IKT der Zukunft Ausschreibung 2020 - Vorstellung der Projekte
←
→
Transkription von Seiteninhalten
Wenn Ihr Browser die Seite nicht korrekt rendert, bitte, lesen Sie den Inhalt der Seite unten
Vorstellung der Projekte IKT der Zukunft Ausschreibung 2020
Impressum Data Intelligence Offensive Thurngasse 8/12, 1090 Wien office@dataintelligence.at www.dataintelligence.at Fotonachweis: Cover: © Tara Winstead/Pexels Kapitel 1: © fauxels/Pexel Layout: Data Intelligence Offensive Wien, April 2022
Inhalt
1 Die IKT der Zukunft Projekte stellen sich vor
1.1 AI-Refit 3
1.2 APPETITE 5
1.3 CE-PASS 7
1.4 CRISP 9
1.5 DEVICE 10
1.6 DynAISEC 12
1.7 dTS 13
1.8 HARV-EST 15
1.9 JOLLYBEE 16
1.10 JOptim 18
1.11 Mental eHealth 20
1.12 openSCHEMA 21
1.13 REINFORCE 23
1.14 ReSolVE 15
1.15 START 27
1.16 i-Twin 29
1.17 SMART COMPANION 2 wird nachgereicht
1 Die IKT der Zukunft Projekte stellen sich vor
1.1 AI-Refit
AI-enabled Playful Enhancement of Resilience and
01.11.2021
Self-Efficacy with Psychological Learning Theory
Name der Projektleitung:
24 Monate
Dr. Lucas Paletta, JOANNEUM RESEARCH
Forschungsgesellschaft mbH,
Institut DIGITAL
2021-2023
Projektwebsite: in Vorbereitung
Projektbeschreibung Drittens wird die Anwendung verschiedener
Der Ausbruch von COVID-19 ist ein globaler Notfall Wearables im Kontext der psychischen Gesundheit
im Bereich der öffentlichen Gesundheit mit auf ihre Effizienz und optionale Integration in die KI-
vielfältigen, schwerwiegenden Folgen für das Leben gestützte Analyse der psychischen Gesundheit
der Menschen und ihrer psychischen Gesundheit. Für untersucht. Die Bewertung psychischer Parameter
die psychosoziale Risikominderung wird die AI-Refit wie exekutive Funktionen, Stress, Emotionen und
Assistenztechnologie beitragen, um in der Krise die Aktivität wird durch KI-gestützte
Resilienz auf personalisierte, nachhaltige Weise zu Entscheidungsunterstützung angewandt, um eine
stärken, die einzelne Person einzubeziehen und ihre globale Resilienz- und depressionssensibilisierte
Selbstwirksamkeit auf eine adaptive, und intelligente Risikofaktoreneinschätzung zur Frühwarnung und
Weise zu unterstützen. professionellen Beratung zu definieren.
AI-Refit entwickelt einen innovativen Prototyp eines Ein Tele-Assistenzmodul wird eine vollständige
digitalen Betreuungszentrums für eine spielerische Fernbetreuung durch professionelle oder informelle
KI- und sensorgestützte Bewertung der psychischen Betreuer*innen ermöglichen.
Gesundheit und adaptiv einsetzbare Aktivitäten zur
Vorbeugung von depressiven-, Angst- und Ausgangssituation
Stresssymptomen, zur Stärkung der Resilienz und Während der aktuellen Coronavirus-Pandemie ist
zur Förderung der Selbstwirksamkeit des Resilienz von zentraler Bedeutung für die
Individuums. Stressbewältigung. Forschern zufolge wirken die
grundlegenden Fähigkeiten der individuellen
AI-Refit wird modernste KI-Methodik zur Resilienz und des wahrgenommenen Wohlbefindens
intelligenten Bewertung der psychischen Gesundheit als wichtige Schutzfaktoren, die die Fähigkeit, weiter
anhand einer Reihe von Serious Games anwenden. zu funktionieren, betonen.
AI-Refit basiert auf der digitAAL Life App, die eine
neuropsychologische Bewertung vornimmt und in Mitarbeiter des Gesundheitswesens in vorderster
AI-Refit um eine auf psychischer Gesundheit Front, die mit Überlastung, unzureichendem Schutz
basierende Bewertung erweitert wird. Zudem wird vor Ansteckung, Frustration aufgrund nicht optimaler
psychologische Lerntheorie einen übergreifenden Patientenversorgung und Isolation konfrontiert sind,
Rahmen für KI-gestützte Verhaltensänderung bieten. haben ein hohes Risiko für die Entwicklung
Adaptives Lernen von selbstregulatorischen ungünstiger psychischer Gesundheitsergebnisse und
Prozessen wird angewendet, um die benötigen daher besondere Aufmerksamkeit in
Selbstwirksamkeit und Selbstkontrolle der Bezug auf psychologische Unterstützung oder
Nutzer*innen zu erhöhen, basierend auf Interventionen.
sensorbasierten Merkmalsvektoren aus den Spielen
und auf Feedback von empfohlenen oder selbst Für diejenigen, die sich vom COVID-19-Virus erholt
initiierten Aktionen.
3haben - bisher insgesamt 404.676 in Österreich gibt KI-gestützte Analyse der psychischen Gesundheit
es zusätzliche Probleme: Dazu haben die geprüft.
Quarantänemaßnahmen negative psychologische
Auswirkungen und verstärken damit die bereits Die Wearables werden nach ihrer
erwähnten stressbedingten Symptome. Benutzerfreundlichkeit, ihrem Beitrag zu den
Parametern der psychischen Gesundheit und der
Ziel Aktionserfassung ausgewählt.
Das übergeordnete Ziel von AI-Refit ist die
Erforschung von IKT-Schlüsselkomponenten zur Angestrebte Ergebnisse
Unterstützung von Personen, bei denen das Risiko AI-Refit basiert auf der digitAAL Life App, die eine
einer dramatisch abnehmenden Resilienz besteht, um neuropsychologische Bewertung vornimmt und wird
schweren depressiven Symptomen, Angst und Stress, in AI-Refit um eine Bewertung der psychischen
und chronischer Müdigkeit vorzubeugen. Ziele im Gesundheit erweitert: AI-Refit will die goldenen
Detail, Standards für Resilienz, exekutive Funktionen,
affektiven Zustand und Müdigkeit mit statistisch
Die psychologische Lerntheorie wird einen signifikanter Korrelation digital bewerten. Diese
allgemeinen Rahmen für KI-gestützte Bewertung wird mit Hilfe einer Pilotstudie erreicht, in
Verhaltensänderung bieten. Adaptives Lernen von der der Nutzen der prototypischen AI-Refit-App zur
Selbstregulierungsprozessen wird angewendet, Verbesserung der Resilienz im Vergleich zu einer
um die Selbstkontrolle der Nutzer zu erhöhen. Kontrollgruppe statistisch signifikant nachgewiesen
Bewertung von Belastbarkeit, Kognition, werden.
affektivem Zustand und Müdigkeit. AI-Refit
basiert auf der digitAAL Life App, die kognitive Es wird eine Vorhersagegenauigkeit vollständig
Bewertungen vornimmt und um eine Bewertung automatisierter Risikostratifizierung für schwere
der psychischen Gesundheit erweitert wird. depressive Symptome, Ängste und Stress von 95 %
Der Einsatz von Wearables im Lifestyle-Kontext angestrebt. Zudem zielt AI-Refit darauf ab, eine
der psychischen Gesundheit soll evaluiert werden. Adhärenzrate von > 50% bei der Benützung der App-
Unser Ziel ist es, eine statistisch signifikante gestützten Intervention zu erreichen, d.h. weit über
Verbesserung von App-basierten Interventionen das klassische CCT-basierte Training hinaus.
durch die Nutzung dieses informativen Kontexts
zu erreichen. Anbindung an strategische Vorhaben
Das Projekt wird mögliche Synergien mit
Vorgehen bestehenden europäischen Initiativen analysieren und
AI-Refit wird drei bahnbrechende digitale verfolgen. Das Konsortium wird internationale
Innovationen erforschen und entwickeln, die im Initiativen in Betracht ziehen und sich ihnen
Vergleich zu bestehenden Produkten und möglicherweise anschließen. Eine sehr konkrete
Betreuungskonzepten besonders wichtige Vorteile Aktivität wird darin bestehen, sich einer
bieten würden: Projektaktivität innerhalb von Horizon Europe
anzuschließen, die das Verständnis und die
Erstens wird AI-Refit modernste KI-Methoden Behandlung von psychischer Gesundheit und
zur intelligenten Bewertung der psychischen psychischen Erkrankungen als strategische Ziele im
Gesundheit anhand einer Reihe von Serious Rahmen von "Cluster1:Health" betrachtet.
