Kooperationen
Öffentlich geförderte Konsortialforschung
Das FIM Forschungsinstitut für Informationsmanagement fungiert als zentraler Ansprechpartner im Bereich öffentlich geförderter Konsortialforschung und steht hierbei in engem Kontakt mit dem Institutsteil Wirtschaftsinformatik des Fraunhofer FIT sowie den affiliierten Hochschulen. Dabei bündeln wir Erfahrungen aus erfolgreich durchgeführten öffentlich geförderten Forschungsprojekte mit allen gängigen Fördergebern auf Bundesebene (z.B. Deutsche Forschungsgemeinschaft, Bundesministerium für Bildung und Forschung, Bundesministerium für Wirtschaft und Klimaschutz) und Landesebene (z.B. Bayerische Forschungsstiftung, Bayerisches Staatsministerium für Wirtschaft, Landesentwicklung und Energie, Bayerisches Staatsministerium für Wissenschaft und Kunst) sowie aus der Teilnahme an Förderprogrammen der Europäischen Union (z.B. Horizon Europa).
Durch die Trias von Forschung, Lehre und Praxis können wir auf ein breites Netzwerk von Partnern zurückgreifen und die Vorteile eines gemeinsamen Konsortiums sowohl im Antragsverfahren als auch in der Projektdurchführung synergetisch nutzen. Erfolgreiche Beispiele aus der Vergangenheit belegen unsere thematisch interdisziplinäre Arbeit entlang unserer Kompetenzfelder.
Kontaktieren Sie uns gerne, um mehr über unsere öffentlich geförderten Forschungsprojekte zu erfahren. Im Folgenden möchten wir Ihnen eine Auswahl unserer Projekte aus der Zusammenarbeit mit verschiedenen Fördergebern und Konsortialpartnern vorstellen:
Bundesministerium für Gesundheit (2022-2025)
»Erfassung und Evaluation der digitalen Reife von Gesundheitsämtern« (EvalDiGe) & Vorgängerprojekt »Reifegradmodell für die Unterstützung des Pakts für den Öffentlichen Gesundheitsdienst« (ReDiGe)
Um die Gesundheitsämter dabei zu unterstützen, ihren digitalen Reifegrad einzuschätzen und künftige Digitalisierungsprojekte zu planen, wurde bereits ein Reifegradmodell zur Digitalisierung der Gesundheitsämter entwickelt (siehe Projekt ReDiGe). Das EvalDiGe-Vorhaben hat nun das Ziel, den aktuellen Status und die Veränderungen der digitalen Reife von Gesundheitsämtern über die nächsten vier Jahre hinweg bis 2025 wissenschaftlich zu evaluieren. Hierbei dient das bereits entwickelte Reifegradmodell als Grundlage für die Messung. Außerdem hat die Evaluation zum Ziel, das entwickelte Reifegradmodell kontinuierlich weiterzuentwickeln. Dadurch soll ein Austausch zwischen den Gesundheitsämtern bezüglich ihrer Erfahrungen mit den Digitalisierungsmaßnahmen ermöglicht werden.
VolkswagenStiftung (2025-2029)
FAIRLEA - Fair AI Research for Law Enforcement Agencies: An interdisciplinary investigation in the context of cryptoasset forensics
Die Forschungsgruppe FAIRLEA untersucht die rechtskonforme und ethisch vertretbare Nutzung von KI durch Polizei und Staatsanwaltschaften zur Strafverfolgung. Dabei werden rechtliche Rahmenbedingungen aus EU- und deutschem Recht sowie technische Umsetzungsmöglichkeiten analysiert. Praxisnah erfolgt die Forschung anhand einer Fallstudie zur Analyse und De-Anonymisierung von Cryptoasset-Transaktionen mit Machine Learning. Die Zentralstelle Cybercrime Bayern (ZCB) liefert Fallmaterial, während die Iknaio GmbH ein Analysewerkzeug und Trainingsdaten bereitstellt. Ziel ist die Entwicklung eines KI-gestützten Tools, das weltweit von Strafverfolgern genutzt werden könnte.
