API src

Found 3125 results.

Similar terms

s/automatisieurung/Automatisierung/gi

Reaktionsschnelle Bereitstellung von Gasturbinen-Lösungen für die Energiewende mittels einer neuartigen, generativen KI-Designkette, Teilvorhaben: Automatisierung und Effizienzsteigerung für KI-gestützte Simulation

Der Fokus des Teilvorhabens liegt auf der Erstellung, Verifizierung und Optimierung der Datenbasis für ein leistungsfähiges Foundation-Modell. Das Ziel ist es, Trainingsdaten in ausreichender Menge, Varianz und in einem geeigneten Zeitraum zu erstellen. Die Basis dafür muss ein robuster Simulationsprozess für thermische und thermomechanische Strukturanalysen von gekühlten und ungekühlten Laufschaufeln bilden. Ein anschließendes zentrales Ziel des Teilvorhabens besteht darin, Methoden zu entwickeln, die es ermöglichen, die generierte Datenbasis zu reduzieren und in einer optimierten Form aufzubereiten. Diese Datenreduktion ist entscheidend, um die immense Menge an Simulationsdaten auf ein handhabbares Maß zu bringen, ohne relevante Informationen zu verlieren. Die aufbereitete Datenbasis soll so gestaltet sein, dass sie optimal für das Training und die Nutzung des Foundation-Modells eingesetzt werden kann. Darüber hinaus strebt die d.u.h. Group an, sowohl die Ergebnisqualität als auch die Effizienz des gesamten Prozesses deutlich zu steigern. Dies umfasst die Implementierung von Ansätzen, die es ermöglichen, qualitativ hochwertige Trainingsdaten in einem vertretbaren Zeitrahmen zu generieren. Durch diese Effizienzsteigerung soll sichergestellt werden, dass die Methoden nicht nur theoretisch fundiert, sondern auch praktisch anwendbar sind und eine hohe Skalierbarkeit bieten. Diese Ansätze versuchen wir mit einer Erweiterung der Submodelltechnik zu erzielen.

Bedarfsgerechte Automatisierung der Freiflächen- und Tröpfchenbewässerungstechnik mittels on-site IOT-Sensorik, unterstützt durch Satellitentechnik, Teilprojekt B

Bedingt durch den Klimawandel sind landwirtschaftliche Kulturpflanzen vermehrt Wasserstress und Frostschäden ausgesetzt. Gleichzeitig prognostiziert die FAO einen Anstieg des globalen Wasserbedarfs um 55% (Landwirtschaft um 11%), bei einem Anstieg der gesamten beregneten Fläche um 6% bis 2050. Diese Problematik, kombiniert mit dem Bevölkerungsanstieg, wachsendem Energiebedarf und dem Rückgang der nutzbaren landwirtschaftlichen Fläche in den Industriestaaten, verlangt nach Lösungen. Ein bedarfsgerechter, energiesparender und effizienter Einsatz der Ressourcen Wasser und Energie ist erforderlich, um eine zukunftsfähige und nachhaltige Bewässerung zu gewährleisten und der steigenden Nutzungskonkurrenz, um die Ressource Wasser, zu begegnen. Während eine automatisierte Bewässerung im Gewächshaus bereits Stand der Technik ist, wird die Freiflächen und Tröpfchenbewässerung wie z.B. im Gemüse bzw. Obstbau überwiegend manuell auf Basis von Erfahrungswerten der Anbauer oder aufgrund fest geplanter Bewässerungsintervalle durchgeführt. Dies führt in der Regel zu zu hohen Bewässerungsgaben und kann weiterhin zu Nährstoffauswaschungen führen. Ziel dieses Projektes ist es daher, Daten aus den unterschiedlichsten Quellen auf einer intelligenten Service-Plattform miteinander zu verknüpfen, um dadurch über eine digitale Entscheidungsunterstützung, eine bedarfsgerechte und (teil-)automatisierte Bewässerung zu ermöglichen. Gerade die Integration lokaler Sensoren in einem multivariaten Ansatz, soll dabei auch der zunehmenden Entwicklung von teilabgedeckten Agrarflächen durch Agri-Photovoltaik-Anlagen, Folien und Netzen gerecht werden. Kern des Projekts ist dabei ein Cloud-basierter Bewässerungsplaner, der sich automatisiert an die on-Site gemessenen Klimaparameter, sowie den aktuellen phänologischen Bedingungen in Echtzeit anpasst. Der Planer wird dann mit den bestehenden Systemen der Projektpartner vernetzt, um die Ausführung der Bewässerung zu (teil)-automatisieren.

