Im Rahmen von AITeach wird ein innovatives Gesamtsystem entwickelt, welches die Erstellung von Montageablaufplänen und -anweisungen für Montageassistenzsysteme im Rahmen der Arbeitsvorbereitung in der variantenreichen Montage automatisiert. Hierzu soll ein innovatives Softwaresystem entwickelt werden, welches fusionierten Sensordaten mittels intelligenter Algorithmen und KI-Methoden hinsichtlich der demonstrierten Tätigkeiten analysiert. Ziel ist das automatische Erkennen von manuellen Montagearbeitsschritten, eine einfach verständliche Ausbereitung und Darstellung der erkannten Tätigkeiten mittels text-basierter Anweisungen sowie einer Visualisierung auf Basis eines Digitalen Zwillings.

In Port2Connect (Intelligentes Hafenlogbuch zur effizienten und nachhaltigen Nutzung der Hafeninfrastruktur) wird ein digitales Hafenlogbuch entwickelt, das die Transparenz und Sichtbarkeit von

Vorgängen im Hafen erhöht und eine automatische Planung und Optimierung mit Künstlicher Intelligenz ermöglicht. Durch das intelligente Monitoring- und Assistenzsystem werden Schiffe während ihres Aufenthaltes im Hafen digital begleitet und überwacht. Dadurch sollen insbesondere die Ziele für eine effizientere Nutzung sowie ein nachhaltiger Schutz vor Beschädigungen der vorhandenen Hafeninfrastruktur und eine Verbesserung des Klimas durch Verringerung von Emissionen erreicht werden.

Das Hafenlogbuch wird exemplarisch für 2.200 Meter der Stromkaje in Bremerhaven entwickelt. Verschiedene Anforderungen werden an ein solches System gestellt. Dazu gehören, die Emissionserfassung und –zuordnung sowie die Lage der Liegeplätze direkt an der Weser, welche der Flussströmung und den Gezeiten bedingten Tidenhub ausgesetzt sind. Weiterhin müssen für eine effiziente Nutzung der Liegeplätze Schiffe im Hafen häufiger verholt werden. Zusätzlich bergen insbesondere große Container-Schiffe ein erhöhtes Risiko für eine Beschädigung der Infrastruktur und eben jene besitzen einen großen Anteil an den Gesamtemissionen des Hafens.

Im Projekt SYDITIL wird ein systemischer Digitaler Zwilling (DZ) für die Logistik entwickelt. Als technologische Grundlage dient Σ, eine Sprache und Methode zur Beschreibung komplexer sozio-technischer Systeme sowie die WorldLab-Software. Anhand der Anwendungsszenarien Lagerlogistik und Hafenlogistik wird entwickelt und evaluiert. Die angestrebte Lösung soll zur kontinuierlichen Verbesserung der Logistikprozesse beitragen. Hierzu wird der DZ ständig mit den aus dem Logistiksystem gesammelten Daten aktualisiert und simuliert mögliche Szenarien sowie prognostiziert bevorstehende Risiken. Gegebenenfalls werden Warnungen an bestehende Steuerungs- und Kontrollsysteme gesendet, um den Logistikbetrieb zu optimieren. Zudem wird durch die Visualisierung der Simulations- und Vorhersageergebnisse die Entscheidungsfindung für zukünftige Planungen unterstützt.

Stress und mangelnde Aufmerksamkeit sind die Hauptursachen für Arbeitsunfälle in der Industrie und beeinträchtigen die Leistung der Arbeitnehmer. Physikalische, physiologische und psychologische Aspekte im Zusammenhang mit Stress wurden bereits durch die Analyse biometrischer Daten untersucht, aber sie wurden noch nie mit neurophysiologischen/psychologischen Daten integriert. No-Stress erfasst die Bewegungen von Arbeitnehmern bei der Ausführung von Fertigungsaufgaben, indem neurophysiologische Parameter in Echtzeit erfasst werden und mit Sprachassistenz interagiert wird, um Reaktionen und Feedback zu sammeln. Die Ursachen für Stress werden durch die Analyse der Daten der Arbeiter ermittelt, um die Arbeitsumgebung mit einem auf den Menschen ausgerichteten Ansatz neu zu gestalten, der sich auf das Wohlbefinden der Arbeiter konzentriert. Im Rahmen des Projekts wird ein Überwachungssystem für Fertigungsunternehmen entwickelt, um deren Arbeitsbedingungen und Produktionseffizienz zu verbessern. Die Anbieter von Anwendungsfällen werden zusammen mit den Akteuren des Sektors für Arbeitnehmerunterstützung an der Neugestaltung des Produktionsumfelds arbeiten, wobei der Schwerpunkt auf den Arbeitnehmern liegen wird.

Die europäische Produktionslandschaft steht vor großen Herausforderungen, die nachhaltige und robuste, jedoch zugleich hocheffiziente, Produktionssysteme notwendig machen, die die Möglichkeit besitzen, in großer Geschwindigkeit auf signifikante Veränderungen zu reagieren.

Das übergeordnete Ziel des Projekts RaRe2 ist daher die Schaffung einer flexiblen, wandlungsfähigen und robusten Ökosystem-Plattform, die durch die Interaktion einer Vielzahl europäischer Organisationen ermöglicht wird, indem diese bei der schnellen Umgestaltung von Prozessketten durch kollaborative Systeme und anpassungsfähige Weiterbildungsmaßnahmen zusammenarbeiten.

Im Projekt werden zunächst um Prognose-, Rekonfigurations- und Optimierungsfunktionen erweiterte digitale Zwillinge der Produktions- und Logistiksysteme auf unterschiedlichen hierarchischen Stufen entlang der gesamten Wertschöpfungskette entwickelt. Zusätzlich werden Methoden zur flexiblen und robusten Personaleinsatzplanung entwickelt. In einem nächsten Schritt werden die entwickelten Methoden in einer Ökosystemplattform integriert.

Dieses Projekt wird gefördert mit Mitteln aus dem Forschungs- und Innovationsprogramm Horizon Europe Framework Programme (HORIZON) der Europäischen Union unter dem Förderkennzeichen HORIZON-CL4-2022-TWIN-TRANSITION-01.

Trotz der zunehmenden Automatisierung und Digitalisierung industrieller Prozesse sind manuelle Tätigkeiten für Unternehmen nach wie vor unverzichtbar, da viele Aufgaben aus technischen oder finanziellen Gründen nicht vollständig automatisiert werden können. Ergonomische Verletzungen sind heute eine der häufigsten Kategorien von Verletzungen am Arbeitsplatz. Schätzungen zufolge sind mehr als 30 % der Unfälle, die zu Fehltagen führen, auf ergonomisch bedingte Verletzungen zurückzuführen. Um die körperliche Beanspruchung der Mitarbeitenden zu verringern, können Exoskelette eingesetzt werden, die bei unergonomischen Bewegungen unterstützen. Die Auswahl des für eine Tätigkeit passenden Exoskeletts erfordert jedoch Fachwissen in Arbeitsplanung und –medizin, das besonders in kleinen und mittleren Unternehmen nicht immer vorhanden ist.

