Individualisierte IT-Dienstleistungen in dynamischen Märkten

Laufzeit: 01.07.2011 bis 30.06.2023
Projektvolumen gesamt (Universität): ca. 30 Mio. Euro
Gefördert durch: Deutsche Forschungsgemeinschaft (DFG)

Die Vision des „On-The-Fly Computing“ sind Services, die von individuell und automatisch konfigurierten und zur Ausführung gebrachten IT-Dienstleistungen auf Märkten frei gehandelt und flexibel kombiniert werden können. Gleichzeitig zielt der SFB 901 auf die Organisation von Märkten ab, deren Teilnehmer durch geeignetes unternehmerisches Handeln einen lebendigen Markt der Services aufrechterhalten. Mit dieser Vision schaut der SFB 901 weit in die Zukunft der IT-Entwicklung und -Nutzung, deren erste Wandlungen wir aber schon heute erleben.

Um zu erforschen, inwieweit diese Vision realisierbar ist, werden Methoden und Techniken entwickelt, die a) eine weitestgehend automatische Konfiguration, Ausführung und Adaption von IT-Dienstleistungen aus Services ermöglichen, b) auf Märkten weltweit verfügbar sind, c) die Sicherung der Qualität der so erbrachten Dienstleistungen und den Schutz der Akteure in den Märkten garantieren sowie d) die Organisation und die Weiterentwicklung dieser Märkte und die für diese Aufgaben notwendige Interaktion zwischen den Akteuren unterstützen. Um diese Ziele zu erreichen, arbeiten Informatiker aus unterschiedlichen Disziplinen wie Softwaretechnik, Algorithmik, Rechnernetze, Systementwurf, Sicherheit und Kryptografie mit Wirtschaftswissenschaftlern zusammen, die ihre spezifische Expertise einbringen. So können die Organisation und Weiterentwicklung des Marktes vorangetrieben werden.

Projektleitung: Prof. Dr. Friedhelm Meyer auf der Heide, Heinz Nixdorf Institut der Universität Paderborn

Projektpartner: diverse Lehrstühle des Instituts für Informatik der Fakultät für Elektrotechnik, Informatik und Mathematik der Universität Paderborn, diverse Lehrstühle der Departments 1, 3 und 4 der Fakultät für Wirtschaftswissenschaften der Universität Paderborn, BaER-Lab Business and Economic Research Laboratory, C-LAB Cooperative Computing and Communication Laboratory, DaSCo Paderborn Institute for Data Science and Scientific Computing, IEM Fraunhofer-Institut für Entwurfstechnik Mechatronik, IFIM Institut für Industriemathematik, PC² Paderborn Center for Parallel Computing, SI-Lab Software Innovation Lab sowie Weidmüller Interface GmbH & Co. KG und Diebold Nixdorf Systems GmbH

Laufzeit: 2018 bis 2024
Fördervolumen gesamt: 12 Mio. Euro
Fördervolumen der Universität: 1.522.000 Euro
Gefördert durch: Deutsche Forschungsgemeinschaft

Das Schwerpunktprogramm SPP2111 befasst sich mit der nanophotonischen / nanoelektronischen Technologie aus Systemsicht, indem grundlegende photonisch-elektronische Signalverarbeitungskonzepte und neuartige integrierte Systemarchitekturen unter Verwendung überwiegend photonischer Verarbeitung untersucht werden.

Wir haben drei Kernbereiche für die Grundlagenforschung identifiziert, die sich auf Folgendes beziehen: Ultrabreitbandsignalverarbeitung, Frequenzsynthese sowie Analog-Digital-Wandlung durch Femto-Sekunden-Pulslaser und optische / THz-Erfassung. Die Untersuchung und das Design nanophotonischer / nanoelektronischer Systeme ist eine sehr komplexe Aufgabe und erfordert eine hoch interdisziplinäre Forschung, an der viele Forscher aus Deutschland aus den Bereichen Halbleiterphysik, Elektronik- und Photoniksystemdesign, Kommunikationstechnik, Mikrosystemtechnik und Sensoren beteiligt sind.

Projektkoordinator: Prof. Dr. J. Christoph Scheytt, Heinz Nixdorf Institut der Universität Paderborn

Projektbeteiligte: Prof. Dr.-Ing. Manfred Berroth (Universität Stuttgart), Professor Dr.-Ing. Stephan Pachnicke (Christian-Albrechts Universität zu Kiel), Professor Dr. Jeremy Witzens, Ph.D. (RWTH AACHEN), Professor Dr.-Ing. Christoph Scheytt (Universität Paderborn), Professor Dr. Thomas Schneider (TU Darmstadt), Professor Dr. Ronald Freund (TU Berlin), Professor Dr.-Ing. Norbert Hanik (Technische Universität München), Professor Dr.-Ing. Lars Zimmermann (TU Berlin), Professor Dr.-Ing. Dietmar Kissinger (Universität Ulm), Professor Dr.-Ing. Robert Weigel (Friedrich-Alexander-Universität Erlangen-Nürnberg), Professor Dr.-Ing. Frank Ellinger (TU Dresden), Professor Dr.-Ing. Dirk Plettemeier (TU Dresden), Professor Dr.-Ing. Sebastian Randel (Karlsruher Institut für Technologie), Professor Dr.-Ing. Martin Schell (Fraunhofer-Institut für Nachrichtentechnik), Professor Dr.-Ing. Christian Koos (Karlsruher Institut für Technologie), Professor Dr.-Ing. Thomas Zwick (Karlsruher Institut für Technologie), Professor Dr.-Ing. Franz Xaver Kärtner (Universität Hamburg)

KI-Plattform für die Projekte von morgen 

Laufzeit: 01.01.2020 bis 31.12.2022
Fördervolumen gesamt: 16,60 Mio. Euro
Fördervolumen der Universität: 2,24 Mio. Euro
Gefördert durch: Bundesministerium für Wirtschaft und Energie

Künstliche Intelligenz in der Produktentstehung ist ein wichtiger Schlüssel für intelligente Produkte und eine effektive Fertigung. Mit dem KI-Marktplatz entsteht bundesweit ein einzigartiges Ökosystem, mit dem Unternehmen die Potenziale in diesem Bereich erschließen können. Dreh- und Angelpunkt bildet die gleichnamige Plattform KI-Marktplatz, auf der Anbieter, Anwender und Experten Lösungen für KI entwickeln und austauschen können. Die Vision ist ein Marktplatz, der neben einer intelligenten Partnervermittlung auch einen geschützten Raum für sicheren Datenaustausch und Datensouveränität bietet. Hinzukommen soll ein App-Store für KI-Lösungen sowie ein Angebot an umfassenden KI-Lösungen dank eines Baukastenprinzips.

Erfolgsgarant ist ein Projektkonsortium aus 20 Forschungseinrichtungen, Netzwerken und Unternehmen, dessen Keimzelle it’s OWL bildet. Weitere Netzwerke stellen eine hohe Breitenwirkung sicher. So bündelt Prostep ivip das Know-how in der Produktentstehung, die ‚International Data Spaces Association‘ gewährleistet sichere Datenräume. Die Open Source Plattform ‚FIWARE‘ und der Plattformbetreiber ‚inno-focus‘ sind führend auf ihren Gebieten.

Der KI-Markplatz leistet einen wichtigen Beitrag, Lösungen der KI für den Mittelstand verfügbar zu machen, die Produktion am Standort OstWestfalenLippe sowie in ganz Deutschland wettbewerbsfähig zu machen und die globale Sichtbarkeit von Deutschland im Bereich Künstliche Intelligenz signifikant zu erhöhen.

Projektleitung: Leon Özcan, Heinz Nixdorf Institut der Universität Paderborn

Projektpartner: Center for Cognitive Interaction Technology (CITEC), Claas KGaA mbH, CONTACT Software, Diebold Nixdorf, düspohl Maschinenbau GmbH, FIWARE Foundation, Fraunhofer-Institut für Entwurfstechnik Mechatronik (IEM), Fraunhofer-Institut für Optronik, Systemtechnik und Bildauswertung, Institutsteil industrielle Automation (IOSB-INA), Fraunhofer-Institut für Produktionsanlagen und Konstruktionstechnik (IPK), Heinz Nixdorf Institut (HNI), HELLA Aglaia Mobile Vision GmbH, Hella Gutmann Solutions, Institut für industrielle Informationstechnik (inIT), inno-focus businessconsulting gmbh, International Data Spaces Association, it's OWL Clustermanagement GmbH, ProSTEP iViP, Ubermetrics Technologies GmbH, UNITY AG, Westaflex GmbH

Laufzeit: 2020 - 2023
Fördervolumen gesamt: 17,3 Mio. Euro
Fördervolumen der Universität: 857.000 Euro
Gefördert durch: Bundesministerium für Bildung und Forschung

Für Zukunftsaufgaben wie das autonome Fahren oder Industrie 4.0 müssen immer größere Mengen an Daten von einer steigenden Anzahl Sensoren mit Hilfe komplexer Algorithmen und künstlicher Intelligenz (KI) in kürzester Zeit analysiert werden. Die entsprechenden Prozessoren müssen aber nicht nur bei der Rechenleistung, sondern auch hinsichtlich Energieeffizienz, Zuverlässigkeit, Robustheit und Sicherheit hohe Anforderungen erfüllen, die über aktuelle Möglichkeiten weit hinausgehen. Die ZuSE-Projekte des BMBF sollen den dringenden Bedarf der Anwenderbranchen an zukunftsfähigen, vertrauenswürdigen Prozessoren decken, die auf ihre spezifischen Aufgaben zugeschnitten und hoch performant sind.

Das Vorhaben Scale4Edge erforscht, wie Entwicklungszeit und -kosten anwendungsspezifischer Edge-Prozessoren signifikant reduziert werden können. Solche Prozessoren führen meist mobil und nahe an Sensoren, an der Schnittstelle von der realen zur virtuellen Welt, entscheidende erste Berechnungen aus. Sie müssen deshalb nicht nur besonders zuverlässig, performant und robust, sondern auch energieeffizient arbeiten. Darüber hinaus müssen sie ein hohes Maß an Vertrauenswürdigkeit bieten. Mit der entstehenden skalierbaren und flexibel erweiterbaren Entwicklungsplattform auf Basis des lizenzfreien, quelloffenen RISC-V-Befehlssatzarchitektur können individuelle Prozessoren mit diesen Eigenschaften effizient und kostengünstig entwickelt werden.

Projektleitung: Dr. Wolfgang Müller, Heinz Nixdorf Institut der Universität Paderborn

Projektpartner: Infineon Technologies AG, oncept engineering GmbH ASIC- und Softwaretechnologie, TU Kaiserslautern, AbsInt Angewandte Informatik GmbH, Robert Bosch GmbH, Eberhard-Karls-Universität Tübingen, OFFIS e.V., TU München, Albert-Ludwigs-Universität Freiburg, IHP GmbH, MINRES GmbH, TU Dresden, ARQUIMEA Deutschland, SYSGO GmbH, TU Darmstadt, EPOS GmbH, Universität Bremen, FZI Forschungszentrum Informatik

Laufzeit: 2020 - 2023
Fördervolumen gesamt: 1,6 Mio. Euro
Fördervolumen der Universität: 1,1 Mio. Euro
Gefördert durch: Deutsche Forschungsgemeinschaft

Verteilte akustische Signalverarbeitung über funkbasierte Sensornetzwerke

Das Projekt "Distributed Acoustic Signal Processing over Wireless Sensor Networks" erforscht Signalverarbeitungs- und Kommunikationsaspekte akustischer Sensornetze.  Ein solches  Sensornetz besteht aus Knoten mit Mikrophonen (ggf. auch Lautsprechern) und kommuniziert mittels drahtloser Übertragungstechniken. Das Sensornetz ist typischerweise über ein oder mehrere Gateways mit dem Internet verbunden. Ein solches Netz führt akustische Anwendungen aus (etwa Sprechertrennung oder Störgeräuschunterdrückung). Ein naheliegender Ansatz wäre es, alle von den Sensorknoten gesammelten akustischen Daten zu dem Gateway zu transportieren und dort zu verarbeiten. Dies ist allerdings nicht unbedingt der bestmögliche Ansatz (limitierende Datenrate, ggf. große Latenz für größere Datenmengen); zudem wird der mögliche Vorteil verschenkt, die Daten bereits auf den Sensorknoten zu verarbeiten und damit die Datenmengen und die Latenz zu reduzieren. Wir betrachten daher Ansätze, inspiriert durch Trends wie Microservices und Network Function Virtualization, bei denen die akustische Signalverarbeitung in einzelne Blöcke aufgebrochen und auf die einzelnen Knoten verteilt werden kann. In diesem Folgeprojekt beabsichtigen wir, unsere Arbeiten sowohl zur verteilten akustischen Signalverarbeitung wie auch zur Entwicklung eines Frameworks zur automatisierten Verteilung solcher Blöcke in ein Netz weiterzuführen. Im Einzelnen betrachten wir Hardware-Aspekte (insbesondere die Realisierung von full-duplex Audio) und die Möglichkeiten, solche Hardware für die Synchronisation in zeitbasierten MAC-Protokollen oder zur Schätzung akustischen Umlaufzeiten (round trip times) zu nutzen. Dies erlaubt uns, die räumliche Anordnung des Sensornetzes zu schätzen und es geeignet zu kalibrieren, sowohl in statischen als auch in dynamischen Umgebungen. Aufbauend auf Information über die akustische Nützlichkeit (utility) einzelner Knoten werden wir das Problem der Quellenauswahl (Signale welcher Mikrofone sollten einbezogen werden?) unter akustischen wie auch unter Netzaspekten bearbeiten. Eine Schlüsselfrage wird weiter sein, wie wir solche Netzaspekte in dynamischen Szenarien beherrschen können. Dynamik entsteht dabei insbesondere durch Bewegung von Geräten und der Umgebung; solche Bewegungen können unkontrolliert oder kontrolliert (etwas bei robotergestützten Sensorknoten) sein. Unsere Arbeiten werden in ein gemeinsames Testbed münden, das die wesentlichen Funktionen integriert und eine Experimentalumgebung zu praktischen Erprobung algorithmischer Ideen sein wird. 