Bedarfsgerechte Automatisierung der Freiflächen- und Tröpfchenbewässerungstechnik mittels on-site IOT-Sensorik, unterstützt durch Satellitentechnik, Teilprojekt C

Bedingt durch den Klimawandel sind landwirtschaftliche Kulturpflanzen vermehrt Wasserstress und Frostschäden ausgesetzt. Gleichzeitig prognostiziert die FAO einen Anstieg des globalen Wasserbedarfs um 55% (Landwirtschaft um 11%), bei einem Anstieg der gesamten beregneten Fläche um 6% bis 2050. Diese Problematik, kombiniert mit dem Bevölkerungsanstieg, wachsendem Energiebedarf und dem Rückgang der nutzbaren landwirtschaftlichen Fläche in den Industriestaaten, verlangt nach Lösungen. Ein bedarfsgerechter, energiesparender und effizienter Einsatz der Ressourcen Wasser und Energie ist erforderlich, um eine zukunftsfähige und nachhaltige Bewässerung zu gewährleisten und der steigenden Nutzungskonkurrenz, um die Ressource Wasser, zu begegnen. Während eine automatisierte Bewässerung im Gewächshaus bereits Stand der Technik ist, wird die Freiflächen und Tröpfchenbewässerung wie z.B. im Gemüse bzw. Obstbau überwiegend manuell auf Basis von Erfahrungswerten der Anbauer oder aufgrund fest geplanter Bewässerungsintervalle durchgeführt. Dies führt in der Regel zu hohen Bewässerungsgaben und kann weiterhin zu Nährstoffauswaschungen führen. Ziel dieses Projektes ist es daher, Daten aus den unterschiedlichsten Quellen auf einer intelligenten Service-Plattform miteinander zu verknüpfen, um dadurch über eine digitale Entscheidungsunterstützung, eine bedarfsgerechte und (teil-)automatisierte Bewässerung zu ermöglichen. Gerade die Integration lokaler Sensoren in einem multivariaten Ansatz, soll dabei auch der zunehmenden Entwicklung von teilabgedeckten Agrarflächen durch Agri-Photovoltaik-Anlagen, Folien und Netzen gerecht werden. Kern des Projekts ist dabei ein Cloud-basierter Bewässerungsplaner, der sich automatisiert an die on-Site gemessenen Klimaparameter, sowie den aktuellen phänologischen Bedingungen in Echtzeit anpasst. Der Planer wird dann mit den bestehenden Systemen der Projektpartner vernetzt, um die Ausführung der Bewässerung zu (teil)-automatisieren.

Matrix Schindeltechnologie für die Zukunft der Photovoltaik, Teilvorhaben: Entwicklung Automatisierung

