimmter KI Modelle und entwickelt an die Situation angepasste Mensch-Maschine Interaktionen. An die KI-basierten Fahrer-Fahrzeugzustandsmodelle wird der Anspruch gestellt, eine notwendige Güte und Robustheit für das autonome Fahren auch in höheren Leveln zu bieten. Die Spezifikationen für Fahrzeugarchitektur und Sensorik sollen richtungsweisend für den Einsatz und die Ausleitung von Daten im Serienfahrzeug werden.
    In KARLI werden folgende Anwendungen vom Konzept zum Prototypen entwickelt:
    Levelkonformes Fahrerverhalten – Erkennung und Förderung
    KI-Interaktion für adaptive Systeme
    Motion Sickness – Erkennung und Vermeidung

    Mehr erfahren über KARLI

    Ziel

    Das Ziel des KARLI-Projekts ist die Entwicklung einer adaptiven, responsiven und levelkonformen Interaktion im Fahrzeug der Zukunft.

    Dafür werden in KARLI kundenrelevante KI-Funktionen entwickelt, die für unterschiedliche Stufen auf dem Weg zum automatisierten Fahrzeug (Automationslevel) Fahrerzustände erfassen und Interaktionen gestalten.

    Diese KI-Funktionen werden in KARLI aus empirischen und synthetisch erzeugten Daten entwickelt. Die Daten werden in KARLI so erhoben und verwendet, dass die Projektergebnisse skalierbar sind, auf zukünftig verfügbare Big Data aus Serienfahrzeugen.

    Unsere Beiträge zum Projekt

    TWT beteiligt sich an allen Applikationen mit

    • Konzeptentwicklung für Mensch-Maschine-Interaktion durch Voice-User-Interface
    • Entwicklung von Machine Learning und Data Analytics Methoden zur Erkennung von Kontext und Fahrsituation
    • Identifikation von emotionalen Zuständen und Merkmalen der Reisekrankheit durch Machine Learning

    Partner

    • Continental Automotive Gmbh
    • Ford-Werke GmbH
    • Audi AG
    • INVENSITY GmbH
    • paragon semvox GmbH
    • TWT GmbH Science & Innovation
    • studiokurbos GmbH
    • Fraunhofer IAO
    • Fraunhofer IOSB
    • Allround Team GmbH
    • Hochschule der Medien
    • Universität Stuttgart
    • branmatt II legal (im Unterauftrag)


    AINET-Antillas

    AINET-Antillas ist ein Teilprojekt im Rahmen der europäischen Initiative AINET. In verschiedenen Anwendungen wie I4.0 sowie dem vernetzten und autonomen Fahren sind Netzverfügbarkeit und -qualität von größter Bedeutung für die ordnungsgemäße Realisierung von Kundenfunktionen. AINET-Antillas entwickelt und validiert Infrastrukturelemente für Anwendungen in hochvernetzten Szenarien. Tronis® soll für die Validierung von automatisierten, vernetzten und autonomen Fahrfunktionen hinsichtlich der Netzqualität auch im Vergleich verschiedener Netzgenerationen eingesetzt werden.

    Mehr erfahren über AINET-Antillas

    Ziel

    Ziel von AI-NET ist es, eine Plattform für die dynamische Konfiguration von Kommunikationsnetzen zur Laufzeit zu schaffen, die nicht nur aus Sicht eines Netzbetreibers, sondern auch aus Sicht des Nutzers einfach zu bedienen ist. Über offene deskriptive Schnittstellen („intent-based“) kann somit das volle Potenzial der Infrastruktur genutzt werden und eine nahtlose Multi-Cloud-Integration realisiert werden. Drei Teilprojekte in AI-NET entwickeln Lösungen auf Basis konkreter, komplementärer Anwendungsszenarien und setzen diese in Demonstratoren um. Das Teilprojekt Antillas konzentriert sich auf die Entwicklung von Infrastrukturelementen für automatisierte Telekommunikationsnetze mit dem Ziel, diese für Anwendungen in den Bereichen Industrie und autonomes Fahren tauglich zu machen.

    Wozu dient AINET-Antillas?

