Projekte

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.

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.

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.

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

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.

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.

This laboratory (Fraunhofer SCAI, University of Applied Sciences Bonn-Rhein-Sieg, Dr. Reinold Hagen Foundation) aims to create new digital-twin concepts for SMEs.

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).

The Fraunhofer project HABICHT aims at the development of a highly efficient electric motor for compressors in hydrogen fuel cells.

Das übergeordnete Ziel von NFDI4Health ist es, die klinische und epidemiologische Forschungsgemeinschaft bestmöglich dabei zu unterstützen, ihre Daten in Übereinstimmung mit Datenschutzbestimmungen und ethischen Grundsätzen mit der Nutzergemeinschaft zu teilen und im Interesse der Verbesserung der Gesundheit der Bevölkerung neue Möglichkeiten der Datenanalyse innerhalb der Nationalen Forschungsdateninfrastruktur (NFDI) zu schaffen. NFDI4Health wird von der Deutschen Forschungsgemeinschaft (DFG)im Rahmen der Bund-Länder-Vereinbarung zu Aufbau und Förderung der NFDI vom 26. November 2018 gefördert.