Das Teilprojekt 'Entwicklung Automatisierung' der M10 Industries AG befasst sich mit der bereits entwickelten Matrix-Schindel-Technologie und deren Industrialisierung. Dies bedeutet den Produktionsablauf zur Herstellung eines Solarmoduls ganzheitlich, in Bezug auf Anpassungen für die Schindel-Matrix-Technologie, zu betrachten. Das setzt eine vollautomatisierte flexible Lösung zur Kontaktierung von Solar-Schindelzellen im Modulverbund bis hin zur Anschlussdose und deren zu Quer-/Längs zu verschaltenden Stromlaufpfade, die flexibel in den Abmessungen sind, voraus. Konstruktiv werden hier Expertisen zur Konzeptionierung einer Querverschaltung Anwendung finden. Bereits entwickelte Kontaktierungsmodelle auf Basis von Lötbandverbindungen, die sich in Funktionen adaptieren und weiter modifiziert anwenden lassen, werden dem Umsetzungsziel beitragen, ferner sind hohe Durchsätze solcher Anlagen zu realisieren. Hierzu ist geplant auf Grundlage und mit Hilfe eines digitalen Zwillings die Adaptierung abzuprüfen und anschließend in Produktherstellungen zu realisieren. Anschließend werden Kleinserien hergestellt um diese den Qualitätsprüfungsverfahren zu unterziehen. Weiteres Ziel ist es eine automatisierte Datenerfassung, welche die Ergebnisse der Qualitätsprüfgeräte in Form eines Protokolls aufnimmt und zentralisiert speichert. Daraus soll in Bezug zu den dazugehörigen Maschinenparametern auf Qualitätsschwankungen unmittelbar und möglichst automatisiert reagiert werden können. Dies erfolgt entsprechend an den verknüpften Maschinen und deren jeweiligen Prozessschritten. Diese Daten können somit aufbereitet und weiterverarbeitet werden, sodass eine KI diese beurteilen kann.

Entwicklung eines automatisierten Verfahrens zur Zustandsanalyse verbauter historischer Hölzer

Zielsetzung: Im Kontext von Klimawandel und Energiekrise sind Fragen der Energiebilanz und -effizienz von Gebäuden besonders relevant. Die Baudenkmalpflege trägt durch ihre wirtschaftlichen, ökologischen und soziokulturellen Aspekte der nachhaltigen Ressourcenverwendung und damit direkt zum Klimaschutz bei. Historische Bauten, die überwiegend aus dauerhaften Materialien und Konstruktionen bestehen, sind ein gutes Beispiel für Green Culture durch energie-schonende Nutzung und bestandsorientierte Weiterentwicklung. Die beim Bau alter Gebäude bereits eingesetzte (graue) Energie muss bei sorgfältiger und schonender Erneuerung, u.a. durch Einsatz nachhaltiger Baustoffe, nicht noch einmal aufgewendet werden. Holz war schon immer ein nachhaltiger, ressourcen- und energieschonender Werkstoff und gehört zu den ältesten Baukulturen weltweit. Allein in Deutschland gilt die Holzarchitektur (Fachwerkhäuser, Dachwerke) als prägend. Es ist daher sowohl im Sinne der Denkmalpflege als auch zur zukünftigen Nutzung von Holz als Baumaterial wichtig, Eigenschaften, Zustand und Veränderung dieses Materials zu beobachten und zu verstehen. Dazu stehen heute vielversprechende Technologien wie optische 3D-Messtechnik und KI-basierte Datenanalyse zur Verfügung, die in diesem Sektor bisher noch kaum eingesetzt werden. Ziel dieses Vorhabens ist, ein Verfahren zur automatisierten Bauteildokumentation und -kontrolle für Altholzbauten im Bestand zu entwickeln. Dies beinhaltet: - Entwicklung eines prototyphaften optischen Messsystems zur Bestands- und Merkmalsaufnahme; - Entwicklung eines Automatisierungsverfahrens zur Merkmalsdetektion; - Automatisierung des Informationstransfers in digitales 3D-Modell. Im Laufe des Projektes werden folgende Ergebnisse angestrebt: - Messverfahren bestehend aus innovativer Hardware (RTI-Sensor, patentiert) und Software (KI-gestützte Merkmalserkennung) zur objektiven und dokumentierten Festigkeitsanalyse von verbautem Altholz; - Schnittstelle zur automatischen Übertragung von Holzkenngrößen an einen Digitalen Zwilling (basierend auf BauWolke-Software/BauCAD); - Zukünftige Vermarktungsmöglichkeiten durch Sensor/Software und erweitertes Dienstleistungsangebot durch Gutachter.

