Laufende Projekte

ENG: Data-based Software Engineering Methods and Tools

ARBAY

Internet-Marktplätze wie Amazon oder eBay dominieren als „digitale Kontrollpunkte“ immer mehr Bereiche des Einzelhandels. Eine Ausnahme bildet bislang der Handel mit langlebigen, hochvarianten und individualisierbaren Konsumgütern. Wie das konfigurierbare Produkt dann in den eigenen vier Wänden wirkt, kann erst nach Lieferung überprüft werden. Das Projekt ARBAY bringt die Beratung und Konfiguration von individualisierten Gütern ins Wohnzimmer. Im Projekt kommen Virtual- und Augmented-Reality-Technologien zum Einsatz, um neue digitale Vertriebswege für hochvariante Güter zu schaffen. Ziel ist es eine Verkaufsplattform zu entwickeln, mit der das Prinzip bekannter Verkaufsplattformen für den Verkauf dieser Güter erweitert wird. Der Schwerpunkt des am ISSE durchgeführten Teil-Projektes bildet die Entwicklung eines semantischen Produktmodells als Basis für die Plattform.

Ansprechpartner:
E-Mail: Dr. Christoph Knieke

Biotope

Das Ziel des Projektes BioTope ist es Basistechnologien und Engineering Methoden zu entwickeln, welche ein emergentes Systemverhalten erzeugen,  innerhalb einer adaptiven Systemplattform. Die Regeln für die Service Komposition sind hierbei weder zentral vorgegeben noch sind sie statistisch in der Plattform definiert. Sie sollen dynamisch zur Laufzeit generiert werden und sind Anforderungsorientiert. Dies sollte in einem offenen IoT-Ökosystem verwirklicht werden, so das unterschiedliche Daten und Dienste integriert werden können, um neue Prozesse zu schaffen und den Nutzeranforderungen gerecht werden. Die Hauptmotivation hierbei ist es, ein benutzeranforderungsgetriebenes System zu schaffen. Das Ökosystem neigt dazu, ein Gleichgewicht zwischen den Bedürfnissen der Benutzer und den bereitgestellten Daten und Dienstleistungen herzustellen. All dies wird durch Systemgarantien geregelt, die den korrekten Fluss des Ökosystems gewährleisten.

Ansprechpartner:
E-Mail: Eric Douglas Nyakam Chiadjeu
E-Mail: Christian Schindler

DevOpt

Software-Ökosysteme sind komplexe Systemverbünde interagierender, verteilter Einzelsysteme, die kontinuierliche, autonome Optimierung benötigen. In DevOpt fassen wir ein emergentes, verteiltes System als Drei-Schichten-Architektur auf: Lokale IoT-Ökosysteme verhandeln ihre Arbeitskonfiguration/Ressourcennutzung unter Rahmenbedingungen. Eine Kontroll-Schicht kann lokale Entscheidungen durch übergreifende, verteilte Optimierung korrigieren. Eine DevOps-Schicht ermöglicht Analyse, Wartung und Weiterentwicklung durch menschliche Eingriffe.

DevOpt zielt auf die Entwicklung kontrollierter emergenter Systeme durch verteilte Modellierung, lokale Verhandlung von Gerätekonfigurationen/Ressourcennutzung, erhöhte Entwicklungseffizienz durch Modellbasierung, sowie Kombination von Emergenz und DevOps. Die Demonstration/Evaluation erfolgt als Electric-Grid-Szenarien unter Einsatz selbst-lernender prädiktiver SmartMeter. Das ISSE wird ein komponentenbasiertes Emergenz-Framework für die lokale Schicht und Umgebungen realisieren, das lokale Optimierung und wechselseitige dynamische Verwendung von Ressourcen ermöglicht. Außerdem soll die emergente Integration hinsichtlich funktionaler und nichtfunktionaler Anforderungen überwacht und optimiert werden.

Ansprechpartner:

E-Mail: Mohamed Toufik Ailane
E-Mail: Mohammad Abboush

Timing Analyse und Lenkungsentwicklung

Das Projekt "Timing Analyse und Lenkungsentwicklung" forscht an Methoden der Abschätzung und Absicherung von Laufzeitverhalten in eingebetteten Regelungssystemen mit harten Echtzeitanforderungen. Dies geschieht im Rahmen von real existierenden Entwicklungsprojekten. Der Fokus liegt in der Spezifikation, Modellierung und der Messung von Laufzeitverhalten auf Systemebene.

Ansprechpartner:
E-Mail: Mohammad Abboush
E-Mail: Dr. Christoph Knieke

V-Modell XT Bund

In diesem Projekt geht es um die Verbesserung und Wartung des V-Modells XT Bund. Das V-Modell XT Bund ist eine unternehmensspezifische Anpassung des V-Modells XT an die Bundesbehörden. Es wird in diesem Projekt nach dem V-Modell XT entwickelt, gepflegt und gehalten.

Ansprechpartner: Dr. Christoph Knieke

V-Modell XT / Digitale Projekte-App (DiPA)

Der Weit e. V. hat dem Institute für Software and Systems Engineering den Auftrag erteilt das V-Modell XT in Form einer öffentlichen REST-Schnittstelle bereitzustellen. Nach der grundlegenden Überarbeitung des Metamodells des V-Modell XT wird eine Schnittstelle angeboten, die mit OpenAPI spezifiziert und Java implementiert wird.

