Projekte

ClaimsBERT entwickelt ein Foundation Model für Routinedaten der gesetzlichen Kranken- und Pflegeversicherung. Es soll Muster in Diagnosen, Behandlungen und Arzneimitteldaten erkennen, um Gesundheitsrisiken früh vorherzusagen und die Versorgung gezielter zu unterstützen.

ACCESS-AD ist eine gemeinsame Initiative im Sinne einer öffentlich-privaten Partnerschaft. Das Projekt bringt staatliche Einrichtungen und Organisationen des privaten Sektors zusammen. Gemeinsam arbeiten sie daran, neue Diagnose- und Monitoringansätze in der Praxis nutzbar zu machen. Dazu zählen blutbasierte und bildgebende Biomarker. Hinzu kommen digitale und KI-gestützte Instrumente. Ziel ist eine koordinierte, gerechte und skalierbare Versorgung in der klinischen Praxis in ganz Europa.

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 Marie-Skłodowska-Curie-Doktorandennetzwerk PREDICTOR entstehen KI-gestützte Methoden zur schnellen und gezielten Entwicklung elektroaktiver Materialien für Redox-Flow-Batterien. Ziel ist es, durch die Verbindung von Simulation, automatisierter Synthese, experimentellen Hochdurchsatztests und intelligentem Datenmanagement vielversprechende Elektrolyte deutlich schneller zu identifizieren. Fraunhofer SCAI entwickelt dafür semantische Konzepte, Ontologien und KI-basierte Vorhersagemodelle, die die Vielzahl an Projektdaten verknüpfen und so gezieltes Materialdesign ermöglichen.

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 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.

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.

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.