Games anwenden.
Zweitens wird die psychologische Lerntheorie Projektpartner
einen allgemeinen Rahmen für KI-gestützte
Lucas Paletta Eva Reininghaus
Verhaltensänderungen bieten. Projektmanager, Direktorin, Universitätsklinik
Drittens wird ein hochinnovativer Symptom- Leiter Human Factors Labor für Psychiatrie
Checker entwickelt, der auf Biosensor-Daten Joanneum Research
Medizinische Universität Graz
(Eye-Tracking) und Chatbox-Eingaben basiert.
Dietrich Albert Maria Fellner
Vorstand, Cognitive Science Section Geschäftsführerin
Schließlich wird die Anwendung verschiedener
Universität Graz digitAAL Life GmbH
Wearables im Kontext der psychischen Gesundheit
auf ihre Effizienz und ihre optionale Integration in die Thomas Lutz
Geschäftsführer
Symptoma GmbH
41.2 APPETITE
03.01.2022
AI-driven collaborative supply and demand matching
platform for food waste reduction in the perishable
food supply chain 37 Monate
Name der Projektleitung:
Alexandra Birkmaier, MSc 2022-2025
Fraunhofer Austria Research GmbH
Projektbeschreibung Ineffiziente Lagerhaltung und Transporte
APPETITE zielt darauf ab, verursachen weitere Kosten. Aus ökologischer Sicht
Lebensmittelverschwendung bis zum Jahr 2030 um führen diese Ineffizienzen zu höheren CO²-
10 % durch Prävention zu reduzieren. Emissionen und mehr Abfällen. Initiativen zur
Umverteilung existieren, setzen aber am letzten
Ein demonstrativer Prototyp einer kollaborativen Punkt der Lebensmittelversorgungskette an.
Plattform zum Abgleich von Angebot und Nachfrage
für Einzel- und Großhändler verderblicher Gesellschaftlich stellt dies ein immenses ethisches
Lebensmittel wird für die Pilotregion Ostösterreich Problem dar - da noch verwertbare Lebensmittel
entwickelt und getestet. Im Gegensatz zu ohne Berücksichtigung von Potenzialen der
bestehenden Ansätzen, die das Problem der Kreislaufwirtschaft verloren gehen und die Zahl der
Lebensmittelverschwendung am Ende der Menschen, welche an Hunger leiden, steigt (UN
Versorgungskette angehen, konzentriert sich 2021). Lebensmittelverschwendung muss durch
APPETITE auf die Vermeidung, die durch Prävention und den integrierten Einsatz
fortschrittliche datenbasierte Technologien fortschrittlicher datenbasierter Technologien
ermöglicht wird. Ein wesentlicher Beitrag zur reduziert werden - das ist die Motivation hinter
Nutzung heterogener Daten für eine (nahezu) APPETITE.
Echtzeitumgebung wird geleistet. Verschiedene
Methoden zur KI-basierten Prognose und Ziel
Optimierung von Logistikprozessen werden auf ihr Das Ziel von APPETITE ist es, die
ökonomisches, ökologisches und soziales Potenzial Lebensmittelverschwendung durch Prävention, wie
hin bewertet und ihre Vor- und Nachteile in den in der Lebensmittelverschwendungshierarchie
Projektrichtlinien für künftige beschrieben, um 10 % bis 2030 zu reduzieren
Nutzungsmöglichkeiten dokumentiert. (Ciccullo et al. 2021). Weiters werden
Logistikprozesse transparenter und die Effizienz
Ausgangssituation gesteigert durch Reduzierung der Transportkosten.
Lebensmittelverschwendung ist eine der größten Dies wird ermöglicht durch Zusammenarbeit und die
Herausforderungen unserer Zeit, die ökonomische, Integration von KI-gesteuerten Prognose- und
ökologische und soziale Probleme verursacht. Logistikoptimierungsmethoden.
Weltweit werden jährlich 1,3 Milliarden Tonnen
essbarer Lebensmittel im Einzelhandel und beim Heterogene Datenintegration und (nahezu) Echtzeit-
Konsum verschwendet (FAO 2021). Rund 20 % Fähigkeiten sind die Schlüsselinnovationen in von
entstehen in den Stufen Distribution und APPETITE, die in Zukunft eine signifikante
Einzelhandel (Parfitt et al. 2010). Zudem stieg der Reduzierung von Lebensmittelabfällen ermöglichen
Anteil der leer gefahrenen Lkw-Kilometer im Jahr werden.
2020 in AT auf 24,3 Millionen (Eurostat und V.C.Ö.
2020). Es ist ein starkes Konsortium notwendig, bestehend
aus Forscher*innen, Expert*innen, drei großen
Ökonomisch überproduzieren Lieferanten, um Out- europäischen Lebensmitteleinzelhändler*innen und
of-Stock-Situationen und Umsatzeinbußen zu einem Implementierungspartner.
vermeiden.
5Zusammen mit LOI-Partnern aus den Bereichen Anbindung an strategische Vorhaben
Wiedergebrauch, Recycling, Wiedergewinn und APPETITE soll einen wesentlichen Beitrag zur
Entsorgung von Lebensmittelabfällen verfügt Reduktion von Lebensmittelverschwendung durch
APPETITE über die Voraussetzungen, um dieses Prävention leisten. Durch akkuratere Prognosen auf
anspruchsvolle Unterfangen erfolgreich zu meistern. regionaler Ebene können Überschüsse in einem
ersten Schritt durch die eigenen Fuhrparks der
Vorgehen Lebendmittelhändler umverteilt werden.
Um eine (nahezu) echtzeitfähige Prognoseumgebung
zu schaffen, werden sowohl unternehmensinterne Die Berechnungen ermöglichen des Weiteren, diese
Daten als auch externe Daten herangezogen. Überschüsse den zahlreichen bereits existierenden
Zunächst werden im Projekt die Initiativen gegen Lebensmittelverschwendung
Lebensmittelversorgungsprozesse ermittelt sowie frühzeitig mitzuteilen, damit diese die Verwertung
Kriterien, welche die Frische und Lieferzeit der und Vergabe besser planen können (bspw. Too Good
Lebensmittel beeinflussen, identifiziert (z.B. Wetter, To Go).
