Projekte

Die Integration recycelter Materialien stellt die verarbeitende Industrie vor Herausforderungen, da die Qualität der Produkte vom Zusammenspiel der eingesetzten Materialien und den Fertigungsverfahren abhängt. Variationen in Spurenelementen und chemischen Eigenschaften beeinflussen additive Fertigungsprozesse wie den 3D-Druck. Das Projekt GEAR-UP zielt darauf ab, digitale Werkzeuge zu entwickeln, die den Einsatz recycelter Materialien in der Metall- und Kunststoffverarbeitung erleichtern. Durch simulationsgestützte Ansätze und KI-Methoden sollen ressourcenschonende Fertigungsverfahren etabliert werden. Der im Projekt entwickelte Digitale Produktpass stellt die Rückverfolgbarkeit der Materialien sicher.

Crashtests zur Beurteilung der Fahrzeugsicherheit finden heute meistens virtuell statt. Die Änderungen an den simulierten Fahrzeugmodellen zu dokumentieren, ist dabei besonders zeit- und kostenintensiv. Diesen Vorgang zu vereinfachen, ist das Ziel im Projekt SAFECAR-ML. Durch die Kombination neuartiger Methoden der Künstlichen Intelligenz (KI) mit technischem Wissen aus der Fahrzeugentwicklung möchten die Projektpartner aus Forschung und Automobilindustrie die Informationsaufbereitung für die Dokumentation virtueller Crashtests vereinheitlichen. Neu ist dabei die Verknüpfung semantisch aufbereiteter freisprachlicher Texte mit multimodalen Ingenieursdaten für das Maschinelle Lernen.

Im Projekt SYNTHIA entstehen neue Techniken zur verantwortungsvollen Erzeugung und Nutzung synthetischer Patientendaten. Diese Daten, die mittels generativer Methoden der Künstlichen Intelligenz erzeugt werden, können dazu beitragen, datenschutzrechtliche Hürden zu überwinden, Vorhersagemodelle für personalisierte Medizin zu verbessern und Kontrollgruppen in klinischen Studien zu emulieren. Die validierten synthetischen Daten werden dann auf einer modernen IT-Plattform zusammen mit ihren Anwendungsmöglichkeiten zur Verfügung gestellt.

Das Hauptziel der »ETHCSTWIN«-Initiative ist der Aufbau eines Kooperationsnetzwerks zwischen dem Institut für Ethnopharmakologische Studien und Phytotherapie (IESP, Athen) und zwei renommierten akademischen Forschungsteams aus Italien (UNISG, Pollenzo) und Deutschland (Fraunhofer SCAI) sowie dem Biotech-KMU Pangea Botanica und der Universität Prishtina. Ziel ist es, die Erkenntnisse der Ethnopharmakologie in neuartige computergestützte und digitale Systeme einzubringen, wobei der Schwerpunkt auf der Entwicklung eines reichhaltigen Portfolios komplexer Methoden und Werkzeuge liegt, die die Analyse umfangreicher Big-Data-Sets und die Restaurierung des materiellen und immateriellen Erbes umfassen.

Im Projekt BASE soll der digitale Batteriepass entwickelt werden, den jede größere Batterie in Zukunft besitzen muss. Der Pass wird kontinuierlich erhobene Daten zum »State of Health« enthalten und außerdem Informationen zur Lieferkette, zum Herstellungsprozess und zu Materialdaten. Hierbei kommt die Methode des »Mass Balancing« zum Einsatz, die den Materialeinsatz in der Batterieproduktion detailliert bilanziert und besonderes Augenmerk auf die Verwendung nachhaltiger Bestandteile legt. Die Daten aus dem Batteriepass werden fälschungssicher dezentral gespeichert, sodass alle Beteiligten darauf Zugriff haben. Dies ermöglicht, die Lebensdauer eine Batterie zu optimieren und das Recycling zu verbessern.

Im Projekt SmartEM entsteht ein standardisiertes System, das es ermöglicht, verschiedene »Computational Engineering Models« aus unterschiedlichen Quellen zu kombinieren und zu einem Gesamtsystem zusammenzuführen. Diese flexible Referenzarchitektur, inspiriert von offenen Datenraumkonzepten wie Gaia-X, fördert die Zusammenarbeit verschiedener Akteure und ermöglicht die Wiederverwendung von Engineering-Modellen. So werden Entwicklungsprozesse effizienter gestaltet und manuelle, zeitaufwändige Verfahren zur Erstellung von Digitalen Zwillingen ersetzt. Die KI-gestützte Erzeugung von »Surrogate Models« – vereinfachten Versionen der komplexen Modelle aus heterogenen Datenquellen – erleichtert die Integration von Modellen und verbessert so die Interoperabilität. So beschleunigt SmartEM die digitale Transformation und Innovation im Ingenieurwesen.