Bayerische Akademie der Wissenschaften - Bayerisches Forschungsinstitut für Digitale Transformation (2025-2028)
For the Greater Good? Deepfakes in der Strafverfolgung
Generative KI ermöglicht es auch Laien, schnell und einfach synthetische Medien wie Deepfakes zu erstellen, die täuschend echt wirken und für Manipulationen genutzt werden können. Dies birgt Chancen für die Strafverfolgung, etwa durch den Einsatz von Stimm-, Sprach- und Videoklonen in verdeckten Ermittlungen. Gleichzeitig ergeben sich technische, rechtliche und ethische Fragen: Was ist machbar, erlaubt und gesellschaftlich vertretbar? Das Projekt untersucht diese Aspekte interdisziplinär, entwickelt Handlungsempfehlungen für Gesellschaft und Ermittler:innen und veranschaulicht sie mit einem interaktiven Demonstrator. Im Fokus steht die gesellschaftliche Akzeptanz des Deepfake-Einsatzes.
Gesund digital leben – der Bayerische Forschungsverbund ForDigitHealth
Besonders im Arbeitsalltag nimmt die Nutzung digitaler Technologien stetig zu – sei es durch mobile Endgeräte, digitale Kommunikationskanäle oder datenbasierte Anwendungen. Diese Technologien erleichtern die Arbeitsorganisation, erhöhen die Flexibilität und ermöglichen ortsunabhängiges Arbeiten. Gleichzeitig kann ihre permanente Verfügbarkeit jedoch auch digitalen Stress verursachen, etwa durch ständige Erreichbarkeit, Informationsflut oder eine Entgrenzung von Arbeit und Privatleben. In dem bayerisch geförderten Forschungsverbund ForDigitHealth werden diese Aspekte in zwei Teilprojekten untersucht. Teilprojekt 1 fokussiert sich darauf, wie ein intelligentes Assistenzsystem auf Basis von Smartphone- und Wearable-Daten Stress in Echtzeit erkennen und bewältigen helfen kann. Dabei wird auch erforscht, welche Strategien zur Stressbewältigung individuell sinnvoll sind. Interessant ist zudem die Untersuchung, dass Stress nicht nur negativ wirkt – auch positive Lebensereignisse können als stressig, aber bereichernd empfunden werden (Teilprojekt 2).
Perspektiven und Gestaltungsmöglichkeiten der digitalen Transformation von Kommunikations- und Kollaborationsprozessen in der multiprofessionellen Versorgung der letzten Lebensphase (PALLADiUM)
Die digitale Transformation bietet große Potenziale zur Verbesserung der Zusammenarbeit im Pflegealltag, stellt Fachkräfte jedoch auch vor neue Herausforderungen. Besonders in der stationären Pflege sind Kommunikationsprozesse häufig komplex und durch Zeitdruck geprägt. Dieses Forschungsprojekt untersucht daher, wie digitale Lösungen gezielt zur Unterstützung der interprofessionellen Zusammenarbeit beitragen können. Auf Basis einer Analyse bestehender Abläufe wird ein digitales Zielbild für den Pflegealltag entwickelt und in einem Demonstrator erprobt. Dabei werden sowohl objektive Prozessdaten als auch subjektive Wahrnehmungen der Pflegekräfte einbezogen. Ziel ist es, digitale Anwendungen zu gestalten, die praxisnah entlasten, die Versorgungsqualität erhöhen und die Pflege nachhaltig stärken.
Deutsche Agentur für Transfer und Innovation (2024-2026)
SportDX
Im DATIpilot Innovationssprint SportDX wird der Einsatz von KI-gestützter Bewegungsanalyse im Nachwuchsleistungssport untersucht. Ein besonderer Fokus liegt dabei auf dem Fußballsport. Ziel des Projekts ist es, digitale Methoden zur Bewegungserfassung und -bewertung zu entwickeln, um Verletzungsrisiken zu reduzieren und die Leistungsfähigkeit von Athletinnen und Athleten zu optimieren.
Hierzu kombinieren die Forschenden im Projekt SportDX wissenschaftliche Erkenntnisse aus der Sportwissenschaft mit aktuellen Entwicklungen aus der KI-Forschung und Computer Vision. Neben einer systematischen Markt- und Literaturanalyse werden praxisnahe Tests durchgeführt, um ein anwendungsorientiertes Analyse-Framework zu entwickeln. Langfristig soll das Projekt eine technologische Grundlage für die objektive Bewertung von Bewegungsmustern schaffen, die sowohl in der Trainingssteuerung als auch in der Verletzungsprävention zum Einsatz kommen kann.