Bewegungsdaten von Personen, Ferien und
Feiertage). Aus den historischen Absatzdaten der Projektpartner
Einzelhandelsfilialen und der Großmärkte werden
Saisonalitäten auf regionaler Ebene ermittelt. Alexandra Birkmaier
Wissenschaftliche Mitarbeiterin,
Fraunhofer Austria Research GmbH
In einem nächsten schritt werden Zusammenhänge
und Wechselwirkungen zwischen den ermittelten Dr. Christof Bernsteiner
Senior Project Manager
externen Einflussfaktoren und den regionalen Invenium Data Insights GmbH
Absatzdaten untersucht und auf Basis derer
innovative Prognosemodelle entwickelt. Clemens Zauchner
Data Scientist
IT-Power Services GmbH
Angestrebte Ergebnisse
Das Hauptergebnis von APPETITE ist ein Paul Amtmann, Project Manager
demonstrativer Prototyp einer kollaborativen Supply Supply Chain Management
METRO Cash & Carry Österreich GmbH
und Demand Matching-Plattform für
Lebensmitteleinzel- und -großhändler. Es wird ein
Franz Zagler
signifikanter Beitrag zur effizienten Integration, Logistikleiter
Analyse und Visualisierung von heterogenen Daten in SPAR Österreichische Warenhandels-Aktiengesellschaft
(nahezu) Echtzeit geleistet. Die generierten
Gerald Reiner
Teilergebnisse sind eine Methodik zur Integration Leiter des Instituts für Produktionsmanagement
und Analyse heterogener Daten, eine KI-basierte Wirtschaftsuniversität Wien
Prognoseplattform, ein Dashboard zur Überwachung
Nysret Musliu
und Transparenz in (nahezu) Echtzeit, ein Konzept
Leiter „Christian Doppler Laboratory for Artificial Intelligence
zur Lebensmittelallokation unter Berücksichtigung and Optimization for Planning and Scheduling“
der Prinzipien der Kreislaufwirtschaft sowie eine Technische Universität Wien
insgesamt skalierbare Systemarchitektur.
Jörg Grafeneder
Bereichsleiter Zentrale Logistiksteuerung
Kastner Großhandelsgesellschaft m.b.H
61.3 CE-PASS
01.01.2022
Circular Economy - Digital Product Passport
36 Monate
Projektleitung:
Wernher Behrendt (2022)
Dr. Violeta Damjanovic-Behrendt (ab 2023) 2022-2024
Projektbeschreibung Dazu wird ein Software-Prototype als plattform-
CE-PASS erforscht Fahrzeug-Design für basiertes Service angeboten, damit die Ingenieure
Nachhaltigkeit und Kreislaufwirtschaft im Kontext Produktwerterhaltung und Kreislauf-orientierte KPIs
von hochgradig vernetzten und interoperierenden IKT optimieren können. Die Plattform wird auch
Systemen und Plattformen. Das Projekt wird von vier Feedback-Kanäle entlang des Lebenszyklus-Modells
Organisationen getragen, die zueinander unterstützen, z.B. für Vorschläge von Recycling-
hochkomplementär sind: Experten, wie ein Produkt durch eine
Designänderung besser wiederverwertet werden
AVL als österreichisches Vorzeigeunternehmen im könnte. Ein wesentlicher Aspekt wird die Entwicklung
Automobil-Sektor; iPoint als Software-Firma eines digitalen Produkt-Ausweises sein, der Industrie
die auf Nachhaltigkeits- und Compliance-Software 4.0 Standards mit den Zielen ökologisch nachhaltiger
spezialisiert ist; das Institut für Industrieproduktion kombiniert.
Systemwissenschaften, Innovation und
Nachhaltigkeitsforschung der Universität Graz mit Ausgangssituation
seiner Expertise in Lebenszyklus-Analyse, Österreich hat besondere Stärken im industriellen
Kreislaufwirtschaft und nachhaltigem Automobil-Sektor, dieser ist aber mit radikalen
Lieferkettenmanagement; und Salzburg Research, Änderungen konfrontiert: Da ist zum Ersten der
die eine Open-Source B2B Lieferketten-Plattform ins Abschied vom Verbrennungsmotor, um fossile
Projekt bringt. Brennstoffe zu reduzieren und damit verbunden, der
Schritt zu neuen Antriebssträngen für
Wir gehen davon aus, dass in Zukunft ein Wasserstoffzellen bzw. für elektrische Antriebe. Der
wachsender Anteil aller wirtschaftlichen Abläufe zweite wichtige Faktor ist „Corporate Due Diligence“,
digital, über Netzwerke passieren wird: Firmeneigene also eine weitgehende Sorgfaltspflicht, die es nötig
IT-Systeme werden mit digitalen Plattformen macht, schon im Design-Prozess für Nachhaltigkeit
interagieren (z.B. in Lieferketten), und es wird und Werterhaltung Sorge zu tragen. Gleichzeitig hat
Datenflüsse zwischen Firmensystemen und die Digitalisierung von Wirtschaftsprozessen und die
Kontrollsystemen geben, welche Materialflüsse und Vernetzung der IT-Systeme in vielen
die Verwendung gefährlicher Stoffe überwachen. Wirtschaftsbereichen zu disruptiven Veränderungen
geführt und eine neue Welle der Automatisierung
Ebenso wird es zum Datentransfer mit öffentlichen ausgelöst.
Informationssystemen kommen, die z.B. über die
Öko-Bilanz von Produkten informieren. Solche Ziel
vernetzte Systeme müssen vertrauenswürdig und Ziel ist, Fahrzeugentwicklern schon in der Design-
sicher sein und bergen hohe Investitionsrisiken, Phase Entscheidungshilfen hinsichtlich ökologischer
wenn sie nicht ausreichend interoperabel sind. Ziele und Lebenszyklus-Kosten zu geben. Dazu wird
ein Software-Prototype gebaut und als plattform-
Aufgabe des Prototyps ist, Fahrzeugentwicklern basiertes Service angeboten, damit die Ingenieure
schon in der Design-Phase Entscheidungshilfen Produktwerterhaltung und Kreislauf-orientierte KPIs
hinsichtlich ökologischer Ziele und Lebenszyklus- optimieren können.
Kosten zu geben.
7Ein wesentlicher Aspekt der Arbeit wird die Der Anwendungsfall soll eine höhere
Entwicklung eines digitalen Produkt-Ausweises sein, Wiederverwertbarkeit der eingesetzten Rohstoffe
der Industrie 4.0 Standards mit den Perspektiven schon im Produkt-Design berücksichtigen und
ökologisch nachhaltiger Industrieproduktion zeigen, wie diese Zielwerte dann auch in der
kombiniert. Nutzungsphase und Recycling-Phase nachgewiesen
werden können.
Vorgehen
In der Anforderungsphase wird eine Stakeholder- Anbindung an strategische Vorhaben
Analyse entlang des Produktlebenszyklus CE-PASS unterstützt die Doppelstrategie der EU und
durchgeführt. Der Schwerpunkt liegt dabei auf der Österreichs zur Digitalisierung und zu nachhaltigem
Design-Phase, da das Design maßgeblich die Wirtschaften. Wir planen, die Projektinhalte auch auf
Nachhaltigkeit der gefundenen Lösung beeinflusst. europäischer Ebene weiterzuentwickeln.
Gleichzeitig wird von den technischen Partnern ein Projektpartner
Datenmodell für den Produkt-Pass (Digital Product
Passport) entwickelt, und eine interoperable Wernher Behrendt
Senior Researcher & Projekt-Koordinator
Datenaustausch-Architektur erstellt, die es erlaubt, Salzburg Research
Daten aus unterschiedlichen Quellen miteinander zu
verknüpfen. Johann Bachler
R&D Coordination Global, Research & Technology Development
Das Gesamtsystem wird von ipoint und Salzburg AVL List GmbH
Research entwickelt und unter Leitung der
Universität Graz bei AVL validiert. Maria Dos Santos
R&I Team Lead
ipoint Austria
Angestrebte Ergebnisse
Die zunehmende Digitalisierung der europäischen Josef-Peter Schöggl
Industrie erfordert die Entwicklung einer Postdoc Researcher
interoperablen Infrastruktur, die von firmeneigenen Universität Graz
Systemen zu Internet-Plattformen und öffentlich
zugänglichen Cloud-basierten Datenbanken reicht.
CE-PASS entwickelt ein praktikables Datenmodell für
den Digitalen Produkt-Pass und demonstriert das
Zusammenspiel der Lösungen über Systemgrenzen
hinweg.