Erste Softwareentwicklungen des Weit e. V., die die V-Modell XT REST-API implementieren, sind der neu entwickelte Webassistent (vormals Projektassistent) sowie die Digitale Projekte-App (https://dipa.online). Mit der Überarbeitung dieses Software-Ökosystems soll ein einfacher und zeitgemäßer Einstieg in das Projektmanagement mit dem V-Modell XT angeboten werden.

In dem Zusammenhang besteht das Forschungsinteresse an dem Software-Lebenszyklus sowie der Softwarearchitektur mit dem Hintergrund, dass es bereits mehrere Auflagen in Form von Metamodellen und Ableitungen für unterschiedliche Nutzergruppen des V-Modells gibt.

Ansprechpartner:
E-Mail: Dr. Christoph Knieke

DGT: Digitized Green Tech

Digital Innovation Hub "Reallabor DCE"

Die zunehmende Verschärfung globaler ökologischer Bedingungen drängt mehr und mehr zur Entwicklung neuer, grüner Technologien und Konzepte. Die Infrastruktur-Plattform des Reallabors Digitized Circular Economy (DCE) möchte mit seinen Partnerinnen und Partnern Innovationen und Modelle im Bereich nachhaltiger, digitaler Technologien etablieren.

Dabei steht das neu gedachte Modell der Circular Economy im Mittelpunkt der Forschungsausrichtung. Die verschiedenen Teilbereiche des Kreislaufmodells bilden dabei die Bausteine des Reallabors. In unterschiedlichen Teilprojekten erforscht es die anwendungsorientierte Lösungsentwicklung dieser Teilaspekte und schafft so Mechanismen zur Implementierung der Circular Economy.

Des Weiteren kommt der Vernetzung der verschiedenen Akteurinnen und Akteure sowie der Stärkung deren Wissens in Bezug auf Digitalisierung und Nachhaltigkeit ein herausragender Stellenwert zu. Dies wird auch im Kontext der Schaffung neuer Geschäftsmodelle, sowie der Weiterbildung der Agierenden in Zukunftstechnologien ermöglicht. Ziel ist es dabei, neue Synergieeffekt in gemeinsamen Projekten zu schaffen und daraus Best-Practice-Ansätze zu entwickeln, welche längerfristig erprobt werden können.

Leitender Gedanke im Zuge des Reallabors ist die Transformation bestehender Wirtschafts- und Produktionskonzepte hin zur Circular Economy. Dabei haben wir uns als Maßgabe gesetzt, durch die Werkzeuge der Digitalisierung Produktelebenszyklen neu zu definieren und alternative Nutzungskonzepte zu etablieren, um die stetige Belastung der Umwelt durch die zunehmende Konsumierung von kurzlebigen Produkten zu verringern.

Alle weitere Informationen zum Projekt finden Sie auf den Seiten des Reallabors DCE...

PROJEKTPLAKAT:Das Projektplakat finden sie hier als PDF.

Ansprechpartner:
E-Mail: Dominique Fabio Briechle

Recycling 4.0

Projektwebsite

Ziel des Projektes "Recycling 4.0" ist es, den Recycling Prozess durch einen gezielten und gesteuerten Informationsaustausch zu verbessern. Alle Akteure, vom Rohstoffproduzenten, über den OEM bis zum Verwerter, sollen miteinander vernetzt werden und eine Circular Economy bilden. Der Fokus unseres Teilprojektes liegt hierbei auf der Entwicklung eines Informations- und Datenmarktplatzes, auf welchem sich die unterschiedlichen Akteure zum Informationsaustausch miteinander vernetzen können.

Das Projekt-Video "Digitalisierung als Schlüssel für die Advanced Circular Economy"

Durch den voranschreitenden Ausbau der Elektromobilität werden stetig mehr Lithium-Ionen-Batterien vertrieben. Die darin enthaltenen knappen Rohstoffe wie Lithium und Kobalt machen ein effizientes Recycling unabdingbar. Dies stellt Hersteller und Recyclingbetriebe vor neue Herausforderungen bzgl. der Technologie und der verfügbaren Informationen. Der EFRE-Innovationsverbund „Recycling 4.0“ befasst sich mit Einsatzmöglichkeiten der Digitalisierung im Recycling, um den Herausforderungen durch komplexer werdende Produkte und fehlende Informationen zu begegnen. Im Fokus stehen die Gewinnung, Verbreitung und Nutzung von Informationen durch die Industrie 4.0 entlang der gesamten Wertschöpfungskette. Die Informationsverbreitung wird hierzu über einen Informationsmarktplatz sowie die direkte Weitergabe zwischen Akteuren ermöglicht. Die zusätzlichen Informationen werden genutzt, um die Effizienz im Recycling zu steigern, Stoffkreisläufe zu schließen, kritische Rohstoffe zurückzugewinnen und Entscheidungsunterstützungen zu ermöglichen. Das Projekt trägt somit zu einer nachhaltigen E-Mobilität bei, ermöglicht eine Ressourcenschonung sowie die Reduktion der Rohstoffabhängigkeit Deutschlands.