Deutsche Agentur für Transfer und Innovation (2024-2026)
InnoVision – Innovationskompetenzen für die digitale Zukunft
Mit dem DATIpilot Innovationssprint „InnoVision“ wollen wir Innovationsfähigkeiten auf Ebene der Kompetenzen messbar und damit ausbildbar zu machen. Unternehmen sollen dazu befähigt werden, ihre Innovationsfähigkeit zu bewerten, zu messen und gezielt zu verbessern. Den Ausgangspunkt dafür bildet unser wissenschaftlich fundiertes Framework, welches Kompetenzen für innovatives Denken und Handeln greifbar darstellt. Unser darauf basierendes Messinstrument ermöglicht eine einfache und schnelle Erhebung und Evaluation der Innovationskompetenzen von Individuen. Auf dieser Basis werden maßgeschneiderte Maßnahmenpakete zur zielgerichteten Förderung und Weiterentwicklung des Innovationsfähigkeitsprofils eines Unternehmens identifiziert, individuell angepasst und umgesetzt.
BUNDESMINISTERIUM FÜR UMWELT, NATURSCHUTZ, NUKLEARE SICHERHEIT UND VERBRAUCHERSCHUTZ (2021-2024)
Flexibler Erlebnisbus für nachhaltigen Freizeitverkehr (FEB-NAFV) und AI-basierter Recommender für nachhaltigen Tourismus (AIR)
Das Projekt FEB-NAFV zielt darauf ab, den motorisierten Individualverkehr in touristisch geprägten Regionen zu reduzieren und gleichzeitig eine attraktive Lebens- und Urlaubsregion zu erhalten. Durch die Entwicklung eines bedarfsorientierten und emissionsfreien Erlebnisbusses, basierend auf datengetriebener Einsatz- und Routenplanung, soll der Tourismus nachhaltiger gestaltet werden. Das Projekt legt dabei besonderen Wert auf Übertragbarkeit und Skalierbarkeit.
Das Projekt AIR strebt eine Entzerrung von Besucherströmen an stark besuchten Orten an. Mithilfe von KI-basierten Verfahren wird ein integriertes Besuchermanagementsystem für sechs Use Cases in verschiedenen Regionen entwickelt, um Überlastungen zu vermeiden und Alternativen aufzuzeigen. Im Projekt werden smarte Sensoren eingesetzt und Auslastungsszenarien modelliert, um Empfehlungen zu generieren, die ein ganzheitliches, digitales Besuchermanagementsystem ermöglichen sollen.
BUNDESMINISTERIUM DER FINANZEN (2023-2024)
Untersuchung zur Eignung der Blockchain-Technologie als Mittel gegen Gestaltungen zur Umgehung der Besteuerung von Dividendenzahlungen
In dem durch das Bundesministerium der Finanzen in Auftrag gegebene Forschungsprojekt wird die Eignung der Blockchain-Technologie als Mittel gegen Gestaltungen zur Umgehung der Besteuerung von Dividendenzahlung analysiert. Hierbei werden gemeinsam mit der Steuerrechtslehrstuhl der Friedrich-Alexander-Universität Nürnberg-Erlangen verschiedene Einsatzkonzepte der Blockchain im Kontext der Dividendenbesteuerung konzipiert und auf ihre Eignung hinsichtlich verschiedenen aus der Praxis bekannten oder anderweitig eventuell möglichen Steuergestaltungsmodellen evaluiert.