    Innerhalb von AINET-Antillas werden Datenmessungen durchgeführt und Sensormodule während realer Messfahrten ausgewertet. In Zusammenarbeit mit Netzwerk- und Infrastrukturtechnologien können realistische Szenarien virtuell untersucht und validiert werden. Diese Szenarien fokussieren sich auf Kommunikations- und Unterhaltungssysteme und -funktionen sowie autonome und vernetzte Fahrfunktionen, die auf den Mobilfunkstandard 5G setzen. AINET-Antillas wird auch zur virtuellen Absicherung von Fahrerassistenzsystemen beitragen, mit besonderem Fokus auf die Funktionen, die Mobilfunkdaten zur Berechnung ihres Verhaltens nutzen.

    Unsere Beiträge zum Projekt

    • Entwicklung neuartiger Lösungen für Anwendungszenarien
    • Autonomer Netzbetrieb durch Ende zu Ende Automatisierung
    • Latenz und sicherheits optimierte Infrastruktur für Telekommunikationsnetze
    • Spezifikation Simulationskonzept, Modellerweiterungen und Schnittstellen
    • Etablierung und Integration technischer Schnittstellen für Mobilfunk und Datenmodelle
    • Umsetzung Modellerweiterungen, Simulation in prototypischen Szenarien
    • Umsetzung Demonstrator in Tronis®
    • Entwicklung realitätsnaher Use Cases für das vernetzte Fahren
    • Erzeugung der Simulationsergebnisse, Datenaustausch mit Partnern
    • Untersuchung Mobilfunk und WLAN-Kommunikation
    • Demonstrator Cloud-Anwendung und Visualisierung

    Partner

    • DCAITI (Karl Hübener)
    • Ericsson, Nokia
    • Fraunhofer Fokus (Robert Protzmann)
    • Attesio (Netzplanung-/optimierung)
    • Uni Stuttgart IKR
    • Adva (Equipment für optische Nachrichtenübertragung)

    KoSi

    Das Akronym KoSi steht für „Kooperatives Autonomes Fahren mit Sicherheitsgarantien“. In diesem Projekt soll untersucht werden, wie die Herausforderung autonomen Fahrens in komplexen Verkehrssituationen durch kooperative Manöverplanung gemeistert werden kann. Ein besonderer Fokus liegt hier auch auf gemischten Verkehrsszenarien, also mit autonomen und nicht-autonomen Verkehrsteilnehmerinnen und -teilnehmer.

    Mehr erfahren über KoSi

    Ziel

    In diesem Projekt werden Methoden und Algorithmen entwickelt, um die durch den autonomen Verkehrsteilnehmer befahrbaren Gebiete im Verbund der Verkehrsteilnehmer kooperativ auszuhandeln. Diese dienen dann der Planung der Fahrzeugtrajektorien und der Identifikation möglicher Notfallmanöver.
    Um auch gemischte Verkehrsszenarien berücksichtigen zu können, werden Kommunikationsmodelle zwischen autonomen und nicht-autonomen Verkehrsteilnehmern entwickelt.
    Die Prädiktion des Fahrverhaltens und die Trajektorienplanung soll ganzheitlich zusammen mit ihrer formalen Verifikation betrachtet werden, um die Sicherheit der Manöver garantieren zu können.
    Die Radarsysteme als wesentlicher Bestandteil der Sensorik autonomer Fahrzeuge werden hier hinsichtlich ihrer Sicherheit weiterentwickelt insbesondere zur Erkennung von Manipulationsversuchen.

    Wozu dient KoSi?

    Fahrerassistenzsysteme sind schon lange fester Bestandteil moderner PKW und LKW. Trotz der Entwicklung immer intelligenterer und innovativerer Systeme ist es noch ein steiniger Weg hin zu einem sicheren Betrieb autonomer Fahrzeuge in großflächigem Einsatz in allen Umgebungen (außer- und innerstädtisch). Noch viele Jahre wird der Mischverkehr aus konventionellen und automatisierten Fahrzeugen sowie nicht-automatisierbarer Verkehrsteilnehmer dominieren. Die Entwicklung inhärent sicherer Methoden der Manöverplanung vor allem für komplexe Verkehrsszenarien ist damit unumgänglich. Hier wird KoSi seinen Beitrag liefern.

