Das Projekt "Künstliche Intelligenz und Bürgerräte (KIB)" widmet sich der Untersuchung digitaler Lösungen – insb. Künstliche Intelligenz (KI) – und deren Bedeutung für die öffentlichen Beteiligung in politischen Prozessen. Bürgerinnen und Bürger engagieren sich zunehmend aktiv in Fragen, die ihren Alltag unmittelbar betreffen, sei es in den Bereichen Energie-, Verkehrs- oder Umweltpolitik. Durch den Einsatz digitaler Werkzeuge soll die Informationsbeschaffung und Meinungsbildung erleichtert sowie die deliberative Wissensproduktion unterstützt werden.

Fördergeber: Bundesministerium für Forschung, Technologie und Raumfahrt im Rahmen des Clusters Integrierte Forschung

Weitere Informationen finden Sie hier.

Im Rahmen von DigiData wird das TMDT eine neue Form des interdisziplinären Wissens- und Methodentransfers innerhalb der Hochschulen erforschen und etablieren. Ausgehend von den Personen, die Digitalisierung, Data Science und auch Künstliche Intelligenz vorantreiben, zielt das Projekt auf einen horizontalen und inneruniversitären Transfer zu Personen aus anderen Disziplinen, die die Errungenschaften dieser Bereiche noch nicht in vollem Umfang nutzen.

Fördergeber: Volkswagen Stiftung: Pioneer Projects – Impetus for the German Research System

Weitere Informationen finden Sie hier.

Die fortschreitende Digitalisierung und die steigende Nachfrage nach realitätsnahen visuellen Darstellungen haben in den letzten Jahren zu einem verstärkten Interesse an der Nutzung dreidimensionaler (3D) Objekte geführt. Die Fähigkeit, die physische Welt in virtuelle 3D-Modelle zu überführen, bietet ein breites Spektrum an Anwendungsmöglichkeiten in verschiedenen Bereichen.

Fördergeber: EFRE/JTF Programm NRW 2021-2027, Ministerium für Wirtschaft, Industrie, Klimaschutz und Energie des Landes Nordrhein-Westfalen.

Weitere Informationen finden Sie hier.

SAFeR entwickelt ein System für sicheres Schulwegerouting, da herkömmliche Routenplaner wie Google Maps Sicherheitsaspekte oft nur unzureichend berücksichtigen. Dafür werden Straßenabschnitte anhand ihrer Beschaffenheit und insbesondere von Querungsstellen wie Ampeln oder Zebrastreifen verschiedenen Sicherheitskategorien zugeordnet. In Zusammenarbeit mit dem Forschungs- und Entwicklungsbüro bueffee werden diese Kriterien wissenschaftlich bewertet. Anders als klassische Navigationssysteme behandelt SAFeR Sicherheit nicht als einzelne Kennzahl, sondern als Rangfolge von Sicherheitskategorien. Mithilfe multikriterieller Optimierung können so individuelle Kompromisse zwischen kurzen und sicheren Schulwegen ermittelt werden.

Fördergeber: Innovationsprogramm NeueWege.IN.NRW von EFRE.NRW

Weitere Informationen finden Sie hier.

Das Projekt PeroInk entwickelt ein machine-learning-gestütztes elektrochemisches Analyseverfahren, das bereits in der Perowskit-Tinte Qualitätsindikatoren erkennt und präzise Rückschlüsse auf die Qualität der späteren Solarzellen ermöglicht. Für eine belastbare Datengrundlage werden die Herstellungsprozesse weitgehend automatisiert und parallelisiert. Ziel ist es, verschiedene Prozessfaktoren sukzessive im resultierenden ML-Modell abzubilden und dadurch den Feedback-Loop in der Material- und Prozessentwicklung deutlich zu verkürzen. Das Modell soll die zugrunde liegenden Zusammenhänge zudem erklärbar machen und damit gezielt für die Optimierung von Synthese-, Recycling- und Reinigungsprozessen nutzbar werden.

Fördergeber: Innovationsprogramm ENERGIE.IN.NRW von EFRE.NRW