AERO-BAY
KI und Fernerkundung für die Erfassung von Rohstoffabbau
Wie lassen sich Veränderungen von Rohstoffabbauflächen erkennen, ohne große Mengen an Luftbildern und Geodaten manuell auszuwerten? AERO-BAY untersucht, wie Fernerkundungsdaten mit geodätischen und KI-basierten Methoden automatisiert analysiert werden können.
Gemeinsam mit dem Bayerischen Landesamt für Umwelt entwickelt die OTH Amberg-Weiden einen Workflow, der Rohstoffabbauflächen erkennen, klassifizieren und Veränderungen über längere Zeiträume dokumentieren soll. Ziel ist es, wissenschaftliche Methoden in ein praxistaugliches Verfahren zu überführen, das die regelmäßige Fortschreibung der Rohstoffabbau-Dokumentation beim LfU unterstützt.
Kooperationspartner: Bayerisches Landesamt für Umwelt (LfU) – Geologischer Dienst
Fördergeber: Bayerisches Landesamt für Umwelt (LfU)
Laufzeit: 01.10.2026–30.09.2029
Projektleitung: Prof. Dr.-Ing. Henry Meißner
FORGE
Multimodale KI für technische Konstruktionen
Wie kann KI Sprache, technische Zeichnungen und dreidimensionale CAD-Modelle miteinander verbinden? FORGE entwickelt ein spezialisiertes multimodales KI-Basismodell für technische Konstruktionsaufgaben.
Das Projekt erforscht, wie sich 3D-Modelle aus sprachlichen Beschreibungen erzeugen, Informationen zwischen 2D-Zeichnungen und 3D-Modellen übertragen und vorhandene Konstruktionen intelligent durchsuchen lassen. Damit schafft FORGE Grundlagen für neue KI-gestützte Werkzeuge in der Produktentwicklung.
Förderinitiative: Bayerische Initiative für multimodale KI-Basismodelle (AI.BAY)
Fördergeber: Bayerisches Staatsministerium für Wissenschaft und Kunst
Laufzeit: 01.05.2026–31.10.2027
Projektleitung: Prof. Dr.-Ing. Ulrich Schäfer
GeArLLM
KI-Agenten für die industrielle Fertigung
Wie können spezialisierte KI-Agenten gemeinsam komplexe Aufgaben in der Fertigung lösen? Im Forschungsprojekt GeArLLM entwickelt die OTH Amberg-Weiden gemeinsam mit up2parts ein modulares Multi-Agenten-System für die Fertigungsplanung.
Wie ein digitales Expertenteam bearbeiten spezialisierte KI-Agenten unterschiedliche Teilaufgaben und greifen dabei auf Fertigungswissen, Daten und domänenspezifische Werkzeuge zurück. GeArLLM untersucht, wie sich damit Arbeitsplanung und CAM-Programmierung unterstützen, vorhandenes Fertigungswissen besser nutzen und Planungsprozesse effizienter gestalten lassen.
Projektpartner: up2parts GmbH, Weiden i.d.OPf.
Förderprogramm: Zentrales Innovationsprogramm Mittelstand (ZIM)
Laufzeit: 01.07.2025–30.04.2027
Projektleitung: Prof. Dr.-Ing. Ulrich Schäfer
HeCKI
Cybersicherheit im Zeitalter Künstlicher Intelligenz
Wie verändert Künstliche Intelligenz die Bedrohungslage für Behörden und öffentliche Einrichtungen? HeCKI untersucht KI-basierte Sicherheitsrisiken und mögliche Angriffsszenarien mit besonderem Blick auf die Anforderungen der öffentlichen Verwaltung.
Das Projekt verbindet wissenschaftliche und technische Analysen mit der Entwicklung praxisnaher Awareness- und Schulungsangebote. Die gewonnenen Erkenntnisse werden zielgruppengerecht aufbereitet und erprobt, um Beschäftigte für neue KI-Sicherheitsrisiken zu sensibilisieren und den sicheren Umgang mit KI im Verwaltungsalltag zu stärken.