Damit schnell und kostengünstig eine erste Auswahl eines passenden Exoskeletts gefunden werden kann, wird eine mobile Anwendung entwickelt mit deren Hilfe die ausgeführten Arbeitsschritte per Videoanalyse mit KI-Methoden ausgewertet werden können und besondere Beanspruchungen beschrieben werden. Folgend kann auf Grundlage der aufgezeigten Beanspruchungen ein passendes Exoskelett für die Tätigkeit vorgeschlagen werden.

Die Anwendung wird in Bezug auf Nutzungsfreundlichkeit und ausgegebene Resultate in Laborversuchen evaluiert und mit derzeit genutzten Checklisten-basierten Verfahren verglichen.

Das Projekt hyBit spielt eine zentrale Rolle in der Realisierung des von der EU ausgegebenen Ziels einer klimaneutralen Volkswirtschaft mittels grünen Wasserstoffs in einer ganzheitlichen Energiewende zu realisieren. Die übergeordnete Fragestellung des Projekts lautet: Wie kann Klimaneutralität durch die zielgerechte technische, wirtschaftliche, ökologische, rechtliche und gesellschaftliche Gestaltung von Wasserstoff-Hubs erreicht werden? In fünf Schritten wird über eine flexible Modellierung von Logistiksystemen, die mit Wasserstoff betrieben werden, Pilotanwendungen definiert. Hierzu werden zunächst Transformationspfade, Infrastrukturkonzepte und Roadmaps erarbeitet und simuliert. Die Ergebnisse und Simulationsleistung werden einer zentralen Transformationsplattform bereitgestellt, die diese mit den Ergebnissen anderer Fragestellungen abseits der Mobilität und Logistik kombiniert.

NebulOuS wird ein geeignetes Meta-Betriebssystem einführen, das Brokerage-Fähigkeiten über das gesamte Cloud-Computing-Kontinuum hinweg umfasst. Insbesondere wird es die Entstehung von Ad-hoc-Nebel-Brokerage-Ökosystemen ermöglichen, die IoT-/Edge- und Nebelknoten parallel zu Multi-Cloud-Ressourcen nutzen, um den Anforderungen von hyperverteilten Anwendungen gerecht zu werden. Solche Anwendungen werden von NebulOuS unter Berücksichtigung der Unterstützung des gesamten Lebenszyklus von Edge- und Cloud-Ressourcen verwaltet, um das Hosten von Knoten in verschiedenen Organisationseinheiten desselben oder verschiedener Unternehmen oder das Erreichen privater Rechenzentren von Telekommunikationsanbietern zu ermöglichen, wodurch Ad-hoc-Cloud-Computing-Kontinua entstehen. Das BIBA wird die Forschung zu verteilten digitalen Zwillingen und deren Orchestrierung in das Cloud-Computing-Kontinuum integrieren und die NebulOuS-Lösung in einem Anwendungsszenario im Bereich des Krisenmanagements und der Krisenkommunikation einsetzen.

Intelligente und interaktive AR-basierte Assistenzsysteme weisen zur Unterstützung intralogistischer Arbeitsprozesse ein großes Potenzial auf, werden jedoch in dieser Form in der Praxis, insbesondere in KMU, bisher nur vereinzelt eingesetzt.

Gegenstand des Forschungsvorhaben AR Improve sind intelligente und interaktive AR-Assistenzsysteme, die aktuelle AR-Hardware mit Sensorik sowie bildverarbeitenden Verfahren kombinieren.

Durch die Bereitstellung eines interaktiven Leitfadens, der im Projektvorhaben AR Improve gemeinsam mit KMU entwickelt

wird, werden Entscheidungsträger*innen in KMU fundierte Entscheidungen über den bedarfsgerechten und menschorientierten Einsatz von AR-Assistenzsystemen ohne detaillierte Kenntnisse zur AR-Technologie ermöglicht.

Fablabs Erasmus+ project aims to develop training material for supporting Fablab users, and Fablab Tutors/Teachers, including contents for design, coding and manufacturing with main focus on IoT, 5G, AI/Big Data and Blockchain technologies. The main project objectives include:

 

• Development of learning and teaching strategies and concept/guidelines for FabLabs mainly oriented to IoT related technologies like Blockchain and AI/Big Data.
• Development of didactic methods covering several target groups (University degree studies and general public), - development of learning material (blended learning including e-learning, face-to-face, workshops).
• Development of curriculum for training of design, manufacturing of prototypes using IoT, and AI/Big data technologies applied to industry or similar.
• Organization of training activities for tutors.
• Test of the learning material and tutorial during testing initiatives (courses).
• Optimization of learning content for tutors.

  Within this project the learning content will be developed with a learner-centered approach and using case studies from selected branches of industry (examples) to let learners understand the industrial/practical relevance of the topic and show the linkage of principles and methods with relevant applications. Testing courses/workshops will be run at different targets (from apprenticeship to University level) for integrated testing, assessment and optimization of developed tools and contents.

 

Der Gütertransport in Deutschland erfolgt heute in großen Teilen über den Straßen- und Schienengüterverkehr. Die weitere Zunahme des Transportaufkommens bringt die Systeme allerdings an ihre Belastungsgrenze, dies zeigt sich u.a. durch vermehrtes Stauaufkommen und häufigere Lieferverzögerungen. Eine weitere Herausforderung ist die hohe Umweltbelastung durch den Straßen- und Schienenverkehr. Eine emissionsärmere Alternative und Ergänzung zum landseitigen Transport stellt der wasserseitige Gütertransport mittels Binnenschiff dar. Die verstärkte Nutzung dieses Transportmittels erfordert die Bereitstellung zusätzlicher dezentraler Umschlagspunkte (sogenannter MicroPorts) für die intelligente und effiziente Verknüpfung des land- und wasserseitigen Gütertransports.

Das Ziel des Projekts liegt in der technischen Konzeption und Auslegung eines Netzwerks aus dezentralen Umschlagsknoten für die Verknüpfung des land- und wasserseitigen Güterverkehrs. Die Grundidee besteht in der Nutzung vorhandener Infrastruktur, insbesondere Brücken, für die Installation der MicroPorts. Aufbauend wird eine simulationsbasierte Evaluation durchgeführt, um das neue Umschlagskonzept im Hinblick auf dessen Wirtschaftlichkeit und Nachhaltigkeit zu bewerten. Die erwarteten Projektergebnisse stellen damit die Grundlage dar, um zukünftig dezentrale Umschlagspunkte für den kombinierten land- und wasserseitigen Güterverkehr fundiert zu planen und in die Umsetzung zu bringen.