Im Projekt ALABAMA geht es darum, adaptive Lasertechniken für verbesserte additive Fertigung zu entwickeln. Ziel ist es, Materialporosität zu verringern und Mikrostrukturen anzupassen. Die Innovation beinhaltet die Entwicklung von Multiskalenmodellen zur Prozessoptimierung. Prozessparameter werden mittels Mehrstrahlsteuerung und Laserformung optimiert. Fortschrittliche Überwachung nutzt Multispektralbildgebung zur Qualitätskontrolle. Materialtests gewährleisten die Einhaltung von Anforderungen. Die Technologie wird in Luftfahrt, Schifffahrt und Automobilbau getestet. Diese Branchen stehen vor Herausforderungen bezüglich Materialqualität. Das Projekt verspricht signifikante Produktivitätssteigerungen und Kostensenkungen. Es fördert zudem die Autonomie der europäischen Industrie.

Remanufacturing ist für die Kreislaufwirtschaft von entscheidender Bedeutung, da es die Lebensdauer von Produkten verlängert, Arbeitsplätze und Einnahmequellen schafft und Abfall, Energieverbrauch und Treibhausgasemissionen reduziert. Die wichtigsten Herausforderungen, die für ein erfolgreiches Remanufacturing in einer industriellen Wertschöpfungskette – oder besser gesagt in einem Wertschöpfungskreislauf – zu bewältigen sind, beziehen sich auf Verfahren, Design und Geschäftsmodelle.

DeployAI widmet sich dem Aufbau und der Bereitstellung einer europäischen AI-on-Demand-Plattform (AIoDP). Im Projekt arbeiten Branchenvertretern und Forschungseinrichtungen zusammen. Das Ziel dabei ist, vertrauenswürdige, ethische und transparente europäische KI-Lösungen für den Einsatz in der Industrie – hauptsächlich für kleine und mittlere Unternehmen – und für den öffentlichen Sektor bereitzustellen. SCAI bringt vor allem seine Erfahrung mit dem Betrieb und der Ausführung effizienter Berechnungen in großem Maßstab auf Hochleistungs-Rechnern und deren Integration in hochzuverlässige stabile Plattformen ein. Im Arbeitspaket "Interoperabilität" bringt SCAI sein Fachwissen über die Integration und Orchestrierung digitaler E-Infrastrukturdienste ein. Dadurch soll sichergestellt werden, dass die KI-on-Demand-Plattform nahtlos mit dem bestehenden europäischen Ökosystem zusammenarbeitet, insbesondere mit Daten- und Recheninfrastrukturen.

Fraunhofer SCAI leitet das Konsortium des von der Europäischen Kommission geförderten Projekts COMMUTE. Vier Jahre lang arbeiten führende Fachleute aus verschiedenen Disziplinen daran, naheliegende Zusammenhänge zwischen COVID-19 und neurodegenerativen Erkrankungen zu erforschen. Ein zu entwickelndes KI-gestütztes Empfehlungssystem soll Erkrankten eine individuelle Risikoabschätzung ermöglichen.

Dieses Projekt zielt darauf ab, einen multiskaligen patientenspezifischen virtuellen Zwilling für Patienten zu schaffen, der für eine CAR-T-Zell-Therapie in Frage kommt, was auf zelluläre Immuntherapien im Allgemeinen ausgeweitet werden kann.

PREDICTOM baut in den nächsten vier Jahren eine Plattform zur Bewertung von Demenzrisiken auf. Die Plattform soll eine Früherkennung ermöglichen, die ein rechtzeitiges Eingreifen und eine präventive Behandlung erlaubt.

Das Projekt »COMMITMENT – Modellierung von Komorbiditäts-Prozessen durch integratives, maschinelles Transfer-Lernen für psychiatrische Erkrankungen« zielt darauf ab, einen interdisziplinären Forschungsrahmen für die Identifizierung systemmolekularer Merkmale psychotischer und komorbider somatischer Erkrankungen zu schaffen. Die Identifizierung gemeinsamer und unterschiedlicher biologischer Profile und der ihnen zugrundeliegenden pathophysiologischen Prozesse soll es ermöglichen, die Heterogenität der Patienten zu entschlüsseln und die Grundlage für objektive Instrumentarien für ein personalisiertes klinisches Management psychotischer Störungen zu schaffen.

Seit einigen Jahren steigt die Zahl der Daten, die im Gesundheitswesen anfallen, explosionsartig. Mit diesen Daten lässt sich die Forschung und auch die Patientenversorgung verbessern. Es bleibt jedoch eine Herausforderung, die Daten zu erhalten, sie zu analysieren und zu integrieren. Das Ziel im Projekt IDERHA ist es, eine offene Plattform einzurichten, die die Integration und Analyse verschiedener Arten von Gesundheitsdaten erleichtert. Die Plattform wird mehrere öffentliche und private Datenquellen miteinander verknüpfen und interoperable Werkzeuge und Dienste einführen, damit Ärzte, Patienten und Wissenschaftler die Daten nutzen können. Das IDERHA-Team konzentriert sich bei der Entwicklung der Plattform auf Lungenkrebs als Anwendungsfall.