Hier geht's zum Projekt-Video:https://video.tu-clausthal.de/film/recycling-4-0_1170.html

Ansprechpartnerin:
E-Mail: Marit Mathiszig

Effizient Nutzen

Die Neuproduktion von Elektro(nik)produkten in Niedriglohnländern ist aktuell häufig preisgünstiger als Reparatur- bzw. Refurbishing- und Remanufacturingprozesse in Hochlohnstandorten wie Deutschland. Durch immer kürzere Innovationszyklen werden zusätzlich neue Kundenbedürfnisse erzeugt. Trotz des Wunsches vieler Menschen nach der Kaufoption für Gebrauchtgeräte oder Reparaturlösungen für Produkte, für die keine Garantie/Gewährleistung mehr besteht, werden selbst bei hochwertigen Elektro(nik)produkten Reparatur bzw. Aufarbeitung in der Regel nicht in Betracht gezogen oder sind für den Laien selbst unter Anleitung, z.B. in Reparaturkaffees, schlichtweg nicht möglich. Dies ist insbesondere darin begründet, dass die Reparatur bzw. Aufarbeitung immer schwieriger wird, da neben der komplexen elektronischen Hardware das Thema Softwareverfügbarkeit und -sicherheit sowie das Vernetzungs-Know-How eine entscheidende Rolle spielt. In Folge dessen werden Altprodukte nach begrenzter Einsatzzeit durch neue Produkte ersetzt und bestenfalls stofflich/energetisch verwertet.

Das Ausmaß dieser globalen Problematik erreichte im Jahr 2016 einen neuen Höchststand mit 44,7 Mio. t Elektronikschrott. Dadurch ergeben sich erhebliche Umweltauswirkungen und Ressourcenverluste, welche durch eine im Projekt avisierte Kreislaufführung auf Basis optimierter Kaskadennutzung und verlängerter Nutzung sowie deren zielgerichtete Verwertung im End-of-Life vermeidbar wären. Daher zielt das Projekt EffizientNutzen darauf ab, die Lebens- und insbesondere Nutzungsdauer von diesen Produkten signifikant zu erhöhen. Im weiteren Teilprojekten sollen hierfür insbesondere Digitalisierungsstrategien entwickelt werden, welche die Informationsdefizite schließen.

PROJEKTPARNTER: Das Institut für Automobilwirtschaft und Industrielle Produktion (AIP), Forschung für Nachhaltige Entwicklung (FONA), IWF, ReziProk, TU Braunschweig

PROJEKTPLAKAT: Das Projektplakat finden sie hier als PDF.

Ansprechpartner:
E-Mail: Dominique Fabio Briechle

LifeCycling²

Im Projekt LifeCycling² werden rekonfigurierbare Designkonzepte und Services für die ressourceneffiziente (Weiter-)Nutzung von E-Cargobikes entwickelt. Dabei forschen wir in unserem Teilprojekt an modularen anpassbaren Softwarelösungen für die Verwendung von Softwarekomponenten in der Erst- und Zweitnutzung inklusive Funktions-Updates. Im ersten Schritt erfolgt die Entwicklung rekonfigurierbarer Softwarearchitekturen und Steuergeräte für die effiziente Änderung von Softwarefunktionen (Upgrades, Funktionsänderungen) sowie die Entwicklung begleitender Services zur ressourceneffizienten Nutzung. Ausgehend von den definierten Anforderungen werden weiterhin erforderliche Informationsdienste für die private und gewerbliche Nutzung von E-Cargobikes definiert. Das Institute for Systems und Software Engineering (ISSE) entwickelt zudem eine Softwarelösung zur objektiven Beurteilung der technischen und wirtschaftlichen Wertigkeit, z.B. basierend auf Ladezyklen und Restkapazität.

PROJEKTPARTNER: TU Braunschweig (Institut für Konstruktionstechnik, Institut für Sozialwissenschaften), baron mobility service GmbH, TU Clausthal (Institute for Software and Systems Engineering), Electrocycling GmbH, Sense4Future GmbH, Stöbich technology GmbH

PROJEKTPLAKAT: Das Projektplakat finden sie hier als PDF.

Ansprechpartner:
E-Mail: Marit Mathiszig

HitchHikeBox

Neben den Umwelt- und Gesundheitsschäden durch Emissionen wie Lärm, CO2 und Luftschadstoffe wird auch die Lebensqualität durch den Straßenverkehr aufgrund des hohen Flächenverbrauchs (z.B. für Straßen, Parkplätze, Be- und Entladeflächen) zunehmend eingeschränkt. Mit dem fortschreitenden Wachstum des Verkehrs, insbesondere des gewerblichen Logistikverkehrs, hat sich die Situation in den letzten Jahren weiter verschärft. Die Entwicklung technischer, städtebaulicher und sozialer Konzepte zur Befriedigung der Mobilitäts- und Logistikbedürfnisse der Gesellschaft bei gleichzeitiger Steigerung des Umweltschutzes und der urbanen Lebensqualität ist DIE Herausforderung des nächsten Jahrzehnts.