    Unsere Beiträge zum Projekt

    • Generierung von komplexen, realistischen Testszenarien (inkl. nicht-autonomisierbarer Verkehrsbeteiligte wie Fahrradfahrer und Fußgänger)
    • Methodenentwicklung: Kopplung der beteiligten Entwicklungs- und Simulationstools
    • Absicherung: Validierung der im Projekt entwickelten Algorithmen
    • Radar-Sensorik: Generierung von Trainingsdaten, Datenmanipulation

    Partner

    • TWT GmbH

    newAide

    Im Projekt newAide erforschen die Partner den Einsatz von Methoden der Künstlichen Intelligenz (KI) in hochkomplexen, simulationsbasierten Auslegungsprozessen der Fahrzeugentwicklung mit dem Ziel, diese zu beschleunigen, zu optimieren und teilweise zu automatisieren. Neben der Verbesserung einzelner Auslegungsdisziplinen durch KI-Ansätze soll im Projekt newAIDE mithilfe der Teilprojekte eine grundlege Datenbankstruktur und Datenstrukturierung erforscht werden, die den Einsatz von KI-Methoden in der Fahrzeugauslegung unterstützt und vereinfacht. Dadurch könnte die Basis für eine flächendeckende Einführung von KI-Ansätzen in der Fahrzeugauslegung und darüber hinaus bereitet werden.

    Mehr erfahren über newAide

    Ziel

    Ein wichtiges technisches Ziel ist die Optimierung von Simulationsprozessen durch KI-Algorithmen. Mithilfe der KI sollen in den Simulationen auch Randbedingungen und Faktoren in die Entscheidungsfindung einbezogen werden, die aufgrund der hohen Komplexität bislang unberücksichtigt bleiben mussten. Die zusätzlichen Vernetzungen sollen die Vorhersagegenauigkeit und Robustheit der Simulationen steigern und dadurch zu einer Reduzierung der Entwicklungszeit beitragen.

    Wozu dient newAide?

    Der Fokus des Projekts liegt auf Auslegungsprozessen, bei denen grundlegende Entscheidungen auf menschlichen Erfahrungswerten und Erfahrung aufbauen. Diese sollen durch KI-Algorithmen erlernt und weitgehend selbstständig auf Basis von umfassenden Test-, Konstruktions- und Simulationsdaten getroffen werden. Dadurch können komplexe Auslegungsaufgaben, die aktuell noch immer von den Fähigkeiten und der Erfahrung des Entwicklers abhängig sind, durch KI-Methoden in automatisierbare, datenbasierte Entscheidungsprozesse überführt werden.

     

    Unsere Beiträge zum Projekt

    • Spezifikation von Anwendungsfällen im Bereich Mehrkörpersimulations- und Regelungssysteme zur Vorapplikation von Fahrwerksparametern
    • Automatisierung von Workflows für den Fahrwerks- und Regelungsentwurfsprozess
    • Erforschung neuer Methoden im Bereich der Metamodellierung für physikalische Systeme
    • Validierung und Optimierung der entwickelten Methoden für KI-gesteuerte Fahrwerks- und Regelungssdesignprozesse

    Partner

    •  BMW
    • TUM – Data Analytics & ML (Günnemann)
    • TUM – Vibroacoustics (Marburg)
    • MSC Software
    • Altair
    • divis

    ALFRIED

    ALFRIED – Automatisiertes und vernetztes Fahren in der Logistik am Testfeld Friedrichshafen, soll in Zukunft dem innenstädtischen Warenverkehr dienen. Das Gesamtkonzept des hypereffizienten Mobilitätssystems besteht aus verschiedenen Mobilitätsteilnehmern. Das Projekt soll die gesamte Verkehrssituation, insbesondere der Fahrzeuge (vernetzte sowie nicht-vernetzte), intelligenter Infrastrukturen und Leitstellen verbessern. Dafür werden verschiedene Technologien entwickelt und für die Nutzung und den Einsatz im Realverkehr vorbereitet. In Zukunft sollen die Erkenntnisse aus Friedrichshafen von hoher Relevanz für andere Städte und Regionen sein.