BUNDESMINISTERIUM FÜR BILDUNG UND FORSCHUNG (2019-2026)
Synchronisiertes Energiemanagement für energieadaptive Industrieprozesse und Produktionstechnik (SynErgie)
SynErgie ist eines der bundesweiten Projekte im Rahmen der Förderinitiative Kopernikus-Projekte für die Energiewende. Das Projekt widmet sich der Frage, wie eine flexible Ausrichtung von Industrieprozessen auf eine fluktuierende Energieversorgung das Stromsystem ausgleichen kann. Im Stromsystem von Morgen wird dabei nicht mehr wie bisher das Stromangebot der Stromnachfrage folgen. Daher muss insbesondere die energieintensive Industrie lernen, den Strom dann zu nutzen, wenn er vorhanden und kostengünstig ist und auf ihn zu verzichten, wenn er knapp und teuer ist. Neben der direkten Flexibilisierung der Produktion stellt die energieflexible Erzeugung von Wasserstoff einen vielversprechenden Ansatz dar. Grüner Wasserstoff ermöglicht nicht nur den Ersatz fossiler Brennstoffe in Produktion und Logistik, sondern erlaubt auch bei ausreichenden Speicherkapazitäten und ausgeklügeltem Stromportfolio die Realisierung einer Sektorenkopplung zwischen dem Energiesystem, der produzierenden Industrie und ihrer Logistik insbesondere im Schwerlastverkehr. Mit allen diesen Maßnahmen kann die Stromnachfrage an das fluktuierende Stromangebot angepasst werden.
BAYERISCHES STAATSMINISTERIUM FÜR WIRTSCHAFT, LANDESENTWICKLUNG UND ENERGIE (2020-2024)
KI-basiertes Entscheidungsunterstützungssystem zur intelligenten Produktionslinienplanung (intelliPro)
Die digitale Planung von Produktionslinien bietet erhebliche ökonomische Potenziale und kann zur Sicherung der Wettbewerbsfähigkeit produzierender Unternehmen in Bayern beitragen. Die Planungsaufgaben sind dabei von hoher Komplexität geprägt. Gegenwärtig ist die Planungsqualität stark vom Erfahrungsschatz der Prozessplanenden abhängig und die Ermittlung von wirtschaftlich optimalen Produktionslinien kann nicht sichergestellt werden. Das Ziel des Projektes intelliPro ist es daher ein KI-basiertes Entscheidungsunterstützungssystem zur intelligenten Produktionslinienplanung zu entwickeln.
Bayerisches Staatsministerium für WirtschaFt, Landesentwicklung und Energie (2022-2024)
Digitaler Laborzwilling für das intelligente, datengetriebene Labormanagement (LabTwin)
Im Projekt soll ein digitaler Laborzwilling eines physischen Prüflabors aufbauend auf aktuellen wissenschaftlichen Erkenntnissen konzipiert, entwickelt, demonstriert und evaluiert werden. An dieser Vision arbeiten sechs beteiligte Konsortialpartner mit verschiedensten Kompetenzen in den Bereichen Digitalisierung, Software und Labormanagement, darunter die Vogler Engineering GmbH, die RAPA Automotive GmbH & Co, die KIMW Prüf- und Analyse GmbH, die Audittrails Networks GmbH, der Institutsteil Wirtschaftsinformatik des Fraunhofer FIT, sowie der Lehrstuhl für Wirtschaftsinformatik und Wertorientiertes Prozessmanagement der Universität Bayreuth.
Bundesministerium für Bildung und Forschung (2022-2024)
Einsatz- und Akzeptanzanalyse von KI-basierten Wissenszugängen in KMU am Beispiel einer semantischen Suche (KIWise)
Der Erfolg von KMU beruht häufig auf wissensintensiven Prozessen. Für KMU wird es daher immer wichtiger, Wissen zu bündeln und allen an der Wertschöpfung beteiligten Mitarbeitenden zielgerichtet zur Verfügung zu stellen. Zur Zeit sind Daten in KMU oft auf eine Vielzahl unterschiedlicher Dokumente und Formate verteilt. Hier stellt die semantische Suche einen passenden Ansatz dar, um die Suche nach Informationen zu erleichtern. Hierbei ermöglichen Methoden der Künstlichen Intelligenz (KI) durch die computergestützte Verarbeitung natürlicher Sprache das Erkennen von semantischen Beziehungen zwischen Fragen und möglichen Antworten. An dieser Stelle setzt das Projekt KIWise an. Das Ziel des Projekts KIWise ist die prototypische Weiterentwicklung und Implementierung einer semantischen Suche für wissensintensive Prozesse von KMU. Als Ergebnis soll Software in Zusammenspiel mit einem verhaltenswissenschaftlich fundierten Handlungsleitfaden entstehen, mit denen insbesondere KMU einen verbesserten Zugang zu benötigten Informationen in Produktion, Service und Vertrieb erhalten. Unter Berücksichtigung der Einsatz- und Akzeptanzfaktoren, wird dabei eine Steigerung der Produktivität und Reaktionsfähigkeit angestrebt.