Das Ziel des Vorhabens ist die Entwicklung eines off-the-shelf Systems für einen möglichst intuitiven Zugriff auf komplexe Informationen durch eine natürliche und niederschwellige Kommunikation in Kombination mit optischen Bilderkennungsverfahren. Zugleich soll es versierten Anwendern einen direkten, schnellen und berührungslosen Zugriff auf einen großen Funktionsumfang ermöglichen. Personenbezogene Bild- und Sprachdaten sollen hierbei aus Datenschutzgründen durch eine integrierte Recheneinheit bearbeitet werden.

Viele Produktionsprozesse in Unternehmen verändern sich in Richtung cyber-physischer Systeme. Für die menschliche Arbeit in der Produktion ergeben sich infolgedessen tiefgreifende Veränderungen hin zu einer Zusammenarbeit mit automatisierten und autonomen Systemen und deren Überwachung. In derartigen hybriden cyber-physischen Produktionssystemen (CPPS) stellen die Qualität der Zusammenarbeit und Interaktion zwischen den menschlichen und technischen Bestandteilen einen wesentlichen Erfolgsfaktor dar.

Für hybride CPPS ist eine integrierte Systemgestaltung erforderlich, um ihre erfolgreiche Einführung und Nutzbarkeit sicherzustellen. Das Ziel des Vorhabens besteht infolgedessen darin, einen Beitrag zur Integration der Human Factors in hybride CPPS zu leisten. Im Detail sollen Wirkzusammenhänge zwischen der Qualität und Leistung menschlicher Arbeit sowie der Ausgestaltungsform hybrider CPPS ermittelt und diese zur Ableitung von Gestaltungsgrundsätzen bei der Neu- und Umplanung entsprechender Arbeitssysteme genutzt werden.

Im Kern soll studienbasiert unterschiedliche Varianten hybrider CPPS modellhaft als Demonstrator abgebildet und bezüglich ihrer Effekte auf die Systemleistung und auf die darin befindlichen Personen untersucht werden. Die so gewonnenen Erkenntnisse sollen zur Bestimmung der zugrundeliegenden Wirkzusammenhänge zwischen verschiedenen Gestaltungsvarianten und Kennzahlen zur Systemleistung und zum Arbeitsempfinden dienen.

Das Hafenumfeld zeichnet sich durch den Umschlag schwerer und großer Lasten aus, in dem der Mensch trotz fortschreitender Automatisierung unerlässlich ist. Im konkreten Anwendungsfall des Automobilumschlags werden in Technikcentern die Fahrzeuge für den jeweiligen Zielmarkt aufbereitet. Hierzu müssen beispielsweise Reifen und Anhängerkupplungen vom Menschen bewegt und montiert werden. Zudem gibt es eine Vielzahl weiterer Autoteile, die kommissioniert und z.T. in Überkopfhaltung montiert werden müssen. Im Ergebnis findet eine starke körperliche Beanspruchung der Mitarbeiter statt, die mit zunehmendem Alter zu einer gewissen körperlichen Beeinträchtigung führt. Im Rahmen des Projektvorhabens „MEXOT“ werden die herausgearbeiteten Herausforderungen mit einem sozio-technischen Entwicklungsansatz angegangen. Hierzu wird der Einsatz von Exoskeletten avisiert und darauf aufbauend an einer intelligenten Arbeitsergonomie geforscht, die die Mensch-Technik-Interaktion in Kombination von Exoskelett und fahrerlosen Transportfahrzeugen (FTF) untersucht. Ausgehend von einem passiven Exoskelett wird eine hardwarenahe Integration von Sensoren erfolgen, um Bewegungsmuster der Mitarbeiter nachzuvollziehen. Dies dient zunächst der Datenanreicherung eines externen Anreiz-Systems, welches den Mitarbeitenden für das korrekte Tragen des Exoskeletts belohnt und Gamification-Ansätze zur Motivationssteigerung integriert. In einem zweiten Schritt werden die Daten und Prozessinformationen zur Aktivierung bzw. Deaktivierung einzelner “Elastomermuskeln” genutzt, womit eine höhere Trageflexibilität bei nicht zu unterstützenden Aktivitäten avisiert wird. Im dritten Schritt werden die Bewegungsinformationen des Exoskeletts genutzt, um ein weitergehendes Pick- and Assemby-by-Motion-Konzept zu entwickeln, welches in Kombination mit dem Kamerasystem des FTFs eine Registrierung einzelner Arbeitsschritte in der Kommissionierung und Montage untersucht. Seitens des FTFs wird zudem an der Produktivitätssteigerung und Entlastung von Mitarbeitenden durch prozess- und mitarbeiterspezifische Materialzuführung gearbeitet. Weiterhin werden für das FTF Sprach- und Gestenbasierte Funktionalitäten der Mensch-Technik-Interaktion umgesetzt.

In Riemann geht es um die Reduzierung der technologischen Hürde zur Nutzung einer Roboterflotte beispielsweise in Lagerhäusern oder der Fertigung. Das Projekt macht Studierende und Fachleute mit fortgeschrittenen Navigationskonzepten vertraut. Insbesondere wurden hierbei Open-Source-Bibliotheken aus dem Robotic Operation System (ROS) berücksichtigt, um Abhängigkeiten zu vermeiden und Transparenz zu schaffen. Das Lehrmaterial wurde Fachleuten und Studierenden zur Verfügung gestellt, um komplexe Lösungen selbst zu warten. Dadurch werden Kosten und Wartezeiten gespart und Teilnehmende in die Lage versetzt, in kurzer Zeit ein solches komplexes System ohne genaue Kenntnisse der inneren Strukturen in Betrieb nehmen zu können. In der zweiten Phase wird das Projekt um die Kollaboration mit Manipulatoren erweitert, um hier ein effizientes Interface auf Basis von ROS2-Komponenten am Beispiel des e.DO Cubes von COMAU beispielhaft zu realisieren. Anhand des Beispiels sollen weitere Lerneinheiten mit Bezug zu ROS2 erstellt werden, um ein voll umfängliches Intralogistik-Szenario abbilden zu können.