Projektleitung: Dr.-Ing. Jörg Schmalenströer, Universität Paderborn

Koordinierungsprojekt

Wir sind tagtäglich von einer Vielzahl von Geräuschen und anderen akustischen Ereignissen umgeben, und doch können wir uns mühelos in einer solchen Umgebung unterhalten, und  die wahrgenommenen akustischen Eindrücke geben uns eine Vorstellung darüber, in welcher Umgebung wir uns gerade befinden. Ein technisches System mit ähnlichen Fähigkeiten hätte vielfältige Anwendungen, beispielsweise im Bereich des umgebungsgestützten Lebens (Ambient Assisted Living), für Freisprechkommunikationssysteme oder für Überwachungssysteme. Aufgrund der Allgegenwart von Funkkommunikationssystemen und den sinkenden Kosten für Mikrofone und Computer sind die technischen Voraussetzungen für solche intelligente Systeme gegeben - jedoch liegt der Engpass in der Leistungsfähigkeit der Algorithmen.

Diese Forschungsgruppe hat sich zum Ziel gesetzt,  die akustische Signalverarbeitung und Klassifikation auf akustischen Sensornetzen intelligenter zu machen und damit besser an den Benutzer anzupassen. Die Verfahren sollen mit variierenden akustischen Umgebungsbedingungen zurechtkommen, unabhängiger vom Vorhandensein von passenden annotierten Trainingsdaten sein, und gleichzeitig  dem Benutzer gegenüber vertrauenswürdig sein und die Privatsphäre respektieren. Diese Arbeiten werden den Weg ebnen für eine neue Klasse von Anwendungen, die fortschrittliche akustische Signalverarbeitung mit semantischen Analyse der Audiodaten verknüpft. Die Projektziele sollen dadurch erreicht werden, dass ein dreistufiger Ansatz gewählt wird: auf der ersten, untersten Ebene der Verarbeitung werden Funkkommunikations- und Synchronisationsaspekte behandelt, die zweite, mittlere Ebene ist der Signalextraktion und -verbesserung gewidment, während die dritte, oberste Ebene zum Ziel hat, die Signale zu klassifizieren und zu interpretieren. Dabei werden Verfahren der mehrkanaligen Signalverarbeitung und des maschinellen Lernens miteinander verknüpft. Auf diese Weise wird ein Rahmenwerk entstehen für die Nutzung akustischer Sensornetze in einer Vielzahl von neuen Anwendungen.

Projektleitung: Prof. Dr. Reinhold Häb-Umbach, Universität Paderborn

Audioklassifikation über Sensornetze bei Trainingsdaten mit geringer Überwachung

Ein grundsätzliches Problem für viele maschinelle Lernverfahren ist eine Diskrepanz zwischen den Trainingsdaten und den Testdaten in einer späteren Anwendung, welche zu einem signifikanten Einbruch der Klassifikationsrate führen kann. Bei der akustische Ereignisdetektion und Szenenklassifikation in akustischen Sensornetzen tritt dieses Problem verschärft auf, weil es eine sehr große Zahl möglicher Geräusche gibt und weil solche Netze in ganz unterschiedlichen geometrischen Konfigurationen und Umgebungen eingesetzt werden können. Aus diesem Grund werden die existierenden Datenbasen zur akustischen Ereignis- und Szenenklassifikation praktisch nie perfekt zu einer neuen Anwendung in einem akustischen Sensornetz passen.Das Hauptziel dieses Projektes ist es daher, Methoden zu entwickeln, die es ermöglichen, vorhandene Datenbasen trotz dieser Diskrepanz für konkrete Audioklassifikationsaufgaben in einem akustischen Sensornetz verwendbar zu machen. Wir nehmen an, dass schwach, d.h. nur mit der Ereignisklasse, nicht jedoch mit Zeitstempeln annotierte Daten von einer anderen Domäne vorhanden sind, und dass nichtannotierte Daten von der Zieldomäne vorliegen. Es werden nun Verfahren entwickelt, um aus einer schwachen Annotation eine starke Annotation zu berechnen, in der zusätzlich Anfangs- und Endzeiten von akustischen Ereignissen annotiert sind, um domäneninvariante Merkmale zu berechnen, sowie Verfahren, um eine Domänenadaption durchzuführen, um auf diese Weise Unterschiede zwischen Trainingsdaten und Testszenario zu überwinden. Wir untersuchen dabei auch eine Adaption zum Testzeitpunkt, um sich an veränderte akustische Umgebungen und Sensorkonfigurationen anzupassen. Dabei sollen vor allem tiefe generative neuronale Modelle zum Einsatz kommen. Geeignete Netzstrukturen und Zielfunktionen sind zu enwickeln, um die verschiedenen Einflussfaktoren auf die beobachtete Signalform voneinander zu trennen, insbesondere die von dem akustischen Ereignis hervorgerufene Variation von der durch die Umgebung hervorgerufenen Variation des Signals. Weiterhin werden wir Verfahren entwickeln, um ungewöhnliche akustische Ereignisse erkennen zu können, denn diese können für eine konkrete Anwendung von besonderer Bedeutung sein. 

Projektleitung: Prof. Dr. Reinhold Häb-Umbach, Universität Paderborn

Projektpartner: Dr.-Ing. habil. Gerald Enzner und Prof. Dr.-Ing. Rainer Martin, Ruhr-Universität Bochum, Prof. Dr.-Ing. Walter Kellermann, Friedrich-Alexander Universität Erlangen-Nürnberg

Menschenzentrierte Nutzung von Cyber-Physical Systems in Industrie 4.0

Laufzeit: 2014 - 2022
Fördervolumen gesamt: 4,7 Mio. Euro
Fördervolumen der Universität: 2,82 Mio. Euro
Gefördert durch: Ministerium für Kultur und Wissenschaft des Landes NRW

Im Forschungskolleg "Gestaltung flexibler Arbeitswelten" wird erforscht, welche Auswirkungen Industrie 4.0 auf die Arbeitswelt und die Rolle des Menschen hat. Die Herausforderung liegt in der Entwicklung neuer, sozialer Infrastrukturen. Darin muss die weiterhin rasante technologische Entwicklung antizipiert und der Mensch über sein gesamtes Arbeitsleben im Fokus der Entwicklung gesehen werden. Dazu setzen Ingenieur*innen in der Zukunft Methoden und Werkzeuge ein, die es ermöglichen, Arbeit 4.0 als integralen Bestandteil in der Produktentstehung zu berücksichtigen. Die Integration in eine modellbasierte Produktentwicklung zählt zu den wissenschaftlichen Herausforderungen des Forschungskollegs. Dabei werden beispielsweise Lösungen für die menschzentrierte, lernförderliche Gestaltung von Assistenzsysteme in der Montage mechatronischer Produkte geschaffen.

Projektleitung: Prof. Dr. Eckhard Steffen, Paderborn Center for Advanced Studies (PACE) und Prof. Dr.-Ing. Iris Gräßler, Heinz Nixdorf Institut der Universität Paderborn

Projektpartner: weitere Lehrstühle im Paderborn Center for Advanced Studies (PACE), Universität Bielefeld,  it's OWL, Technologieberatungsstelle DGB NRW e.V., IG Metall NRW, Innovationsnetzwer Energie Impuls OWL e.V., VDI

Laufzeit: November 2020 - Oktober 2025
Fördervolumen gesamt: 10,7 Mio. Euro
Fördervolumen der Universität: 743.000 Euro
Gefördert durch: Bundesministerium für Bildung und Forschung

Mit der Technologie „Künstliche Intelligenz“ (kurz: KI) werden weitreichende Potenziale und Chancen einer Transformation der industriellen Wertschöpfung verbunden. Dabei wird KI nach wie vor als vorwiegend technische Option wahrgenommen. Ein Verständnis von KI im Arbeitskontext als umfassende sozio-technische Herausforderung ist ansatzweise etabliert. Bis dato fehlt jedoch eine ganzheitlich aufgestellte und mittelstandsnah agierende Arbeitsforschung im Kontext KI, die Lösungs- und Anwendungswissen bereitstellt. Dieser Diskrepanz wird in diesem Projekt begegnet.  Grundlage dafür ist ein umfassender Themenzugang durch die Verbindung von Mensch – Organisation – Technologie und ein lösungs- und transferorientierter Fokus in der Umsetzung. Das Ziel ist ein regionales Kompetenzzentrum „KI in der Arbeitswelt des industriellen Mittelstands“ (KIAM). Es soll als Anlaufstelle fungieren für Unternehmen und alle weiteren Akteure der industriellen Arbeitswelt. 

Kompetenzmanagement, Mitarbeiterbeteiligung und Technologieakzeptanz

Künstliche Intelligenz wird die Arbeitswelt grundlegend verändern: KI-Systeme unterstützen Arbeitsprozesse, übernehmen Aufgaben und schaffen neue Arbeitsfelder. Die Identifikation von Einsatzmöglichkeiten und die Entwicklung konkreter Lösungen stellen insbesondere kleine und mittlere Unternehmen vor Herausforderungen, wie beispielsweise fehlende Fachkräfte oder unklare organisationale und technologische Voraussetzungen. Das Kompetenzzentrum KIAM führt Erkenntnisse der Arbeitsforschung in diesem Zukunftsfeld zusammen. Themenschwerpunkte sind beispielsweise Arbeitsplatzgestaltung, Kompetenzentwicklung und Change Management. In Leuchtturmprojekten entwickeln Forschungseinrichtungen und Unternehmen konkrete Lösungen, in denen KI-Technologien für unterschiedliche Anwendungsfelder verfügbar gemacht werden. 

Transfer in den Mittelstand

Die Ergebnisse und Erfahrungen aus den Leuchtturmprojekten sollen für kleine und mittlere Unternehmen verfügbar gemacht werden. Dazu werden eine Informationsplattform aufgebaut, gute Beispiele aufbereitet sowie Veranstaltungen und Workshops durchgeführt. In Weiterbildungen werden Beschäftigte für den Einsatz von KI-Technologien qualifiziert. In Transferprojekten können Unternehmen in Kooperation mit einer Forschungseinrichtung neue KI-Technologien nutzen, um konkrete Herausforderungen in ihrem Betrieb zu lösen. Dabei unterstützen Transferpartner des Kompetenzzentrums wie beispielsweise owl maschinenbau und die OstWestfalenLippe GmbH.

Projektleitung: Prof. Dr. Kirsten Thommes der Universität Paderborn

Erklärbarkeit von künstlicher Intelligenz (KI)

Laufzeit: 01.07.2021 bis 30.06.2025
Fördervolumen gesamt: ca. 14 Mio. Euro
Fördervolumen der Universität: 8,2 Mio. Euro
Gefördert durch: Deutsche Forschungsgemeinschaft (DFG)

Wie können Menschen Entscheidungen von Maschinen nachvollziehen? Was sagen die algorithmischen Ansätze aus? Wie kann künstliche Intelligenz (KI) begreifbar werden?

Oft setzen technische Erklärungen Wissen über die Funktionsweise von KI voraus und sind nur schwer nachvollziehbar. Im Sonderforschungsbereich/Transregio Constructing Explainability (Erklärbarkeit konstruieren) erarbeiten die Forschenden Wege, die Nutzer*innen in den Erklärprozess einzubinden.

Dafür untersucht das interdisziplinäre Forschungsteam die Prinzipien, Mechanismen und sozialen Praktiken des Erklärens und wie diese im Design von KI-Systemen berücksichtigt werden können. Das Ziel des Projektes ist es, Erklärprozesse verständlich zu gestalten und verstehbare Assistenzsysteme zu schaffen.

Die Ko-Konstruktion von Erklärungen untersuchen insgesamt 21 Projektleiter*innen mit rund 30 wissenschaftlichen Mitarbeitenden aus Linguistik, Psychologie, Medienwissenschaft, Soziologie, Wirtschaftswissenschaft und Informatik der Universitäten Bielefeld und Paderborn.