    Mehr erfahren über ALFRIED

    Ziel

    Ziel des Projektes ist die Entwicklung eines „zukunftsfähigen, nachhaltigen Mobilitätssystems durch automatisiertes Fahren und Vernetzung“. Das „Testfeld Friedrichshafen“ (Realverkehr) am Bodensee bietet als deutsches Mittelzentrum ein hervorragendes Anwendungsfeld für ein auf viele Städte und Regionen übertragbares Mobilitätskonzept. Mit dem Schwerpunkt Infrastruktur und Smart-City-Leitstelle soll das komplexe Mobilitätssystem der Stadt Friedrichshafen weiterentwickelt werden. Automatisiertes und vernetztes Fahren, Datenintegration, Routenoptimierung, Störprädiktion sowie intelligente Echtzeitinformation sollen innerstädtische Warenfahrten zwischen Werksstandorten optimieren. Die Einsparungen der Fahrten und/oder der damit verbundene Emissionsverbrauch und die Entlastung des innerstädtischen Verkehrsaufkommens soll das Ergebnis der Optimierung darstellen.

    Wozu dient ALFRIED?

    Das Projekt ALFRIED geht Probleme der Verkehrssicherheit und -effizienz sowie der hohen Straßenauslastung an. Der Mischbetrieb zwischen motorisierten und nicht-motorisierten Verkehrsbeteiligte wie auch V2X und nicht V2X-fähigen Fahrzeugen stellt aktuell eine Herausforderung dar. Zum Wohl aller Verkehrsteilnehmerinnen sowie -teilnehmer und um Staus zu reduzieren, bedarf es einer Verbesserung des Verkehrsflusses und Routenoptimierungen.

    Viele Inhalte werden in der Digitalen Plattform um diverse Datenquellen angereichert und über die Smart City Leitstelle ausgewertet, analysiert und dargestellt. Dazu zählen die Intelligente Infrastruktur mit Sensorfusionskonzept für komplexe Knotenpunkte und automatisiertes sowie vernetztes Fahren in schwierigen Fahrsituationen. Außerdem zählen die Daten aus Intelligenten Fahrzeugen (über Fahrzeug, Infrastruktur und Umgebung) dazu. Die Validierung der Ergebnisse erfolgt im Testfeld Friedrichshafen unter besonderer Berücksichtigung des innerstädtischen Warentransportes.

    Unsere Beiträge zum Projekt

    Virtuelle Validierungsplattform mit Tronis

    • Nachbilden von Teststrecken
    • V2X-Kommunikation
    • Sensorik (Raytracing)
    • Digital Twin
    • Absicherung
    • Systemtests
    • Testszenarien
    • Software-/ Hardware-/ Vehicle-in-the-loop

     

    Dynamische Karte

    • Bereitstellung und Aggregation von Informationen von und für alle V2X-fahigen Fahrzeugen
    • Metainformationen von Fahrzeugen
    • Umgebungsinformationen (Schilder, Ampeln, Fahrverbotszonen
    • (mobile) Baustellen
    • Straßenbeschaffung
    • Erfassung der Fahrzeugumgebung
    • Darstellung von nicht V2X-fähigen Fahrzeugen
    • Darstellung Verkehrsfluss zur Steuerung und Optimierung
    • Warnung vor kritischen (Gefahren-) Situationen

    Partner

    • IWT
    • DHBW Ravensburg
    • DLR Braunschweig
    • ETO Gruppe
    • Hahn-Schickard-Gesellschaft
    • IHSE
    • IMST
    • Netwake Vision
    • Voltra Solutions
    • ZF Friedrichshafen

    AUTOAKZEPT

    AUTOAKZEPT steht für die Beseitigung von Verstehensunsicherheit bei Mensch-Maschinen-Interaktion (automation without insecurity to increase acceptance of automated and connected driving). Zur Verbesserung der User Experience trifft das Recommender System die Auswahl der am besten geeigneten Anpassung für die Fahrerin und den Fahrer hinsichtlich der dargebotenen Information zur Verkehrssituation oder des Fahrstils.