Im Projekt HitchHikeBox soll ein intermodales Tramp-Logistiksystem auf Basis einer KI-basierten Tourenplanung von selbstorganisierenden Lieferboxen entwickelt werden. Dabei handelt es sich um eine technologische Plattform für ein integriertes elektrisches Mobilitäts- und Logistiksystem, das eine Reduzierung der privaten und gewerblichen Fahrten bei gleichzeitiger Aufrechterhaltung von Mobilität und Logistik sowie einer Verringerung des Parkplatzbedarfs ermöglicht, indem die Effizienz aktueller Fahrzeuge maximiert wird, ohne die Flexibilität zu beeinträchtigen. Die Hauptinnovation des Projekts ist ein automatisiertes, dezentralisiertes Dispositionssystem für selbstorganisierte „intelligente" Logistikboxen (HitchHikeBox), die intermodales Multi-Hop-Routing per „Anhalter" über lokale Micro-Hub-Depots ermöglichen. Darüber hinaus sollen die teilnehmenden regionalen Fahrzeugbetreiber verstärkt vollelektrische Fahrzeuge einsetzen und durch die Bündelung koordinierbarer Einzelfahrten Synergieeffekte nutzen. Das Institut für System- und Softwaretechnik (ISSE) entwickelt eine Softwarelösung für die "intelligente" wiederverwendbare Logistikbox, die selbstständig und automatisch von einem Start- zum Zielpunkt trampen kann. Diese Lösung wird über intelligente Strategien für die Ausführung einer Transportaufgabe verfügen. Auch die Entwicklung und Konzeption dieses dynamisch-adaptiven selbstorganisierenden Systems auf Basis von Smart Contracts.

PROJEKTPARTNER: MoD Holding GmbH, TU Clausthal (Institute for Software and Systems Engineering), Institut für Enterprise Systems (InES) Universität Mannheim, Brehmer GmbH & Co. KG, PrimingCloud GmbH, Blockchain Solutions GmbH, Overath GmbH

Ansprechpartnerin:
E-Mail: Nelly Nicaise Nyeck Mbialeu

Life_Twin

Die derzeit im Einsatz befindlichen Elektronikprodukte sind nur auf kurzlebige Nutzungszyklen ausgelegt und sind Mitverursacher des derzeitigen Anstiegs der globalen Abfallmengen und des exzessiven Rohstoffeinsatzes.[1] Dadurch bedingt erzeugen Elektro -und Elektronikprodukte Emissionen, welche sich durch Reparatur und Weiternutzung verringern lassen. Allerdings entstehen auch bei der Lagerung, beim Verkauf und bei der Entsorgung von Geräten Emissionen. Gerade im Hinblick auf die globale Erderwärmung stellen diese Emissionen ein großes Verringerungspotenzial dar. Das Ziel des Projekts Life_TWIN ist es, smarte Lösungen für die Zustandsermittlung zu untersuchen sowie Möglichkeiten für eine Weiterverwendung zu ermitteln und dadurch die CO2-Emissionen zu verringern. Das Projektvorhaben im Rahmen der Förderlinie „Ressourceneffizienz im Kontext der Energiewende“ innerhalb des 7. nichtnuklearen Förderprogramms des Bundesministeriums für Wirtschaft und Klimaschutz (BMWK) steht damit in direkter Linie mit anderen Forschungsvorhaben zur Wegbereitung der Circular Economy. Die Erforschung von Lösungsansätzen zur Verbesserung des Zustandsmonitorings von Produkten spielt dafür eine zentrale Rolle, da so Schäden und Materialermüdungen an Produkten erkannt werden können. Dabei sollen im Projektvorhaben Digitale Zwillinge zum Einsatz kommen, welche die Zustandserfassung und Steuerung der Produkte ermöglichen.

PROJEKTPARTNER: IMW TU Clausthal, Bernhard Olbrich Elektroinstallationen-Industrieanlagen GmbH, Robert Bosch GmbH, Hellmann Process Management GmbH & Co. KG

Ansprechpartner:
E-Mail: Dominique Briechle

 


[1] V. Forti, C. P. Balde, R. Kuehr, and G. Bel, “The Global E-waste Monitor 2020: Quantities, flows and the circular economy potential,” 2020.

DACS: Dependable and Autonomous Cyber-Physical Systems

SafeWahr

Umgebungswahrnehmungssysteme autonomer Fahrzeuge verwenden heutzutage umfangreiche KI-basierte Algorithmen. Etablierte Techniken und Methoden zum Nachweis der Safety stoßen hierbei an ihre Grenzen. Auch wenn viele Fahrszenarien definiert wurden und Millionen von Kilometern zum Testen abgefahren wurden, ist eine umfassende Gewährleistung der Safety während der Design Time nicht möglich. Ziel des Projekts SafeWahr ist Verstöße gegenüber sicherheitskritischen Spezifikationen und Unsicherheiten von KI-basierten Umgebungswahrnehmungssystemen von autonomen Fahrzeugen rechtzeitig zu erkennen. Im Falle einer erkannten Verletzung, setzt das autonome Fahrzeug dann seine Fahraufgabe mit eingeschränkter Funktionalität in einem sogenannten Fail-Operational-Modus fort.

Ein grundlegender Lösungsansatz zur Behandlung von Situationen, welche während der Design Time noch nicht bekannt waren, ist die teilweise Verschiebung der Absicherung in die Betriebszeit. Ultimativ möchte man so eine Art der „Betriebszeitzertifizierung“ ermöglichen. In SafeWahr wird hierzu eine Monitoring-Architektur für die Eigendiagnose entwickelt. Innerhalb dieser Monitoring-Architektur kommen drei Monitore zum Einsatz: (1) Ein Situation Monitor, welcher feststellt, ob die aktuelle Situation während der Design Time berücksichtigt wurde, (2) ein Validity Monitor, welcher feststellt, ob die Ergebnisse des KI-basierte Umgebungswahrnehmungssystems sicher gegenüber der Ergebnisse ist und (3) ein Function Monitor, welcher Verletzungen der Zielfunktion gegenüber Sicherheitsspezifikationen erkennt.

