Manuelles oder automatisiertes Schweißen ist in der metallverarbeitenden Industrie das maßgebende Fertigungsverfahren. Aufgrund ihrer geringeren Ermüdungsfestigkeit und Lebensdauer im Vergleich zum Grundwerkstoff stellen Schweißverbindungen immer strukturelle Schwachpunkte dar. Die benötigten Blechdicken in geschweißten und zyklisch beanspruchten Bauteilen und Konstruktionen und der damit verbundene Ressourcenbedarf werden dabei stets über den geringen Ermüdungswiderstand der Schweißverbindung vorgegeben. Ein wesentlicher Anteil daran ist maßgeblich auf die Kerbwirkung bzw. Spannungskonzentration am Schweißnahtübergang zurückzuführen. Aus zahlreichen Untersuchungen ist bekannt, dass die lokale Nahtgeometrie in hohem Maße für die Ermüdungsfestigkeit der Verbindung relevant ist und Risse von einzelnen Schwachstellen mit hoher Kerbwirkung initiieren. Die Identifizierung von geometrischen Schwachstellen mit hoher Kerbwirkung ermöglicht zudem die gezielte Nacharbeit. Ziel des Projekts ist der Aufbau eines Konzeptes für ein automatisierbaren und anwenderunabhängiges Verfahren zur in-line (oder nachfolgenden) Inspektion und individuellen Lebensdauerbewertung von Schweißverbindungen auf Basis von 3D-Scans zu entwickeln. Besonderes Augenmerk wird auf die Erarbeitung einer technischen Lösung zur Erstellung von 3D-Scans und deren Auswertung an Schweißverbindungen aus Baustahl (S355) durch Metallaktivgasschweißen (MAG) gelegt. Das Unternehmen Quelltech GmbH entwickelt in Zusammenarbeit mit den Liebherr Werken Biberach ein Verfahren zur in-line Digitalisierung von Schweißnahtoberflächen direkt während des MAG-Schweißprozesses. Durch konstruktive und softwaretechnische Maßnahmen soll der Einfluss von Störgrößen (u.a. Rauch, UV-Licht, Spritzer) auf die generierten 3D-Daten minimiert werden. Dies ermöglicht eine effiziente und anwenderunabhängige Kontrolle der Schweißnahtoberflächen.
Die Kenntnis rezenter Lebensräume wird genutzt, um Modelle zur Rekonstruktion neogener und pleistozäner Habitate zu entwickeln. Es wird erwartet, dass die Nahrungsspezifität von Huftieren wichtige Hinweise liefert auf die Habitate der untersuchten Faunen. Evolutionstrends lassen sich dann mit Veränderungen im Habitat korrelieren.
Kartoffelstärke kann sehr vielseitig eingesetzt werden und ist ein wichtiger Baustein der Nationalen Bioökonomie-Strategie Deutschlands. Im Vergleich zu überwiegend monogen vererbten Merkmalen wie manchen Krankheitsresistenzen sind quantitative Merkmale wie der Knollen- oder Stärkeertrag züchterisch schwieriger zu bearbeiten. Autotetraploidie, geringer Vermehrungskoeffizient und eine Vielzahl relevanter Selektionsmerkmale mindern den Zuchtfortschritt in quantitativen Merkmalen bei Kartoffeln zusätzlich. Verfahren der prädiktiven Züchtung wie genomische Selektion versprechen daher einen großen Nutzen in der Kartoffelzüchtung. In der vorausgegangenen Projektphase (PotatoTools) wurden genomische und statistische Werkzeuge zur prädiktiven Stärkekartoffelzüchtung aber auch erste Vorhersagemodelle entwickelt. Das Hauptziel des vorliegenden Vorhabens ist es nun, unter Nutzung der bereits entwickelten genomischen Ressourcen wesentliche Fragen zum Einsatz prädiktiver Verfahren in der Kartoffelzüchtung zu beantworten. Im Detail planen wir die (i) Erhöhung der Repräsentativität des Sets an strukturellen Genomvarianten durch Erweiterung des Resequenzierungspanels, (ii) Abschätzung der Genauigkeit der Leistungsvorhersage über Materialgruppen unterschiedlichen Verwandtschaftsgrads hinweg sowie der Genauigkeit der Vorhersage von Populationsmittel und Spaltungsvarianz, (iii) Evaluation der Vorhersagegenauigkeit von spektroskopisch erfassten Prädiktoren vgl. zu molekulargenetischen Prädiktoren und (iv) Optimierung von Kartoffelzüchtungsprogrammen hinsichtlich des genutzten Züchtungsschemas und der idealen Balance zwischen kurz- und langfristigem Selektionsgewinn. Mit dem in diesem Projekt gewonnen Wissen wird die prädiktive Züchtung für quantitativ vererbte Merkmale der Kartoffel weiter verbessert sowie für den routinemäßigen Einsatz vorbereitet werden.
Dairy farming across Germany displays diverse production systems. Factor endowment, management, technology adoption as well as competitive dynamics in the local or regional land, agribusiness and dairy processing sectors contribute to this differentiation on farm level. These differences impact on the ability of dairy farms and regional dairy production systems to successfully respond to pressures arising from future market and policy changes. The overall objective of the research activities of which this project is a part of, is to develop a thorough understanding of the processes that govern the spatial dynamics of dairy farm development in different regions in Germany. The central hypothesis of this research project is that management system and technological choices differ systematically across local production and market conditions. The empirical approach will focus on the estimation of farm specific nonparametric cost functions for dairy farms located in across Germany differentiated by time and location. A spatially differentiated data base with information on input use, resource availability, as well as local market conditions for land and output markets will be compiled. The nonparametric approach is specifically suited to disclose a more accurate representation of dairy production system heterogeneity across locations and time compared to parametric concepts as it provides the necessary flexibility to accommodate non-linearities relevant for a wide domain of explanatory variables. The methodology employed goes beyond the state of the art of the literature as it combines kernel density estimation with a Bayesian sampling approach to provide theory consistent parameters for each farm in the data sample.The specific methodological hypothesis is that the nonparametric approach is superior to current parametric techniques and this hypothesis is tested using statistical model evaluation. Regarding the farm management and technological choices, we hypothesize that land suitability for feed production determines the farm intensity of dairy production and thus management and technological choices. With respect to the ability of farms to successfully respond to market pressures we hypothesize that farms at the upper and lower tail of the intensity distribution both can generate positive returns from dairy production. These last two hypotheses will be tested using the estimated spatially differentiated farm specific costs and marginal costs.The expected outcomes are of relevance for the agricultural sector and the food supply chain economy as a whole as fundamental market structure changes in the dairy sector are ongoing due to the abolition of the quota regulation in the years 2014/2015. Thus, exact knowledge about differences and development of dairy cost heterogeneity of farms within and between regions are an important factor for the actors involved in the market as well as the political support of this process.