    Mehr erfahren über AUTOAKZEPT

    Ziel

    Mangelndes Vertrauen und negative Erwartungen können die Akzeptanz neuer Technologien verringern. Während das Aufkommen des automatisierten und autonomen Fahrens viele Vorteile wie Freizeit mit sich bringt, werden die Nutzerinnen und Nutzer auch mit Herausforderungen konfrontiert. Dazu zählen Vertrauensmangel, Unsicherheit über autonom getroffene Fahrentscheidungen sowie Reisekrankheit.

    Wozu dient AUTOAKZEPT?

    Um die Akzeptanz von automatisiertem und autonomem Fahren zu unterstützen, zielt AUTOAKZEPT darauf ab, benutzerzentrierte Strategien zu entwickeln. Damit wird eine sichere Änderung des Fahrstils und das Vertrauen zu Human-Machine Interface (HMI) in autonomen und automatisierten Fahrzeugen herbeigeführt. Um dies zu erreichen, wird ein nutzerzentrierter, iterativer Ansatz gewählt. Diese Probleme sollen mittels Atoakzept überwunden werden.

    Unsere Beiträge zum Projekt

    • Nutzerzustandserkennung
    • Nutzerstudien im Realfahrzeug und Simulator
    • HMI zur Reduktion von Unsicherheit und zur Erhöhung der User Experience
    • Entwicklung und Implementierung des Recommender Systems
    • Situationsmodell

    Partner

    • DLR Braunschweig (Coordinator)
    • IAV GmbH 
    • TU Chemnitz 
    • BMW Group (associated partner)

    LiBAT

    LiBAT – development of a high voltage LIthium BATtery, hat die Entwicklung eines ultraleichten hochintegrierten Batteriepacks für Anwendungen in der Luftfahrt zum Ziel. Das LiBAT Design erfüllt anspruchsvolle Anforderungen für Gewicht, Energiedichte und Leistung und kann flexibel in verschiedenen Anwendungen eingesetzt werden. Bevor das LiBAT Design in elektrischen und hybriden Flugzeugen benutzt werden kann, werden prototypische Umsetzungen und Tests am Boden (TRL4) durchgeführt. Durch LiBAT entsteht eine neue Zukunft für die Luftfahrt.

    Mehr erfahren über LiBAT

    Ziel

    Der Bereich der hybriden und elektrischen Antriebssysteme für die Luftfahrt stellt ein enormes Innovationspotenzial dar, insbesondere mit Blick auf CO2-Einsparungen. Um einen zuverlässigen, effizienten und sicheren Betrieb entsprechender Batteriesysteme zu erreichen, müssen sie mit sorgfältigem Blick auf Energiekapazität, Leistungsdichte, Gesamtgewicht und -volumen, thermische Anforderungen und Konstruktionsaspekte entwickelt und optimiert werden. 
    Das Hauptziel des Projekts ist es, ein besonders leichtes Batteriepack mit state-of-the-art Energiedichte zu designen und einen Prototyp aufzubauen. Eine klare Schnittstellendefinition wird die einfache Integration des Demonstrators in aktuelle Flugzeugarchitekturen gewährleisten. Der Prototyp wird mit Ziel TRL4 entwickelt und wird unter Laborbedingungen validiert.

     

    Wozu dient LiBAT?

    Leichte und leistungsstarke Batteriepacks können in vielen Anwendungsgebieten eingesetzt werden – von Anwendungen in der elektrifizierten Luftfahrt (Lufttaxis, E-Gleiter) oder auch im E-Fahrzeug bis hin zu mobilen Batteriepacks (z.B. Leistungsbereitstellung auf dem Bau).

    Unsere Beiträge zum Projekt

    • Systemsimulation und -modellierung von Batteriepack und Energiebordnetz
    • Elektrische & thermische Simulationen
    • Projektkoordination

    Partner

    • LION Smart GmbH
    • Dassault Aviation (Topic Lead) 

    RABE

    RABE – Intelligenter Rollator für die stationäre Pflege zum Autonomieerhalt der Bewohner und zur Entlastung der Pflegekräfte, umfasst die Entwicklung eines intelligenten Rollators, der die Autonomie und Mobilität der Nutzerin und des Nutzers erhöht und gleichzeitig das Pflegepersonal entlastet. Dies wird durch eine Reihe von Funktionen erreicht, beispielsweise durch den Modus „Autonomes Fahren“, eine Indoor-Navigationsfunktion und eine Pedelec-Funktion. In einer Pflegeeinrichtung der Stiftung Liebenau werden die Projektentwicklungen erprobt.