Entwicklung einer Prüfinfrastruktur zur normativen Validierung dynamischer Vorgänge von netzbildenden dezentrale Erzeugungsanlagen, Teilvorhaben HBRS:Entwicklung und Laborprüfung von Prüfsequenzen für ein Prüf- und Testsystem zur Validierung von netzbildenden Anlagen

Das Teilvorhaben der H-BRS legt ihren Fokus auf die Entwicklung von Prüfsequenzen zur normativen Validierung dynamischer Vorgänge von netzbildenden Erzeugungsanlagen und die Laborprüfung der Prüfsequenzen. Hierfür sollen zunächst die Anforderungen an das Interface des Echtzeitsystems, beim Betrieb von netzbildenden Anlagen (NBAs), im Hinblick auf Stabilität, Genauigkeit und Grenzen analysiert werden. Darauf aufbauend werden Prüfsequenzen für eine Power Hardware-in-the-Loop (P-HiL) Umgebung entwickelt. Außerdem soll ein automatischer Testablauf, zum Abfahren der Prüfsequenzen und zur Automatisierung des Prüfsystems erstellt werden. Vor der Anwendung auf dem Gesamtsystem soll eine Vorvalidierung im kleinen Maßstab durchgeführt werden. Dazu werden die Anforderungen an das Gesamtsystem übernommen und ein Aufbau mit geringeren Leistungen und den entwickelten Benchmarknetzen vorbereitet. Die automatisierten Prüfsequenzen werden dann mit dem Konsortium geteilt, um den Gesamtaufbau zu realisieren. Ein weiteres Arbeitspaket befasst sich mit der dynamischen Verstärkereinheit. Hier soll ein Konzept zur Weiterentwicklung der Hardware erstellt werden. Das Konzept wird theoretisch untersucht und dann beim Aufbau des Hybridverstärkers umgesetzt. Für die Leistungsimpedanz wird die Hardwareentwicklung der Ansteuerung durch die H-BRS durchgeführt. Nach der Übergabe an das IEE wird die Auslegung der Regelung und der Laboraufbau zur Validierung begleitet. Zuletzt wird in Zusammenarbeit mit den anderen Projektpartnern die Labordemonstration des Gesamtsystems durchgeführt. Dabei wird die Interoperabilität der Stromrichter mit netzbildenden Eigenschaften untersucht und die Testsequenzen werden ausgewertet.

Steigerung von Qualität und Effizienz bei der Ertragsabschätzung für Windparks, Teilvorhaben: Qualitätssteigerung der Datengrundlage und Bestimmung standortspezifischer Leistungskennlinien für ein effizientes Gesamtframework

Zur Erreichung der von der Bundesregierung gesteckten Ausbauziele in der Windenergie ist die Erschließung einer Vielzahl neuer Flächen für Windparks in kurzer Zeit erforderlich. Grundlage für die Windparkplanung an einem neuen Standort ist die Abschätzung der zu erwartenden Energieerträge sowie die Auswahl geeigneter Windenergieanlagen. Derzeit ist die Ertragsabschätzung mit hohen Unsicherheiten behaftet. Zudem ist sie aufgrund der aktuell erforderlichen, einjährigen Windmessung zeit- und kostenintensiv. Ziel des Projektes ist es deshalb, durch Verbesserungen entlang der gesamten Prozesskette qualitativ bessere Ertragsabschätzungen in kürzerer Zeit und zu deutlich geringeren Kosten zu ermöglichen. Für die Zielerreichung werden Verfahren entwickelt, die eine bessere Datengrundlage für die Windbranche liefern. Darüber hinaus werden an verschiedenen Stellen innovative Verfahren aus dem Bereich der Data Science wie maschinelles Lernen oder Modellensembles verwendet, um eine genaue Abschätzung der Energieerträge in kürzerer Zeit zu ermöglichen. Das Zusammenführen der verschiedenen Verfahren und Daten zu einem Gesamtprozess ermöglicht neben der Qualitätssteigerung einen hohen Grad an Automatisierung von Ertragsgutachten. Letztendlich schafft das Projekt damit die Grundlage für eine Senkung der Projektrisiken für Planer und Projektierer. Darüber hinaus können die entwickelten Verfahren auch für genauere regionale Potenzialabschätzungen verwendet werden und so einen Beitrag zur besseren Planung des Windenergieausbaus leisten. anemos ist in dem Verbundprojekt maßgeblich an der Automatisierung des Gesamtprozesses beteiligt. Wissenschaftlich wird anemos ein Verfahren zur Bestimmung der standortspezifischen Leistungskennlinie und zeitreihenabhängige Verlustmodelle für verbesserte Ertragsabschätzungen entwickeln. Außerdem wird anemos die Datengrundlage im Hinblick auf den Langzeitbezug von Kurzzeitmessungen auf relevante saisonale Abweichungen analysieren und korrigieren.