81.4 CRISP
Crisis Response and Intervention Supported by
01.12.2021
Semantic Data Pooling
Name der Projektleitung: 36 Monate
Univ.-Prof. DDr. Arno Scharl
webLyzard technology
2021-2024
Projektbeschreibung Vorhandene Workflows sollen hier verbessert
Zweifellos hat die Häufigkeit von Naturkatastrophen werden, etwa durch Identifikation von Maßnahmen,
in den letzten Jahren aufgrund des Klimawandels die nicht die gewünschten Ergebnisse erzielen.
zugenommen. Dadurch wird das Katastrophen- und
Krisenmanagement in unserer Gesellschaft bei der Ziel
Bewältigung solcher Ereignisse auch nach der Das CRISP-Projekt verfolgt vier zentrale Ziele:
COVID-19 Pandemie mit zusätzlichen
Herausforderungen konfrontiert sein. (1) Schaffung eines dezentralen Datenmanagement-
Ökosystems für Naturkatastrophen auf Basis von
Ziel von CRISP ist es, das Management von internen und externen Datenbanken sowie
resultierenden Unwetter- und Naturkatastrophen unstrukturierten Online-Daten um Stakeholder-
datengesteuert zu unterstützen, um eine effektivere Kommunikation abzubilden,
Krisenreaktion und -intervention zu ermöglich. Dies
betrifft sowohl die kurzfristige Bewältigung von (2) Aufbau und laufende Wartung eines
Katastrophen als auch die Abschätzung langfristiger semantischen Datenpools zur Bewertung und
ökonomischer Folgen solcher Ereignisse. Um dies zu Verbesserung der gesammelten Daten. CRISP wird
erreichen, wird CRISP heterogene Datenquellen die Datenqualität laufend bewerten und in einem
automatisiert verarbeiten, um die Auswirkungen und gemeinsamen Metamodell abbilden um Metadaten
Wahrnehmungen von Kriseninterventionsprozessen zu extrahieren und Indikatoren abzuleiten.
in Echtzeit zu analysieren.
(3) Verbesserung der Wirkungsvorhersagefähigkeiten
Das Ergebnis ist ein umfassender und kontinuierlich für Naturkatastrophen basierend auf dem laufend
aktualisierter Datenpool für die geplante erweiterten Datenpool. Ziel ist die Verbesserung der
semantische Modellierung und Wirkungsprognose. österreichischen Risikobewertung im Bereich der
Naturgefahren-Prävention.
Ausgangssituation
CRISP soll nicht nur die Transparenz und Effizienz bei (4) Entwicklung eines visuellen Analysesystems für
Katastropheneinsätzen und Kriseninterventionen Entscheidungsträger, um aktuelle und
erhöhen, sondern auch erfassen, wie solche prognostizierte Entwicklungen intuitiv erfassbar zu
Ereignisse von Bürgerinnen und Bürgern (über machen. Darüber hinaus werden die Ergebnisse über
Community- Foren, soziale Medien, usw.) und eine modulare REST-API und in externe
Stakeholdern (Nachrichten-Agenturen, NGOs, usw.) Anwendungen integrierbare Visualisierungen
wahrgenommen werden. verfügbar gemacht.
Diese Rückkopplungsschleifen sind entscheidend, um
die Effektivität von Notfalldiensten zu erhöhen, etwa
durch Echtzeit-Datenaustausch mit staatlichen
Warnzentren.
91.5 DEVICE
Screening of Infection by Chemical Evaluation of
01.01.2022
Breath Volatiles for Rapid Deployment during Viral
Outbreaks - Detection of Viral Infection by Chemical
Evaluation 24Monate
Projektleitung:
Institut für Atemgasanalytik,
2022-2024
Leopold-Franzens Universität Innsbruck
Projektbeschreibung Ausgangssituation
Im Verlauf der COVID-19 Pandemie hat sich gezeigt, Die derzeitige SARS-CoV-2 Pandemie hat gezeigt,
dass die derzeit verwendeten Verfahren zur dass schnelle, genaue und idealerweise nicht-
Diagnose einer SARS-CoV-2-Infektion nur invasive Tests erforderlich sind, um virale Infektionen
eingeschränkt praktikabel sind. Die Probenentnahme zu erkennen und schnell eine individualisierte
ist nicht immer zuverlässig, ebenso kann das Isolation zu ermöglichen und somit Infektionsketten
Ergebnis falsch sein bzw. so zeitverzögert eintreffen, zu unterbrechen und sozialen Schutz zu bieten. Zwölf
dass eine Weitergabe der Infektion bereits vor Monaten nach dem Erscheinen von COVID-19 sind
Kenntnis erfolgt ist. Dringend nötig wäre daher ein die derzeit verwendeten Verfahren zur Diagnose
Testverfahren, das auch ohne Spezialwissen einfach einer SARS-CoV-2-Infektion nur eingeschränkt
handhabbar ist und sofort ein hinreichend genaues praktikabel: Der PCR-Test liefert zwar relativ genaue
Ergebnis liefert. Ergebnisse, allerdings erst nach einer Laboranalyse
wobei der gesamte Prozess mindestens einige
Die Motivation für das Projekt DEVICE geht von der Stunden dauert. Der Antigen-Test ist zwar
Tatsache aus, dass eine bakterielle, virale, oder wesentlich schneller, aber auch weniger genau mit
kombinierte Infektion die Biochemie des Körpers und deutlich mehr falsch positiven Ergebnissen und
damit auch die Zusammensetzung des Atems ändert. Fehlerquellen in der Handhabung, wodurch er nur
Mittels einer Atemluftanalyse soll eine genaue und von medizinischem Personal sicher angewandt
zuverlässige Erkennung von Patient:innen mit viraler, werden kann.
bakterieller Infektion oder gesunden Personen
ermöglicht werden. Ziel
Das Ziel des Forschungsprojektes ist die Entwicklung
Dies führt zu der Idee, einen nicht invasiven, einfach eines Lernalgorithmus für das Infektionsscreening.
handhabbaren Schnelltest auf der Basis der Dabei soll die Erkennung aktueller und zukünftig neu
Atemluftanalyse zu entwickeln, der zukünftig eine aufkommender, viraler und bakterieller Infektionen,
breite Anwendung (Flughafen, Sicherheitskontrollen, basierend auf den ausgeatmeten, flüchtigen
Schulen, Krankenhäuser) finden kann und dabei nicht Verbindungen in Echtzeit-Nähe ermöglicht werden.
schwieriger als ein Alkomat in der Bedienung ist. In
einer Pandemie eröffnet ein derartiges Testverfahren Dieser innovative und interdisziplinäre Ansatz
die Möglichkeit, rasch auf Infektionen zu reagieren beinhaltet die Bestimmung der flüchtigen
und somit durch eine schnellere Isolation Verbindungen in der Atemluft, in klar definierten
Infektionsketten zu unterbrechen. Patientengruppen, die eine Trennung zwischen
Patienten mit viraler und mit bakterieller Infektionen,
sowie von gesunden Probanden gewährleisten.
10Darüber hinaus ist die Entwicklung und Optimierung Angestrebte Ergebnisse
der analytischen Methode für das Das Endergebnis wird die Demonstration der
Gaschromatographie-Ionenmobilitätsspetrometrie Anwendbarkeit des GC-IMS zur Diagnose von
(GC-IMS) Verfahren, die biostatistische Analyse der viralen/bakteriellen Infektionen aus der Atemluft sein,
mehrdimensionalen Spektraldaten, die Validierung sowie die Bestimmung der Spezifität und Sensitivität
der flüchtigen Marker im klinischen Umfeld, vor Ort des Verfahrens in einer klinischen Blindstudie.
mit dem GC-IMS, sowie die Entwicklung von
maschinellen Lernalgorithmen für eine zukünftig Projektpartner
autonome Funktion des Gerätes ausschlaggebend.
