Künstliche Intelligenz und Sensorik

Die Themen Künstliche Intelligenz und Sensorik sind zentrale Themen der Universität und nehmen in der regionalen Wirtschaft einen hohen Stellenwert ein. Als zentrale Transferthemen der BTU können sie die Innovations- und Wettbewerbsfähigkeit der Unternehmen, der Forschungseinrichtungen und der Lausitz stärken. Im Fokus steht dabei sowohl grundlagenorientierte, als auch anwendungsnahe Forschung zur künstlichen Intelligenz, immer unter Beachtung ethischer Standards.

Beispielprojekte

DIREKT – Digital life cycle of hybrid-electric drive systems

Prof. Wolff, Fachgebiet Kommunikationstechnik; Prof. Berger Fachgebiet Automatisierungstechnik

Die Luftfahrtindustrie ist ein wichtiger Wirtschaftsfaktor und verzeichnet ein kontinuierliches Wachstum, obwohl sie mit Herausforderungen wie strengen Emissionszielen und Sicherheitsanforderungen konfrontiert ist. Das Projekt DIREKT zielt darauf ab, digitale Zwillinge für die Entwicklung, Produktion und Wartung von (hybriden) elektrischen Antrieben in der Luftfahrtindustrie zu schaffen und zu vernetzen, um Emissions- und Sicherheitsziele zu erreichen und wirtschaftliche Chancen in Transformationsregionen wie der Lausitz zu schaffen.

WAIKIKI – KI-basierte Anomalieerkennung in Kritischen Infrastrukturen

Prof. Panchenko, Fachgebiet IT-Sicherheit

Die fortschreitende Digitalisierung durchdringt alle Lebensbereiche, erhöht aber auch die Anfälligkeit für Cyberangriffe, insbesondere auf kritische Infrastrukturen (KRITIS). Im Projekt WAIKIKI wird anhand von Kommunikationsnetzen in der Energieversorgung eine innovative Methode zur Anomalieerkennung mittels Künstlicher Intelligenz (KI) entwickelt. Durch die Kombination verschiedener maschineller Lernverfahren sollen Angriffe automatisiert erkannt werden, selbst mit begrenzten Trainingsdaten. Die Ergebnisse werden grafisch aufbereitet und verständlich präsentiert. Die entwickelte Sicherheitslösung wird nicht nur in der Energieversorgung, sondern auch in anderen KRITIS-Sektoren einsetzbar sein und trägt zur gesellschaftlichen Akzeptanz von KI-Lösungen bei.

SPP 2422: DatProForge - Datengetriebene Prozessmodellierung von Gesenkschmiedeprozessen zur Erhöhung der Produktivität mittels adaptiver Werkzeugkonstruktionsmethodik

Prof. Gardill, Fachgebiet Elektronische Systeme und Sensorik; Prof. Härtel, Fachgebiet Hybride Fertigung

In der Umformtechnik steigt der Automatisierungsgrad, während die Anforderungen an die Genauigkeit der Schmiedestücke zunehmen. Numerische Berechnungen optimieren den Umformprozess bereits vor der technologischen Erprobung. Das Projekt zielt darauf ab, die Wechselwirkung zwischen Messdatenveränderungen und dem Wirkflächendesign beim Gesenkschmieden zu verstehen und mit KI-Methoden die Bauteilausschussrate zu reduzieren. Radartechnik ermöglicht die Geschwindigkeitsmessung im Schmiedeprozess. Die KI nutzt Daten aus einem Sensornetzwerk, um die Standzeit der Wirkflächen zu verbessern. In der ersten Förderperiode werden experimentelle Bedingungen geschaffen, um die Digitalisierung des Umformprozesses im Dauerlauf zu ermöglichen und erste Merkmale und Muster zu identifizieren.

5G Waldwächter

Prof. Nolte, Fachgebiet Verteilte Systeme/Betriebssysteme; Prof. Schiffer, Fachgebiet Regelungssysteme und Netzleittechnik; Prof. Reichenbach, Fachgebiet Technische Informatik; Prof. Fischer, Fachgebiet Experimentalphysik und Funktionale Materialien

In diesem Projekt wird eine 5G-Infrastruktur geschaffen, die zukünftig die Bekämpfung und Prävention von Waldbränden maßgeblich unterstützen soll. Mit entsprechender Sensorik und durch Drohnen werden die dafür relevanten Daten in einem zentralen Krisenmanagementserver erfasst. Prototypen für dezentrale Sensoren werden entwickelt und mit 5G-Meldesensorik verbunden. Neue plasmonische Gassensoren werden untersucht. Daten zum zentralen Krisenmanagementserver werden analysiert, um Anomalien wie Waldbrandrisiken zu erkennen. Deep Learning wird zur Bewertung der Robustheit und Präzision eingesetzt und ins Krisenmanagementsystem integriert, bevor eine KI-gestützte Datenauswertung demonstriert wird.

Elektronische Nasen für das Monitoring landwirtschaftlicher Flächen basierend auf miniaturisierten Arrays von Affinitätsensoren (AgriNose)

Prof. Fischer, Fachgebiet Experimentalphysik und funktionale Materialien

Die elektronische Nase AgriNose wird mit fernerkundlich-optischen Verfahren kombiniert, um das Monitoring im Pflanzenbau zu verbessern. Ziel ist eine frühzeitige Erkennung von Pflanzenkrankheiten, was den Einsatz von Pflanzenschutzmitteln reduzieren kann. Das Projekt konzentriert sich auf den Winterroggen und umfasst die Optimierung der Früherkennung durch Sensortechnologie sowie die Charakterisierung von VOC-Profilen erkrankter und gesunder Bestände.