Projektleitung: Prof. Dr. Katharina Rohlfing, Universität Paderborn (Sprecherin); Prof. Dr. Philipp Cimiano, Universität Bielefeld (stellv. Sprecher)

Laufzeit: 01.08.2022 - 31.07.2026
Fördervolumen gesamt: 16,40 Mio. Euro
Fördervolumen der Universität: 5,5 Mio. Euro
Gefördert durch: Ministerium für Kultur und Wissenschaft des Landes Nordrhein-Westfalen

SAIL adressiert die nächste Stufe der KI-Entwicklung, indem der gesamte Lebenszyklus von KI-Systemen und deren technologischen und gesellschaftlichen Auswirkungen in den Blick genommen werden. SAIL ist dementsprechend interdisziplinär angelegt und bindet Wissenschaftler*innen aus den Kern-KI-Fächern, aus den Ingenieurwissenschaften sowie aus den Sozial- und Geisteswissenschaften ein. Das Forschungsprogramm umfasst inhaltlich Grundlagenforschung im Kernbereich der KI („research pillars“) sowie zwei Anwendungsgebiete („application domains“). In der Grundlagenforschung werden zum einen das Zusammenspiel von KI und menschlichen Partnern bei der Bewertung und Abstimmung von Fehlern und Zielen betrachtet. Außerdem werden ausgereifte KI-Systeme analysiert, um deren möglicherweise unerwünschten langfristigen Auswirkungen auf funktionaler, kognitiver und gesellschaftlicher Ebene zu modellieren, abzufedern und zu verhindern. Zuletzt wird der gesamte KI-Lebenszyklus im Hinblick auf Effizienz betrachtet, damit der praktische Einsatz von KI-Systemen mit möglichst wenig Energie-, Zeit- und Speicherbedarf und geringer kognitiver Anstrengung beim menschlichen Partner ermöglicht wird.

Die Anwendungsgebiete von SAIL sind intelligente industrielle Arbeitsumgebungen und adaptive Assistenzsysteme für die Gesundheitsfürsorge.

Projektleitung: Prof. Dr. Axel-Cyrille Ngonga-Ngomo, Institut für Informatik der Universität Paderborn

Projektpartner: Wissenschaftler`*innen der Universität Paderborn (Prof. Dr. Katharina Rohlfing, Jun. Prof. Dr. Ilona Horwath, Prof. Dr. Eric Bodden, Prof. Dr. Reinhold Häb-Umbach, Jun. Prof. Dr. Sebastian Peitz, Prof. Dr. Marco Platzner, Prof. Dr. Ansgar Trächtler)

Laufzeit: 2019 - 2022
Fördervolumen gesamt: 3,7 Mio. Euro
Fördervolumen der Universität: 3,4 Mio. Euro
Gefördert durch: Europäischer Fonds für regionale Entwicklung (EFRE) 

Das heutige Energieversorgungssystem zeichnet sich durch vernetzte, geografisch verteilte Struk-turen aus, die höchsten Sicherheits- und Zuverlässigkeitsstandards genügen müssen. Die Trans-formation dieses Systems auf eine nachhaltige und durch erneuerbare Energien geprägte Struktur ist eine zentrale gesellschaftliche Herausforderung des 21. Jahrhunderts. Die inhärente Volatilität erneuerbarer Energiequellen erfordert eine Abkehr von hierarchisch strukturierten Top-Down-Energienetzen hin zu flexiblen, sektorübergreifenden und intelligenten Energiesystemen mittels eines zellularen Ansatzes. Daher stellen im Zuge der Energiewende sog. Microgrids eine wichtige Lösungskomponente dar, um auch zukünftig eine sichere, saubere, effiziente und kostengünstige Energieversorgung zu gewährleisten. Mit dem Begriff Microgrid wird das Konzept eines lokalen Netzes bezeichnet, welches aus Energiequellen, -speichern und -verbrauchern verschiedener Sektoren besteht, und welches mit oder ohne externe Netzankopplung arbeitet. Durch diese Struktur entstehen vielfältige Flexibilisierungsoptionen im Betrieb. Hierdurch können beispielsweise der Eigenverbrauchsanteil regenerativ bereitgestellter Energie erhöht und die am Netzanschlusspunkt benötigte Spitzenleistung reduziert werden.Durch die lokale Integration regenerativer Energien mittels Microgrids, beispielsweise innerhalb von Industrieunternehmen oder Wohnquartieren, werden die Verteil- und Übertragungsnetze entlastet und der Bedarf für den kosten- sowie ressourcenintensiven Netzausbau gesenkt. Auch wird die Effizienz der Energieversorgung gesteigert, da der verlustreiche Transport über lange Distanzen vermieden und die Energie verstärkt vor Ort erzeugt und verbraucht wird. Durch die lokale Speicherintegration können Microgrids darüber hinaus netzdienliche Leistungen innerhalb der Primär-, Sekundär- und Tertiärregelung bereitstellen und im Notfall als sog. Inselnetze sogar autark operieren. Diese netzstabilisierenden Maßnahmen können verstärkt werden, wenn geographisch benachbarte Microgrids zu virtuellen Kraftwerken bzw. Großspeichern gekoppelt werden. Die Potentiale von Microgrids werden weltweit bisher vor allem akademisch untersucht. Die industrielle Umsetzung ist allerdings mit hohen technischen und finanziellen Risiken behaftet, insbesondere für KMUs. Für den erfolgreichen Transfer in die Wirtschaft sind jedoch sowohl umfangreiche Praxis-Untersuchungen als auch die Ertüchtigung der Microgrid-Komponenten (z.B. Power-to-X Technologien) für den Feldeinsatz unerlässlich. Damit NRW vom enormen Wertschöpfungspotential dieses Technologiefeldes auf einem umkämpfen Weltmarkt zukünftig profitieren kann, müssen F&E-Anstrengungen intensiviert und der Wissenstransfer in die Industrie verstärkt werden. Zu diesem Zweck richtet das Kompetenzzentrum nachhaltige Energietechnik (KET) unter Federführung des Fachgebiets Leistungselektronik und Elektrische Antriebstechnik das „Microgrid-Labor“ ein. Kernstück des Konzepts die Entwicklung sowie der Aufbau einer hoch-flexiblen, modularen Entwicklungs- und Validierungsplattform für die komponentenbezogene und systemische Microgrid-Forschung in NRW. Zum Aufbau des Labors sind Hochleistungs-Netzknoten zu entwickeln. Diese sind frei konfigurierbar und flexibel ansteuerbar. Durch geeignete Software bilden diese das Verhalten beliebiger Komponenten, z.B. von Batterien, Windkraftanlagen oder BHKWs, exakt nach. Die Netzknoten werden durch steuerbare Schalter in frei wählbaren Topologien zusammengeschlossen. Diese hard- & softwareseitige Rekonfiguration erlaubt die praxisnahe Forschung innerhalb lokaler Netze bis in den Megawatt-Bereich.

Projektleitung: Prof. Dr.-Ing. Joachim Böcker, Universität Paderborn

Projektpartner: weiteren KET Lehrstühle (EIM-NEK, MB-FVT, MB-TheT) der Universität Paderborn

Laufzeit: 2019 bis 2022
Projektvolumen gesamt: 3,2 Mio. Euro
Projektvolumen der Universität: 782.807 Euro
Gefördert durch:  Bundesministerium für Bildung und Forschung und Europäischer Sozialfonds

Ziel des Verbundprojekts IMPRESS ist ein Instrumentarium zur musterbasierten Planung hybrider Wertschöpfung und Arbeit zur Erbringung von Smart Services. Es wird Unternehmen befähigen, die Transformation vom Produkthersteller zum Smart Service-Anbieter eigenständig und zielgerichtet zu gestalten. Hierfür werden Methoden und Werkzeuge entwickelt, die auf allgemeingültigen Lösungsmustern basieren. Sie zeigen dem Anwender bewährte Teillösungen zur Gestaltung der Wertschöpfung und Arbeit im Kontext von Smart Services auf. Das Instrumentarium wird in vier Pilotprojekten mit Industriepartnern anwendungsfallspezifisch erprobt und validiert. Der Transfer der Ergebnisse wird fortlaufend durch die Anwendung von Teilen des Instrumentariums in Workshops mit assoziierten KMU, einen Transfer- und Begleitkreis, über Multiplikatoren, Veranstaltungen sowie Publikationen vorangetrieben. Das Verbundprojekt aus zehn Partnern wird im Rahmen des Programms Zukunft der Arbeit vom Bundesministerium für Bildung und Forschung und dem Europäischen Sozialfonds gefördert. Betreut wird das Projekt mit einer Laufzeit von drei Jahren durch den Projektträger Karlsruhe.

Projektleitung: Prof. Dr.-Ing. Roman Dumitrescu, Heinz Nixdorf Institut der Universität Paderborn

Laufzeit: 2019 - 2022
Projektvolumen gesamt: 2,7 Mio. Euro
Projektvolumen der Universität: 579.285 Euro
Gefördert durch: Europäischer Fonds für regionale Entwicklung

Durch Industrie 4.0 entstehen für Unternehmen erhebliche Potentiale, um ihre Prozesse und Leistungen entlang der gesamten Wertschöpfungskette effizienter, flexibler und ressourcenschonender zu gestalten. Trotz vielversprechender Möglichkeiten scheuen Unternehmen den Einsatz neuer Technologien. Gründe dafür sind weniger technische Herausforderungen, sondern vor allem schwer abzuschätzende Risiken in Bezug auf ihre Organisation und die Mitarbeiter. Denn der nutzenstiftende Betrieb ist maßgeblich von Investitionskosten, passgenauen Prozessen, adäquaten Kompetenzen und der Mitarbeiterakzeptanz abhängig. Industrie 4.0 ist somit keine rein technische Fragestellung, sondern beeinflusst Technologien, Organisation und den Menschen gleichermaßen. Vor dem Hintergrund dieses Dreiklangs adressiert das Verbundprojekt ein ganzheitliches Risikomanagement bei der Einführung von Industrie 4.0.

Projektleitung: Prof. Dr.-Ing. Roman Dumitrescu, Heinz Nixdorf Institut der Universität Paderborn

Laufzeit: 01/2019 - 06/2022
Projektvolumen gesamt: 2,3 Mio. Euro
Projektvolumen der Universität: 661.000 Euro
Gefördert durch: Bundesministerium für Bildung und Forschung

Das Projekt DizRuPt befähigt Unternehmen, die Nutzungsdaten ihrer Produkte und andere relevante Daten aus dem Produktlebenszyklus in der strategischen Produktplanung zu nutzen. Durch die systematische Analyse dieser Daten können neue Features und Funktionen abgeleitet werden. Dies ermöglicht die nutzungsorientierte Planung von Retrofits sowie von zukünftigen Produktgenerationen. Das dafür erarbeitete Instrumentarium beruht auf:

• Methoden zur Datenakquise und -analyse
• Ableitung neuer Produktfunktionen für die Retrofit- und Generationenplanung
• Operationalisierung der datengestützten Produktplanung durch Prozesse und Kompetenzen
• IT-Werkzeugen zur Unterstützung der organisationalen Umsetzung

Projektleitung: Prof. Dr.-Ing. Roman Dumitrescu, Heinz Nixdorf Institut der Universität Paderborn

Laufzeit: 01.09.2019 - 19.06.2022
Projektvolumen gesamt: 1,9 Mio. Euro
Projektvolumen der Universität: 414 543 Euro
Gefördert durch: Bundesministerium für Wirtschaft und Energie

RAKI entwickelt neuartige Verfahren um skalierbare nachvollziehbare Machine Learning-Verfahren mit „humans in the loop“ zu entwickeln.

Im Fokus des Projekts steht die skalierbare KI-getriebene Optimierung der Konfiguration und des Betriebs von Industrieanlagen sowie der notwendigen Produktionslogistik.

Verteilte Implementierungen ermöglichen die Verarbeitung großer Datenmengen für die automatische Generierung von Erklärungen. Die Entwicklungs- und Anwendungspartner AI4BD und Siemens planen die Verwendung von wesentlichen Teilen des RAKI-Frameworks nach der Produktisierung in ihre Plattformen CBR und Mindsphere. Das Ergebnis von RAKI bildet die Grundlage für neuartige Datenprodukte wie KI-getriebene interaktive Konfigurationssoftware für Industrieanlagen, die eine skalierbare Entwicklung von Smart Services in der industriellen Produktion ermöglicht.

Projektleitung: Prof. Dr. Axel-Cyrille Ngonga Ngomo der Universität Paderborn

Projektpartner: AI4BD Deutschland GmbH, Siemens AG, Leipzig Universität

Laufzeit: 01.07.2020 bis 30.06.2024
Fördervolumen gesamt (Universität): 1.591.507 Euro
Gefördert durch: Bundesministerium für Bildung und Forschung

Im Zuge der Digitalisierung erfahren künstliche Intelligenz und maschinelles Lernen aktuell eine hohe Aufmerksamkeit seitens Wissenschaft und Industrie. In der Regelungstechnik, werden bereits datengetriebene Verfahren eingesetzt, jedoch vorwiegend als Alternative zur physikalischen Modellierung dynamischen Verhaltens bzw. zu fachspezifischen Methoden des Regelungs- und Steuerungsentwurfs oder in einer pragmatischen einfachen Kombination.

Das Ziel der Nachwuchsgruppe „DART – Datengetriebene Methoden in der Regelungstechnik“ ist es daher, neuartige hybride Methoden für regelungstechnische Probleme zu entwickeln, indem die bewährten physikalisch motivierten Verfahren mit den modernen datengetriebenen Verfahren kombiniert werden und so die größtmögliche Performanz beim Regelungsentwurf erzielt werden kann. Diese hybriden Ansätze gehen weit über einfache, pragmatische Kombinationen hinaus, weil sie auf strukturell gut begründeten Kompositionen aus aufeinander zugeschnittenen Verfahren beruhen, die ihre Vorteile synergetisch vereinen. Dabei werden die typischen Entwurfsschritte wie die Modellierung und Parameteridentifikation des physikalischen Systems, der Beobachterentwurf, die Reglerauslegung sowie die Inbetriebnahme des Reglers adressiert. Dadurch sind wir in der Lage alle Aspekte der klassischen Regelungstechnik gesamthaft durch hybride Ansätze mit datenbasierten Methoden zu erweitern.