Ansprechpartner:
E-Mail: Adina Aniculaesei

Mobilitätslabor

Das Mobilitätslabor ist ein querschnittliches, internes Projekt welches zum Ziel hat die momentane dynamisch adaptive Software-Plattform mit Absicherungsmechanismen zu verbinden. Die zu entwickelnde Plattform soll in möglichst vielen Projekten Einsatz finden können. Weiterhin ist das Mobilitätslabor ein Ort in dem vor allem Studierende zusammenkommen, um an Themen des autonomen Fahrens und des maschinellen Lernens zu arbeiten. Das Labor verfügt über zwei RaspberryPi-Fahrzeuge, ein 1:8-Modellfahrzeug und ein Innenpositionierungssystem.

Ansprechpartner:
E-Mail: Adina Aniculaesei

LogiSmile

Die zunehmenden logistischen Abläufe stellen den Verkehr in städtischen Gebieten vor immer größere Herausforderungen. Neben den durch den Logistikbetrieb verursachten Verkehrsstaus werden auch die Sicherheitsprobleme immer kritischer. Um diesen Herausforderungen entgegenzukommen, testen die Partner von LogiSmile ein vollständig autonomes Liefersystem in verschiedenen Pilotstädten: Esplugues de Llobregat, Spanien, Hamburg, Deutschland, und Debrecen, Ungarn. Dieses autonome Zustellsystem basiert auf der Zusammenarbeit zwischen einem autonomen Fahrzeug (AHV) und kleineren Robotern, die autonome Zustellgeräte für die letzte Meile (ADD) sind. Ein zusätzliches Back-End-Kontrollzentrum verwaltet die Kommunikation zwischen dem AHV und dem ADD, erfasst die Daten während des Betriebs und optimiert den Flottenbetrieb mit effizienten Routing-Algorithmen. Als NFF-Mitglied beteiligt sich das ISSE an der Entwicklung des Remote-Backend-Kontrollzentrums, um in kritischen Situationen, die von der AHV nicht autonom bewältigt werden können, ausfallsichere Lösungen anbieten zu können.

Projektvideo: https://youtu.be/Y205SrL-jtM 

 

Ansprechpartnerin:
E-Mail: Adina Aniculaesei

mobil-e-Hub

Das Projekt mobil-e-Hub will den Herausforderungen des, insbesondere durch den E-Commerce, zunehmenden Logistikverkehrs auf der letzten Meile zum Kunden begegnen. Technologisch im Mittelpunkt und zentrale Projektinnovation von mobil-e-Hub ist ein neues Logistiksystem, das Drohnen mit Transportboxen über Trägersysteme an (elektrische) Fahrzeuge – den mobilen e-Hubs – zur Personenmobilität, z.B. Busse des ÖPNV, binden kann. Die Drohnen selbst übernehmen autonom an automatisierten Kommissionierungsstationen die für den Lebensmitteltransport optimierten Boxen, setzen auf die dafür ausgerüsteten Fahrzeuge auf und heben direkt am Übergabeort ab, um autonom die Box an den Kunden zu übergeben.

Bei dem Drohnenbetrieb als Lieferdienst gibt es rechtliche und technologische Herausforderungen, das ISSE nimmt sich den technologischen Herausforderungen an. Um einen zuverlässigen, robusten und sicheren Betrieb des Lieferdrohnensystems zu ermöglichen wird ein Online-Überwachungssystem für die Drohnen entwickelt und implementiert. Zu diesem Zweck wird der am ISSE entwickelte Dependability-Cage-Ansatz zur Laufzeitüberwachung funktionaler Anforderungen autonomer Fahrzeuge auf Flugsysteme angepasst. Zudem ist für eine optimale Steuerungsplanung eines E-Mobilitätssystems das Energiemanagement von entscheidender Bedeutung, daher wird mit Methoden der künstlichen Intelligenz der Energiebedarf prädiziert. Herausfordernd ist das gekoppelte Energiemanagement zwischen elektrischen Trägerfahrzeug und der Lieferdrohne unter Berücksichtigung der Logistiksystemanforderungen (z.B. Zeit), den Weginformationen, den aktuellen lokalen Bedingungen (z.B. Temperatur) und den vorausgegangenen Beobachtungen. Die Informationen aus dem Energiemanagement lassen sich mit der Absicherung verknüpfen um sicherzustellen, dass ausreichend Energie zur Zielerreichung und geplanten Landung zur Verfügung steht.

Ansprechpartner:
E-Mail: Adina Aniculaesei

Zukunftslabor Mobilität

Das Vorhaben zur Etablierung eines Zunkunftlabors Mobilität fokussiert anwendungsorientierte Forschungsarbeiten zur Nutzung von Technologien. In vier interdisziplinären Feldern (Collaborative Research Fields (CRF 1-4)) soll erforscht werden, welche Potentiale sich durch die Vernetzung von Systemen, Nutzern und Infrastruktur durch Digitalisierung für die Realisierung umwelt- und sozialverträglicher Mobilitätslösungen ergeben. Die Forschung richtet sich an konkreten (niedersächsischen) Anwendungsfällen zukünftiger Mobilität aus und soll Methoden und Ansätze für den schnellen Transfer innovativer Mobilitätslösungen hervorbringen.