    Mehr erfahren über Rabe

    Ziel

    Das Ziel des RABE-Projekts ist die Entwicklung eines intelligenten Rollators speziell für die Bedarfe in der langzeitstationären Pflege. Mit dem RABE-Rollator soll die Eigenständigkeit der Bewohnerinnen und Bewohner der Pflegeheime verbessert und das Pflegepersonal entlastet werden. Dies wird unter anderem durch einen Elektroantrieb erreicht, der dem Nutzer beim Bewältigen von längeren Strecken und Steigungen sowie beim Überfahren von Schwellen und Bordsteinkanten unterstützt. Zudem ist der Rollator in der Lage, durch die Verwendung von Ultraschallsendern und -empfängern autonom zu fahren. Auf diese Weise kann er beispielsweise den Nutzer am Bett abholen und diesem somit einen Weg abnehmen, auf dem es häufig zu Unfällen kommt.

    Wozu dient Rabe?

    Seit Jahren steigt in Deutschland die Zahl der Pflegebedürftigen durch die wachsende Lebenserwartung immer weiter an. Somit wächst der Bedarf an neuen Versorgungskonzepten für Menschen im höheren und hohen Alter, die einen nachweislich positiven Einfluss auf den Erhalt, die Wiederherstellung oder auch Steigerung der Lebensqualität im Alter haben. Die dadurch entstehenden Bedarfe lassen sich allein durch die zur Verfügung stehenden Pflegekräfte nicht befriedigen, stattdessen müssen zukünftig vermehrt technologische Innovationen in den Pflegealltag eingebunden werden. Die im Projekt RABE entwickelten Funktionalitäten setzen an diesem Punkt an und sollen dazu dienen, den Pflegekräften einzelne Aufgaben abzunehmen oder bei der Bewältigung zu unterstützen.

    Unsere Beiträge zum Projekt

    • Unterstützung bei der technischen Umsetzung der Rollator-Lokalisierung und der Motorsteuerung
    • Implementierung einer Indoor-Navigation
    • Realisierung einer Sprachsteuerung
    • Implementierung eines service-basierten Backends
    • Aufbau eines digitalen Rollator-Zwillings zur simulativen Weiterentwicklung und Validierung (TRONIS)

    Partner

    • Telocate GmbH
    • Reiser AG Maschinenbau
    • Hochschule Ravensburg-Weingarten (IKI, IGVP)

    OPsTIMAL

    OPsTIMAL zielt auf die Optimierung des Luftfahrtbetriebs ab (optimized processes for trajectory, maintenance, management of resources, and airline operations). Datenanalyse und Predictive Maintenance von Triebwerken helfen dabei, die Forschung zu verfolgen. Optimierte Prozesse für Trajektorie, Instandhaltung, Management von Ressourcen und Abläufen in der Luftfahrt.

    Mehr erfahren über OPsTIMAL

    Ziel

    Das OPsTIMAL Forschungsprojekt strebt die softwarebasierte Optimierung des Flugbetriebs an, indem verschiedene relevante Datenquellen in einer Datenbank zusammengefasst werden. Auf diese Weise soll ein flexibles Störungsmanagement ermöglicht werden, das auf den aktuellen Bedingungen und Benutzerpräferenzen wie Kosten, Pünktlichkeit und Sicherheit basiert.  Ein Schlüsselelement des Ansatzes ist die ganzheitliche Optimierung aller berücksichtigten Subsysteme, d.h. der Flugbahnplanung, der MRO (Wartung, Reparatur und Betrieb), des Turnaround sowie der Rotation von Flotte und Besatzung. In der finalen Version wird die Anzeige der Datenbank den Nutzerinnen und Nutzer einen differenzierten Überblick über die jeweilige Situation geben und entsprechende evaluierte Handlungsoptionen zur Verfügung stellen.