Herausforderungen bei der Nutzung von Cloud-Technologien und verteiltem Edge Computing für eine tragfähige IoT-Plattform bestehen darin, hochaufgelöste Daten verfügbar zu machen und zu verarbeiten und dort mit KI-Modellen zu verknüpfen. Der Modellbildung kommt hierbei eine besondere Bedeutung zu, da das Verhalten der Systeme in einem komplexen Varianten-raum beschrieben werden muss, und es dabei auch kontinuierliche Veränderungen über eine Lebensdauer von 20 Jahren zu berücksichtigen gilt. Klassische IoT Plattformen und Strukturen, wie sie bereits u.a. in der Windenergiebranche eingesetzt werden, können die Dynamik des tatsächlichen Lebenszyklus von komplexen Produktsystemen wie Windenergieanlagen (WEA) nur unzureichend abbilden. Insbesondere unter Einbeziehung eines modularen WEA-Ansatzes ist die monolithische Errichtung von digitalen Zwillingen nicht ausreichend. In diesem Vorhaben soll daher ein flexibles, dezentrales Konzept für sogenannte „Micro Digital Twins“ (MDTs) entwickelt und gemeinsam mit dem Verbundpartner Nordex implementiert werden. Dabei wird besonderes Augenmerk auf universelle Anwendbarkeit in der Domäne und eine hohe Anpassungsfähigkeit des Konzeptes an die Weiterentwicklung des Standes der Technik gelegt.

Ziel des Projektes ist die Entwicklung eines intelligenten modularen Endeffektor-Bauteil-Schutzes für die sichere und intuitive Zusammenarbeit zwischen Mensch und Roboter. Das Schutzsystem soll aus einem Schutzkokon bestehen, welches am Endeffektor installiert wird und sowohl diesen als auch das Bauteil umschließt. So können Personen im direkten kooperativen Arbeitsbereich des Roboters vor Gefahren geschützt werden. Durch integrierte Sensorik sollen Menschen im Umfeld frühzeitig erkannt und automatisch Abstand gehalten werden. Mithilfe intelligenter Steuerungsstrategien sollen Roboterbewegungen sowohl spontan (ausweichen) als auch vorausschauend möglich werden, um Prozesse nicht unnötig zu unterbrechen. Interaktionsmodule sollen die nächste Bewegung des Roboters intuitiv anzeigen, so dass die Bewegung antizipiert werden kann und darüber hinaus auch als Schnittstelle für die Eingabe von Befehlen dienen. Somit kann erstmals auch der Mensch auf den Roboter intuitiv reagieren, was die Arbeitssicherheit erhöht und sicherheitsbedingte Unterbrechungen minimiert.

Im Projekt soll auf Basis einer vorhandenen Plattform (MARIDAL) eine Weiterbildungsplattform für Beschäftigte in der Logistik entwickelt werden, die ein bedarfsorientiertes und individuelles Lernen ermöglicht und flexible Lernpfade anbietet. Die in diesem Vorhaben angestrebte Plattform versteht sich als ein digitales Lern-Ökosystem. Die KI dient dabei zur Personalisierung der Nutzererfahrung und Unterstützung des Lernens. Zusätzlich können Zertifikate - auch für externe Personen – ausgestellt werden.

Vereisungen an Rotorblättern von Windenergieanlagen führen jedes Jahr zu Ausfällen und somit zu erheblichen finanziellen Verlusten. Das Projekt "EisAuge" hat die Entwicklung eines Kamera-basierten Eiserkennungssystems zum Ziel, um diese Ausfallzeiten zu reduzieren. Die aufgenommenen Farb- und Infrarot-Bilder werden durch moderne Methoden der künstlichen Intelligenz (KI) analysiert und auf diese Weise der aktuelle Vereisungszustand auf den Rotorblättern der Anlage ermittelt. Die aufgenommenen Bilder und die Modellausgaben werden anschließend in einer Cloud-Lösung abgelegt.

Das BIBA entwickelt in diesem Projekt das Kamerasystem. Das Ziel hierbei ist ein Kamerasystem, welches sowohl tags- als auch nachtsüber scharfe, detailreiche Bilder aufnehmen kann. Zudem unterstützt das BIBA im Projekt die Entwicklung der KI-Algorithmen. Hierzu werden moderne Methoden der Bildverarbeitung, beispielsweise Convolutional Neural Networks (CNNs), verwendet. Hierbei steht insbesondere die Übertragbarkeit der Modelle auf neue Windenergieanlagen im Fokus.

In diesem Forschungsprojekt soll ein unbemanntes Luftfahrtsystem (englisch: unmanned aerial system, UAS) zur automatischen Bestandserfassung und Qualitätsprüfung von Paletteninhalten in Indoor-Blocklagern entwickelt werden. Das zu entwickelnde UAS soll selbständig durch ein Blocklager navigieren können, ohne dass es von Menschen oder anderen automatisierten Systemen abgegrenzt werden muss. Aufwändige Berechnungen wie bspw. Bildverarbeitungsalgorithmen, werden dabei auf einen mobilen Server ausgelagert, der direkt im Indoor-Bereich positioniert wird und über ein eigenes drahtloses Kommunikationssystem verfügen soll. Dadurch sollen deutlich kostengünstigere Drohnen verwendet und eine Skalierbarkeit des Systems gewährleistet werden.

Im Rahmen des Forschungsprojekts PassForM soll eine modular rekonfigurierbare Montagestation entwickelt werden. Dadurch können manuelle und hybride Montageplätze flexibler gestaltet und schrittweise automatisiert werden, was die Skalierbarkeit, Wiederverwendbarkeit und Reaktionsfähigkeit auf Marktentwicklungen verbessert. Es wird ein bidirektionaler Informations- und Steuerbefehlsaustausch zwischen den Modulen integriert und eine einfache Einbindung der modularen Montagestationen in bestehende Montageorganisationen gewährt. Dies wird an einem Materialbereitstellungsmodul, einem Fördermodul und einem Robotermodul demonstriert. Ziel ist die Vereinigung gegenläufiger Anforderungen von Produktivität und Flexibilität im Montagebereich mittlerer Stückzahlen. Das Projekt schließt so die Lücke zwischen manuellen und hochautomatisierten Vorgängen. Die Leistungsfähigkeit des modularen, hybriden Montagesystems wird anhand von Anwendungsszenarien in varianten Baugruppenmontagen evaluiert.

Die Produktion von Backwaren stellt zur Erreichung einer gleichbleibenden Endproduktqualität große Anforderungen an die Prozesssteuerung, da die Hauptbestandteile der Produkte Naturprodukte sind. Die Eigenschaften der Naturprodukte hängen stark von den Parametern während des Wachstums und der Ernte der Rohwaren sowie ihrer Vorprozesse ab. Die Produktion von Backwaren umfasst die produktspezifische Zusammenführung von Zutaten und das maschinelle Herstellen eines Teigs, der zumeist geknetet wird. Dabei kommt es häufig zu Minderqualitäten aufgrund fehlerhafter Experteneinschätzung hinsichtlich Rohwarenqualitäten und gewählten Prozessparametern. Ein besonderes Problem sind dabei die Übergänge bzw. Übergaben zwischen den Prozessschritten der Teigbereitung, Aufarbeitung, Gärphase, Vorbackphase, Zwischenlagerung und Nachbackphase. Das Ziel des Projektes liegt in einer Steigerung der Produktqualität von Backwaren. Dies soll durch die Entwicklung einer rohwarenspezifischen und prozessübergreifenden Produktionssteuerung gelingen, die mittels künstlicher Intelligenz zu einer verbesserten Koordination der Produktionsprozesse unter Beachtung der spezifischen Parameter der Halbfertigwaren führt. Die bessere Koordination der Produktionsprozesse erlaubt die Reduzierung der Ausschüsse (Ressourcenschonung und Rückverfolgbarkeit) sowie die Planung/Berechnung von erzielbaren Produktqualitäten auf Basis von Qualitäts-Rohwaren-Modellen zur Erhöhung der spezifischen Prozessqualität.