Projektleitung: Dr.-Ing. Julia Timmermann, Heinz Nixdorf Institut der Universität Paderborn

Laufzeit: 2020 - 2022
Fördervolumen gesamt: 1,4 Mio. Euro
Fördervolumen der Universität: 500.000 Euro
Gefördert durch: Bundesministerium für Bildung und Forschung

Das Forschungsprojekt DAIKIRI zielt auf die erstmalige Entwicklung und Verwendung von automatischen Verfahren für die Semantifizierung von industriellen Daten und die datengetriebene Diagnose von Industrieanlagen ab. Mit Hilfe dieser Verfahren sollen diagnostische selbsterklärende Smart-Services für Industriedaten entwickelt und mit Daten aus realen Anwendungsfällen evaluiert werden. DAIKIRI wird daher KI-Verfahren entwickeln, die selbsterklärend sind und Ergebnisse von KI automatisch verbalisieren und damit transparent machen. Anwendern soll dadurch das Zustandekommen von Ergebnissen nachvollziehbar gemacht werden. Darauf basierende Entscheidungen können somit vertrauensvoll getroffen werden.

Projektleitung: Prof. Dr. Axel-Cyrille Ngonga Ngomo der Universität Paderborn

Projektpartner: USU Software AG, elevait GmbH & Co. KG, pmOne AG

Laufzeit: 2019 - 2022
Fördervolumen gesamt: 1 Mio. Euro
Fördervolumen der Universität: 482.000 Euro 
Gefördert durch: Europäischer Fonds für regionale Entwicklung

Wie können autonome Fahrzeuge mit Elektroantrieb als Beispiele für komplexe cyber-physische Systeme schneller, kostengünstiger und ressourcenschonender entwickelt werden? Und wie lässt sich die Sicherheit solcher Fahrzeuge auf der Straße erhöhen? Das Forschungsprojekt soll diese komplexe Fragestellung beantworten.

Bei der Entwicklung von Fahrzeugen sorgen Trends wie das automatisierte Fahren oder die Entwicklung alternativer Antriebe, wie zum Beispiel batteriebetriebene Fahrzeuge, für einen sprunghaften Anstieg der Anforderungen an die zugrunde liegenden Systeme. Bei der Entwicklung solcher Fahrzeuge geht es darum, eine Vielzahl an Zielgrößen wie Verbrauch, Reichweite und Fahrkomfort zu optimieren und die Sicherheit des Systems zu garantieren. Um die Entwicklungsprozesse für Hersteller und Zulieferer verlässlich und ökonomisch zu gestalten und Entwicklungszeiten einhalten zu können, machen sich Forscher und Entwickler auf die Suche nach neuen Ansätzen.

Im Projekt sollen daher intelligente, simulationsbasierte Verfahren entwickelt werden, die den Entwicklungs- und Testprozess komplexer Fahrzeuge verbessern, systematisieren und den Automatisierungsgrad erhöhen. Dazu werden die Auslegung und der Test enger miteinander verzahnt, um bereits in frühen Entwicklungsphasen einen hohen Qualitätsgrad zu erreichen. Hierzu kommen neueste mathematische Methoden aus der Mehrzieloptimierung zum Einsatz, die einer der Kernkompetenzen des Instituts für Industriemathematik ist. So können miteinander konkurrierende Ziele wie Energieeffizienz, Komfort und Kosten gleichzeitig berücksichtigt und darüber hinaus die Sicherheit des Systems gewährleistet werden. Geplant ist, die neuen Verfahren in die Toolkette von dSPACE zu integrieren und anhand eines Beispiels aus der Fahrzeugentwicklung von e.GO zu evaluieren.

Projektleitung: Dr. Sebastian Peitz der Universität Paderborn

Projektpartner: Prof. Dr. Michael Dellnitz der Universität Paderborn, dSPACE, e.GO Mobile AG

Laufzeit: 01.01.2019 – 30.06.2022
Fördervolumen gesamt (Universität): 944.132 Euro
Gefördert durch: BMBF (Initiative "Forschungslabore Mikroelektronik Deutschland" (ForLab))

Das FutureLab Power Electronics  ist auf die Anwendungsforschung an neuen Leistungs-Halbleitern mit hoher Bandlücke ausgerichtet. Zu diesen sogenannten wide-band-gap- (WBG-) Halbleitern zählen vor allem Siliziumcarbid (SiC) und Galliumnitrid (GaN). Hierfür baut das Fachgebiet Leistungselektronik und elektrische Antriebe (LEA) an der Universität Paderborn eine neuartige Laborlandschaft auf, die von der WBG-Schaltungsentwicklung bis hin zum Dauertest entstehender prototypischer Gesamtgeräte alle praktischen Entwicklungsschritte diverser Forschungsprojekte zukunftsgerichtet bedient. Im ForLab FutureLabPE arbeitet LEA mit anderen Hochschulen und Forschungsinstituten, wie dem Fraunhofer-Institut für Elektronische Nanosysteme (ENAS) in Paderborn oder dem Fraunhofer-Institut für Integrierte Systeme und Bauelementetechnologie (IISB) in Erlangen, sowie mit verschiedenen Partnern aus der Industrie zusammen. Das Ziel entsprechender Forschungsprojekte ist die Identifikation, Entwicklung und Optimierung von leistungselektronischen Anwendungen, die von den neuen Leistungshalbleiter-Technologien besonders profitieren, sowie auch die Untersuchung von deren Zuverlässigkeit. WBG-Halbleiter bieten dabei ein enormes Potenzial - viele WBG-basierte Anwendungsgeräte können erheblich kompakter und verlustärmer dimensioniert werden als herkömmliche Systeme, die Silizium-Halbleiter nutzen. Ein resultierender höherer Miniaturisierungsgrad sowie eine gesteigerte Energieeffizienz bei niedrigeren Systemkosten ist für viele Anwendungen nicht nur vorteilhaft, sondern oft auch wegbereitend zur Erschließung neuer Performanzklassen und Einsatzgebiete. Besonders aussichtsreiche Anwendungsfelder sind Elektromobilität (OnBoard-, OffBoard Leistungswandler), kompakte Stromversorgungsgeräte für Datencenter und Mobilfunknetze (5G und darüber hinaus), Erneuerbare Energiesysteme (z.B. PV- oder Wind-basiert, Erzeugung, Übertragung, Speicherung, Verteilung), dezentrale Stromversorgungen für Medizinische Anwendungen (CT, MRT, Ultraschall) sowie für die Industrieautomatisierung (z.B. Industrie 4.0).

Projektleitung: Prof. Dr.-Ing. Joachim Böcker, Universität Paderborn

Projektpartner: Fraunhofer IISB, Erlangen und Fraunhofer ENAS, Paderborn

Laufzeit: 2017 - 2022
Fördervolumen gesamt: 595.592 Euro
Fördervolumen der Universität: 307.146 Euro
Gefördert durch: Deutsche Forschungsgemeinschaft

Ziel des Projekts ist die Entwicklung adaptiver Folgeregelungsverfahren für Systeme von nichtlinearen differentiell-algebraischen Gleichungen mit Anwendung auf unteraktuierte Mehrkörpersysteme. Während die Regelung voll aktuierter Mehrkörpersysteme mit existierenden konventionellen Methoden oft sehr gut möglich ist, fehlen systematische Methoden zur Folgeregelung unteraktuierter Systeme. Letztere besitzen weniger Stellgrößen als Freiheitsgrade und die Systeme können dadurch sehr unterschiedliche systemtheoretische Eigenschaften aufweisen. Typische Beispiele mit großer praktischer Bedeutung sind Systeme mit passiven Gelenken, Kräne, Seilroboter oder Leichtbausysteme mit flexiblen Körpern. Gerade bei komplexeren Systemen, wie beispielsweise bei kinematischen Schleifen oder der Einbindung flexibler Körper, bietet sich oft die Modellierung als differentiell-algebraische Gleichung an. In diesem Projekt soll zunächst durch eine Strukturanalyse eine Charakterisierung wichtiger systemtheoretischer Größen und Eigenschaften, wie etwa Eingangs-Zustands-Stabilität, Index, Relativgrad und interne Dynamik, auf der Basis physikalischer Betrachtungen erfolgen.Probleme im Reglerentwurf ergeben sich dabei insbesondere dadurch, dass im Allgemeinen sowohl der Index des zugrundeliegenden differentiell-algebraischen Modells als auch dessen Relativgrad größer als eins sind und das System eine instabile interne Dynamik besitzen kann. Zur Kompensation des höheren Relativgrads soll der von den Antragstellern Berger und Reis entwickelte Funnel-Beobachter verwendet werden. Die instabile interne Dynamik soll durch eine Vorsteuerung, der eine Modellinversion zugrunde liegt, umgangen werden. Diese Modellinversion soll auf sogenannten Servobindungen basieren, was wiederum zu differentiell-algebraischen Gleichungen führt. Die Leistungsfähigkeit und Implementierbarkeit der entwickelten Methoden sollen fortwährend durch ausgewählte experimentelle Untersuchungen abgesichert werden.

Projektleitung: Jun.-Professor Dr. Thomas Berger der Universität Paderborn

Laufzeit: 2018 - 2026
Projektvolumen gesamt (Teilprojekt E1): 516.200 Euro
Projektvolumen der Universität: 302.500 Euro
Gefördert durch: DFG

Sicherheit ist ein zentraler Aspekt in Softwaresystem und damit auch besonders für in "Intelligente Technische Systeme". Digitale Angriffe werden immer leistungsfähiger, besonders mit künftigen Quantencomputern. Kryptographie ist essentiell für die Entwicklung von sicheren und vertrauenserweckenden IT-Systemen. Daher werden im SFB 1119 CROSSING and der TU Darmstadt kryptographiebasierte Sicherheitslösungen für langfristige vertrauenswürdigen Computerumgebungen erforscht.

Das Teilprojekt E1 wird von den Arbeitsgruppen von Prof. Eric Bodden an der Universität Paderborn und von Prof. Mira Mezini an der TU Darmstadt geleitet. Im Teilprojekt E1 liegt der Fokus auf der sicheren Integration von kryptographischer Software. Das im Teilprojekt entwickelte Krypto-Assistenten-Tools CogniCrypt ermöglicht bereits die Generierung von sicherem Code für gängige kryptographische Aufgaben und die statische Analyse auf die korrekte Implementation von Krypto-APIs wie die Java Cryptographic Architecture , Bouncy Castle und Tink. 

Auf Basis von CogniCrypt werden automatisierte Verfahren zur Verwendung von Kryptographie umgesetzt, um den sicheren Einsatz von Kryptographie zu unterstützen.

Projektleitung: Prof. Eric Bodden (für Teilprojekt E1), Heinz Nixdorf Institut der Universität Paderborn

Sprecher des SFB1119: Prof. Marc Fischlin, TU Darmstadt

Laufzeit: 2020 - 2023
Projektvolumen gesamt (Universität): 283.500 Euro
Gefördert durch: Deutsche Forschungsgemeinschaft (DFG)

Das Projekt "Distributed Acoustic Signal Processing over Wireless Sensor Networks" erforscht Signalverarbeitungs- und Kommunikationsaspekte akustischer Sensornetze.  Ein solches  Sensornetz besteht aus Knoten mit Mikrophonen (ggf. auch Lautsprechern) und kommuniziert mittels drahtloser Übertragungstechniken. Das Sensornetz ist typischerweise über ein oder mehrere Gateways mit dem Internet verbunden. Ein solches Netz führt akustische Anwendungen aus (etwa Sprechertrennung oder Störgeräuschunterdrückung). Ein naheliegender Ansatz wäre es, alle von den Sensorknoten gesammelten akustischen Daten zu dem Gateway zu transportieren und dort zu verarbeiten. Dies ist allerdings nicht unbedingt der bestmögliche Ansatz (limitierende Datenrate, ggf. große Latenz für größere Datenmengen); zudem wird der mögliche Vorteil verschenkt, die Daten bereits auf den Sensorknoten zu verarbeiten und damit die Datenmengen und die Latenz zu reduzieren. Wir betrachten daher Ansätze, inspiriert durch Trends wie Microservices und Network Function Virtualization, bei denen die akustische Signalverarbeitung in einzelne Blöcke aufgebrochen und auf die einzelnen Knoten verteilt werden kann. In diesem Folgeprojekt beabsichtigen wir, unsere Arbeiten sowohl zur verteilten akustischen Signalverarbeitung wie auch zur Entwicklung eines Frameworks zur automatisierten Verteilung solcher Blöcke in ein Netz weiterzuführen. Im Einzelnen betrachten wir Hardware-Aspekte (insbesondere die Realisierung von full-duplex Audio) und die Möglichkeiten, solche Hardware für die Synchronisation in zeitbasierten MAC-Protokollen oder zur Schätzung akustischen Umlaufzeiten (round trip times) zu nutzen. Dies erlaubt uns, die räumliche Anordnung des Sensornetzes zu schätzen und es geeignet zu kalibrieren, sowohl in statischen als auch in dynamischen Umgebungen. Aufbauend auf Information über die akustische Nützlichkeit (utility) einzelner Knoten werden wir das Problem der Quellenauswahl (Signale welcher Mikrofone sollten einbezogen werden?) unter akustischen wie auch unter Netzaspekten bearbeiten. Eine Schlüsselfrage wird weiter sein, wie wir solche Netzaspekte in dynamischen Szenarien beherrschen können. Dynamik entsteht dabei insbesondere durch Bewegung von Geräten und der Umgebung; solche Bewegungen können unkontrolliert oder kontrolliert (etwas bei robotergestützten Sensorknoten) sein. Unsere Arbeiten werden in ein gemeinsames Testbed münden, das die wesentlichen Funktionen integriert und eine Experimentalumgebung zu praktischen Erprobung algorithmischer Ideen sein wird.