Im Rahmen des gesamten Projekts beschäftigt sich TU Clausthal mit den Projektpartnern in CRF 2. Daten sind Grundlage für den automatisierten Fahrbetrieb (CRF 1) und Voraussetzung für die Entwicklung und Umsetzung geeigneter Services und Geschäftsmodelle (CRF 4). An dem CRF 2 sind Wissenschaftler/-innen aus den Bereichen Kommunikationstechnik, Information Engineering und Software Engineering beteiligt, um Methoden für die sichere Erfassung, Auswertung und Fusionierung von Mobilitätsdaten zu erforschen. Es sollen Methoden für die sichere und zuverlässige (im Sinne von Safety, Security und Privacy) Erhebung und Verarbeitung von Daten und die Erfüllung rechtlicher Rahmenbedingungen (z.B. DSGVO) in allen Entwicklungs- und Betriebsphasen erarbeitet und demonstriert werden. Es sollen Ansätze für die Entwicklung sicherer Datenarchitekturen sowie Methoden und Ansätze zur Standardisierung der Datenhandhabung und -fusion und der Beurteilung und Sicherung der Datenqualität erprobt werden.

Ansprechpartner:
E-Mail: Abhishek Buragohain

ETCE: Emerging Technologies for a Circular Economy

MushR

Projekt-Website (incl. Live Stream): Link

Ziel des Projektes "MushR" ist die Entwicklung digitaler Werkzeuge für modulare und anpassungsfähige Indoor und Micro-Farming Systeme - im Rahmen von MushR am Beispiel der Produktion von Gourmet Pilzen. Die Pilze werden in einer sensorgesteuerten Wachstumsumgebung gezüchtet, ähnlich wie in herkömmlichen industriellen Pilzfarmen. Anstelle von Einweg-Plastikbeuteln werden die Pilze jedoch in wiederverwendbaren Mushroom-Pods gezüchtet, die mit einem digitalen Zwilling verbunden sind. Der Wachstumsstatus und die Gesundheit der Pilze werden regelmäßig mit Kameras überprüft. Die Kameraeingaben werden von einem YOLO-Modell verarbeitet, um zu erkennen, ob bzw. wann die Pilze erntereif sind. Das anschließend zu integrierende automatische Erntesystem trennt die zu erntenden Pilzen vom Mushroom-Pod. Schließlich sind die Pilze zum Verzehr bereit, und die Mushroom-Pods verbleiben in der Wachstumsumgebung.

Ansprechpartner:
Prof. Dr. Benjamin Leiding benjamin.leiding@tu-clausthal.de

ML4E: Machine Learned Models for Engineers

Sensorentwicklung für Produkte des baulichen Brandschutzes zur Sicherstellung deren Funktion, für Smart Maintenance und I 4.0

Da sich die Elemente sicherheitsrelevanter Lösungen, wie zum Beispiel Brandschutztüren, hinsichtlich ihrer Kosten und Anbindung an die Energieversorgung sehr deutlich von Maschinen industrieller Anlagen unterscheiden, sind hierzu innovative Konzepte notwendig, mit Hilfe derer sicherheitsrelevante Systeme zu „Cyber Physical Systems“ werden. Das Projekt befasst sich mit den  dazu notwendigen Entwicklungen. Diese reichen vom Entwurf spezifischer Sensoren und Aktoren, die sich auch in kleinen Stückzahlen kostengünstig produzieren lassen, über IT-Lösungen für die Zustandsüberwachung und automatisierte Funktionstest sicherheitsrelevanter Systeme bis hin zum Aufbau von Methodenkompetenzen für den Entwicklungsprozess solcher „Cyber Physical Systems“. 

Ansprechpartner: Stefan Wittek

Matures Ölfeld

Der Einsatz von KI soll dazu dienen, die spezifischen Kosten der Ölförderung zu senken, ohne Kompromisse in der Sicherheit, des Umweltschutzes oder der Integrität einzugehen. Die Studie soll vor diesem Hintergrund aufzeigen, welche Einsatzbereiche für KI in einem maturen Ölfeld bestehen und wie diese wirtschaftlich zu bewerten sind. Die Einsatzmöglichkeiten zur Mehrwertbestimmung künstlicher Intelligenz im maturen Ölfeld sollen in einer Literaturstudie durchgeführt werden. Betrachtungsgegenstand ist hierbei der abgegrenzte Bereich von der Sonde selbst (inkl. Pumpe) bis zur Übergabestation inkl. Pipelinesystem. Hierbei werden die Einsatzmöglichkeiten und Potentiale von KI-Techniken aus den Bereichen Knowledge Discovery in Databases, Predictive Maintenance, Zeitreihenprognose, Modellbildung, modellbasierten und modellfreien Optimalsteuerungen und -regelungen untersucht und beschrieben.

Ansprechpartner: Stefan Wittek

KI basiertes Hochwasserfrühwarnsystem für die Altstadt von Goslar

Das Projekt "KI basiertes Hochwasserfrühwarnsystem" ist eine praktische Anwendung der KI-Prognosesysteme auf Sicherheitskritische Alltagsbereiche. Die praktische Anwendungsdomäne ist der Raum Goslar mit der vorhandenen Sensorinfrastruktur und den darüber hinnaus erhobenen historischen Daten. Hierbei soll die Künstliche Intelligenz die empirischen Daten wie Niederschlag, Bodenfeuchtigkeit, Sonneneinstrahlung über einen vergangenen Zeitraum observieren und in Verhältnis mit dem aktuellen Wasserpegel setzen. Es wird eine mögliche Korrelation vorausgesetzt, so dass gefährliche Spitzenwerte frühzeitig vorausgesagt werden können. Das Prognoseverfahren ist damit ein Kernstück für Koordination einer Reihe baulicher Maßnahmen zur Prävention von Hochwasser und Überflutungsereignissen.