TOKIOS zielt auf die Integration innovativer Methoden und Techniken aus den Bereichen der Statistik und der Künstliche Intelligenz in die Integrations- und Systemtests von Flugzeugen. Die adressierten Methoden sollen hierbei auf Offline-Daten angewendet werden, welche in der Größenordnung von Big Data angesiedelt sind.

Die Aufgaben des BIBAs fokussieren auf die Entwicklung von Datenintegrationslösungen und dem Analyseframework, um Analyseketten interoperable aufsetzen und nutzen zu können. Des Weiteren wird das Analysewerkzeug an die Bedürfnisse des Testingenieurs für zukünftige Testprozesse ausgerichtet

Die Landwirtschaft muss sich verstärkt mit Themen der Nachhaltigkeit und des Qualitätsmanagements auseinandersetzen. Hierbei kommt Futtermitteln auch aus Kostensicht eine immer höhere Bedeutung zu. Das Ziel des Projekts ist die Realisierung einer Cloud-Plattform für Landwirtinnen, Händlerinnen und Futtermittelhersteller*innen, um Futtermittel individuell konfigurieren, bedarfsgerecht produzieren und just-in-time liefern zu können. Neben der Integration von wetterabhängigen Bedarfs- und Preisprognosen steht die Entwicklung einer simulationsbasierten Lieferkettensteuerung mit Optimierung der Ökobilanz im Fokus.

TRICK wird eine vollständige, für KMU erschwingliche und standardisierte Plattform bereitstellen, um die Annahme nachhaltiger und zirkulärer Ansätze zu unterstützen: Sie wird es Unternehmen ermöglichen, Produktdaten zu sammeln und auf einem dedizierten Marktplatz Zugang zu den erforderlichen Dienstleistungen zu erhalten, der für Lösungen von Drittanbietern offen ist. Die TRICK-Demo wird in 2 hochkomplexen und umweltschädlichen Bereichen durchgeführt: Textil-Kleidung als Hauptpilot und verderbliche Lebensmittel für die Replikation. Im Fokus des BIBA steht die Anpassung des B2B-Marktplatzes an die Bedürfnisse eines Circular Information Management (CIM).

i4Q bietet eine Komplettlösung, bestehend aus nachhaltigen IoT-basierten, zuverlässigen Industriedatendiensten (RIDS), die in der Lage sind, die riesigen Mengen an Industriedaten zu verwalten, um die Online-Überwachung und -Steuerung der Fertigung zu unterstützen. Das i4Q Framework garantiert die Zuverlässigkeit der Daten mit Funktionen, die in fünf Grundfunktionen rund um den Datenzyklus gruppiert sind: Sensorik, Kommunikation, Recheninfrastruktur, Speicherung sowie Analyse und Optimierung. Mit i4Q RIDS werden Fabriken in der Lage sein, große Datenmengen zu verarbeiten und dabei ein adäquates Niveau an Datengenauigkeit, Präzision und Rückverfolgbarkeit zu erreichen. Die Daten werden für Analysen und Vorhersagen sowie zur Optimierung der Prozess- und Produktqualität in der Fertigung genutzt, was zu einem integrierten Ansatz für eine Null-Fehler-Fertigung führt. i4Q Solutions wird die industriellen Rohdaten mit kostengünstigen Instrumenten und modernsten Kommunikationsprotokollen effizient erfassen und dabei Datengenauigkeit und -präzision, zuverlässige Rückverfolgbarkeit und zeitgestempelte Datenintegrität durch Distributed-Ledger-Technologie garantieren. i4Q Project wird Simulations- und Optimierungswerkzeuge für die kontinuierliche Prozessqualifizierung der Fertigungslinie, Qualitätsdiagnose, Neukonfiguration und Zertifizierung bereitstellen, um eine hohe Fertigungseffizienz und optimale Fertigungsqualität zu gewährleisten. Das BIBA konzentriert sich auf: 1) die Erstellung von Datenqualitätsrichtlinien für die Fertigung und 2) die Erweiterung seiner Software QualiExplore zur Unterstützung von a) Produktionsdatenqualitätswissen und b) Fertigungslinienzertifizierung unter dem Aspekt der Datenqualität. Die Erweiterung von QualiExplore beinhaltet die Integration eines digitalen Assistenten (conversational AI).

ENHANCE aims at strengthening the cooperation between 3 EU and 4 PC universities across recent research outcomes related to MPQ 4.0. From a capacity-building perspective, this consortium will improve the capacity of HEI in PC with innovative programmes. It will develop new competencies and skills to transfer later to socio-economic partners. ENHANCE will guarantee the sustainability of the consolidated learning programs and materials through the creation of 2 new DIH in PC.

ACROBA project aims to develop and demonstrate a novel concept of cognitive robotic platforms based on a modular approach able to be smoothly adapted to virtually any industrial scenario applying agile manufacturing principles. The novel industrial platform will be based on the concept of plug-and-produce, featuring a modular and scalable architecture which will allow the connection of robotic systems with enhanced cognitive capabilities to deal with cyber-physical systems (CPS) in fast-changing production environments. ACROBA Platform will take advantage of artificial intelligence and cognitive modules to meet personalisation requirements and enhance mass product customisation through advanced robotic systems capable of self-adapting to the different production needs. A novel ecosystem will be built as a result of this project, enabling the fast and economic deployment of advanced robotic solutions in agile manufacturing industrial lines, especially industrial SMEs. The characteristics of the ACROBA platform will allow its cost-effective integration and smooth adoption by diverse industrial scenarios to realise their true industrialisation within agile production environments. The platform will depart from the COPRA-AP reference architecture for the design of a novel generic module-based platform easily configurable and adaptable to virtually any manufacturing line. This platform will be provided with a decentralized ROS node-based structure to enhance its modularity. ACROBA Platform will definitely serve as a cost-effective solution for a wide range of industrial sectors, both inside the consortium as well as additional industrial sectors that will be addressed in the future. The Project approach will be demonstrated by means of five industrial large-scale real pilots, Additionally, the Platform will be tested through twelve dedicated hackathons and two Open calls for technology transfer experiments.