Koordinierungsprojekt

Wir sind tagtäglich von einer Vielzahl von Geräuschen und anderen akustischen Ereignissen umgeben, und doch können wir uns mühelos in einer solchen Umgebung unterhalten, und  die wahrgenommenen akustischen Eindrücke geben uns eine Vorstellung darüber, in welcher Umgebung wir uns gerade befinden. Ein technisches System mit ähnlichen Fähigkeiten hätte vielfältige Anwendungen, beispielsweise im Bereich des umgebungsgestützten Lebens (Ambient Assisted Living), für Freisprechkommunikationssysteme oder für Überwachungssysteme. Aufgrund der Allgegenwart von Funkkommunikationssystemen und den sinkenden Kosten für Mikrofone und Computer sind die technischen Voraussetzungen für solche intelligente Systeme gegeben - jedoch liegt der Engpass in der Leistungsfähigkeit der Algorithmen.

Diese Forschungsgruppe hat sich zum Ziel gesetzt,  die akustische Signalverarbeitung und Klassifikation auf akustischen Sensornetzen intelligenter zu machen und damit besser an den Benutzer anzupassen. Die Verfahren sollen mit variierenden akustischen Umgebungsbedingungen zurechtkommen, unabhängiger vom Vorhandensein von passenden annotierten Trainingsdaten sein, und gleichzeitig  dem Benutzer gegenüber vertrauenswürdig sein und die Privatsphäre respektieren. Diese Arbeiten werden den Weg ebnen für eine neue Klasse von Anwendungen, die fortschrittliche akustische Signalverarbeitung mit semantischen Analyse der Audiodaten verknüpft. Die Projektziele sollen dadurch erreicht werden, dass ein dreistufiger Ansatz gewählt wird: auf der ersten, untersten Ebene der Verarbeitung werden Funkkommunikations- und Synchronisationsaspekte behandelt, die zweite, mittlere Ebene ist der Signalextraktion und -verbesserung gewidment, während die dritte, oberste Ebene zum Ziel hat, die Signale zu klassifizieren und zu interpretieren. Dabei werden Verfahren der mehrkanaligen Signalverarbeitung und des maschinellen Lernens miteinander verknüpft. Auf diese Weise wird ein Rahmenwerk entstehen für die Nutzung akustischer Sensornetze in einer Vielzahl von neuen Anwendungen.

Audioklassifikation über Sensornetze bei Trainingsdaten mit geringer Überwachung

Ein grundsätzliches Problem für viele maschinelle Lernverfahren ist eine Diskrepanz zwischen den Trainingsdaten und den Testdaten in einer späteren Anwendung, welche zu einem signifikanten Einbruch der Klassifikationsrate führen kann. Bei der akustische Ereignisdetektion und Szenenklassifikation in akustischen Sensornetzen tritt dieses Problem verschärft auf, weil es eine sehr große Zahl möglicher Geräusche gibt und weil solche Netze in ganz unterschiedlichen geometrischen Konfigurationen und Umgebungen eingesetzt werden können. Aus diesem Grund werden die existierenden Datenbasen zur akustischen Ereignis- und Szenenklassifikation praktisch nie perfekt zu einer neuen Anwendung in einem akustischen Sensornetz passen.Das Hauptziel dieses Projektes ist es daher, Methoden zu entwickeln, die es ermöglichen, vorhandene Datenbasen trotz dieser Diskrepanz für konkrete Audioklassifikationsaufgaben in einem akustischen Sensornetz verwendbar zu machen. Wir nehmen an, dass schwach, d.h. nur mit der Ereignisklasse, nicht jedoch mit Zeitstempeln annotierte Daten von einer anderen Domäne vorhanden sind, und dass nichtannotierte Daten von der Zieldomäne vorliegen. Es werden nun Verfahren entwickelt, um aus einer schwachen Annotation eine starke Annotation zu berechnen, in der zusätzlich Anfangs- und Endzeiten von akustischen Ereignissen annotiert sind, um domäneninvariante Merkmale zu berechnen, sowie Verfahren, um eine Domänenadaption durchzuführen, um auf diese Weise Unterschiede zwischen Trainingsdaten und Testszenario zu überwinden. Wir untersuchen dabei auch eine Adaption zum Testzeitpunkt, um sich an veränderte akustische Umgebungen und Sensorkonfigurationen anzupassen. Dabei sollen vor allem tiefe generative neuronale Modelle zum Einsatz kommen. Geeignete Netzstrukturen und Zielfunktionen sind zu enwickeln, um die verschiedenen Einflussfaktoren auf die beobachtete Signalform voneinander zu trennen, insbesondere die von dem akustischen Ereignis hervorgerufene Variation von der durch die Umgebung hervorgerufenen Variation des Signals. Weiterhin werden wir Verfahren entwickeln, um ungewöhnliche akustische Ereignisse erkennen zu können, denn diese können für eine konkrete Anwendung von besonderer Bedeutung sein.

Projektleitung: Dr.-Ing. Jörg Schmalenströer, Universität Paderborn und Prof. Dr. Holger Karl, Hasso-Plattner-Institut 

Laufzeit: 2018 bis 2022
Fördervolumen gesamt: 259.139 Euro
Fördervolumen der Universität: 200.206 Euro
Gefördert durch: Deutsche Forschungsgemeinschaft

Ziel dieses Projekts ist die Entwicklung von neuen Modellen und Algorithmen für Schwärme eigenständiger Nano-Roboter, d.h. Gruppen winziger aktiver Einheiten mit stark eingeschränkten individuellen Fähigkeiten, die als Schwarm in physiologischen Umgebungen operieren.

Bei der Entwicklung neuer Modelle werden Fragestellungen berücksichtigt, die in der Vergangenheit nicht oder nur unvollständig betrachtet wurden: Wie können die Nano-Roboter Energie gewinnen, speichern und nutzen (Energiemanagent)? Welche realistischen Modelle (angelehnt an physikalische, biologische oder chemische Prozesse in der Natur) können eine nicht-lokale Kommunikation zwischen einer Gruppe von Nano-Robotern ermöglichen ? Welche Modelle erlauben den Ausfall und die Reparatur fehlerhafter Nano-Roboter durch intakte Nano-Roboter (Fehlertoleranz)?

Algorithmisch ist das Leader-Election Problem ein Schlüsselproblem, dessen Lösung die Lösung anderer wichtiger Probleme durch einen Schwarm von Nano-Robotern erst möglich macht. Die im Projekt entwickelten Modelle werden hinschtlich ihrer Fähigkeiten untersucht, das Leader-Election Problem effizient zu lösen. Aufbauend darauf werden Lösungen für weitere wichtige Aufgabenstellungen entwickelt: Ein Schwarm Nano-Roboter soll eine Umgebung vollständig durchsuchen und ggf. wichtige Positionen in der Umgung markieren (Exploration). Ein Schwarm Nano-Roboter soll ein Objekt in seiner direkten Umgebung schnellstmöglich umhüllen (Umhüllung). Ein Schwarm Nano-Roboter soll einen Weg von einem Startpunkt zu einem Zielpunkt seiner Umgebung formen (Transport).

Für alle entwickelte Modelle werden durch untere Schranken (und ggf. Unmöglichkeitsresultate) die Grenzen der jeweiligen Modelle aufgezeigt.

Die algorithmischen Ergebnisse werden dann erweitert, um Aspekte wie Robustheit gegenüber Ausfällen von Nano-Robotern und Schwärmen mit unterschiedlichen Nano-Robotern sowie die Lösung obiger Probleme in dreidimensionalen Umgebungen zu untersuchen.

Projektleitung: Prof. Dr. Christian Scheideler, Universität Paderborn, Deutschland und Prof. Shlomi Dolev, Ben Gurion University of the Negev, Israel

Laufzeit: 01/2020 bis 03/2023
Fördervolumen gesamt: 1,4 Mio. Euro
Fördervolumen der Universität: 836.000 Euro
Gefördert durch: Europäische Union und Land Nordrhein-Westfalen

Die Fähigkeit, innovative Geschäftsmodelle für die eigenen Produkte und Dienstleistungen zu entwickeln, ist von zentraler Bedeutung für jedes Unternehmen. Gleichzeitig tun sich jedoch insbesondere viele kleine und mittlere Unternehmen (KMU) schwer damit, den abstrakten Begriff „Geschäftsmodellinnovation“ mit Leben zu füllen, d. h. Geschäftsmodellinnovationen zielgerichtet und systematisch zu entwickeln. Dadurch steigt das Risiko, dass innovative Produkte und Dienstleistungen nicht erfolgreich vermarktet werden – was wiederum der Wettbewerbsfähigkeit der Unternehmen schadet und dadurch Arbeitsplätze sowie gesellschaftlichen Wohlstand gefährdet. Genau hier setzt dieses Projekt an. In dem Projekt Smart GM arbeiten im SICP - Software Innovation Campus Paderborn das SI-Lab der Universität Paderborn, die Lehrstühle Kundisch, Hüllermeier und Wünderlich und die Unternehmen myconsult, UNITY, WP Kemper und Fellowmind gemeinsam an einem Assistenzsystem, das seinen Nutzern passende innovative Geschäftsmodellideen vorschlägt. Grundlage dafür sind zum einen eine umfangreiche Wissensbasis zu Geschäftsmodellen, zum anderen eine künstliche Intelligenz. Die KI-Algorithmen sollen aus der großen Zahl möglicher Kombinationen zielgerichtet neue Ideen erzeugen. Anschließend werden diese auf einer öffentlichen Crowd-Plattform sowie von Kunden und Experten bewertet. Mit steigender Zahl an Bewertungen wird auch die Qualität neuer Geschäftsmodellvorschläge des Assistenzsystems erhöht.

Das Projekt Smart GM kombiniert erstmalig Kompetenzen und Methoden aus den Bereichen Geschäftsmodellinnovationen, Technikakzeptanz, maschinellem Lernen, (Crowd-basierter) Bewertung von Ideenqualität sowie computergestützter Ideengenerierung für die Entwicklung von Geschäftsmodellinnovationen und ebnet damit den Weg für eine neue Generation von Geschäftsmodellinnovationsmethoden – von passiver Unterstützung zu aktiver Assistenz.

Projektleitung: Prof. Dr. Dennis Kundisch der Universität Paderborn

Laufzeit: 10/2020 - 09/2023
Fördervolumen gesamt: 2,4 Mio. Euro
Fördervolumen der Universität: 456.000 Euro
Gefördert durch: Ministerium für Wirtschaft, Innovation, Digitalisierung und Energie des Landes Nordrhein-Westfahlen

Das Projekt PredicTeams hat das Ziel, ein praxisorientiertes Framework für ein prädiktives Kompetenzmanagement für agile Teams zu entwickeln, das Unternehmen in die Lage versetzt, den Übergang zu agiler Teamarbeit in digitalen Arbeitswelten zu bewältigen. Konkrete Ziele sind im Einzelnen:

• Identifikation und Operationalisierung von Kompetenzen für agile Teamarbeit im Kontext digitaler Arbeitswelten Verfügbarmachen einer Datenbank mit Instrumenten zur Messung relevanter Kompetenzen
• Methode zur Vereinfachung des Erhebungsprozesses der Kompetenzbewertung mittels semantischen Sprachanalyse
• Methodik zur Analyse von Kompetenzprofilen
• Show-Case-Anwendungen zur Erfassung von Kompetenzen mithilfe der semantischen Textanalyse sowie zur Analyse von Kompetenzprofile auf Basis der Fuzzy-set Qualitative Comparative Analysis
• Modelle und Methoden sowie ein Leitfaden zur Gestaltung eines prädiktiven Kompetenzmanagements und zukunftsgerichtetem Teamstaffing

Die Ziele werden dadurch erreicht, dass State-of-the-Art-Messinstrumente und -Methoden in der Personal- und Organisationsforschung sowie der empirischen Methodik aufgegriffen, weiterentwickelt und für eine Anwendung im Unternehmen adaptiert und anhand von Testdaten erprobt werden.Dabei werden Daten zu Kompetenzen von Mitarbeitenden ausgewertet, zum Teil neu erhoben mit dem Ziel einer deutlichen Dimensionsreduktion. Exemplarische Datenauswertungen sollen umgesetzt und evaluiert werden. Neben der Identifikation der wichtigsten Kompetenzen soll das Verfahren der Kompetenzerfassung radikal vereinfacht werden von einer einmal jährlich schriftlichen Stellungnahme zur laufenden Erhebung mittels Spracheinschätzung und Textanalyse.Durch die geplanten Maßnahmen wird die Grundlage für eine zeitlich effiziente Erhebung und Analyse der Kompetenzen in Unternehmen geleistet, die dem neusten Stand der Technik entspricht. Die zu entwickelnden Methoden und Modelle sollen Unternehmen dazu befähigen, statt einem verwaltenden Kompetenzmanagement in Zukunft prädiktives Kompetenzmanagement zu betreiben. Das Projekt ist sowohl praktisch als auch wissenschaftlich innovativ, da prädiktives HR Analytics zwar viel diskutiert wird, jedoch noch in den Kinderschuhen steckt.