Entwicklung und Zusammenstellung einer PILOTANLAGE einer containerbasierten Hochleistungsbiogasanlage mit Testeinsatz in realen Umgebungsbedingungen zur Erschließung von biogenen Rest- und Abfallstoffen, Teilvorhaben: Planung, Entwicklung und Bau der Elektroanlage, Automatisierung

Im Projekt 'Modulare Bioenergie' (ModBioEn) wird eine Pilotanlage einer containerbasierten Biogasanlage errichtet. Diese basiert auf den Vorarbeiten von zwei renommierten Forschungseinrichtungen: dem Fraunhofer IKTS und der Hochschule Zittau/Görlitz (HSZG). An der HSZG wurde in den vergangenen vier Jahren eine Hochleistungsbiogasanlage mit Festbett entwickelt. Die entstandene Technikumsanlage wird in Containerbauform gebracht und in eine Pilotanlage überführt. Das Fraunhofer IKTS stellt zusätzlich zwei entwickelte Komponenten in Containerform bereit, die Substrataufbereitung und die Gasreinigung. Die am IKTS vorhandene Technik und die an der HSZG entwickelte MHL-BGA-Techno-logie wird in eine Gesamtanlage mit 4 Containern zusammengesellt. Durch den vorgeschalteten Aufbereitungscontainer (1) mit u.a. einem Extruder kann eine deutliche Er-weiterung des Substrateinsatzspektrums dieser modularen Bioenergieanlage erreicht werden. Bewusst wird im Projekt ModBioEn auf das Ziel 'Erweiterung des Substrateinsatzspektrums für Bioenergieanlagen' des Förderprogrammes 'Energetische Biomassenutzung' eingegangen. Dafür wurden drei regionale Partner gewonnen: A) die Kommune Reichenbach, B) die Brauerei Eibau und C) die Safterei Linke. Zunächst erfolgt der Einsatz am Standort 'Real-Technikum Reichenbach' (A) als Beispiel für einen kommunalen Anwender. Zweiter Standort ist die Brauerei Eibau. Bisher leitet die Brauerei die Reststoffe (Heißtrub, Hefewasser und Biervorlauf), die durch den Brauprozess in größeren Mengen entstehen, energetisch völlig ungenutzt und kostenpflichtig in das Abwasser ein. Es handelt sich somit um wirkliche Rest- und Abfallstoffe im Sinne des Förderprogramms. Dritter Standort ist die Safterei mit Trester als Reststoff. Es erfolgt eine wissenschaftliche Begleitung beim Betrieb der Anlage sowie die Auswertung der Versuchsdaten hinsichtlich Gasquantität und Gasqualität und eine Prozessoptimierung speziell für die einzelnen Reststoffe.

Steigerung von Qualität und Effizienz bei der Ertragsabschätzung für Windparks, Teilvorhaben: Fernerkundung und Verlustmodellierung für bessere Ertragsabschätzungen