Auftraggeber: Landesamt für Sicherheit in der Informationstechnik (LSI)
Laufzeit: 01.01.2025–31.12.2026
Projektleitung: Prof. Dr. rer. nat. Daniel Loebenberger
OTH Brain
Individuelles KI-Feedback beim Programmierenlernen
Ein Projekt an der Schnittstelle von innovativer Lehre und Künstlicher Intelligenz
Wie können Studierende beim selbstständigen Programmierenlernen gezieltes Feedback erhalten? OTH Brain erprobt in einer hybriden Programmierveranstaltung für internationale Studierende ein Lehr-Lern-Konzept, das interaktive Programmieraufgaben mit einem tutoriellen KI-Assistenten verbindet.
Der KI-Assistent soll Lernende während der Bearbeitung unterstützen und dabei helfen, fehlerhafte Lösungsstrategien frühzeitig zu erkennen. So untersucht das Projekt, wie individuelles Feedback auch in hybriden Lernsettings besser in den Lernprozess integriert werden kann.
Förderprogramm: Freiraum 2026
Fördergeber: Stiftung Innovation in der Hochschullehre
Laufzeit: 01.04.2026–31.03.2028
Projektleitung: Prof. Dr. Sandra Rebholz und Prof. Dr.-Ing. Christian Bergler
VRUIDFUL
KI für mehr Sicherheit im Stadtverkehr
Wie kann intelligente Infrastruktur gefährliche Verkehrssituationen erkennen, bevor ein Unfall passiert? Im Forschungsprojekt VRUIDFUL entsteht rund um den Amberger Campus ein reales Testfeld, das Sensorik, vernetzte Infrastruktur und Künstliche Intelligenz miteinander verbindet.
Radar, Lidar sowie Wärmebild- und Kamerasysteme erfassen Verkehrssituationen und liefern Daten für die Erforschung KI-basierter Intentionserkennung. Ziel ist es, Bewegungsmuster von zu Fuß gehenden Personen und Radfahrenden besser zu verstehen, potenziell kritische Situationen frühzeitig zu erkennen und damit neue Ansätze für eine sichere urbane Mobilität zu entwickeln.
Fördergeber: Deutsche Forschungsgemeinschaft (DFG)
Laufzeit: 01.04.2022–31.08.2028
Projektleitung: Prof. Dr.-Ing. Alfred Höß
Weitere Projekte
Aufbau von europäischen Systemen und Komponenten für ECS 2030 Fahrzeuge um die Produktion für den Massenmarkt zu unterstützen. Das alles basierend auf den Green Deal Prinzipien.
Ziele des Projektes AI4CSM
- Aufbau von europäischen Systemen und Komponenten für ECS 2030 Fahrzeuge um die Produktion für den Massenmarkt zu unterstützen. Das alles basierend auf den Green Deal Prinzipien.
- Entwicklung von Elektronischen Komponenten und Systemen für Connected and shared mobility using trustworthy AI.
- Eine Sektorübergreifende Mission welche sowohl den Automotiven, den Halbleiter Sektor und die Gesellschaft umfasst.
- Automatisierung, Elektrifikation, Standardisierung und Digitalisierung durch neue, KI-gesteuerte Fahrzeuge
| Projektpartner: | INFINEON TECHNOLOGIES AG (Federführung) + 36 weitere Projektpartner |
|---|---|
| Fördergeber: | EU und Bund |
| Laufzeit: | 01.07.2021 – 30.11.2024 |
Artificial Intelligence using Quantum measured Information for distributed real-time systems at the edge of the network
A-IQ Ready proposes cutting-edge quantum sensing, edge continuum orchestration of AI and distributed collaborative intelligence technologies to implement the vision of intelligent and autonomous ECS for the digital age. Quantum magnetic flux and gyro sensors enable highest sensitivity and accuracy without any need for calibration, offer unmatched properties when used in combination with a magnetic field map. Such a localization system will enhance the timing and accuracy of the autonomous agents and will reduce false alarms or misinformation by means of AI and multi-agent system concepts.