Projektleitung: Prof. Dr. Kirsten Thommes der Unviersität Paderborn

Laufzeit: 01.09.2019 - 31.08.2022
Fördervolumen gesamt: 5.861.703 Euro
Fördervolumen der Universität: 571.336 Euro
Gefördert durch: Bundesministerium für Wirtschaft und Energie, Förderkennzeichen: 03EI6012F

Ziel des Projektes FLEMING ist es, die kontinuierliche Funktionsüberwachung und insbesondere den heutigen Sensoreinsatz in Verteilnetzen zu revolutionieren, durch Verwendung von Methoden der Künstlichen Intelligenz (KI), gepaart mit einer Verbesserung der zugehörigen Sensortechnik und somit wesentlich zum Erfolg der Energie- und Mobilitätswende in Deutschland beizutragen.

Der Fokus der deutschen Klima- und Energiepolitik liegt auf einer massiven und flächendeckenden Einbindung von Anlagen zur Gewinnung erneuerbarer Energien sowie auf einer Integration von Ladesäulen für Elektromobilität in das bisherige Stromnetz. Die hieraus resultierenden zahlreichen Lastschwankungen – z.B. durch dezentrale Solaranlagen – sowie die zeitlich und räumlich konzentrierte Energienachfrage durch Ladeinfrastruktur (eMobility) führen zu einer sehr großen Belastung der elektrischen Betriebsmittel und Komponenten bis hin zu einer Überlastung. Gleichzeitig sind die Netzbetreiber einem steigenden Effizienz- und Kostendruck ausgesetzt.

Aktueller Netzzustand von kritischer Relevanz

Um die Ziele der Energie- und Mobilitätswende bei gleichbleibender Versorgungsqualität zu erreichen, benötigen die Netzbetreiber einerseits ein verbessertes Verständnis des aktuellen Zustandes des vorhandenen Netzes und seiner Komponenten (Monitoring). Dadurch können potentielle Schäden und Anlagenausfälle frühzeitig erkannt bzw. vorhergesagt oder durch verbesserte Regelung vermieden werden. Andererseits werden geeignet genaue, zuverlässige und leicht nachrüstbare Sensoren zur Regelung im Rahmen eines intelligenten Lastmanagements benötigt. Dies ermöglicht erst eine flexiblere Netznutzung unter der Ausnutzung von temporärem Überlastpotenzial und somit den flächendeckenden Ausbau der zukünftig benötigten Energieverteilungs-Infrastruktur, insbesondere im Hinblick auf eine stark zunehmende Elektrifizierung des Automobilsektors.

Das Szenario verlangt nach einem durchgängigen Einsatz von Sensorik, Informations- und Kommunikationssystemen zur Erfassung der nötigen Daten der einzelnen Netzbetriebsmittel und -komponenten. Bisher verfügbare Sensorlösungen zur Zustandsüberwachung werden ausschließlich in Nischen- oder Randanwendungen eingesetzt. Ein durchgängiger Einsatz scheitert zurzeit an zu komplexem Engineering sowie einer begrenzten Lebensdauer und Leistung der Sensorsysteme, so dass diese nur für einfache Überwachungsaufgaben meist einzelner Betriebsmittel genutzt werden können. Weiterhin steht bisherige Sensorik in der Regel nur für Anlagen eines Herstellers zur Verfügung, so dass eine Übertragbarkeit nicht möglich und eine generische, systemweite Datenanalyse massiv erschwert ist. Das Vorhaben soll den heutigen Sensoreinsatz in Verteilnetzen durch Verwendung von Methoden der Künstlichen Intelligenz (KI) zusammen mit einer Erweiterung der Sensortechnik grundlegend verbessern. Die daraus abgeleiteten Unterziele umfassen alle wichtigen Aspekte des Sensoreinsatzes in elektrischen Betriebsmitteln.

Projektleitung: Prof. Dr. Daniel Beverungen der Universität Paderborn und Prof. Dr. Eyke Hüllermeier der Universität Paderborn

Projektpartner: ABB AG Forschungszentrum Deutschland, Forschungsinstitut für Rationalisierung e.V. (FIR) aus Aachen, Karlsruher Institut für Technologie (KIT), SÜC Energie und H2O GmbH aus Coburg sowie Heimann Sensor GmbH

Laufzeit: 01.01.2020 - 31.12.2022
Fördervolumen gesamt: 1.100.000 Euro
Fördervolumen der Universität: 242.824 Euro
Gefördert durch: Europäische Union und das Land Nordrhein-Westfalen

Die interaktive, multimodale OWL.Kultur-Plattform soll das kulturelle Angebot der Region bündeln und künftig besser sicht- und nutzbar machen sowie möglichst viele Schnittstellen zu bereits bestehenden Systemen und anderen Diensten einrichten. Sie richtet sich an Kulturanbieter, Kulturvermittler sowie Nutzer der Kulturangebote und ermöglicht, passende Kulturangebote mittels individualisierter Filtermöglichkeiten zu finden, Kulturakteure auch bereichsübergreifend besser miteinander zu vernetzen, die Sichtbarkeit des Ehrenamts und der Vereine zu stärken, regionale Grenzen zu überwinden und – insbesondere für den ländlichen Raum – Mobilität zu gewährleisten, um so auch hier Kulturteilhabe für alle zu ermöglichen. Kulturakteure profitieren von der OWL.Kultur-Plattform, da diese zudem Unterstützungsleistungen für die Organisation von Kulturveranstaltungen und -projekten bereithält. Somit kann dieses intelligente, zielgruppenspezifische und nutzerorientierte Assistenzsystem einen Beitrag dazu leisten, OWL als Kulturmarke zu etablieren, indem das Kulturpublikum die Kulturregion OWL stärker als Ganzes wahrnimmt.

Projektleitung: Prof. Dr. Daniel Beverungen der Universität Paderborn

Projektpartner: OstwestfalenLippe GmbH, Bielefeld, aXon Gesellschaft für Informationssysteme mbH, Paderborn

Laufzeit: 01.01.2018 - 31.12.2022
Fördervolumen gesamt: aufgrund von Vertragsbedingungen nicht veröffentlicht
Fördervolumen der Universität: aufgrund von Vertragsbedingungen nicht veröffentlicht
Gefördert durch: IHK Cottbus, verschiedenen Automobilherstellern, Telematikherstellern und Logistikunternehmen

Der Verkehrssektor ist für etwa 25 % der Treibhausgasemissionen verantwortlich. Die Minimierung des Kraftstoffverbrauchs ist eines der Hauptziele von Klimaschutzmaßnahmen. Für Logistikunternehmen hat die Minimierung des Kraftstoffverbrauchs den positiven Nebeneffekt, dass sie ihre variablen Kosten senken können. Obwohl soziale und betriebliche Ziele übereinstimmen, gelingt es vielen Unternehmen nicht, den Kraftstoffverbrauch zu senken. Einer der Hauptgründe dafür ist das Fahrverhalten der Lkw-Fahrer.

In diesem Projekt kombinieren wir Erkenntnisse aus Verhaltenswissenschaft und Technologie und verbessern Feedback-Mechanismen für Lkw-Fahrer. Wir nutzen Feedback-Mechanismen und Gamification. Unsere ersten Ergebnisse führten zu einer nachhaltigen Reduzierung von etwa 10 % des Kraftstoffs.

Darüber hinaus analysieren wir  auch, wie sich die Umweltbedingungen, insbesondere verschiedene Aspekte der Verkehrsdichte, auf die Neigung der Fahrer zur Automatisierung und damit zu einem guten Fahrverhalten auswirken.

Projektleitung: Prof. Dr. Kirsten Thommes der Unviersität Paderborn

Partner: BTU Cottbus Senftenberg sowie diverse Nutzfahrzeug- und Telematikhersteller

Laufzeit: April 2021 bis März 2024
Fördervolumen gesamt: 603.220 Euro
Fördervolumen der Universität: 307.686 Euro
Gefördert durch: Deutsche Forschungsgemeinschaft (DFG)

Das Projekt zielt darauf ab, ein Verfahren zur Prognose der nutzbaren Restlebensdauer von Systemen zu entwickeln, welche unter instationären Bedingungen, wie zum Beispiel variierenden Lasten und Drehzahlen betrieben werden. Daher werden klassische datengetriebene und modellbasierte Verfahren der Ingenieurwissenschaften mit Verfahren aus dem Bereich der künstlichen Intelligenz kombiniert. Diese hybride Kombination soll genutzt werden, um Betriebsbedingungen zu kategorisieren, Versagensmodi zu identifizieren und um die nutzbare Restlebensdauer von technischen Systemen vorherzusagen. Außerdem sollen diese Methoden für die Prognose der nutzbaren Restlebensdauer für bereits genutzte Systeme eingesetzt werden, die mit geeigneten Sensoren nachgerüstet wurden, aber keine Sensordaten ihrer vergangenen Betriebszeiten aufweisen.

Projektleitung: Prof. Dr.-Ing. habil. Walter Sextro der Unviersität Paderborn und Prof. Dr. Eyke Hüllermeier der Ludwig-Maximilians-Universität

Partner: Prof. Dr. Eyke Hüllermeier, Ludwig-Maximilians-Universität München

Laufzeit: 2022 bis 2025
Fördervolumen gesamt: 455.554 Euro
Fördervolumen der Universität: 226.260 Euro
Gefördert durch: Deutsche Forschungsgemeinschaft (DFG)

Ziel des Projekts ist die Entwicklung, numerische Umsetzung und Analyse der konzeptuell neuen Regelungsmethodik Funnel MPC (FMPC). Diese verzahnt auf innovative Weise erstmalig adaptive Folgeregelung, Lernen und optimierungsbasierte Verfahren. Funnel-Regelung und modellprädiktive Regelung (MPC) sind für sich betrachtet aktuelle Forschungsgebiete der Regelungstechnik und der mathematischen Systemtheorie, die beide den Spagat zwischen Theorie und Anwendung leisten. FMPC nutzt deren bekannte Vorteile (Einhalten von Ausgangsrestriktionen und Steuerbeschränkungen, inhärente Robustheit, hervorragende Regelgüte usw.), um das langfristige Ziel eines universellen Reglers für nichtlineare Systeme zu erreichen. FMPC besteht aus drei Komponenten:

1.) In einem modellbasierten Anteil des Reglers werden Elemente der Funnel-Regelung in MPC integriert, indem deren Verstärkungsfaktor in die Konstruktion der Stufenkosten einfließt. Dies sichert einerseits die strikte Einhaltung der Ausgangsrestriktionen und ermöglicht es letztlich, rekursive Zulässigkeit mittels einer Argumentation über Optimalität rigoros nachzuweisen – ohne (stabilisierende) Endbedingungen und unabhängig von der Länge des Prädiktionshorizonts.

2.) MPC garantiert i.A. keine Robustheit. Entsprechend ist es ein Hauptziel, die der Funnel-Regelung inhärente Robustheit auf FMPC zu übertragen. Dazu erfolgt eine Erweiterung des Regelkreises um eine modellfreie Komponente durch Kopplung mit einem Funnel-Regler bzgl. des Prädiktionsfehlers des modellbasierten Anteils. Für diese Kombination soll Robustheit gegenüber Modellunsicherheiten rigoros nachgewiesen werden.

3.) Durch eine zweite Erweiterung des Regelkreises um eine Lernkomponente erfolgt eine kontinuierliche Modelladaption und, damit einhergehend, eine Verbesserung der Regelgüte. Hierzu werden unbekannte Modellparameter approximiert und der Systemzustand geschätzt. Währenddessen garantiert das robustifizierte FMPC die strikte Einhaltung der Ausgangsrestriktionen. Dabei bewirkt der Funnel-Regler gemäß numerischer Tests eine hinreichend starke Anregung des Systems, welche den für den Lernprozess notwendigen hohen Informationsgehalt in den Eingangs-Ausgangs-Daten sicherstellt. Dies soll im Projekt mit dem Konzept „persistency of excitation“ mathematisch präzise beschrieben und nachprüfbar ausgelegt werden. Eine Machbarkeitsstudie soll anhand der Regelung von Magnetschwebebahnen erfolgen, wobei eine regelmäßige Rückkopplung zwischen Theorie und numerischer Praxis vorgesehen ist. In der Schweberegelung muss die Einhaltung eines vorgegebenen Abstands zwischen Aufhängung des Fahrzeugs und Fahrbahn sichergestellt werden. Weiterhin ist eine Robustheit gegenüber Unsicherheiten (z.B. Gesamtmasse des Fahrzeugs abhängig von der Auslastung des Fahrgastbereichs) und Störungen (z.B. Windverhältnisse) erforderlich. Gleichzeitig ist eine hohe Regelgüte, welche u.a. den Fahrkomfort einschließt, erwünscht. Genau diese Eigenschaften vereint das innovative Konzept FMPC.