Zur Erreichung der von der neuen Bundesregierung gesteckten Ausbauziele in der Windenergie ist die Erschließung einer Vielzahl neuer Flächen für Windparks in kurzer Zeit erforderlich. Grundlage für die Windparkplanung an einem neuen Standort ist die Abschätzung der zu erwartenden Energieerträge sowie die Auswahl geeigneter Windenergieanlagen. Derzeit ist die Ertragsabschätzung mit hohen Unsicherheiten behaftet. Zudem ist sie insbesondere aufgrund der aktuell erforderlichen, einjährigen Windmessung zeit- und kostenintensiv. Ziel des Projektes ist es deshalb, durch Verbesserungen entlang der gesamten Prozesskette qualitativ bessere Ertragsabschätzungen in kürzerer Zeit und zu deutlich geringeren Kosten zu ermöglichen. Für die Zielerreichung werden Verfahren entwickelt, die eine bessere Datengrundlage (z.B.Reanalysen, Rauhigkeitsdaten) für die Windbranche liefern. Darüber hinaus werden an verschiedenen Stellen innovative Verfahren aus dem Bereich der Data Science wie maschinelles Lernen oder Modellensembles verwendet, um eine genaue Abschätzung der Energieerträge in kürzerer Zeit zu ermöglichen. Das Zusammenführen der verschiedenen Verfahren und Daten zu einem Gesamtprozess ermöglicht neben der Qualitätssteigerung einen hohen Grad an Automatisierung von Ertragsgutachten. Letztendlich schafft das Projekt damit die Grundlage für eine Senkung der Projektrisiken für Planer und Projektierer. Darüber hinaus können die entwickelten Verfahren auch für genauere regionale Potenzialabschätzungen verwendet werden und so einen Beitrag zur besseren Planung des Windenergieausbaus leisten. Das Fraunhofer IEE koordiniert das Verbundprojekt. Wissenschaftlich fokussiert sich das Fraunhofer IEE im Rahmen ihrer Forschungsarbeiten auf die Entwicklung von Verfahren zur Detektion von Rauhigkeitsänderungen auf Basis von Erdbeobachtungsdaten und entwickelt zeitreihenabhängige Verlustmodelle für verbesserte Ertragsabschätzungen.

Steigerung von Qualität und Effizienz bei der Ertragsabschätzung für Windparks, Teilvorhaben: Entwicklung und Test von KI-basierten Methoden zur Verkürzung der Messdauer und Abschätzung der Designwindbedingungen

Zur Erreichung der von der neuen Bundesregierung gesteckten Ausbauziele in der Windenergie ist die Erschließung einer Vielzahl neuer Flächen für Windparks in kurzer Zeit erforderlich. Grundlage für die Windparkplanung an einem neuen Standort ist die Abschätzung der zu erwartenden Energieerträge sowie die Auswahl geeigneter Windenergieanlagen. Derzeit ist die Ertragsabschätzung mit hohen Unsicherheiten behaftet. Zudem ist sie insbesondere aufgrund der aktuell erforderlichen, einjährigen Windmessung zeit- und kostenintensiv. Ziel des Projektes ist es deshalb, durch Verbesserungen entlang der gesamten Prozesskette qualitativ bessere Ertragsabschätzungen in kürzerer Zeit und zu deutlich geringeren Kosten zu ermöglichen. Für die Zielerreichung werden Verfahren entwickelt, die eine bessere Datengrundlage (z.B.Reanalysen, Rauhigkeitsdaten) für die Windbranche liefern. Darüber hinaus werden an verschiedenen Stellen innovative Verfahren aus dem Bereich der Data Science wie maschinelles Lernen oder Modellensembles verwendet, um eine genaue Abschätzung der Energieerträge in kürzerer Zeit zu ermöglichen. Das Zusammenführen der verschiedenen Verfahren und Daten zu einem Gesamtprozess ermöglicht neben der Qualitätssteigerung einen hohen Grad an Automatisierung von Ertragsgutachten. Letztendlich schafft das Projekt damit die Grundlage für eine Senkung der Projektrisiken für Planer und Projektierer. Darüber hinaus können die entwickelten Verfahren auch für genauere regionale Potenzialabschätzungen verwendet werden und so einen Beitrag zur besseren Planung des Windenergieausbaus leisten. Die Universität Kassel fokussiert sich im Rahmen ihrer Forschungsarbeiten auf die Entwicklung von Verfahren zur Langzeitkorrektur von Kurzzeitwindmessungen mittels Methoden von künstlicher Intelligenz und die verbesserte Abschätzung der Designwindbedingungen.

1 2 3 4 5 … 311 312 313