    Unsere Beiträge zum Projekt

    • Datenanalyse
    • Entwicklung von Algorithmen zur vorrausschauenden Wartung von Düsentriebwerken
    • Website zur Projektpräsentation

    Partner

    • JEPPESEN
    • PACE
    • Rolls Royce
    • MTU
    • Inform
    • DIEHL
    • SAP
    • DLR
    • Fraunhofer FKIE
    • Friedrich-Alexander Universität Erlangen-Nürnberg
    • Technische Universität Dresden

    AIToC

    Im Projekt AIToC – Artificial Intelligence supported Tool Chain in Manufacturing Engineering, wird eine integrierte Werkzeugkette für die Produktionsplanung und das Engineering von Produktionssystemen entwickelt, die die Entscheidungsfindung bereits in sehr frühen Phasen unterstützt. Dies beinhaltet die Entwicklung und Anpassung von Tools zur Definition und Verwaltung von Anforderungen, sowie zur Erstellung von Prozessplänen, Gerätemodellen und Layouts. Dafür wird ein modellbasierter Ansatz zur Definition der Produkt- und Produktionsanforderungen verwendet. Die Integration der Werkzeugkette konzentriert sich auf Lösungen für die Interoperabilität von Tools und Plug & Play-Funktionen, um in der Gestaltung der Simulationsumgebung flexibel zu sein. Dies wird erhebliche Auswirkungen auf die Effizienz (Kosten), die Qualität der Modelle und die Durchlaufzeit für Simulationen im industriellen Kontext haben.

    Mehr erfahren über AIToC

    Ziel

    Das Ziel ist die Entwicklung einer integrierten und KI-unterstützten Werkzeugkette für die Produktionsplanung und dem Engineering von Produktionssystemen. Die geplante Werkzeugkette soll die Formalisierung und automatisierte Analyse von Anforderungen, die computergestützte Generierung von Simulationsmodellen und die softwaregestützte Generierung von Layouts unterstützen. In all diesen Dimensionen sollen KI-Ansätze verwendet werden, um die großen Datenmengen zu verarbeiten, die benötigt werden, um aus vorhandenen Lösungen zu lernen. Konkrete Methoden sind z.B. Wissensmanagement und Expertensysteme, Verarbeitung natürlicher Sprache und maschinelles Lernen.

    Wozu dient AIToC?

    Erweiterung und Verbesserung der virtuellen Absicherung und insbesondere der virtuellen Inbetriebnahme bei der Produktionsplanung und dem Engineering von Produktionssystemen, durch Einbeziehung von manuellen Bearbeitungsschritten und automatisierter Modellerstellung für die Co-Simulation.

    Automatisierung und Verbesserung des Anforderungsspezifikationsprozesses durch A) eine grafische Anforderungsdarstellung zur visuellen Analyse, durch B) eine automatisierte Formalisierung von natürlichsprachlichen Textanforderungen, und durch C) die Bereitstellung einer formalisierten und eindeutigen Basis für die Analyse, das Testen, die Arbeitsplanerstellung und die Kommunikation bei der Planung und dem Engineering.

    Unsere Beiträge zum Projekt

    • Automatisierte und KI-basierte Formalisierung natürlichsprachlicher Textanforderungen
    • Weiterentwicklung des TWT-Tools zum Anforderungs-Engineering bezüglich Modellierungssprache, Editor zur Anforderungsmodellierung, Visualisierung der Anforderungen, Transformation von Spezifikationsmodellen, KI-basierter Analyse und Prüfung der formalisierten Anforderungen sowie Unterstützung des ReqIF-Standards
    • Ontologie-basierte Daten- und Tool-Durchgängigkeit
    • KI-basierte Erstellung von Verhaltensmodellen basierend auf realen Messdaten
    • Automatisiertes online Update des digitalen Zwillings eines Produktionssystems
    • Ankopplung von FMI-basierten MMUs für manuelle Prozessschritte an den TWT Co-Simulations-Master für Produktionssysteme, um manuelle Prozessschritte bei Mensch-Maschine-Interaktionen simulieren zu können