Projektleitung: Jun. Prof. Thomas Berger der Unviersität Paderbornn

Laufzeit: 10/2021 - 09/2023
Projektvolumen gesamt (Universität): 994.000 Euro
Gefördert durch: BMBF

Mit der Förderbewilligung des Bundesministeriums für Bildung und Forschung (BMBF) startete Anfang Oktober 2021 das Projekt „Trainings-, Validierungs- und Benchmarkwerkzeuge zur Entwicklung datengetriebener Betriebs- und Regelungsverfahren für intelligente, lokale Energiesysteme“ (DARE). In den kommenden zwei Jahren werden Wissenschaftler*innen des SICP – Software Innovation Campus Paderborn gemeinsam mit Wissenschaftler*innen des Kompetenzzentrums für nachhaltige Energietechnik (KET) sowie den assoziierten wirtschaftlichen Partnern WestfalenWIND GmbH und Westfalen Weser Netz GmbH ein Open-Source Simulations- und Benchmarkframework entwickeln. Das Framework soll dazu dienen, Probleme zu adressieren, die beim Betrieb von dezentralen Energienetzen aufkommen können. Das übergeordnete Ziel des Projektvorhabens ist es, die Transformation des derzeitigen Energieversorgungssystems auf eine nachhaltige und durch erneuerbare Energien geprägte Struktur voranzutreiben.

Microgrids als Lösungskomponente für die Energiewende

Die Transformation hin zu einer nachhaltigen, effizienten sowie kostengünstigen Energieversorgungsstruktur ist eine der zentralen Herausforderungen des 21. Jahrhunderts. Um die Energiewende zu realisieren, können zellulare und dezentrale Energiesysteme, so genannte Microgrids, eine wichtige Lösungskomponente darstellen. Microgrids sind lokale Energienetze, die sowohl netzgekoppelt als auch autonom im Inselbetrieb operieren und Industrieunternehmen und Haushalte mit Energie versorgen können. Sie bestehen aus Energiequellen (z.B. Windkraftanlagen), Energiespeichern (z.B. Batterien) und Energieverbrauchern verschiedener Sektoren (Elektrizität, Wärme, Mobilität).

„Microgrids haben den Vorteil, dass durch deren lokale Integration regenerative Energie verbrauchsnah bereitgestellt und damit über kurze Entfernung direkt vom Verbraucher genutzt werden kann. Dadurch können überregionale Energienetze entlastet werden und der Bedarf für den Netzausbau sinkt. Außerdem erhöht sich wiederum der Anteil der regenerativen Energien, da der verlustbehaftete Transport über die langen Distanzen sowie unnötige Abschaltungen regenerativer Kraftwerke aufgrund von Netzengpässen vermieden werden“, erläutert Dr. Gunnar Schomaker, R&D Manager „Smart Systems“ im SICP.

Zentraler Baustein zur Herstellung der grundsätzlichen Energieversorgung in Schwellen- und Entwicklungsländern

„Dass Microgrids auch autonom im Inselbetrieb operieren können, ist ein typischer Fall für abgelegene, netzferne Areale. Neben dem Beitrag zur Energiewende in Europa stellt das Microgrid dementsprechend einen zentralen Baustein zur Herstellung der grundsätzlichen Energieversorgung in Schwellen- und Entwicklungsländern (insb. Sub-Sahara Afrika) dar, da dort der Aufbau einer zentralen Energieinfrastruktur in dünnbesiedelten, ländlichen Räumen auch langfristig nicht in Aussicht steht“, erläutert Dr.-Ing. Oliver Wallscheid, wissenschaftlicher Leiter des Forschungsprojekts.

Herausforderungen beim Betrieb von Microgrids

Microgrids können ein großes Potential für die Energiewende und die Herstellung der grundsätzlichen Energieversorgung in Schwellen- und Entwicklungsländern mit sich bringen, jedoch geht dies auch mit Herausforderungen einher, die noch bewältigt werden müssen. Die wesentliche Herausforderung, und damit auch die zentrale Forschungsfrage des Projektvorhabens, ist die Sicherstellung einer durchgängigen und effizienten Energieversorgung durch Betriebs- und Regelungsverfahren. „Gegenüber den klassischen, zentralen Großnetzen gibt es bei dezentralen Netzen Herausforderungen, die unter anderem die Stabilität betreffen. Denn eine sichere Energieversorgung ist in dezentralen Netzen bedingt durch die Volatilität regenerativer Kraftwerke und typischerweise nur geringe Speicher- und Reservekapazitäten deutlich schwieriger aufrechtzuerhalten als in zentralen Netzen, welche durch konventionelle Großkraftwerke gestützt werden“, erklärt Dr. Wallscheid.

„Zum Betrieb und zur Regelung derart stochastischer, heterogener und volatiler Energienetze können die traditionellen Top-Down-Strategien zentraler Großnetze demnach nicht übertragen werden“, so Jun.-Prof. Dr. Sebastian Peitz. „Als mögliche Lösung zeichnen sich stattdessen datengetriebene und selbstlernende Verfahren ab, z.B. aus dem Bereich des Reinforcement Learning. Hierbei ist jedoch das Problem, dass diese lernenden und neuartigen Regelungsverfahren aufgrund von Sicherheits- und Verfügbarkeitsaspekten nicht unmittelbar im Feld eingesetzt werden können, sondern zunächst auf Basis synthetischer Daten in einem geschlossenen Simulationszyklus verbessert und bewertet werden müssen“, ergänzt Jun.-Prof. Peitz.

Zwar gebe es bereits Lösungsansätze, jedoch seien diese ebenfalls sehr heterogen und würden sich häufig an stark vereinfachten Modellumgebungen orientieren, sodass keinerlei Aussagen über einen zukünftigen Praxistransfer möglich seien. Zudem gebe es keinen etablierten Vergleichsstandard anhand dessen datengetriebene Regler objektiv und quantifizierbar bewertet werden könnten.

Open-Source Simulations- und Benchmarkframework

„Das Ziel innerhalb unseres Projektes DARE ist es daher, ein Open-Source Simulations- und Benchmarkframework aufzubauen, welches den zuvor erläuterten Problemrahmen beim Betrieb dezentraler Energienetze abbildet. Durch leicht zugängliche sowie standardisierte Trainings-, Validierungs- und Benchmarkwerkzeuge soll die Erforschung datengetriebener Regler für die Energietechnik beschleunigt und vergleichbar gemacht werden“, so Dr. Wallscheid.

Durch die Integration wirtschaftlicher Partner aus der energietechnischen Praxis legt das Projekt außerdem großen Wert auf die Abbildung realistischer Bewertungsszenarien. Das zu erstellende Open-Source Framework werde daher auch einen wichtigen Beitrag hin zum Transfer datengetriebener Regler von der Simulation hin zum Feldeinsatz leisten.

Projektleitung: Dr.-Ing. Oliver Wallscheid, Universität Paderborn und Jun.-Prof. Dr. Sebastian Peitz, Universität Paderborn

Projektpartner: Kompetenzzentrum für nachhaltige Energietechnik (KET); Software Innovation Lab (SI-Lab); WestfalenWIND GmbH; Westfalen Weser Netz GmbH; Prof. Dr. Eyke Hüllermeier, LMU München

Laufzeit: 01.04.2021 - 31.03.2023
Fördervolumen gesamt: 1.743.292 Euro
Fördervolumen der Universität: 387.120 Euro
Gefördert durch: Ministerium für Wirtschaft, Innovation, Digitalisierung und Energie des Landes NRW

Prozesse bilden den organisatorischen Kern von Unternehmen und Organisationen und helfen, diese zu strukturieren. Um diese Abläufe datengetrieben zu analysieren, kann Process Mining angewandt werden. In Wirtschaftsbereichen, wie dem Online-Handel, ist dieser Ansatz bereits etabliert. Allerdings besteht in industriellen Prozessen, wie der Produktentstehung oder individuellen Auftragsabwicklung von Maschinen, welche einen hohen Grad an Kreativität und Fachwissen benötigen, bisher in der Praxis sowie Wissenschaft eine Lücke. Gründe hierfür waren unter anderem, dass selten ausreichende Datenmengen zu den Prozessen zur Verfügung standen, welche oft unstrukturierter und flexibler sind, als bspw. ein Bestellvorgang bei einem Versandhändler von Standardgütern. Somit werden in diesem Fall andere Herausforderungen an die Analysen gestellt.

Das Projekt "BPM-I4.0" zielt nun auf eine ganzheitliche Entwicklung, Implementierung und Evaluation von Process Mining Verfahren für die genannten industriellen Prozesse ab. Dies umfasst sowohl die Analyse von vergangenen und laufenden Prozessinstanzen, als auch die Prädiktion zukünftiger Prozessschritte sowie der Bereitstellung gezielter Handlungsempfehlungen durch Präskription. Dafür werden innovative Vorgehensweisen, Konzepte, Algorithmen und digitale Werkzeuge entwickelt und prototypisch im Produktentstehungsprozess der Weidmüller GmbH & Co KG aus Detmold und dem Auftragsabwicklungsprozess der GEA Westfalia Separator Group GmbH aus Oelde angewandt und evaluiert. Ebenso ist CONTACT Software als Entwicklungspartner eingebunden, welche ihre Expertise im Bereich Process Mining und Product Lifecycle Management einfließen lassen. Weiterhin wird die Universität Paderborn durch das SI-Lab des Software Innovation Campus Paderborn mit den Lehrstühlen von Prof. Daniel Beverungen und Prof. Oliver Müller vertreten, wobei auch Forscher des Fraunhofer IEM eingebunden sind.

Die Ergebnisse des Projekts sollen die Unternehmen ermächtigen, ihre Kernprozesse durch die Analyse der Prozessdaten zu verbessern und die Ausführung proaktiv zu steuern, um mittel- und langfristig wettbewerbsfähig zu bleiben. Darüber hinaus werden ebenso wichtige, wissenschaftliche Ergebnisse im noch jungen Feld des präskriptiven Process Minings erarbeitet. Zusätzlich bietet auch die aktive Anwendung im Unternehmensumfeld die Möglichkeit, relevante Beiträge zu erarbeiten.

Projektleitung: Prof. Dr. Daniel Beverungen, Universität Paderborn

Projektpartner: GEA Westfalia Separator Group GmbH, Oelde; CONTACT Software GmbH, Paderborn; Weidmüller GmbH & Co KG, Detmold; Fraunhofer-Institut für Entwurfstechnik Mechatronik (IEM), Paderborn

Laufzeit: Oktober 2022 - September 2025
Projektvolumen gesamt (Universität): 617.716 Euro
Gefördert durch: Deutsche Forschungsgemeinschaft (DFG)

Projekt im SPP 2353 „Mehr Intelligenz wagen – Entwurfsassistenten in Mechanik und Dynamik“

Das Schwerpunktprogramm SPP2353 „Mehr Intelligenz wagen – Entwurfsassistenten in Mechanik und Dynamik“ zielt auf die Entwicklung eines Assistenzsystems für den teilautomatisierten Entwurf technischer Systeme ab, wobei Methoden aus den Bereichen Optimierung, künstliche Intelligenz, Dynamik und Mechanik kombiniert werden sollen.

Im Rahmen des Projekts HyM3 soll ein flexibles und adaptives, datengetriebenes Framework für die multikriterielle Optimierung komplexer Mehrkörpersysteme erarbeitet werden. Bei der multikriteriellen Optimierung von Mehrkörpersystemen kommt es zu einer Vielzahl von Modellaufrufen und -auswertungen, wodurch ein Konflikt zwischen Rechenzeit der Auslegung und Genauigkeit des Modells entsteht: Genaue Modelle, die für eine gute Identifikation des optimalen Designs notwendig sind, sind in der Regel rechenaufwendig. Umgekehrt sind schnelle Modelle, die zu einem akzeptablen Rechenaufwand führen würden, in der Regel eher ungenau. Dieses Problem wird dadurch verstärkt, dass in der Mehrzieloptimierung nicht ein einziges Optimum, sondern gleich die gesamte Menge optimaler Kompromisse (die Paretomenge) berechnet werden muss.

Um diesem Problem entgegenzutreten, soll das genutzte Modell adaptiv im Verlaufe des Optimierungsprozesses angepasst werden können. Um bei den Modellaufrufen, bei denen keine hohe Genauigkeit gefordert ist, Rechenzeit einzusparen, wird das genutzte physikalische Modell reduziert. Die durch die Reduktion auftretenden Ungenauigkeiten werden dann mithilfe von datengetriebenen Modellanteilen korrigiert. Bei den Modellaufrufen, bei denen eine hohe Genauigkeit gefordert ist, wird das vollumfängliche physikalische Modell genutzt, welches sich ebenfalls durch datengetriebene Ergänzungen verbessern lassen kann.

Der Lehrstuhl für Dynamik und Mechatronik kümmert sich im Projekt hauptsächlich um die Adaptivität der genutzten Modelle durch den Einsatz von hybrider Modellierung. In der Fachgruppe Data Science for Engineering werden darauf aufbauend effiziente, datenbasierte Mehrzieloptimierungsmethoden entwickelt, um die Anzahl teurer Simulationen so stark wie möglich zu reduzieren.

Projektleitung: Jun. Prof. Dr. Sebastian Peitz, Universität Paderborn und Prof. Dr.-Ing. habil. Walter Sextro, Universität Paderborn

Laufzeit: 01.01.2023 bis 31.12.2024
Fördervolumen gesamt: 2,4 Mio. Euro
Fördervolumen der Universität: 213.000 Euro
Gefördert durch: Bundesministerium für Bildung und Forschung

Der Umgang mit ungebundenen Spontanhelfenden und deren zielführender Einsatz in Notfall-, Krisen- und Katastrophensituationen stellen Behörden und Organisationen mit Sicherheitsaufgaben (BOS) zunehmend vor erhebliche koordinatorische Herausforderungen. Allein in jüngster Vergangenheit kam es mit der Überflutung des Ahrtals, der Corona-Pandemie oder dem Zustrom ukrainischer Kriegsflüchtlinge zu unterschiedlichen Großlagen, bei denen Spontanhelfende eine bedeutende Rolle gespielt haben. In der Praxis fehlt es jedoch nach wie vor an Werkzeugen und Vorgehensweisen, um eine strukturierte Zusammenarbeit zwischen BOS und Bevölkerung schnell und zielgerichtet umzusetzen. Damit ordnet sich die Herausforderung in den Kontext der Digitalisierung der zivilen Sicherheit ein.