In den nächsten Jahren wird mit einer weiteren Steigerung der Leistungsfähigkeit von Supercomputern gerechnet. Sogenannte Exascale-Computer können dann genauere Simulationsergebnisse liefern. Für die dabei entstehenden deutlich größeren Datenmengen entwickelt Fraunhofer SCAI effiziente Datenanalyse-Methoden, die dem Ingenieur zudem detaillierte Einblicke in die komplexen technischen Zusammenhänge gewähren.

Ziel des Projektes Real4Reg ist es, regulatorische Prozesse mit Hilfe von Real-World-Daten (RWD) zu verbessern. Unter anderem sollen Informationen über die Verwendung von Medikamenten durch die Bevölkerung aus Abrechnungsdaten der Krankenkassen genutzt werden.

PIONEER zielt auf die Entwicklung und Umsetzung eines interoperablen Ökosystems für Materialmodellierung und Fertigung ab, das einen multidirektionalen Datenfluss entlang der Materialwertschöpfungskette ermöglicht, indem Produktdesign und verteilte Modellierungsdaten mit Informationen aus der Materialcharakterisierung, den Fertigungsprozessen und den Produktqualitätskriterien verknüpft werden. PIONEER kombiniert einen Design-by-Simulation-Ansatz mit Fertigungs- und Qualitätsdaten zur Optimierung von Produktentwicklungsstrategien in High-Mix/Low-Volume-Produktionssystemen.

Das Servicezentrum »WestAI« ist ein Konsortium aus Wissenschaftseinrichtungen in Nordrhein-Westfalen, das von der Universität Bonn geleitet wird. Die Angebote für Kunden aus Wissenschaft und Wirtschaft umfassen Unterstützung bei der Aufbereitung von Daten, beim Transfer von KI-Technologien, bei Voruntersuchungen und bei der Entwicklung von Prototypen und kundenspezifischen KI-Lösungen.

Das Projekt PADME-AM (Partition der Eins Methoden für Additive Manufacturing) entwickelt neue Simulationsmethoden für 3D-Druckprozesse im Bereich der laserbasierten Pulverbettverfahren (L-PBF). L-PBF-Verfahren bieten die Möglichkeit, komplexe Bauteile mit hoher Qualität und geringem Gewicht zu drucken, unter anderem für die Medizin- und Luftfahrtindustrie.

Menschen mit schweren psychiatrischen Erkrankungen wie Schizophrenie, bipolaren Störungen und klinischen Depressionen entwickeln häufig Resistenzen gegen medikamentöse Therapien. Selbst wenn die ersten Anzeichen einer Therapieresistenz erkannt werden, müssen die Betroffenen langwierige Verfahren durchlaufen, bevor die medizinischen Fachkräfte eine angemessene pharmazeutische Behandlung verschreiben können. Nun ist beabsichtigt, im Rahmen des EU-finanzierten Projekts Psych-STRATA umfangreiche klinische, genetische und biologische Daten von Psychiatriepatientinnen und -patienten zu analysieren, um Kriterien für eine Früherkennung von Therapieresistenzen festzulegen. Auf der Grundlage der gewonnenen Erkenntnisse werden Behandlungsstrategien für Betroffene mit einem Risiko auf Therapieresistenz vorgeschlagen. Zudem wird das Projekt Maschinenlernmodelle entwickeln, die das Therapieresistenzrisiko und das Ansprechen auf die Behandlung vorhersagen können, um die Ärztinnen und Ärzte bei der Bereitstellung individuellerer Behandlungen zu unterstützen.

ParKInsonPredict is a joint research project of Technische Universität Dresden and Fraunhofer SCAI aiming to predict disease progression patterns in Parkinson's disease.

REMEDi4ALL aims to make a significant leap forward in drug repurposing. This promising approach to drug development, consisting of identifying, testing, and validating new therapeutic indications for existing medications, is a developing field but faces numerous barriers and systemic inefficiencies. Still, its potential to significantly bring down times and costs of drug development - it focuses on already approved, discontinued, shelved or investigational therapeutics - makes this novel strategy attractive for rare and neglected conditions, cancer, emerging public health threats such as COVID-19 or new drug combinations. It also translates into more sustainable health systems.