Prof. Chris Mayhew Mag. Georg Aumayr
Institutsleiter Abteilungsleiter
Vorgehen Universität Innsbruck, Johanniter Österreich Ausbildung
Es werden neue Erkenntnisse über die flüchtigen, Institut für Atemgasanalytik und Forschung gem. GmbH
organischen Verbindungen gewonnen, die mit einer
Dr. Rainer Thell Mario Mitter, PhD
Infektion assoziiert sind. Eine sorgfältig geplante und Leiter der Notfallaufnahme Data Scientist
überwachte klinische Studie mit einer hohen der Klinik Donaustadt SOLGENIUM OG
Patientenanzahl sorgt für eine statistisch relevante Wiener Gesundheitsverbund
Klinik Donaustadt
und abgesicherte Datengewinnung, was die
Entwicklung eines robusten
Mustererkennungsalgorithmus für das
Infektionsscreening ermöglicht.
Schema der operativen Gesamtstrategie für das Forschungsprojekt.
Der Erfolg des interdisziplinären Projekts wird durch die Beteiligung von sehr erfahrenen klinischen
Expert*innen und Wissenschafter*innen- sowie Industriepartnern gewährleistet.
111.6 DynAISEC
Adaptive AI/ML for Dynamic Cybersecurity Systems
14.01.2022
Projektleitung:
Dr. Johanna Ullrich 24 Monate
Fakultät für Information, Universität Wien
2022-2024
Projektbeschreibung Darüber hinaus hat der im letzten Jahrzehnt
Die Anwendung von AI/ML im Bereich der beachtliche Erfolg von Artificial Intelligence und
Cybersecurity (AI4SEC) ist von steigender Wichtigkeit Machine Learning für verschiedenste datengestützte
für den Schutz unserer digitalisierten Gesellschaft. In Probleme eine florierende Forschungslandschaft
der Praxis trifft AI4SEC auf verschiedenste rund um die Anwendung von AI/ML in der
Herausforderungen, die einer raschen Lösung Cybersecurity – AISEC – hervorgebracht. Die
bedürfen. Übertragung von AISEC in die Praxis ist jedoch nach
wie vor höchst anspruchsvoll.
DynAISEC entwickelt AI4SEC in drei kritischen
Aspekten weiter, nämlich (I) der verbesserten Ziel
Verfügbarkeit von Daten für das Training von AI/ML Das DynAISEC-Projekt setzt sich zum Ziel, die AISEC
Modellen durch die Bereitstellung von entscheidend voranzutreiben. In erster Linie möchten
synthetisierten Daten, (II) die höhere Robustheit wir den Mangel an Ansätzen für adaptives und
gegen die Dynamik von Cyber-Kriminalität indem inkrementelles Lernen beheben, der dafür sorgt, dass
adaptives und inkrementelles Lernen eingeführt gegenwärtige AISEC-Ansätze nicht mit der Dynamik
wird, sowie (II) verbesserte Transparenz, Vertrauen von Cyber-Angriffen und des Netzwerkverkehrs
und Usability von AI4SEC-Lösungen durch die mithalten können.
Anwendung von Explainable AI-Ansätzen.
Die überwiegende Anzahl bisheriger AI4SEC-Modelle
Ausgangssituation wird offline trainiert und bleibt im Fall von bisher
Cybersecurity ist unabdingbar für unserer digitale unbekannten Angriffen (hohe False-Negative-Rate)
Gesellschaft. Der zunehmende Anteil an mobiler oder in Szenarien mit dynamischer Baseline (hohe
Kommunikation, die Vielzahl an heterogenen, False-Positive-Rate) hinter den Erwartungen zurück.
miteinander verbundenen Geräten (IoT, Um inkrementelles Lernen zu ermöglichen, müssen
Smartphones, M2M etc.), die wachsende Zahl an AI4SEC-Modelle erneut trainiert werden, sobald
kritischen Infrastrukturen, die das Internet nutzen jüngere Daten zur Verfügung stehen. Wie das
(z.B. Gesundheitswesen, Finanzwesen, Verwaltung), umgesetzt werden kann, ist eine offene
sowie der gesellschaftliche Umbruch zu „all-remote Forschungsfrage.
im Zuge der Corona-Pandemie haben die
Entwicklung neuer digitaler Bedrohungen und Vorgehen
Angriffe gegen alle möglichen Systeme und In diesem Projekt werden wir daher die GenDeX-
Unternehmen weiter befeuert. Technologie erforschen und entwickeln. GenDex ist
ein kombinierter Ansatz für adaptive Cybersecurity
Deren Bewältigung erfordert daher bessere, bestehend aus drei wesentlichen Bestandteilen:
effizientere und robustere Ansätze in der
Cybersecurity.
12(i) der automatischen und kontinuierlichen Erzeugung Angestrebte Ergebnisse
von synthetischen Daten mit generativen Modellen Die erwarteten Ergebnisse sind: (i) datengetriebene
als Eingabedaten für das datengestützte Lernen; AI4SEC-Modelle mit adaptiven Fähigkeiten für
verbesserte Cybersecurity-Performance (höhere
(ii) dem kontinuierlichen Erkennen von Angriffen und Erkennungsraten bei reduzierten, falschen Alarmen);
Anomalien durch neue AI4SEC-Modelle, die jüngste (ii) Algorithmen für die automatische Generierung von
Entwicklungen der AI/ML nutzen, sowie die synthetischen Cybersecurity-Daten für adaptives Re-
Erkennung von sogenannten „Concept Drifts“ (d.h. Training mit Garantien bzgl. der Korrektheit der
Änderungen in der Statistik der zugrundeliegenden synthetischen Daten; (iii) Software-Bibliotheken, die
Daten), um den richtigen Punkt für das Re-Training zu die Erklärung von Modelverhalten und –voraussagen
erkennen; erlauben; (iv) Prototypen für drei spezifische
Szenarien, nämlich In-Network Security (Verbreitung
(iii) die automatische Erklärung von AI4SEC- von Malware, IoT-targeted attacks, DDoS-Angriffe),
Entscheidungen bei der Erkennung von Angriffen als Web-browsing End User Security (Phishing, Fake-
auch Concept Drifts, um das Verständnis von und Site-Erkennung, Privacy Leaks, Data Exposure von
Vertrauen in AI4SEC zu erhöhen sowie schnellere MitarbeiterInnen) sowie In-Device Security von
Diagnosen und Entscheidungen zu ermöglichen. mobilen Geräten (Malware Erkennung auf
Smartphones).
1.7 dTS 01.12.2021
Data-driven Tourism for Sustainability
30 Monate
Projektleitung:
Ass.-Prof. Dr. Thomas Lampoltshammer
Universität für Weiterbildung Krems - Department für E-
2021-2024
Governance in Wirtschaft und Verwaltung
Projektbeschreibung um diese Erkenntnisse dann im Sinne eines
Um neue Perspektiven aus der aktuellen Krise zu nachhaltigen und sanften Mobilitätskonzepts
eröffnen, Resilienz für zukünftige Herausforderungen einzubeziehen.
zu schaffen und zwei starke Wirtschaftsbereiche
Österreichs, nämlich Tourismus und digitale Dies ermöglicht auch die Modellierung von "Was-
Technologien, zu verbinden, schlägt das Projekt wäre-wenn"-Szenarien zur
„Data-driven Tourism for Sustainability“ einen Entscheidungsunterstützung für die jeweiligen
industriellen Forschungsrahmen für ein skalierbares Verwaltungen. Die Simulation wird auf einer
Modell zur effektiven Datennutzung im Tourismus innovativen, föderierten Datenplattform gehostet,
vor. die durch ihren dezentralen Data-Hub-Ansatz nicht
nur Privacy-by-Design bietet, sondern auch die
Dabei wird auf die Kombination von künstlicher einfache gemeinsame Nutzung bestehender und das
Intelligenz und agentenbasierter Hinzufügen neuer Datenquellen ermöglicht.