Ansprechpartner: Dimitri Bratzel,Stefan Wittek

 

KIKI

Der Einsatz von KI im Kontext der prädiktiven Instandhaltung von Abwasserkanälen birgt Vorteile, sowohl im Sinne der Kostenersparnis als auch der Vorbeugung von Totalausfällen und daraus ggf. resultierenden Verunreinigungen des Grundwassers. Ziel ist es hierbei, bisher analog ausgeführte Tätigkeiten, so beispielsweise die Klassifikation von Schäden am Kanal, in Zukunft automatisiert erfolgen zu lassen. Darauf aufbauend lässt sich insbesondere eine Strategie ableiten, mit der sich der zukünftige Instandhaltungsprozess optimieren lässt. Zum Zwecke der Nutzerfreundlichkeit wird zusätzlich ein 3D-Modell des gesamten Netzes entwickelt, mit der sich sowohl die Klassifikation, als auch die Prognose des Zustandes visuell einsehen lässt. Die geplanten Schritte hierbei reichen von der theoretischen Erarbeitung eines Konzepts, bis hin zu einem einsatzfähigen Prototypen. Die eingesetzten Techniken umfassen klassische statistische Methoden, bis hin zu maschinellen Verfahren im Sinne des Predictive Maintenance und der Klassifikation.

Ansprechpartner: Benjamin Acar

NFDI4Ing – Nationale Forschungsdateninfrastruktur für die Ingenieurwissenschaften

NFDI4Ing vereinigt die ingenieurwissenschaftlichen Forschungsgemeinschaften und fördert das Management ihrer Forschungsdaten. Das Konsortium vertritt Forschende aller ingenieurwissenschaftlichen Bereiche. Es bietet einen einzigartigen methodenorientierten und nutzendenzentrierten Ansatz, um Forschungsdaten FAIR zu machen – auffindbar, zugänglich, interoperabel und nachnutzbar.

NFDI4Ing definiert insgesamt 7 Archetypen für Wissenschaftler als Anwender von Forschungsinfrastruktur. Das ISSE ist hier hauptsächlich im Archetyp BETTY: Forschungssoftware von Ingenieuren. Hierzu gehört insbesondre der Code von Simulationsmodellen, und Fragestellungen bezüglich der Integration heterogener Modelle, sowie deren Approximation mit Hilfe von KI-Methoden.

Ansprechpartner: Stefan Wittek

Harzwasserspeicher

Im Norden Deutschlands versorgt der Harz mit seinen jährlichen Niederschlagsmengen von 1200 mm auf der Clausthaler Hochfläche und seinem Speichervermögen, durch die zahlreichen Bergeteiche und Talsperren, Regionen bis Bremen mit Trinkwasser. Aufgrund dieser Bedeutungen in der Trinkwasserversorgung, aber auch der vorhandenen unterirdischen Infrastruktur des bergbaulichen Erbes und auf Grund der zentralen und bundesländerübergreifenden Lage ist der Harz von herausragender wasserwirtschaftlicher Bedeutung in Deutschland. KI-gestütztes Wassermanagement kann hierbei helfen, die durch den Klimawandel auftretenden Extremwetterereignisse, wie Starkregenereignisse mit Hochwasserkatastrophen oder lange Trockenperioden abzuschwächen. Etwaige Lösungen sollen dem Anwender sowohl Handlungsoptionen aufzeigen als auch die Nutzung von konventionellen, numerischen Modellen effizienter und effektiver gestalten. Hierbei soll der Harz als digitaler Zwilling entwickelt werden und als Grundlage dazu dienen, komplexe Simulationen flächendeckend anwenden zu können. Der Fokus der Modellierung liegt hierbei bei einem KI-hybriden Modell, dass sowohl konventionelle als auch innovative Ansätze in sich vereint und hierdurch einen Mehrwert generiert im Sinne der Wasserqualität- und Quantität.

Ansprechpartner: Benjamin Acar

AKI - Endlagerforschung

In einem gemeinsamen Projekt erforscht das Institut for Software and System Engineering, unter der Leitung von Herrn Prof. Rausch, zusammen mit Öko-Insitut e.V. und dem Bundesamt für die Sicherheit der nuklearen Entsorgung, den Einsatz der künstlichen Intelligenz im Standortauswahlverfahren Bei der Endlagersuche. Dabei sollen zunächst die Strukturierung und Bewertungskriterien der Einsatzmöglichkeiten der KI erfolgen. Dem gegenüber liegt die Erstellung der Szenarien beziehungsweise geowissenschaftlicher Fragestellungen gegenüber. Das Resultat soll eine transparenzschaffende Gegenüberstellung, Einordnung und Bewertung des Einsatzes von Methoden des maschinellen Lernens im Bereich der Geowissenschaften sein.  Dabei sollen Forschungslücken in den Geowissenschaften identifiziert und F&E-Bedarf benannt werden. Wesentlichen Einsatz der KI soll im Zusammenspiel eines sogenannten Expertensystems erfolgen. Zu berücksichtigendes Transparenzkriterium ist, dass durch Künstliche Intelligenz besonderes zeitaufwendige und repetitive Aufgaben übernommen werden, eine endgültige Entscheidung soll jedoch der menschliche Entscheider, im sogenannten Expertensystem, treffen.

