Projekte im Geschäftsfeld Numerische datenbasierte Vorhersage

ViPriA – Virtuelle Produktentwicklung mittels intelligenter Assistenzsysteme

Ziel des vom BMBF geförderten Verbundprojektes ViPriA ist die Entwicklung intelligenter, auf Künstlicher Intelligenz und Machine-Learning-Ansätzen basierender Assistenzsysteme zur Unterstützung von Ingenieuren bei der simulationsbasierten, virtuellen Produktentwicklung. Mit Hilfe intelligenter Assistenzfunktionen sollen Berechnungsingenieure im Entwicklungsprozess bei komplexen Entscheidungen unterstützt und von Routineaufgaben entlastet werden.
Laufzeit: 10/2019 - 09/2022

© Fraunhofer IPT

EVOLOPRO

Die große Vision von Industrie 4.0 ist die automatische Anpassung von Produktionsprozessen an sich schnell verändernde Anforderungen. Das neue Fraunhofer-Leitprojekt EVOLOPRO will dieser Vision ein Stück näher kommen. Als Bestandteil der Fraunhofer-Initative "Biologische Transformation" erforschen mit Beginn des Jahres 2019 sieben Institute gemeinsam, wie das Übertragen entwicklungs- und evolutionsbiologischer Prinzipien auf wandlungsfähige digitale Zwillinge von Menschen gemachten Produktionsprozessen Anpassungfähigkeit verleihen kann. Dabei spielen Transfer- und Multi-Task-Learning ein große Rolle. Die Biologie ist dabei das große Vorbild und liefert wichtige Impulse für die Weiterentwicklung von Verfahren.
Laufzeit: 01/2019 - 12/2023

© EXCELLERAT

EXCELLERAT

Neue Analyseverfahren erleichtern Auswertung komplexer Ingenieurdaten
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.
Laufzeit: 12/2018 - 11/2021

© Fraunhofer SCAI

Projektlogo

MADESI

Mit maschinellen Lernverfahren Anomalien frühzeitig erkennen und Schäden vermeiden
Die Analyse der Sensordaten von Maschinen, Anlagen oder Bauwerken ermöglicht es, ungewöhnliche Zustände frühzeitig zu erkennen und so Schäden zu vermeiden. Dazu wird in den Daten nach Auffälligkeiten, sogenannten Anomalien, gesucht. Mittels maschinellen Lernens kann diese Anomalie-Erkennung bereits jetzt zum Teil automatisiert ablaufen.
Laufzeit: 10/2018 - 09/2021

MathEnergy – Mathematische Schlüsseltechnologien für Energienetze im Wandel

Das Projekt MathEnergy fördert die Weiterentwicklung mathematischer Schlüsseltechnologien für die neuen Anforderungen, die im Zuge der Energiewende an Energienetze gestellt werden. Um Netzauslastung und -ausbau versorgungssicher und effizient zu gestalten, müssen Angebot und Bedarf abgeglichen sowie Flexibilitäten zwischen Energieträgern und durch Speicherung genutzt werden. Dazu werden netzübergreifende Modelle und modellbasierte Monitoring-, Regelungs- und Bewertungskonzepte für den Planungsbereich und Vorbereitungen für den Betrieb erarbeitet. Ziel ist die Entwicklung einer Software-Bibliothek für hierarchische, parametrische, nichtlineare, geschaltete und dynamische Netzmodelle mit stochastisch variierenden Einflussgrößen und Workflows zur integrierten Simulation und Analyse von netzübergreifenden Szenarien der Energieversorgung mit Strom und Gas. Dabei besteht die Aufgabe von HPA darin, ganzheitlich die MathEnergy-Softwarebibliothek voranzutreiben und über Demonstratoren zur effizienten Analyse großer sektorübergreifender Energienetze in Deutschland beizutragen.
Laufzeit: 10/2016 - 09/2020

Logo Flex4Apps

Flex4Apps

Ziel des BMBF-geförderten ITEA Projektes Flex4Apps ist die Entwicklung einer Plattform für Anwendungsflexibilität in Cyber-Physical Systems.
Laufzeit: 11/2016 - 10/2019