By exploring the synergies of these cutting-edge technologies through civil safety and security, digital health, smart logistics for supply chains and propulsion use cases, A-IQ Ready will provide the basis for the digital society in Europe based on values, moving towards the ideal of Society 5.0.
Vision:
- Entwicklung einer Edge Continuum Orchestration for AI
- Bereitstellung einer Energie- und Ressourceneffizienten System Infrastuktur für verteilte Systeme
Ziele:
- Bereitstellung von AI-Methoden für die Autonomie von Multiagentensystemen in unsicheren Umgebungen
- Erhöhung der Erkennungsgenauigkeit, Zuverlässigkeit und Vertrauenswürdigkeit in komplexen Umgebungen mit neuen Sensoren
- Bereitstellung einer Open AI Edge-Kontinuum-Plattform
- Entwicklung von Anwendungen für die digitale Gesellschaft
Auswirkungen:
- Anwendung dreier bahnbrechenden Technologien: Quantensensoren, neuromorphe Beschleunigung, KI in Multi-Agenten-Systemen zum Aufbau eines Edge Kontinuums als digitales Rückgrat der Gesellschaft
| Projektpartner: | AVL LIST GmbH + 47 weitere Partner in der EU |
|---|---|
| Fördergeber: | EU |
| Laufzeit: | 01.01.2023– 31.12.2025 |
Für kleine und mittelständische Unternehmen des produzierenden Gewerbes und der Prozessindustrie soll ein einfach skalierbares Industrie 4.0 Automation Computing EDGE (I4.0 ACE) entwickelt werden. Es soll Cyber-Security umfassend gewährleisten und als Kleinsteuerung mit Künstlicher Intelligenz ein effizientes Energiemanagement und Predictive Maintenance realisieren.
| Projektpartner: |
|
| Fördergeber: | Bundesministerium für Wirtschaft und Klimaschutz (BMWK) |
| Laufzeit: | 01.07.2022 – 31.12.2025 |
Das übergreifende Ziel von PowerizeD ist die Entwicklung bahnbrechender Technologien für digitalisierte und intelligente Leistungselektronik, die eine nachhaltige und resiliente Energieerzeugung, -übertragung und -anwendung ermöglicht. PowerizeD erhöht den Grad der mechanischen und elektrischen Integration der Steuer-, Treiber- und Schaltfunktionalität in einer Komponente und ermöglicht zum ersten Mal eine gemeinsame Optimierung aller Leistungsschalterfunktionalitäten.
Die Verwendung von neuen Schaltungsmodellen, fortschrittlichen Steuerungsstrategien und künstlicher Intelligenz ermöglicht die Integration von Teilen des Regelkreises, was einen robusten und zuverlässigen Betrieb ermöglicht. Um die gemeinsame Nutzung von Daten entlang der Wertschöpfungskette zu erleichtern, setzt PowerizeD auf den neuartigen Ansatz des Federated Learning. Diese kollaborative Optimierung von spezifischen kompakten Modellen und neuronalen Netzen
PURIF-AI - A smart fully automated mechanism mor molecule purication with preparative thin layer chromatography
Ziel des Projekts ist es, ein Konsortium zu bilden und eine effektive Zusammenarbeit zu organisieren, um eine neuartige vollautomatische Lösung zu entwickeln, die auf künstlicher Intelligenz (KI) und Robotik basiert sowie den aktuellen Anforderungen der Industrie 4.0 entspricht. Wir streben ein System an, das die bekannten Nachteile, z. B., hohe Kosten und hohe Anforderungen an das Personal, überwindet, indem es eine andere Technologie, nämlich die präparative Dünnschichtchromatographie, verwendet und die Fortschritte aus Bereichen wie künstliche Intelligenz, Computer Vision und Robotik nutzt, um den technologischen Prozess zu optimieren und den chemischen Abfall zu reduzieren.
| Fördergeber: | Bundesministerium für Bildung und Forschung (BMBF) |
| Projektlaufzeit: | 01.11.2023 – 31.10.2025 |
| Projektleitung: | Prof. Dr. Tatyana Ivanovska |