Ansprechpartner: Dimitri Bratzel

KI4All

In diesem Vorhaben wird angestrebt, fachspezifische sowie fachübergreifende Studien- und Lerninhalte zur Künstlichen Intelligenz besonders im Bereich des Maschinellen Lernens für alle Statusgruppen in

Hochschulen zu entwickeln und deren Nutzung hochschulübergreifend auch durch externe Stakeholder (i.e. interessierte Öffentlichkeit) zu ermöglichen. Als dezentrale Plattform für diese koordinierten Entwicklungsaktivitäten wird ein KI-Hub etabliert, der eine abgestimmte Entwicklungs- und Nutzungsplanung sowie die Implementierung didaktisch abgesicherter und innovativer Lern- und Vermittlungskonzepte von Methoden und anwendungsnahen Werkzeugen im Kontext datengetriebener Modellierung, Analyse und Simulation für unterschiedliche Zielgruppen ermöglicht und durch partizipative Formate KI-basierte Innovationen fördert.

Ansprechpartner: Stefan Wittek

Trink Extrem

Ziel des Forschungsprojektes ist es, für die Wasserversorgungsunternehmen und der Wasserwirtschaftsverwaltung Methoden, Vorsorgekonzepte sowie übertragbare praxisnahe Werkzeuge für Extremereignisse zu entwickeln. Hierbei werden maßgebliche Teilgebiete der Wasserversorgung von der Wassergewinnung, -aufbereitung über den Betrieb bis zum Wassergebrauch ebenso adressiert wie die unterschiedlichen Rohwassertypen Grund-, Quell- und Oberflächenwasser. In repräsentativen Modellregionen der deutschen Fern- und Flächenwasserversorgung erfolgt eine beispielhafte Umsetzung. Dies erlaubt weiteren Fern- und Flächenwasserversorgern oder lokalen Wasserversorgern ihre jeweiligen verschiedenen lokalen Anforderungen praxisnah zu adaptieren. Letztendlich soll das Projekt auch Impulse für die Regelsetzung, z.B. beim Risikomanagement und für die Zusammenarbeit mit Landesbehörden bei Extremsituationen liefern. Im Projektes soll ebenso die Aufmerksamkeit für die Herausforderungen der Wasserversorgung bei Extremereignissen geweckt werden. Eine moderne Öffentlichkeitsarbeit soll sowohl Wasserversorgungsunternehmen mit vergleichbaren Herausforderungen als auch interessierte Endkunden für die Thematik Extremereignisse sensibilisieren und die im Projekt entwickelten Lösungsmöglichkeiten aufzeigen.

Ansprechpartner: Stefan Wittek

CircularLIB

Dieses Projekt ist Teil des Graduiertenkollegs CircularLIB zur kreislauforientierten Produktion von Lithium-Ionen-Batterien. In diesem Programm kooperieren die drei Universitäten TU Braunschweig, TU Clausthal und die Leibnitz Universität Hannover zusammen mit dem Fraunhofer-Institut für Schicht- und Oberflächentechnik IST.

Ziel ist die Erforschung eines hybriden KI-basierten Modellierungsansatzes für Lithium-Ionen-Batterien. In jüngster Zeit kommt auch im Kontext der klassischen Ingenieurdisziplinen vermehrt maschinelles Lernen zum Einsatz. Insbesondere Deep-Learning-Ansätze bieten schnelle und relativ genaue Modellierungsansätze, die auf dem Lernen bestimmter Aufgaben aus Beispielen basieren. Dies ist vor allem im Zusammenhang mit hochdimensionalen komplexen Systemen, bei denen die zugrunde liegende Physik nicht vollständig bekannt ist oder der Rechenaufwand für die Simulation mit herkömmlichen numerischen Methoden hoch ist, von entscheidendem Interesse. Ein weiterer Aspekt, der den Einsatz von Deep-Learning-Ansätzen fördert, ist der Bedarf an schnellen Modellen, die in iterativen Aufgaben wie Optimierung und Steuerung eingesetzt werden können. Bei datengesteuerten Modellen handelt es sich jedoch in der Regel um Black-Box-Ansätze, die nur auf der Grundlage von Daten entwickelt werden und physikalisches Wissen oder Randbedingungen nicht explizit in die Modellentwicklung einbeziehen. Dies kann dazu führen, dass es solchen Modellen an Robustheit und Genauigkeit mangelt, insbesondere bei begrenzten Trainingsdaten.

Die jüngsten Fortschritte im Bereich des physikalisch informierten maschinellen Lernens haben zu einer Reihe von Ansätzen geführt, die sich gut für die Lösung von verschiedenen Arten von partiellen Differentialgleichungen (PDEs) eignen. Dieses Projekt zielt darauf ab, Modelle zu entwickeln, die sowohl auf Daten als auch auf verfügbarem physikalischem Wissen für Lithium-Ionen-Batterien basieren.  Hierbei kommen physikalisch informierte maschinelle Lernverfahren zum Einsatz, die einen hybriden KI-basierten Modellierungsansatz erlauben.

Ansprechpartner: Hamidreza Eivazi Kourabbaslou