Im Leuchtturmprojekt „Koordination von Spontanhelfenden im Krisen- und Katastrophenfall“ (KatHelfer-PRO) entwickelt das Verbundkonsortium eine sozio-technische Gesamtlösung zur Koordination von Spontanhelfenden, die als Software-Demonstrator (TRL 7) mit begleitendem Organisationskonzept direkt einsatzfähig ist. Grundlage der angestrebten Gesamtlösung bilden vornehmlich die Ergebnisse und Erfahrungen der erfolgreich abgeschlossenen Projekte KUBAS, ENSURE, REBEKA, WUKAS, KOKOS, KOPHIS und INKA der BMBF-geförderten Sicherheitsforschung (SIFO).

Verbundpartner: T-Systems (Koordinator), Universität Paderborn,  Martin-Luther-Universität Halle-Wittenberg, Fraunhofer FOKUS, Universität Stuttgart, Malteser Hilfsdienst, DRK Kreisverband Berlin Schöneberg-Wilmersdorf.

Ansprechpartner: Prof. Dr. Guido Schryen

Das Projekt wird von mehr als 20 assoziierten Partnern unterstützt, darunter der Arbeiter-Samariter-Bund, die Johanniter Unfall-Hilfe, das Bundesamt für Bevölkerungsschutz und Katastrophenhilfe, die Berliner Feuerwehr, die Stadt Halle (Saale), die Stadt Cottbus, die Kreisverwaltung Ahrweiler, der Helferstab Hochwasser Ahr, die Senatsverwaltung für Inneres, Digitalisierung und Sport der Stadt Berlin, das Ministerium für Inneres und Sport des Landes Sachsen-Anhalt, der TÜV Rheinland sowie weitere Universitäten und Wirtschaftsunternehmen. 

Laufzeit: 01.09.2021 – 31.08.2024
Fördervolumen gesamt (Universität): 500.100 Euro
Gefördert durch: Deutsche Forschungsgemeinschaft (DFG)

In diesem Transferprojekt erforschen wir, wie Techniken aus der Qualitätssicherung von Diensten in On-The-Fly-Dienstleistungsmärkten auf das drängende Problem der sicheren Verwaltung von Open- Source-Abhängigkeiten in großen Softwareentwicklungs-Ökosystemen angewendet werden können. Dazu werden neuartige Techniken entwickelt und bewertet, um die Einbindung bekanntermaßen anfälliger Abhängigkeiten von Drittanbietern in Software-Kompositionen effizient und präzise zu erkennen und zu entschärfen. Das Projekt zielt darauf ab, eine Open-Source-Werkzeugkette namens HEKTOR aufzubauen, die die sichere Entwicklung von Anwendungen und Diensten unterstützt. Diese Entwicklungen sollen prinzipiell eine präzise und effiziente Analyse von Software-Artefakten in großem Umfang ermöglichen. Die Wirksamkeit der entwickelten Techniken werden in einer realen Umgebung bei der Partnerfirma SAP SE validiert.

Projektleitung: Prof. Dr. Eric Bodden der Universität Paderborn

Projektpartner: SAP Deutschland SE & Co. KG

Laufzeit: 01.09.22 – 31.08.25
Projektvolumen gesamt (Universität): 900.000 Euro
Gefördert durch: Bundesministerium für Bildung und Forschung

Motivation
Komplexe dynamische Systeme zu modellieren, ist eine Herausforderung in vielen Disziplinen wie den Ingenieur-, Natur- und Gesellschaftswissenschaften. Entsprechende mathematische Modelle sind die Grundlage für viele Anwendungen wie z. B. die Prozessüberwachung und Regelung technischer Anlagen oder zur Vorhersage von Pandemien. Experten-basierte Ansätze geben das Systemverhalten robust und interpretierbar wieder, benötigen aber häufig viel Zeit und Personalressourcen. Deshalb hat sich ein starker Trend zur datenbasierten Modellierung dynamischer Systeme mittels des Maschinellen Lernens entwickelt. Diese Black-Box Modelle lassen sich mit verfügbaren Softwarewerkzeugen und ohne nennenswertes Vorwissen zügig generieren. Allerdings sind ihre Funktionsweise bzw. Problemlösungsstrategie nur schlecht nachvollziehbar bzw. erklärbar.

Ziele und Vorgehen
Ziel der Nachwuchsgruppe „ML-Expert“ ist es, eine hybride Modellbildung dynamischer Systeme zu entwickeln, die sowohl das Daten- als auch Expertenwissen einbezieht. Dazu wird u. a. untersucht, wie a priori festgelegte Modellstrukturen sowie systemtheoretische Modelleigenschaften auf unterschiedlichen Abstraktionsebenen in den Modellbildungsprozess integriert werden können. Darauf aufbauend sollen automatisierbare Methoden- und Softwarepakete erarbeitet werden, welche die Datengenerierung, den eigentlichen Modellierungsprozess sowie die abschließende Validierung umfassen. Hierdurch soll die Modellgüte in Bezug auf Genauigkeit, Robustheit und Komplexität für verschiedene Anwendungsdomänen entscheidend beschleunigt und verbessert werden.

Innovationen und Perspektiven
Die entwickelten Lösungen werden kostenfrei als Open-Source zur Verfügung gestellt. Durch eine effiziente und ressourcenorientierte Datengenerierung, Modellbildung und -validierung werden zukünftig schnelle Entwicklungszyklen erreicht, was insbesondere für industrielle Anwendungen z.B. in der Automotive-, Energie- oder Automatisierungsbranche sehr relevant ist. Die geplanten Arbeiten sind aber domänenübergreifend ausgerichtet sein.

Projektleitung: Dr.-Ing. Oliver Wallscheid der Universität Paderborn

Laufzeit: 04.2023 bis 04.2026
Fördervolumen gesamt: 3,16 Mio. Euro
Fördervolumen der Universität: 1,86 Mio. Euro
Gefördert durch: Ministerium für Wirtschaft, Innovation, Digitalisierung und Energie des Landes Nordrhein-Westfalen

Im Projekt „Climate neutral Business in Ostwestfalen-Lippe (Climate bOWL)“ arbeiten Wissenschaftler*innen der Universität Paderborn, vertreten durch den Software Innovation Campus Paderborn und das Fachgebiet Leichtbau im Automobil, mit der Universität Bielefeld und den Praxispartnern Miele, GEA, Phoenix Contact sowie NTT Data interdisziplinär zusammen, um Unternehmen bei der Erreichung von Klimaschutzzielen zu unterstützen. Auf dem Weg zur Klimaneutralität bedarf es einer ganzheitlichen Herangehensweise, die ressourceneffizient die Aggregation und Bewertung von Treibhausgasemissionen (THGE) sowie die Identifizierung und Priorisierung von THGE-Reduktionsmaßnahmen ermöglicht. Dieser Herausforderung nimmt sich das Projekt Climate bOWL mit der Entwicklung eines digitalen Assistenzsystems an, welches Unternehmen bei der standardisierten und automatisierten Datenerhebung sowie bei der Identifizierung von Effizienzpotentialen unterstützt. Das Projekt wird im Rahmen des Spitzenclusters „it’s OWL“ seit April 2022 mit 1,86 Millionen Euro vom Ministerium für Wirtschaft, Innovation, Digitalisierung und Energie des Landes Nordrhein-Westfalen gefördert, das Gesamtvolumen des Projektes beträgt 3,16 Millionen Euro.

Projektkoordination: Dr.-Ing. Florian Schlosser, Software Innovation Campus Paderborn

Laufzeit: 03.2022 bis 08.2025
Fördervolumen gesamt: 2,35 Mio. Euro
Fördervolumen der Universität: 367.793 Euro
Gefördert durch: Ministerium für Kultur und Wissenschaft des Landes Nordrhein-Westfalen

Das Graduiertenkolleg NERD (North Rhine-Westphalian Experts on Research in Digitalization) möchte die Nachwuchsförderung in der IT-Sicherheit an Universitäten und Hochschulen in Nordrhein-Westfalen stärken und das Forschungsprofil im Forschungsbereich Human Centered Systems Security nachhaltig schärfen. Standortübergreifend werden die Nachwuchswissenschaftlerinnen und -wissenschaftler sowie die beteiligten Professorinnen und Professoren (mitunter erstmals) zusammengeführt. Kernstück des Kollegs ist die standortübergreifende Promotion in Forschungstandems.

Projektleitung: Ruhr-Universität Bochum

Laufzeit: 07.2022 bis 06.2025
Fördervolumen gesamt: 1,733 Mio. Euro
Fördervolumen der Universität: 637.907 Euro
Gefördert durch: Bundesministerium für Bildung und Forschung (BMBF)

TLS (Transport Layer Security) ist der wichtigste praktisch eingesetzte Sicherheitsstandard - mit TLS werden die Authentizität, Integrität und Vertraulichkeit privater und geschäftlicher Kommunikation sichergestellt, Datenschutz gewährleistet und komplexe IT-Systeme abgesichert. Während die theoretische Sicherheit von TLS gut untersucht und verstanden ist, entstehen durch Implementierungsfehler immer wieder gravierende Sicherheitslücken, die für Angriffe ausgenutzt werden können (HeartBleed, POODLE, ROBOT, DROWN, RACCOON, ...). Während die ersten Implementierungsfehler noch leicht manuell gefunden werden konnten, nutzen neuere Angriffe ein komplexes Zusammenspiel mehrerer TLS-Versionen und zahlreicher TLS-Features.

Um die Sicherheit solch komplexer kryptographischer Implementierungen sicherstellen zu können, ist die Entwicklung von Methoden zum automatisierten Testen aller möglichen Kombinationen dieser Features auf allen Ebenen unbedingt erforderlich. Das Ziel des beantragten Projekts ist es, solche automatisierten Testmethoden zu entwickeln und praktisch in einer Testsuite umzusetzen. Unsere Testsuite kann damit für den Einsatz durch Entwickler, Integratoren, Betreibern sowie Prüfinstituten und Aufsichtsbehörden geeignet, um TLS-Implementierungen im Hinblick auf Sicherheit und Interoperabilität zu testen. Als Basis für die Testsuite wird das Open Source Framework TLS-Attacker verwendet, das gemeinsam von der Uni Paderborn und der Ruhr-Uni Bochum entwickelt wurde.

Anforderungen werden von den Firmenpartnern beigesteuert, die die Entwicklung kritisch begleiten. Eine Integration in ein Software-Testing-Framework ist geplant, sodass unsere Testsuite sowohl für Compliance- und Sicherheitstests existierender Implementierungen, als auch begleitend zur Entwicklung neuer Implementierungen eingesetzt werden kann.

Projektleitung: Juraj Somorovsky

Projektpartner: Hackmanit GmbH, InnoZent OWL e.V., Ruhr-Universität Bochum

Laufzeit: Juli 2022 - Dezember 2024
Fördervolumen gesamt: 1,2 Mio. Euro
Fördervolumen der Universität: 164.536 Euro
Gefördert durch: Ministerium für Wirtschaft, Innovation, Digitalisierung und Energie des Landes Nordrhein-Westfalen (MDIDE)

Digitalisierungsbestrebungen bei kleinen und mittelständischen Unternehmen (KMU) gestalten sich oftmals als eine Herausforderung, weil entsprechende Kompetenzen und Werkzeuge in den Unternehmen fehlen. Insbesondere ganzheitliche Umsetzungen stellen große Hürden dar. Das Projekt „I4.0AutoServ“ hat daher das Ziel, eine ganzheitliche Lösung für die Produktion, insbesondere von KMU, aufbauend auf datenbasierten Mehrwertdiensten zu schaffen. Mithilfe dieser Mehrwertwertdienste sollen Verfügbarkeit und Zuverlässigkeit von Anlagen und Maschinen erhöht werden. Ein hoher Automatisierungsgrad bei der Generierung, Bereitstellung und Anwendung von datenbasierten Mehrwertdiensten wird angestrebt. Dadurch soll die Notwendigkeit, manuelle Eingriffe zu tätigen, weitgehendst entfallen. Weiterhin soll eine hohe Skalierbarkeit erreicht werden, um eine breite Anwendung in der Produktion verschiedenster Unternehmen zu finden.

Der Lehrstuhl für Dynamik und Mechatronik bringt bei diesem Projekt die eigene Expertise, u. a.  im Themenfeld Condition Monitoring und Predictive Maintenance, ein. Der Beitrag liegt primär in der Entwicklung einer breit anwendbaren Toolbox zur Generierung und Bereitstellung von trainierten Modellen für die Zustandsdiagnose und -prognose. Dabei wird ein hoher Automatisierungsgrad angestrebt. Der Beitrag bildet damit den Kern der datenbasierten Mehrwertdienste, da diese durch Methoden des maschinellen Lernens angereichert werden.

Projektleitung: Prof. Dr.-Ing. habil. Walter Sextro, Universität Paderborn

Projektpartner: Weidmüller Interface GmbH & Co. KG, Universität Bielefeld, Fraunhofer IOSB-INA, Lenze SE, Friedrich Remmert GmbH, PerFact Innovation GmbH & Co. KG