Zwischen den hervorragenden Ergebnissen aus öffentlich geförderten Forschungsprojekten zu Digitalisierung und KI und der Umsetzung in dauerhaft verfügbare Lösungen ist eine systembedingte Lücke festzustellen. Gesamtziel des Projekts ecoKI ist, diese Lücke zu schließen. Mit dem Aufbau einer

Infrastruktur zur Unterstützung von KMUs bei der Einführung von KI-Technologien für Energieeffizienz verfolgt ecoKI folgende Teilziele:

 

1. Generische Digitalisierungs- und KI-Bausteine möglichst einfach zur Steigerung der Energieeffizienz nutzbar zu machen.
2. Reduzierung der Einstiegsbarrieren für KMU bei der Nutzung von Digitalisierung und Methoden des maschinellen Lernens zur Steigerung dernEnergieeffizienz.

 

Ziel des Projektes ist die Entwicklung einer preiswerten und gleichzeitig leicht zu integrierenden Lösung zur Indoor-Lokalisierung von Objekten. Im Gegensatz zu bestehenden Systemen in diesem Umfeld wird in dem vorgeschlagenen Vorhaben ein hybrider Ansatz verfolgt: Dieser basiert auf etablierten Protokollen wie Bluetooth Low Energy (BLE) und WiFi RTT (Round-Trip-Time), die jedoch in einer neuartigen Weise über ein mobiles, hybrides Endgerät zusammengeführt werden. Eine wichtiges Kernkonzept des vorgeschlagenen Ansatzes beruht auf der "Vermeshung" all jener Endgeräte, die an den zu verfolgenden Objekten angebracht werden (BLE-Beacons). Auf diese Weise lässt sich die Reichweite von BLE signifikant erhöhen, was den Einsatz dieses Ansatzes für die Indoor-Lokalisierung in der Fertigung überhaupt erst möglich macht. Darüber hinaus werden im Rahmen des Vorhabens Echtzeit-basierte Ansätze zur Datenhaltung auf Edge-Computing Plattformen realisiert und mit anwendungsfreundlichen Benutzungsschnittstellen für den industriellen Einsatz komplettiert.

Der Mensch steht im Zentrum wissensintensiver Herstellungsprozesse. Er muss qualifiziert und flexibel sein, um den Anforderungen seiner Arbeitsumgebung gerecht zu werden. Die Ausbildung neuer Mitarbeiter in diesen Prozessen ist für Unternehmen zeit- und kostenintensiv. Viele Branchen leiden unter dem Fachkräftemangel, der z.B. durch den demographischen Wandel verursacht wird. Eine zweite Herausforderung für das produzierende Gewerbe ist der ständige Wettbewerb durch qualitativ hochwertige Produkte. COALA wird beide Herausforderungen durch das innovative Design und die Entwicklung eines sprachgesteuerten digitalen intelligenten Assistenten für den Fertigungssektor angehen. Die COALA-Lösung wird auf dem datenschutzfokussierten offenen Assistenten Mycroft basieren. Er integriert eine präskriptive Qualitätsanalyse, ein KI-System zur Unterstützung der Ausbildung neuer Mitarbeiter am Arbeitsplatz und eine neuartige Erklärungssoftware - die WHY-Engine. COALA wird sich mit der KI-Ethik während des Entwurfs, des Einsatzes und der Nutzung der neuen Lösung befassen. Entscheidende Komponenten für die Einführung der Lösung sind ein neues didaktisches Konzept, um Arbeitnehmer über Chancen, Herausforderungen und Risiken in der Zusammenarbeit zwischen Mensch und KI zu informieren, sowie ein gleichzeitiger Änderungsmanagementprozess. Drei Anwendungsfälle (Textil, weiße Ware, Flüssigkeitsverpackung) werden die Ergebnisse in gemeinsamen Fertigungsprozessen mit erheblicher wirtschaftlicher Relevanz bewerten. Wir gehen davon aus, dass die Fehlerkosten bei der Herstellung durch das Merkmal der präskriptiven Qualitätsanalyse und die KI-gestützte Schulung der Arbeitnehmer um 30-60% gesenkt werden können. Für die Rüstzeit erwarten wir eine Reduzierung um 15% bis 30% durch die Verkürzung der Mitarbeiterschulungszeit.

Die Fertigung von Großteilen erfordert die Implementierung eines ganzheitlichen Daten-Managements und einer integrierten Automatisierungsmethode, um mit modularen und flexibleren Geräten das gewünschte Maß an Präzision zu erreichen. Die Herstellung von Großteilen zeichnet sich durch ein hohes Maß an erforderlichen Anpassungen aus (kundenspezifisch). Zudem umfasst die Herstellung komplexer und großtechnischer Teile eine Vielzahl von Unterbaugruppen, die zuerst dafür gefertigt und montiert werden müssen.

Dieser hohe Grad an Personalisierung erfordert einen großen Aufwand bei der Konstruktion und der anschließenden Überprüfung nach der Herstellung, um die hohe Präzision zu errreichen. Gleichwohl erfordert dieses maßgeschneiderte, produktorientierte Design eine Ressourcenoptimierung der Werkstatt (d.h. Arbeiter, Maschinen, Geräte) für eine reaktionsschnelle, rekonfigurierbare und modulare Hertigung. Hinzu kommt der arbeiterzentrierte Ansatz: die Ausführung wichtiger arbeitsintensiver Aufgaben durch die Beibehaltung branchenspezifischer Kenntnisse und Fähigkeiten der Arbeiter.

PENELOPE stellt eine neuartige Methodik auf, die produktzentriertes Datenmanagement und Produktions- und Zeitplanung in einer geschlossenen digitalen Regelkreis verbindet, um eine genaue und präzise Herstellbarkeit ab dem ersten Produktdesign sicherzustellen.

PENELOPE basiert auf fünf Säulen für die Entwicklung einer gemeinsamen Methodik und Vision, die in vier industriellgesteuerten Pilotlinien in strategischen Fertigungssektoren eingesetzt werden: Öl und Gas, Schiffbau, Luftfahrt und Bus & Coach; mit potenzieller Reproduzierbarkeit auf weitere Industriesektoren. Darüber hinaus wird ein europaweites Netzwerk von didaktischen Fabriken und Schauräumen eingerichtet, welche Schulungs- und Weiterbildungsmöglichkeiten bietet und den Wechsel der Belegschaft zur Industrie 4.0 samt Mehrzweck-Testbettten ermöglicht und die Adaption der zugehörigen Industrie unterstützt. PENELOPE beabsichtigt, die Wettbewerbsfähigkeit des Fertigungssektors in der EU stark zu erhöhen, indem Produktionsleistung, -qualität und -genauigkeit gesteigert und gleichzeitig die Sicherheit und Ressourceneffizienz der Arbeitnehmer gewährleistet werden.