Bayerisches Staatsministerium für WirtschaFt, Landesentwicklung und Energie (2023-2025)
Künstliche Intelligenz und Data Analytics in Smart Services für eine nachhaltige Druckindustrie (KIDSS)
Die Herstellung von Druckerzeugnissen ist ein ressourcenintensiver Prozess, der viel elektrische Energie und weitere Ressourcen (z.B. Druckerfarben) verbraucht. Der Verbrauch wird dabei durch eine Vielzahl an Parametern und Variablen beeinflusst (z.B. Prozessgeschwindigkeit, Maschineneinstellungen), deren Daten gesammelt und analysiert werden können. Dieses Projekt möchte das in diesen Daten verborgene Nachhaltigkeitspotenzial mittels Data-Analytics und KI-basierte Smart Services adressieren. Hierfür werden Daten und Knowhow von Druckerherstellern und Druckereien entlang der Wertschöpfungskette gebündelt und Optimierungsmethoden für eine simultane Erhöhung der ökonomischen und ökologischen Nachhaltigkeit in der Druckindustrie entwickelt. Im Ergebnis verfolgt dieses Projekt die technologische Entwicklung von Demonstratoren für Data Analytics- und KI-basierten Smart Services sowie die Überführung dieser in nachhaltige Geschäftsmodell-Blueprints für die Druckindustrie.
Bayerisches Staatsministerium für WirtschaFt, Landesentwicklung und Energie (2021-2023)
Smarte Prozess-, Produkt-und Service-Innovation durch KI-Pipelines für etablierte Unternehmen (SPIKe)
Ziel des Projekts ist die strukturierte und nachhaltige Entwicklung von smarten Prozess-, Produkt- und Serviceinnovationen durch Künstliche Intelligenz (KI)-Pipelines für etablierte, produzierende Unternehmen. Dabei sollen zum einen smarte Prozessinnovationen durch die textbasierte Analyse von Service- und Fehlerberichten mittels Natural Language Processing und zum anderen smarte Produkt- und Serviceinnovationen durch die integrierte Analyse von Produktnutzungsdaten mittels Machine-Learning entwickelt und in Form von Demonstratoren für die Anwendungspartner umgesetzt werden. Um eine technisch fundierte und effektive Entwicklung sowie einfache Übertragbarkeit auf weitere Anwendungsfälle sicherzustellen, soll zur Entwicklung der Demonstratoren ein übertragbares Referenzmodell für KI-Pipelines konzipiert und iterativ weiterentwickelt werden. Dieses Modell definiert essenzielle Anforderungen im Sinne einer Referenzarchitektur und eine Operationalisierung im Sinne eines Referenzprozesses.