Modellierung/Simulation gesetzt, um am Beispiel der
Besucherstromlenkung einen Beitrag zu einem Ebenso wichtig ist die begleitende und steuernde
resilienten und nachhaltigen regionalen Tourismus in Entwicklung von Destination Management-
Österreich zu leisten. Mittels KI und agentenbasierter Konzepten sowie Konzepten für die Skalierung der
Simulationen sollen die authentischen Bewegungs- Projektergebnisse für eine strategische, nachhaltige
und Verhaltensmuster der Zielgruppen erlernt und Entwicklung von Regionen.
verstanden werden,
13Ein besonderer Schwerpunkt liegt hierbei auf der der Use-Case-Partner, Expert_innen und
Vermeidung der Schlechterstellung vulnerabler Praktiker_innen auf Augenhöhe zusammenbringt und
Gruppen durch den Technologieeinsatz. somit einen transdisziplinären Ansatz für eine
koevolutionäre Entwicklung des Tourismussektors
Ausgangssituation schafft.
Disruptive Kräfte beeinflussen die künftige
Entwicklung des Tourismus in erheblichem Maße, Das Projekt nähert sich den anstehenden
und die Branche muss Lösungen für ihre Position in Herausforderungen aus einer digitalen
einer globalen und digitalen Welt finden, die auch von Nachhaltigkeitsperspektive, indem es die
Klima-, Umwelt- und Gesundheitskrisen geprägt ist. Digitalisierung und datengesteuerte Technologien
nutzt, um ökologische, wirtschaftliche und
Während neue digitale Lösungen insbesondere für gesellschaftliche Herausforderungen aus einer
regionale Tourismusanbieter_innen aufgrund transdisziplinären Perspektive im Bereich des
mangelnder Ressourcen und/oder Kapazitäten und regionalen Tourismus anzugehen. Es befasst sich
Kenntnisse neue Herausforderungen mit sich bringen insbesondere mit vier kritischen Hauptbereichen,
können, können dieselben Technologien Lösungen nämlich a) Daten und datengesteuerte Technologien;
bereitstellen, um einen nachhaltigen und b) die Nutzung von KI für faire Vorhersagemodelle; c)
widerstandsfähigen Tourismus für die Zukunft zu die Nutzung von Simulationen zur
schaffen, der regionale, nationale und europäische Entscheidungsunterstützung; d) die Entwicklung von
Strategien stärkt und unterstützt. Governance- und Nachhaltigkeitskonzepten,
einschließlich Ansätzen für das Upscaling.
Mit der praktischen Anwendung dieser Technologien
haben Österreich und seine Regionen das Potenzial, Angestrebte Ergebnisse
sich nicht nur auf nationaler, sondern auch auf Das Projekt schlägt ein skalierbares und portables
internationaler Ebene als innovative und nachhaltige Modell für resilienten und nachhaltigen Tourismus
Destination zu positionieren. vor, indem zwei Anwendungsfälle mit
unterschiedlichen technologischen Reifegraden
Ziel untersucht werden. Das Ergebnis wird der Entwurf
Das Hauptziel des Projekts ist es, durch die einer Datenaustausch- und Simulationsplattform
Kombination von künstlicher Intelligenz und sein, die auch als Datenkreis für Besucherströme
agentenbasierter Modellierung/Simulation einen dienen kann. Mittels KI und agentenbasierter
Beitrag zu einem resilienten und nachhaltigen Simulationen sollen die authentischen Bewegungs-
regionalen Tourismus in Österreich am Beispiel der und Verhaltensmuster der Zielgruppen erlernt und
Besucherstromsteuerung zu leisten. verstanden werden, um diese Erkenntnisse dann in
ein sanftes Mobilitätskonzept einfließen zu lassen.
Dies kann dabei helfen, das Verhalten der Touristen Dies ermöglicht die Modellierung von "Was-wäre-
nachhaltig zu verändern und langfristig zu einer wenn"-Szenarien als Entscheidungshilfe für die
besseren Balance der Kapazitäten führen. Mit dem jeweiligen Verwaltungen.
Ziel, die gesamte Region zu stärken,
Mobilitätsressourcen auszuschöpfen und auf Wesentliche Elemente werden die Entwicklung von
Klimaneutralität hinzuarbeiten, wurden zwei Use Modellen für faire KI-basierte Vorhersagen und
Cases im Land Salzburg ausgewählt. Die technischen agentenbasierte Simulationen sowie die Anwendung
Entwicklungen innerhalb des Projekts werden dabei eines föderierten Datenmanagement-Plattform-
von einer nachhaltigen Sichtweise begleitet, um ihre Ansatzes sein. Diese Lösungen werden durch
Effektivität und optimale Integration in das regionale Konzepte für Governance, Nachhaltigkeit und
touristische Ökosystem zu gewährleisten. Upscaling kontextualisiert.
Gleichzeitig werden alle technischen Lösungen
Privacy-by-Design-Mustern und -Strategien folgen. Anbindung an strategische Vorhaben
Mit der Etablierung eines Fairness-of-Flow-Control,
Vorgehen einer Plattform für föderiertes Datenmanagement auf
Die dargestellten Herausforderungen können durch Basis dezentraler Datenquellen und einem One-API-
einen Co-Creation- und Co-Design-getriebenen fits-all-Ansatz sowie einem Data-Health-Dashboard,
Ansatz bewältigt werden,
14bietet das Projekt eine umfassende Infrastruktur für Projektpartner
die Anwendung von Daten in Tourismusregionen, die
Nutzung neuer Geschäftsmodelle und die Erforschung Ass.-Prof. Dr. Thomas Lampoltshammer
datengetriebener Technologien. Dieser skalierbare Stv. Leiter Zentrum für E-Governance
Universität für Weiterbildung Krems
und übertragbare Ansatz ermöglicht die Integration
des datengesteuerten Rahmens in andere
Mag. Stefanie Wallinger
Tourismusstandorte in Österreich sowie zukünftige Researcher
Forschung. Mit den Regionen, die Interesse an diesem Fachhochschule Salzburg GmbH
Projekt bekundet haben, wurden mögliche Use Cases
für eine erweiterte Anwendung identifiziert. Mit der Simone Höller
GF Tourismusverband BRUCK FUSCH |
Einbeziehung von Nachhaltigkeitsaspekten und nicht- GROSSGLOCKNER
technologischen Beiträgen bietet das Projekt eine Fuscher Freges GmbH
einzigartige Perspektive, welche Chancen für eine
wissenschaftliche, wirtschaftliche und praktische Assoc.Prof. Dr.techn. Johannes Scholz
Verwertung und Erweiterung bereithält. Stv. Institutsleiter, Leiter der Research Group
Geoinformation
Technische Universität Graz
1.8 HARV-EST 01.11.2021
Hoeing Automatically through Recognition of
Vegetation - Evaluation of a Sustainable Technology 36 Monate
Projektleitung:
Gerardus Croonen, MSc., Scientist
Center for Vision, Automation & Control 2021-2024
AIT Austrian Institute of Technology GmbH
Projektbeschreibung Ausgangssituation
Eine wesentliche Zielstellung im Forschungsbereich Obwohl die Lokalisierung von Nutzpflanzen in
der Präzisionslandwirtschaft ist es, Wachstum und Kameraaufnahmen anhand von neuronalen
Gesundheit einzelner Kulturpflanzen zu überwachen Netzwerken auf akademischer Ebene in Teilbereichen
und zu fördern. Hierfür bedarf es einer exakten als gelöst gilt, wurde bislang nicht demonstriert, dass
Lokalisierung der Pflanzen durch den Einsatz solche Ansätze mit der sehr hohen optischen
moderner Technologien, wie maschinelles Lernen Variabilität in natürlichen Bildern umgehen können,
und Robotik. die durch Faktoren wie Typ und Feuchtegehalt des
Bodens, Pflanzenvielfalt, Lichtverhältnisse und
Dadurch ergibt sich das Potential, Erträge zu erhöhen Artefakte wie Steine, Stroh und Pflanzenreste bedingt
und gleichzeitig Ressourcen wie Wasser, Herbizide
ist.
und Pestizide einzusparen. Eine weltweite
Anwendung und Akzeptanz der Da diese Methoden zur Nutzpflanzendetektion bislang
Präzisionslandwirtschaft kann daher nicht nur zu nie großangelegten Dauertests unterworfen wurden,
einer Kostenersparnis führen, sondern darüber ist ungewiss, ob sie die nötige Genauigkeit aufweisen,
hinaus substanziell zur Erreichung einer leistbaren um einen Einsatz in der Produktion zu ermöglichen.
nachhaltigen biologischen Landwirtschaft beitragen.