ASSURED’s vision is to introduce a ground-breaking policy-driven, formally verified, runtime assurance framework in the complex CPS domain. As the demand for increasingly autonomous CPSs grows, so does the need for certification mechanisms to ensure their safety. Current methods towards software and system validation requires exhaustive offline testing of every possible state scenario PRIOR to fielding the system. In this context, novel assurance services ensure that the control output of such controllers does not put the system or people interacting with it in danger, especially in safetycritical applications as the ones envisaged in the ASSURED Demonstrators. ASSURED leverages and enhances runtime property-based attestation and verification techniques to allow intelligent (unverified) controllers to perform within a predetermined envelope of acceptable behaviour, and a risk management approach to extend this to a larger SoS. ASSURED elaborates over the coordination of deployed TEE agents in horizontal scope, encompassing numerous technologies applicable to everything from edge devices to gateways in the cloud. Such technologies DICE for binding devices to firmware/software, trusted execution environments, formal modelling of protocols and software processes, software attestation, blockchain technology for distributed verification of transactions between system elements and controlflow attestation techniques for enhancing the operational correctness of such devices. In this frame, we consider the mutual verification of system components in distributed multi-operator environments. Our approach ensures a smooth transition and advancement beyond current strategies where security management services are considered in an isolated manner relying on traditional perimeter security and forensics in a “catch-and-patch” fashion without dwelling on the safety of the overall network as a whole, to holistic network security services capable of minimizing attack surfaces.

Das Projekt „QualifyAR“ hat zum Ziel, die Ausbildung von Auszubildenden im Flugzeugbau zu unterstützen wo höchste Anforderungen an die Ausbildung gestellt werden. Entsprechend wird der Einsatz digitaler und individueller Lernumgebungen verfolgt, welches den Lernerfolg zu verbessern und um den späteren Einsatz von digitalen Assistenzsystemen im produktiven Prozess vorzubereiten soll. In Zusammenarbeid mit Radisumedia GmbH wird dafür eine AR-basierten Lernumgebung mit kontextsensitiver Informationsbereitstellung und automatisierter Lernerfolgs- bzw. Qualitätsprüfung entwickelt. Mittels eines AR-Frameworks und vordefinierter Prozessdatenbanken sollen Lehrende selbstständig Lehraufgaben digital abbilden können.

Im Förderprojekt „compARe“ soll ein AR-basiertes technisches Assistenzsystem entwickelt werden, welches auf bildverarbeitende Verfahren zurückgreift, um Servicetechniker*innen bei der Instandhaltung von Windenergieanlagen zu unterstützen. Dabei wird insbesondere auf Aufgabenstellungen fokussiert, die eine Defekterkennung nur durch einen Abgleich zwischen aktuellem und einem zuvor dokumentierten Zustand oder einem Soll-Zustand zulassen. Somit können Schäden an den WEA vermieden und die Effizienz der Instandhaltungsmaßnahmen gesteigert werden.

Mittels KI-basierter Bildverarbeitungsverfahren, wie z.B. Convolutional Neural Networks (CNN), können Defekte an Bauteilen, welche über lange Zeiträume entstehen, erkannt, klassifiziert und ausgewertet werden. Darüber hinaus wird der Abgleich von Bauteilzuständen anhand historischer Daten ermöglicht. Zur Unterstützung von Servicetechnikerinnen in der Windenergie haben sich mobile Assistenzsysteme als vielversprechend erwiesen. Der Einsatz dieser rechenintensiven Bildverarbeitungsverfahren auf mobilen Endgeräten stellt eine Herausforderung dar, bietet jedoch in Kombination mit dem Einsatz von mobiler Augmented Reality (AR)-Technologie ein großes Potenzial. Auf diese Weise können virtuelle Informationen zur Zustandsveränderung unmittelbar in Bezug zu den betreffenden Bauteilen im Sichtfeld der Servicetechnikerinnen bereitgestellt werden.

Motivation

Die Ergebnisse aus Isabella erzeugen erste Verbesserungen der Ausgangssituation im Bereich der Umfuhren von Fahrzeugen und zeigen weitere Ansatzpunkte für zusätzliches Verbesserungspotenzial auf. Diese sollen aufgegriffen werden, um die logistische Leistungsfähigkeit des Steuerungsalgorithmus weiter zu verbessern und situationsspezifisch zu optimieren. Des Weiteren bietet die Ausweitung der Anwendbarkeit auf die Umschlagprozesse an den Verkehrsträgern großes Potenzial für die Gesamtperformanz, was im Rahmen dieses Projektes ausgeschöpft werden soll. Dabei darf nicht außer Acht gelassen werden, dass die Einführung der Lösungsansätze mit durchgreifenden Veränderungen der Arbeitssituationen für die Mitarbeiter:innen einhergeht und diese zur besseren Akzeptanz der finalen Lösung in den Prozess mit eingebunden werden müssen.

Ziel

Ziel ist es, die Parametrisierung der Steuerung zu optimieren und den Ansatz bezüglich multikriterieller Optimierung zu erweitern, sodass die Optimierungsleistung unter Berücksichtigung der vorherrschenden Situation (Terminalfüllgrad, Fahrzeugmix, Personalverfügbarkeit etc.) weiter verbessert werden kann. Weiteres Ziel ist die systematische Ausweitung des Steuerungsalgorithmus auf die Prozesse zur Be- und Entladung der Verkehrsträger (Schiff, Zug und LKW) und die Erstellung einer virtuellen Schulungsanwendung, die die arbeits- und organisationspsychologischen Aspekte der Arbeitsprozessumgestaltung aufgreift, die Umstellung für die Mitarbeiter:innen erleichtert und schlussendlich die Akzeptanz für die neue Lösung sicherstellt.