Bundesministerium für Bildung und Forschung (2021-2025)
AI for Business Business for AI (ABBA)
Der Einsatz Künstlicher Intelligenz (KI) in der Wirtschaft erfordert spezifische Kompetenzen. Neben technischer Expertise benötigt die Wirtschaft insbesondere Kenntnisse, technische Systeme zu bewerten, in betriebliche Prozesse, Arbeitsumgebungen, Produkte und Dienstleistungen einzubetten sowie dauerhaft zu steuern. Diese brückenbauende Rolle fällt primär Wirtschaftswissenschaftler:innen als zentrale betriebliche Entscheider:innen zu. Die Zielgruppe des Verbundvorhabens umfasst deshalb die Betriebswirtschaftslehre und verwandte Wirtschaftsstudiengänge (Wirtschaftsinformatik, Wirtschaftsingenieurwesen etc.), welche insgesamt ca. 22 % der Studierenden an deutschen Hochschulen ausmachen. Ziele des Verbundvorhabens sind Entwicklung und Bereitstellung eines Lehrmodulbaukastens für KI, der Wirtschaftsstudierenden wissenschaftlich fundiert und praxisnah interdisziplinäre KI-Kompetenzen vermittelt. Der modulare Baukasten unterstützt Lehre für Bachelor-, Master-, Executive-Master-Studierende und Promovierende an Universitäten und Hochschulen für Angewandte Wissenschaften (HAW). Er umfasst drei Säulen: (1) KI-bezogene Lehrinhalte, die sich am fachlichen Hintergrund, Fähigkeiten und Interessen der Studierenden wie auch an berufsrelevanten Anforderungen orientieren. Es werden neue didaktisch hochwertige Inhalte erstellt sowie auf etablierte Open Education Resources (OER) zurückgegriffen. (2) In einer KI-Lernfabrik werden gemeinsam mit Studierenden KI-Inhalte „zum Anfassen“ entwickelt. (3) Es wird eine organisatorische und technische Austauschplattform geschaffen, auf der Hochschulen, Industriepartner und Studierende sich vernetzen, um Synergien zu nutzen und Kompetenzen effizient und zielgerichtet aufzubauen. Das Verbundprojekt vereint elf Antragsteller:innen von drei Universitäten und einer HAW aus drei Bundesländern, die der Fokus auf KI-Kompetenzen von Studierenden der Wirtschaftswissenschaften eint. Inhalte und Formate werden gemeinsam erarbeitet, wechselseitig genutzt und öffentlich zugänglich gemacht. Im Vergleich zur individuellen Erstellung stärkt dies die Breite und Tiefe des Angebots sowie die Effizienz und die Qualität der Lehre substanziell. Beteiligte Hochschulen sind die Universität Bayreuth, die Universität Hohenheim, die Frankfurt University of Applied Sciences und das Karlsruher Institut für Technologie.
Bundesministerium für Wirtschaft und Klimaschutz (2021-2023)
EXIST Forschungstransfer: inContAlert
Das MedTech-Startup inContAlert entwickelt eine KI-gestützte Sensortechnologie zur Messung des Blasenfüllstands bei Inkontinenzpatienten. Der Sensor wird mit einem Gurt etwa 2 cm oberhalb des Schambeins befestigt und erfordert keinen operativen Eingriff. Die vom Patienten gesammelten Daten werden durch Deep-Learning-Algorithmen analysiert. Der ermittelte Blasenfüllstand wird in einer App angezeigt, die zudem proaktiv vor zu hohen Füllständen warnt. Der Goldstandard für Blasenmanagement ist aktuell eine Entleerung nach vorgegebenem Zeitintervall, was jedoch nicht den realen Blasenfüllstand berücksichtigt. Mit inContAlert können sowohl Patienten als auch Krankenhäuser und Pflegeeinrichtungen Entleerungen gezielt planen und dadurch ihre Kosten deutlich senken. Patienten erhalten die Kontrolle über ihr eigenes Blasenmanagement zurück und können dadurch langfristige Gesundheitsprobleme vermeiden. inContAlert ermöglicht so ein kontinuierliches (24/7) und komfortables Blasenmanagement.
European Commission (2021-2023)
Developing Process Mining Capabilities at the Enterprise Level (Erasmus+)
Das Forschungsprojekt „Erasmus+ Developing Process Mining Capabilities at the Enterprise Level“ wird von der Europäischen Union finanziert und ist eine gemeinsame Initiative der Universitäten Liechtenstein, Wien und Bayreuth. Das internationale Team verfolgt dabei drei zentrale Ziele: Erstens, die Bedürfnisse von Unternehmen in Bezug auf die Einführung, Nutzung und Verwaltung von Process Mining zu verstehen. Zweitens, Rahmenbedingungen für die Entwicklung von Process Mining-Kapazitäten zu schaffen, die Organisationen bei der Einführung, Nutzung und Verwaltung von Process Mining unterstützen. Drittens, Kommunikation und Verbreitung der (Forschungs-)Ergebnisse. Zu diesem Zweck werden gemeinsame Forschungsinitiativen durchgeführt, die Ergebnisse auf Konferenzen und in renommierten Journals präsentiert sowie Lehrmaterialien für den Einsatz an Universitäten erstellt.
