Projekte

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 so sichergestellt werden, dass die KI-on-Demand-Plattform nahtlos mit dem bestehenden europäischen Ökosystem zusammenarbeitet, insbesondere mit Daten- und Recheninfrastrukturen.

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.

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.