    Partner

    • Daimler Buses – EvoBus GmbH (deutscher Koordinator)
    • DFKI – Deutsches Forschungszentrum für Künstliche Intelligenz GmbH
    • EKS InTec GmbH
    • ifak – Institut für Automation und Kommunikation e.V.
    • in2sight GmbH
    • isb innovative software businesses GmbH
    • Raumtänzer GmbH, SAG – Software AG

    iVeSPA

    iVeSPA (Integrated Verification, Sensors, and Positioning for Aircraft production) untersucht Möglichkeiten zur signifikanten Erhöhung des Digitalisierungsgrades innerhalb der heutigen Flugzeugfertigung. Der aktuelle Grad der Digitalisierung von Prozessschritten ist nicht sehr hoch. Falls die dort verwendeten Maschinen innerhalb der absolvierten Prozessschritte ihre Sensordaten zur weiteren Verwendung bereitstellen, handelt es sich allenfalls um Insellösungen. Eine verbreitete Vernetzung der Maschinen oder die zentrale Speicherung für einen vereinfachten Zugriff auf alle Daten der Fertigungsprozesse liegt nicht vor.

    Mehr erfahren über iVeSPA

    Ziel

    Innerhalb des iVeSPA-Projektes soll die Effizienz der Flugzeugfertigung durch eine Erhöhung der Digitalisierung einzelner Prozesse angehoben werden. Hierzu wird mit Hilfe von funkbasierten und optischen Lokalisierungsmethoden ein Flugzeugbauteil im gesamten Installationsprozess – von der Anlieferung bis hin zum Einbau in den Flugzeugrumpf – verfolgt. Der entstehende Datensatz wird in Echtzeit in ein digitales 1:1-Fabrikmodell zur simulativen Beschreibung des Prozesses eingelesen und dargestellt.
    Für eine wertsteigernde Integration von erzeugten Sensordaten innerhalb der Fertigung werden diese mit den dort zugrundeliegenden Prozessen verknüpft, um die Qualität und zeitlichen Abläufe der Prozesse sicherstellen zu können.

     

    Unsere Beiträge zum Projekt

    •     Modellierung von Positionierungssensoren
    •     Erstellung eines digitalen Modells der Fertigungsumgebung (Blender)
    •     Integration von Daten aus einem Sensornetzwerk und Verknüpfung mit dem Modell (Python)
    •     Realisierung eines Digitalen Zwillings des zugrundeliegenden Prozesses

    Partner

    • Airbus Operations GmbH
    • Advanced Realtime Tracking GmbH & Co. KG
    • Agilion GmbH (nun Siemens AG)
    • Fraunhofer-Institut für Fabrikbetrieb und -automatisierung IFF
    • Werkzeugmaschinenlabor WZL der RWTH Aachen
    • Siemens AG
    • ZAL Zentrum für Angewandte Luftfahrtforschung GmbH

    SMART

    „Simulation of mobile networks and automotive behavior in realtime“ – Autonome Fahrapplikationen stellen hohe Anforderungen an die Mobilfunknetze, die naturgemäß variierende Dienstgüten aufweisen. SMART untersucht virtuell Vehicle-to-X (V2X) Anwendungen und wie belastbar diese in LTE und 5G Szenarien sind. Im Rahmen des Projekts wurde ein Mechanismus zur Aushandlung der Dienstgüte entwickelt. Außerdem wurden Echtzeitsimulationen von V2X-basierten autonomen Fahrszenarien in der virtuellen 3D-Umgebung Tronis® eingesetzt, um die Fähigkeiten des Mechanismus, stochastische Garantien der Dienstgüte vorherzusagen, zu evaluieren.

    Mehr erfahren über Smart

    Ziel

    Ziel von SMART ist die neuartige Kopplung existierender Simulatoren für Mobilfunk-relevante Teilaspekte des autonomen Fahrens. Dadurch soll eine realzeitfähige Simulationsplattform für die integrierte Untersuchung von V2X Kommunikation in realitätsnahen Szenarien geschaffen werden. Mit dieser Plattform werden die in SMART entwickelten Mechanismen zur Aushandlung und Vorhersage der Dienstgüte der Kommunikation hinsichtlich ihres Nutzens und ihrer Realisierbarkeit bewertet.