Stiftung Innovation in der Hochschullehre (2021-2023)
Datenbasierter Lernunterstützungsassistent (DABALUGA)
Das Projektvorhaben zielt darauf ab, den individuellen Studienprozess durch „digitale Mentoren“ besser zu begleiten und damit auf eine Verringerung der Studienabbruchwahrscheinlichkeit hinzuwirken. Aufbauend auf dem datenbasierten Campus-Management-System (CMS) der Universität Bayreuth können schon heute studienbezogene Daten nach Analyse und Auswertung Einblicke in Lehr- und Lernprozesse geben, gezielte Betreuungs- und Unterstützungsleistunganfordern und damit zur Verbesserung der Qualität der Hochschullehre beitragen. Das Projekt integriert diese Perspektiven, indem sie in drei zentralen Arbeitspaketen (1) die Lern-Situation der Studierenden in ausgewählten Lehrveranstaltungen im Sinne eines Constructive Alignment (CA) ausrichtet; (2) durch Learning Analytics (LA) datenschutzkonform Lerndaten auswertet und Studierende hinsichtlich der Studienabbruchgefahr einordnet; und (3) gezielt diese Studierende mit einer „digitalen Mentorin“ mit automatisierten, aber individualisierten Nachrichten aus dem Lernsystem heraus erreicht, um sie zu weiteren Lernaktivitäten zu motivieren.
Bundesministerium für Wirtschaft und Klimaschutz (2020-2023)
Konzeption, Umsetzung und Evaluation einer auf Blockchain basierenden Datenplattform für die Anwendungsfelder "Labeling" und "Asset Logging" (InDeeD)
Das Forschungsprojekt InDEED hat zum Ziel, das Konzept einer verteilten Datenplattform auf Blockchain-Basis für die energiewirtschaftlichen Anwendungsfälle Labeling und Asset Logging zu erforschen, dies umfasst insbesondere Herkunfts- und Regionalnachweise, sowie einen Beweis von Nutzungsdaten. Im Projekt wurde dies sowohl praktisch umgesetzt als auch wissenschaftlich bewertet. Im Fokus des Projekts stehen Analysen zu Potenzialen, Systemrückwirkungen, veränderten Wertschöpfungsstrukturen und Wertversprechen sowie Skalierbarkeit. Ziel des Einsatzes der Blockchain-Technologie ist dabei, die Möglichkeit zu schaffen, Plattformen zu realisieren, die für alle Akteure gleichermaßen zugänglich sind. Somit dient die verteilte Datenplattform primär dem Zweck, die datenbasierte Wertschöpfung nicht einzelnen marktbeherrschenden Monopolisten zu überlassen, sondern diese, ebenso wie die Energiewende, dezentral zu gestalten und auch kleine Akteure an der digitalen Wertschöpfung teilhaben zu lassen.
Bundesministerium für Bildung und Forschung (2020-2023)
Intelligente Batteriezellfertigung mit KI-gestütztem Prozessmonitoring auf Basis einer generischen Systemarchitektur (KIproBatt)
Die komplizierte und ökologisch wie ökonomisch bedeutende Produktion von Li-Ionen-Akkuzellen wird kontinuierlich digitalisiert, um die Leistung der Zellen zu verbessern und Ressourcenverbrauch sowie Produktionskosten zu reduzieren. Dabei hat künstliche Intelligenz ein enormes Potenzial, um Fertigungsdaten zu nutzen und den Produktionsprozess zu optimieren. Im Rahmen von KIproBatt wird dazu eine generische, software-basierte Systemarchitektur entwickelt, die es ermöglicht, Prozessdaten zu erfassen und in einem semantischen Datenspeicher abzulegen. Auf Basis dieser Architektur wird maschinelles Lernen eingesetzt, um zum einen Korrelationen und Prozessanomalien zu erkennen und zum anderen eine umfassende Überwachung des Produktionsprozesses zu realisieren. Es wird eine Reduzierung der Produktionskosten sowie eine Verbesserung der CO2-Bilanz durch eine Reduktion von Ressourcen- und Energieverbrauch erwartet. Die generische Struktur erlaubt es dabei, das System auch auf andere Forschungs- und Industrieprozesse zu übertragen.
