Ziel des Projekts ProVis ist es, wissenschaftliche Erkenntnisse durch eine Viskositätsmessung in der bestehenden Produktionsanlage zu erlangen und zu untersuchen, ob eine On-Line-Rotationsviskosimetrie zur Erkennung von Viskositätsschwankungen und zur Zuordnung zu veränderten Prozessparametern genutzt werden kann, um eine viskositätsgeregelte Tropfenformung in der Glasindustrie zu ermöglichen. Ein bereits existierendes Rührwerk, welches zur Homogenisierung der Schmelze genutzt wird, soll Viskositätsdaten erheben. Es werden die Zusammenhänge zwischen Viskosität, Glaszusammensetzung und Temperatur untersucht und die Eignung einer kontinuierlichen Viskositätsmessung als Regelgröße für die Tropfenbildung bewertet.

In Fokus des Projekts KOPLA steht konkret die Erforschung der Interaktion von kurzfristigen und langfristigen Störungen. Diese aktuell nicht ausreichend verstandenen Korrelationen dienen dazu, Assistenzsysteme signifikant zu optimieren, indem Sie alle Abhängigkeiten zwischen Störungen beinhalten und in unsicheren Situationen bestmögliche Entscheidungen treffen. Das langfristige Ziel der hier beschriebenen Forschung zur datenbasierten Algorithmik ist den Betrieb langfristig stabiler, effizienter und kundenfreundlicher zu machen – sowohl im Alltag als auch im Störungsfall und so die Qualität des Nahverkehrs zu sichern.

Ein neuer Lösungsansatz ist es, additiv gefertigte Hohlleiter mit einem Dielektrikum höherer Permittivität zu füllen, um so eine kompakte, selbsttragende Struktur zu erhalten. Ziel des Forschungsprojekts HF-FILLED ist es, derartige monolithische, aus Kunststoff additiv gefertigte als auch spritzgegossene dielektrische Grundkörper, welche anschließend metallisiert werden, herzustellen und auf ihre Eignung für einfache Antennenanwendungen im Millimeterwellenbereich zu untersuchen.

Zum Schließen des Stoffkreislaufs sind bisher verfügbare Methoden zu langsam, kostenintensiv oder nicht für eine kontinuierliche Prozesskontrolle geeignet. Ziel ist daher die Entwicklung eines Konzepts, das Nahinfrarotspektroskopie (NIRS) mit künstlicher Intelligenz (KI) verbindet. Hierfür werden Referenzproben mit definierten Gehalten hergestellt und durch Laboranalysen validiert. Anschließend erfolgen NIRS-Messungen, die eine robuste Datengrundlage für die Entwicklung von KI-Modellen liefern. Diese Modelle ermöglichen sowohl den qualitativen Nachweis als auch die quanti-tative Bestimmung von Störstoffen – auch bei komplexen Spektren.