Ziel
Ziel unseres Projektvorhabens ist es, Precision
Farming Technologien, die in vorhergehenden
Projekten entwickelt wurden, auf einem
15Demonstrator zu integrieren, um tiefgehende Dabei werden relevante Parameter wie
quantitative Tests und Evaluierungen durchzuführen Fahrtgeschwindigkeit, durch den Hackvorgang
um die Funktion des Demonstrators nach zu weisen. verursachte Pflanzenschäden und Einsatzkosten
Die Leistung des Technologie-Demonstrators wird berücksichtigt, so dass sowohl die
anhand spezifisch für In-Row-Hackgeräte neu landwirtschaftliche Performance als auch die
entwickelter Metriken evaluiert, getestet und Wirtschaftlichkeit unseres Demonstrators evaluiert
optimiert. werden können.
Vorgehen Angestrebte Ergebnisse
Die quantitativen Resultate fließen in einen Stark erweiterten, annotierten Datensatz
Entwicklungs- und Optimierungsprozesses ein, um Optimierte Algorithmik (Detektion & Steuerung)
gleichzeitig Nutzpflanzendetektion und Fine-Tuning Hardware
Hackensteueralgorithmen zu optimieren und in Evaluierungsergebnisse bezüglich Potentials zur
weiterer Folge die Hackleistung zu verbessern. Wirtschaftlichkeit
Unsere In-Row-Hackmethode wird quantitativ mit Projektpartner
konventioneller Landwirtschaft (mit Einsatz von
Gerardus Croonen, MSc. DI Dr. Edith Haslinger
Herbiziden) und konventionell-biologischer
Scientist, Center for Vision, Scientist, Integrated Energy
Landwirtschaft (nur Hacken zwischen den Reihen) Automation & Control Systems
verglichen. AIT AIT
1.9 JOLLYBEE
01.10.2021
Neuromorphic Computing at the Junction of Optically
Accelerated Processing and Light-Based Artificial
Intelligence 36 Monate
Projektleitung:
Dr. Bernhard Schrenk 2021-2024
AIT Austrian Institute of Technology
Projektbeschreibung Dem gegenüber steht das menschliche Gehirn: ein
Aktuell ist unsere Wirtschaft durch ein stetiges Meisterwerk der Biologie, das eine erstaunliche
jährliches Datenwachstum im Ausmaß von 60 % Leistung von fast 100 Billiarden (1017) Operationen
gekennzeichnet. Starke Treiber hierbei sind die pro Watt aufweist, gemäß einer Sub-Attojoule-
unaufhörliche Generierung von Inhalten, die Energie pro Operation. Dabei ist das Gehirn um acht
kontinuierliche Ausweitung von Cloud-Anwendungen Größenordnungen effizienter als künstliche Rechner,
und das Aufblühen des Internets-der-Dinge. Mit indem es einen "Prozessor" nutzt, in dem 100
diesem rasanten Wachstum an Daten wird auch der Milliarden (1011) Neuronen miteinander
Anteil der IKT am globalen Energieverbrauch im Jahr kommunizieren.
2030 voraussichtlich auf 21% emporschnellen.
Inspiriert durch diese biologischen
Ein wichtiger Aspekt im Bereich der IKT ist dabei die Rechenarchitektur, entwickelt JOLLYBEE durch eine
Verarbeitung der Daten. Traditionelle Symbiose zweier Schlüsseltechnologien – künstliche
Rechenarchitekturen bilden jedoch die in der realen Intelligenz und Photonik – eine neuromorphe
Welt beobachteten Informationsstrukturen nicht Plattform für den Gigahertz-Betrieb optischer
effizient ab, was wiederum Grenzen bezüglich des neuronaler Netze, die durch eine ultraniedrige
Energieverbrauchs setzt. Latenzzeit in Bezug auf Inferenz gekennzeichnet
sind.
16Dazu werden hybride opto-elektronische neuronale Während die Mikroelektronik bestens dafür geeignet
Knoten und flexible synaptische Verbindungen auf ist, Lernfähigkeit und Rekonfigurierbarkeit eines
Chip-Basis, sowie die dazugehörigen Methoden des neuromorphen Prozessors zum Zweck der
Trainings untersucht. Informationstransformation in den
zugrundeliegenden neuralen Knoten zu unterstützen,
Als ersten Schritt in Richtung bioinspirierter bietet die Photonik die effizienteste Grundlage zur
Datenverarbeitung wird JOLLYBEE die synaptischen Informationsverbreitung – bei
Anwendbarkeit eines derartigen optischen gleichzeitiger Entkopplung von Energieeffizienz und
neuronalen Prozessors in repräsentativen hohen Informationsbandbreiten im Gigahertz-
Anwendungen wie der ultraschnellen Bereich.
Musterklassifikation evaluieren. Die Nachahmung der
Rasche Inferenz mit geringster Latenz im
biologischen Intelligenz durch neuromorphes
Nanosekunden-Bereich gehen mit einer
Computing wird in vielen Anwendungen als Game-
Energieeffizienz von nur 1 Picojoule pro
Changer angesehen und verspricht große
Rechenoperation – weit unter jener der traditionellen
Effizienzgewinne, selbst abseits des primären
Computer – einher.
Anwendungsfeldes der Informations- und
Kommunikationstechnologien.
Vorgehen
Der Leitgedanke in JOLLYBEE beruht auf der
Ausgangssituation
Symbiose von elektronischer Informations-
Die resourceneffiziente Implementierung künstlicher
transformation und optischer Informations-
Intelligenz erfordert einen neuen Ansatz, da die
transmission, um die Schnittstelle dieser beiden
virtuelle Abbildung von Informationsstrukturen durch
ineinandergreifenden Aufgaben neuromorpher
traditionelle Computer einer digitalen Energiebarriere
Informationsverarbeitung so effizient wie möglich zu
unterliegt: Obwohl die Dichte an Transistoren
gestalten. JOLLYBEE wird hierfür sämtliche Elemente
weiterhin ein konstantes Wachstum gemäß dem
und Funktionen neuronaler Schaltungen für KI-
Moore’schen Gesetz aufweist, zeigt sich seit einer
Anwendungen entwickeln:
Dekade eine Sättigung der Prozessortaktrate, welche
die Recheneffizienz limitiert.
künstliche Neuronen, als Grundlage der analogen
opto-elektronischen Informationsverarbeitung
Elektronische neuronale Schaltungen bilden eine aus
mit Gigahertz-Informationsbandbreiten, bauen
der Biologie inspirierte, datenzentrierte Architektur
auf einer photonischen Implementierung der
ab, um das natürliche Leistungsvermögen eines
Gewichtung und Erfassung multipler Synapsen
Gehirns im Zuge des „neuromorphes Computings“
auf, um Neuronen zu aktivieren,
auszuschöpfen. Die zugehörige Hardware
ein flexibler synaptischer Interconnect, über
unterscheidet sich dabei auf physischer sowie auf
welchen die künstlichen Neuronen in Kontakt
architektonischer Ebene und besitzt die Fähigkeit des
treten und welcher die Informationsverbreitung
Lernens, anstatt starr programmiert zu werden. Es
durch Skalierbarkeit und Rekonfiguration der
ist heutzutage möglich, 100.000 Neuronen in einem
dafür eingesetzten neuronalen Matrix
neuromorphen Prozessor zu realisieren und diese
unterstützt, um neuronale Netze effizient zu
mit einer Informationsbandbreite im von einigen
synthetisieren.