Vorgehen

Über eine ereignisdiskrete Simulation und moderne Methoden der Sensitivitätsanalyse und der künstlichen Intelligenz soll die Performanz des Steuerungsalgorithmus unter unterschiedlichen Rahmenbedingungen und Parametereinstellungen untersucht und dadurch Rückschlüsse zwischen Leistung, Terminalsituation und Parametereinstellungen gezogen werden. Darüber hinaus wird es schlussendich ermöglicht, die Steuerung auf die jeweilige Terminalsituation einzustellen und die Planbarkeit der operativen Fahrprozesse zu erhöhen. Des Weiteren sollen neue Datenanalysemethoden und KI-Ansätze angewendet werden, um aus operativ gewonnenen Daten relevante Prozesskennzahlen wie z. B. Zeitdauer einzelner Prozessschritte oder Fahrwegauslastungen systematisch abzuleiten. Für die Erweiterung der Anwendbarkeit der Steuerung auf die Verkehrsträger wird ein Konzept für den Datenempfang in Schiffen und Bahnwaggons entworfen. Hierbei werden Ad-hoc- und Mesh-Netzwerke in Kombination mit geeigneten Funkstandards wie WLAN, Bluetooth oder LoRa in Betracht gezogen.

ePIcenter wird ein interoperables, auf einer Cloud basierendes Ökosystem von benutzerfreundlichen, erweiterbaren, auf künstlicher Intelligenz basierenden Logistiksoftwarelösungen und unterstützenden Methoden schaffen, das es allen Akteuren im Welthandel und internationalen Behörden ermöglicht, mit Häfen, Logistikunternehmen und Verladern zusammenzuarbeiten und agil auf volatile politische und Marktveränderungen sowie auf größere Klimaveränderungen mit Auswirkungen auf traditionelle Frachtrouten zu reagieren. Dies wird den ständig steigenden Erwartungen der Verbraucher des 21. Jahrhunderts nach preiswerten und leichter verfügbaren Gütern Rechnung tragen und Innovationen im Transportbereich einführen, wie z.B. Hyperloops, autonome / robotergestützte Systeme (z.B. "T-Pods") und neue Lösungen für die Zustellung. ePIcenter integriert dabei technologische Initiativen wie Blockchain, Digitalisierung, Single Windows, EGNOS-Positionsgenauigkeit und das Erdbeobachtungsprogramm Kopernikus.

Die Vision von LEVEL-UP ist die Entwicklung eines ganzheitlichen Frameworks für den Betrieb und die Sanierung neuer und vorhandener Produktionsanlagen, um eine dynamische Nutzung und Wartung mit verbesserten Abhilfemaßnahmen für mehr Nachhaltigkeit zu erreichen. Die LEVEL-UP-Lösung wird in der Betriebsumgebung von Karusselldrehmaschinen, Fräsmaschinen, Pressen, Holzbearbeitungs-, Pultrusions-, Extrusions-, Inspektions- und CNC-Geräten demonstriert, um (i) die Effizienz zu steigern, (ii) die Lebensdauer und Zuverlässigkeit zu verlängern und (iii ) um den ROIC zu erhöhen. Zu diesem Zweck wird LEVEL-UP eine skalierbare Plattform bieten, die den gesamten Lebenszyklus abdeckt und von der Einrichtung digitaler Zwillinge über die Renovierungs- und Wiederaufarbeitungsaktivitäten bis zum Lebensende reicht.

Voraussetzung für die skizzierte Vision ist das Erreichen der Interoperabilität von den Daten bis zur Serviceebene. Das BIBA wird den semantischen Mediator für den Lebenszyklus großer Industrieanlagen bereitstellen. Die Verbindungen zwischen dem Datenaggregator mit den Basis Ontologien und der Wissensbasis werden durch semantische Modelle und Ontologien hergestellt werden.

Die Fertigungsindustrie steht durch den zunehmenden globalen Wettbewerb, kostengünstige Produktion in Entwicklungsländern sowie die knappen Rohstoffe vor großen Herausforderungen. EIT Manufacturing ist eine Initiative des Europäischen Innovations- und Technologieinstituts (EIT), in dem das BIBA einer von 50 Kernpartnern ist. Die Initiative hat das Ziel, europäische Akteure der Fertigungsindustrie in innovativen Netzwerken zusammenzubringen, die einen einzigartigen Mehrwert für europäische Produkte, Prozesse und Dienstleistungen schaffen. Dies soll der europäischen Fertigungsindustrie helfen, wettbewerbsfähiger, nachhaltiger und produktiver zu arbeiten.

Hierfür werden sechs Strategien verfolgt:

 

1. Exzellente Fertigungsqualitäten und Talente: Wertschöpfung durch hochqualifizierte Arbeitskräfte und engagierte Studierende
2. Effiziente Ökosysteme für Fertigungsinnovationen: Wertschöpfung durch die Schaffung von Ökosystemen für Innovation, Unternehmertum und Unternehmenstransformation, welche sich auf Innovations-Hotspots konzentrieren
3. Vollständige Digitalisierung der Fertigung: Wertschöpfung durch digitale Lösungen und Plattformen, die Wertnetzwerke weltweit verbinden
4. Kundenorientierte Fertigung: Wertschöpfung durch agile und flexible Fertigung, die dem globalen personalisierten Bedarf entspricht
5. Sozial nachhaltige Produktion: Wertschöpfung durch sichere, gesunde, ethische und sozial nachhaltige Produktion und Produkte
6. Umweltfreundliche, nachhaltige Produktion: Wertschöpfung durch das Erschaffen einer umweltfreundlicheren und saubereren Industrie

   Die Initiative setzt sich bis 2030 folgende Ziele:

    

   • 1000 Start-Ups zu entwickeln und zu unterstützen-
   • 60% der Fertigungsunternehmen sollen nachhaltige Produktionsverfahren anwenden
   • Investitionen in der Höhe von 325 Millionen EUR sollen von EIT Projekten herangezogen werden
   • 50000 Personen sollen aus- und fortgebildet sowie umgeschult werden
   • Es sollen 360 neue innovative Lösungen entwickelt werden
   • 30% des Materialeinsatzes soll wiederverwendbar sein

    

 

Die Offshore Windenergie ist eine Schlüsseltechnologie für die Erzeugung von regenerativen Energien. Aufgrund ihrer relativ hohen Kosten, unter anderem durch komplexere Installations- und Wartungsprozesse, sind Offshore Windenergieanlagen (OWEA) bislang jedoch nur bedingt wettbewerbsfähig und maßgeblich von Subventionen abhängig. ReaLCoE setzt an diesem Punkt an und versucht durch verschiedene Maßnahmen die Stromgestehungskosten (LCoE) entlang der gesamten Wertschöpfungskette der OWEA von derzeit 117€/MWh auf 35€/MWh zu senken.

Um eine Senkung der LCoE in dieser Größenordnung zu realisieren, erarbeitet und implementiert das BIBA u.a. ein Konzept für die Digitalisierung der OWEA entlang ihres kompletten Lebenszyklus. Hauptaugenmerk liegt dabei einerseits auf einer Industrie 4.0 Einbindung der OWEA durch einen digitalen Zwilling und das Internet der Dinge (IoT). Neben einem verbesserten Informationsaustausch sollen mittels der dadurch geschaffenen Dateninfrastruktur auch intelligente Strategien und Instrumentarien für eine vorausschauende Wartung eingeführt werden. Außerdem werden optimierte Installations- und Logistikprozesse während der Errichtungsphase der OWEA konzipiert, die auf eine Kostenreduktion in der Errichtungsphase abzielen. Validiert werden die erarbeiteten Konzepte anhand eines 12+MW Turbinen-Prototyps sowie durch Start einer ersten Vorserie von 4-6 OWEAs.