Ziel des Projekts ist die Entwicklung einer dezentralen, datenschutzkonformen Forschungsplattform. Diese soll in der Lage sein, einige der komplexen neurobiologischen Phänomene des Gehirns zu simulieren. Im Rahmen des Projekts werden die Forscherinnen und Forscher verschiedene Arten von Informationen zusammentragen, darunter Daten aus CT- und MRT-Scans, EEG-Tests, Umfragen zum Lebensstil und klinische Daten von vielen (>100) Patientinnen und Patienten sowie gesunden Kontrollpersonen. Die Daten werden mit biologischen Informationen aus Wissensdatenbanken kombiniert und der Forschung zur Verfügung gestellt. Daraus entstehenden digitale "Gehirnzwillinge", die vielen Wissenschaftlerinnen und Wissenschaftlern innovative Forschung in einer leistungsstarken digitalen Infrastruktur ermöglichen.

ADIS steht für »Early Diagnosis of Alzheimer's Disease by Immune Profiling of Cytotoxic Lymphocytes and Recording of Sleep Disturbances«. Das Projekt wird durch das gemeinsame Programm der EU zur Erforschung neurodegenerativer Krankheiten (JPND) finanziert. JPND ist die größte globale Forschungsinitiative, die darauf abzielt, die Herausforderung neurodegenerativer Krankheiten zu bewältigen. Das ADIS-Projekt (gestartet im Juli 2022) hat eine Laufzeit von drei Jahren und verfügt über ein Budget von 1,3 Millionen Euro von denen 300.000 Euro an Fraunhofer SCAI gehen.

Entwicklung eines objektiven Schnelltests für die Früherkennung von Depressionen.

Ziel des AIOLOS-Projekts (Artificial Intelligence Tools for Outbreak Detection and Response) ist die Entwicklung einer digitalen Plattform, die eine frühzeitige Erkennung neuer Epidemien von Atemwegserregern ermöglicht, ihre Ausbreitung überwacht und Entscheidungsträger über geeignete Gegenmaßnahmen informiert. AIOLOS wird in einem webbasierten Dashboard, das Echtzeitdaten aus verschiedenen Datenquellen, moderne Methoden der künstlichen Intelligenz (KI) und Vorhersagemodelle nutzt, Erkenntnisse für private und öffentliche Entscheidungsprozesse liefern.

Um Hardware wie Mikroprozessoren zu entwickeln, werden typischerweise feldprogrammierbare Gate-Arrays (sog. FPGAs − Field Programmable Gate Arrays) verwendet. Allerdings stellt die Optimierung der Verschaltung dieser Logikbausteine selbst schon ein schwieriges Problem dar (das sogenannte Quadratic Assignment Problem, kurz QAP). Durch Quanten- oder quanteninspirierte Hardware ließe sich dieses Problem besser lösen. Der Ansatz des Projekts QuantumQAP besteht darin, Quantenhardware und theoretische Lösungsansätzen zu kombinieren, die in den beiden Anwendungsfeldern FPGA-Verschaltung und Post-Quanten-Kryptographie zur Anwendung kommen.

Das gemeinsame Laborprojekt von Fraunhofer SCAI, der Hochschule Bonn-Rhein-Sieg und der Dr. Reinold Hagen Stiftung setzt genau an diesem Punkt an. Es zielt darauf ab, neue Erkenntnisse aus dem Bereich der digitalen Zwillinge zu gewinnen und diese für kleine und mittlere Unternehmen nutzbar zu machen, die einem besonders hohen Digitalisierungsdruck ausgesetzt sind. Diese Unternehmen sind oft regional verankert, z.B. als Experten für Nischenfertigungstechniken. Für diese Unternehmen ist es besonders herausfordernd, ausreichend Expertise in möglichst vielen Disziplinen zu sammeln.

Das mit rund 1.6 Millionen Euro geförderte und vom Fraunhofer-Institut für Algorithmen und Wissenschaftliches Rechnen SCAI koordinierte europäische Projekt DIGIPD untersucht, inwiefern mit Hilfe digitaler Techniken (Sensorik, Spracherkennung, Erkennung der Gesichtsmimik) eine präzisere und individualisierte Diagnose und Prognose der Parkinson-Erkrankung möglich ist. Das Projekt wird im Rahmen des europäischen ERA-Netzes zur personalisierten Medizin, ERA PerMed, im »Joint Transnational Call 2020« gefördert. Die Förderung des deutschen Anteils am Projekt erfolgt durch das Bundesministerium für Bildung und Forschung (BMBF).

Ein Ansatz im Rahmen der Energiewende besteht darin, in das vorhandene deutsche Netz für den Gastransport auch grünen Wasserstoff einzuspeisen. Um dies planen, steuern und analysieren zu können, müssen bisherige Simulationsmodelle so erweitert werden, dass sie Gasgemische mit einem hohen Wasserstoffanteil abbilden können. Zudem muss die Kopplung zu den relevanten Stromnetzen vorangetrieben werden. Dies sind die Ziele des Projekts TransHyDE-Sys. Dieses Projekt ist Teil des BMBF-Leitprojekts TransHyDE.