Megahertz zu betreiben.
Angestrebte Ergebnisse
Ziel
Die in JOLLYBEE gesetzten Ziele zu bio-inspirierter
JOLLYBEE setzt die notwendigen Schritte, um den
Informationsverarbeitung streben drei primäre
Grenzen elektronischer neuronaler Netze in Bezug
Ergebnisse an:
auf den Informationsfluss entgegenzuwirken, wie sie
Programmierbarer optische Prozessor: Ähnlich
etwa durch die erschwerte Skalierung des
den programmierbaren elektronischen
synaptischen Interconnects oder durch die endliche
Schaltungen, soll durch kongruente photonische
Bandbreite der Signalverarbeitung gegeben sind.
Funktionen am axonalen und dendritischen Arbor
eine KI-Hardware resultieren, welche flexibel und
JOLLYBEE bedient sich dabei einer verwandten
somit lernfähig eingesetzt werden kann.
Schlüsseltechnologie:
17Skalierbarkeit durch photonisch integrierte JOLLYBEE unterstützt Edge-Cloud Anwendungen
Schaltungen (PIC): Die Skalierung optisch durch eine bio-inspirierte Hardware für KI. Die im
neuronaler Netze ist eine große Herausforderung. Projekt untersuchte Prozessor-Architektur löst
JOLLYBEE setzt daher Akzente, um in einem kritische Probleme mit ultra-kurzer Latenz, anstatt
ersten Schritt 11 optische Neuronen auf Basis diese an die Core-Cloud auszulagern. Mit
eines Chips zu implementieren. Die Existenz eines Neuromorphic Computing als neuem Paradigma der
Moore’schen Gesetzes für PICs verspricht Datenverarbeitung sowie der Implementierung eines
Skalierungseffekte in naher Zukunft. optischen neuronalen Netzwerks durch Einsatz von
Demonstration von Time-of-Flight Inferenz, europäischen Integrationsplattformen trägt JOLLYBEE
welche hauptsächlich durch die Signallaufzeit ebenso zur technologischen Souveränität bei – wie
limitiert ist: JOLLYBEE’s KI-Hardware mit sie speziell bei Halbleiterkomponenten durch den
multiplen Neuronen-Layern soll in ersten Digitalen Kompass der EU gefordert wird.
Anwendungen zur Musterklassifizierung unter
GHz-getaktetem Informationsfluss evaluiert Projektpartner
werden. Bernhard Schrenk
Senior Scientist
Anbindung an strategische Vorhaben AIT Austrian Institute of Technology GmbH
JOLLYBEE kombiniert die Schlüsseltechnologien KI
Georg Gesek
und Photonik, um leistungsfähige Datenverarbeitung CEO and Founder
zu gewährleisten. Optisch neuronale Netze operieren Novarion Systems GmbH
mit immensen Informationsbandbreiten. Dies führt zu
einer hohen Energieeffizienz, die den Sub-Picojoule
Bereich pro Rechenoperation erreichen kann, und
unterstützt somit den Green Deal in der IKT – einem
Segment, dessen Energiebedarf ein sehr starkes
Wachstum aufweist.
1.10 JOptim
01.11.2021
Jointly Optimized Allocation of Functionality in
Systems of Systems
36 Monate
Projektleitung:
TU Wien,
Institute of Computer Technology 2021-2024
Projektbeschreibung Die technischen Innovationen werden durch die
Mit zunehmender Komplexität verteilter Verbesserung der Interaktion unseres neuartigen
Rechnerarchitekturen, einschließlich eingebetteter Systems mit menschlichen Designexperten während
Hardware, wird die dynamische Zuordnung von der Entwicklung zusätzlich verstärkt, insbesondere
Funktionen zu Computerknoten von Systems of durch automatische Erklärungen des
Systems immer schwieriger. Unser Ziel ist es, solche Optimierungsergebnisses durch dieses System. Wir
Zuweisungen durch Optimierung mittels Design schlagen eine völlig neue Kombination aus Design
Space Exploration zu automatisieren. Wichtige Space Exploration und Verbesserung der kognitiven
Aspekte wie Safety, Security und Echtzeitbetrieb Fähigkeiten des Menschen mittels (Bio-)Feedback
werden bei der Optimierung für den Lastausgleich im vor, und wir werden innovative Lösungen für dieses
Automobilbereich als Constraints berücksichtigt. wichtige Optimierungsproblem anbieten, die auch
viel breiter anwendbar sein werden.
18Ausgangssituation Dabei werden die jeweiligen Lösungen mit der
Neue und zukünftige verteilte „Ground Truth“ beim Lastausgleich in einem
Computerarchitekturen im Bereich Automotive Simulator oder einer Hardware-in-the-Loop-
erfordern eine dynamische Zuordnung von Testumgebung verglichen. Menschliche Experten
Softwarefunktionen zu Computerknoten / Geräten können die Zielfunktion oder Constraints direkt
von Systems of Systems (SoS). Diese Zuordnungen ändern, auch basierend auf Erklärungen des
müssen für Lastverteilung optimiert werden. Da automatisierten Optimierers. Dabei werden
diese Zuordnungen nach der Bereitstellung während verschiedene Messungen am Menschen
des Betriebs erfolgen müssen, ausgelöst durch durchgeführt.
bestimmte Ereignisse wie das Hinzufügen einer
neuen Funktionalität oder eines Geräts, müssen sie Angestrebte Ergebnisse
automatisiert werden. Die erwarteten wissenschaftlichen Ergebnisse und
Erkenntnisse sind ein neuer DSE-Ansatz zur
Ziel automatisierten Optimierung der Zuordnung von
Um diesen Bedarf zu adressieren, ist das Hauptziel Softwarefunktionen zu Hardware, sowie neue
des vorgeschlagenen Projekts eine automatisch Studienergebnisse zum Zusammenspiel zwischen
optimierte Zuordnung von Funktionen zu den einem solchen automatisierten Optimierer und
Computerknoten im SoS zu ermöglichen, wobei menschlichen Experten.
wichtige Aspekte wie Safety, Security und
Echtzeitfähigkeit als Constraints berücksichtigt Projektpartner
werden.
Univ.Prof. Dr. Hermann Kaindl
Forschungsbereichsleiter
Vorgehen Technische Universität Wien, Institut für Computertechnik
Zur Erreichung dieses Ziels ist Innovation gegenüber
Dr. Bernhard Lutzer
dem Stand der Technik nötig. Wir schlagen vor Innovation Projects and Funding Manager
Optimierungssuche durch Design Space Exploration TTTech Auto AG
(DSE) zu ermöglichen, d.h. einen solchen Suchraum
durch Metamodelle und Transformationsregeln Andreas Eckel, MBA
Teamlead Innovation
basierend auf Model-driven Engineering zu
TTTech Auto AG
definieren.
Univ.Prof. Dr. Frank Scharnowski
Institutsvorstand
Darüber hinaus schlagen wir eine völlig neue
Universität Wien - Institut für Psychologie der
systematische Studie des Zusammenspiels zwischen Kognition, Emotion und Methoden
einem solchen automatisierten Optimierer und
menschlichen Experten während der Entwicklung
vor, um die Ergebnisse des Optimierers zu
verbessern.
19Sie können auch lesen
