Aus der Forschung in die Anwendung: Projekte am Fraunhofer EMFT

Für Bayern hat der Agrarsektor mit rund 121 Milliarden Euro Umsatz pro Jahr eine wesentliche wirtschaftliche Bedeutung. Allerdings kommt es durch die unterschiedlichen Interessen mit den wirtschaftlichen Zielen der Landwirte und den nachhaltigen Zielen der Umwelt- und Tierschutz-Initiativen immer wieder zu Konflikten. Besonders die Emission von Ammoniakgasen führt hierbei zu gesellschaftlichen Diskussionen. Forschende des Fraunhofer EMFT entwickeln ein effizienteres Messverfahren zur Detektierung von Ammoniakgasen in der Landwirtschaft. Dabei ist das Ziel zu einer umwelt- und tierfreundlicheren Landwirtschaft beizutragen.

Im Projekt „Insektenzellen als Sensoren für Umweltgifte“ entwickelt das Fraunhofer EMFT eine neuartige Testmethode, bei der lebende Insektenzellen als empfindliche Biosensoren eingesetzt werden. Damit lassen sich schon kleinste toxische Effekte von Pestiziden schnell, markierungsfrei und automatisiert nachweisen. Ziel ist es, frühzeitig Risiken zu erkennen und die Entwicklung bienenfreundlicher Pflanzenschutzmittel zu unterstützen – ein wichtiger Beitrag zum Schutz von Insekten und Biodiversität.

Schmieröle leisten einen wesentlichen Beitrag zur Reibungsminimierung und gewährleisten damit einen sicheren Betrieb von Produktionsanlagen. Im Projekt Smart Gear entwickeln Forschende des Fraunhofer EMFT Lösungen, um eine abfallende Leistungsfähigkeit der Schmieröle mit Hilfe von Sensorik und Machine Learning-Methoden zu erkennen und den Zeitpunkt für einen Ölwechsel zu prognostizieren.

Am Fraunhofer EMFT entstehen mikrofluidische Saugsonden für die Echtzeit-Bodenwasseranalyse. Sie ermöglichen Landwirten eine präzise, bedarfsgerechte Düngung durch kontinuierliches Monitoring des Nitratgehalts.

Steckverbinder und elektrische Anschlusstechnologien spielen eine zentrale Rolle für die digitale Vernetzung: Sie sind die Hauptschnittstelle zwischen Maschinen, Steuerungen und Datenverarbeitungsanlagen. Forschende der Fraunhofer EMFT arbeiten im gleichnamigen Projekt an so genannten Cyber Physical Connectors, einer neuen Generation aktiver, »intelligenter« Steckverbinder.

Forschende des Fraunhofer EMFT haben gemeinsam mit mehreren Industriepartnern im Rahmen des Projekts AutoKonf für autonomes Fahren ein redundantes, generisches Steuergerät entwickelt. Fällt das für die Lenkungs- oder Bremsfunktion zuständige Steuergerät aus, übernimmt das überzählige generische Steuergerät die jeweilige Aufgabe und kann das Fahrzeug sicher führen.

Edge Computing gilt als Schlüssel für neue IoT-Anwendungen. Um grundlegende künstliche Intelligenz für zukünftige Edge-Produkte zu schaffen, arbeiten Fraunhofer EMFT-Forschende gemeinsam mit dem Fraunhofer IIS sowie dem Fraunhofer IPMS im Rahmen des EU-Projekt ANDANTE an der Entwicklung innovativer Mixed-Signal-Beschleuniger für künstliche neuronale Netze (ANN) mit Computation-in-Memory (CIM) Fähigkeit. Diese sollen den Aufbau solider Hardware- und Softwareplattformen zur Entwicklung von KI-Anwendungen ermöglichen.

Ziel einer prädikativen oder vorausschauenden Wartung ist es, Betriebsmittel proaktiv und vorausschauend instand zu halten. Auf diese Weise sollen Störungszeiten und Wartungsaufwand auf ein Minimum reduziert werden. Forschende des Fraunhofer EMFT erproben neue Konzepte, um mit Methoden des Maschinellen Lernens auch extrem heterogene Daten effizient verarbeiten und exakte Wartungsvorhersagen für Fertigungsanlagen treffen zu können.

Move2THz ist ein EU-gefördertes Forschungsprojekt zur Entwicklung einer innovativen InP-on-Silicon-Plattform für energieeffiziente Sub-THz-Halbleitertechnologie. Ziel ist die Stärkung Europas Technologieführerschaft in 6G, Radar, Bildgebung und Photonik.

Wie kann Computing zukünftig statt in der Cloud nahe am Sensor bewerkstelligt werden? Und wie kann in einem solchen Set-up maschinelles Lernen auf verteilten Systemen stattfinden? Mit diesen hochaktuellen Fragestellungen beschäftigen sich Forschende der Fraunhofer EMFT gemeinsam elf weiteren Fraunhofer-Instituten im Innovationsprojekt SecLearn. Im Zentrum stehen dabei die Aspekte neuromorphe, energieeffiziente Hardwarekomponenten und KI-Algorithmen für dezentrales Lernen sowie der Datenschutz.