Vier zentrale Handlungsfelder werden adressiert: Optimal auf die auftretenden Lastprofile abge-stimmte Antriebs- und Nebenverbraucherkonzepte (TP1), die Entwicklung und Einsatzplanung intel-ligenter, modularer und multifunktionaler Batteriesysteme (TP2), die gekoppelte softwaregestützte Planung und Steuerung von Bauprozessen und Energieflüssen (TP3) und die dynamische Flexibilisie-rung der oft limitierenden Netzanschlüsse (TP4). Die Ergebnisse fließen in ein integriertes Planungs- und Betriebstool für komplexe emissionsfreie Baustellen ein. Über Netzwerkevents, Realdemonstration und andere Disseminationsformen werden die Ergebnisse einem breiten Interessentenkreis zur Verfügung gestellt.

Die Produktentwicklung erfährt durch Generative Design eine grundlegende Veränderung. Generative Design nutzt KI und leistungsstarke Optimierungsalgorithmen, um automatisiert zahlreiche Designalternativen zu generieren und zu optimieren. Besonders in Zeiten des Fachkräftemangels und steigender Entwicklungskosten ermöglicht dieser Ansatz effizientere Konstruktionsprozesse.

Der Forschungsverbund FORAnGen arbeitet daran, Generative Design mit etablierten und neuen Fertigungsverfahren zu verbinden. Ziel ist die nahtlose Integration digitaler Produktentwicklung und realer Produktion, um nachhaltige und wirtschaftlich optimierte Produkte ermöglichen. Im Fokus des Forschungsverbunds liegen dabei die klassischen Fertigungsverfahren Gießen und Umformen, die additive Fertigung und als hybride Methode Tailor Additive Blanks, die klassische und moderne Produktionsweisen kombiniert.

Ein Vorteil von Generative Design ist die anwendungsspezifische Minimierung der Bauteilmaße, was Nachhaltigkeit in Betrieb und Herstellung fördert. Gleichzeitig können Unternehmen flexibler auf Marktschwankungen reagieren, indem sie beispielsweise zwischen Guss- und additiver Fertigung wechseln. Besonders für Blechbauteile eröffnen sich neue Möglichkeiten, da moderne hybride Fertigungstechnologien größere Gestaltungsfreiheiten bieten. Herausforderungen bestehen bei der präzisen und kosteneffizienten Umsetzung generativ entworfener Geometrien, da konventionelle Fertigungsverfahren oft nicht auf deren Komplexität ausgelegt sind. Der Forschungsverbund entwickelt daher Methoden, um digitale Designs mit realen Produktionsprozessen zu verbinden.

Ein weiterer Fokus liegt auf der Integration von Nachhaltigkeitsbewertungen in die Produktentwicklung. Gesetzliche Vorgaben sowie steigende Kundenanforderungen setzen Unternehmen zunehmend unter Druck, nachhaltige Produkte zu entwickeln. Durch automatisierte Bewertungen von Material- und Energieverbrauch können ökologische, wirtschaftliche und soziale Kriterien frühzeitig in den Entwicklungsprozess einfließen.

Ein bedeutender Teil des Projekts ist die Entwicklung softwarebasierter Lösungen, die Generative Design mit Fertigungs- und Nachhaltigkeitsanforderungen verknüpfen. Diese werden als Open-Source oder Freeware bereitgestellt und in Systeme wie Z88Arion® integriert. Eine benutzerfreundliche Oberfläche und umfassende Dokumentation erleichtern insbesondere kleinen und mittleren Unternehmen den Zugang.

Der Forschungsverbund treibt die Digitalisierung der Produktentwicklung voran und ermöglicht Unternehmen, nachhaltige, wirtschaftliche und anpassungsfähige Produkte zu entwickeln. Die Kombination aus Generative Design, industrienaher Fertigung und Nachhaltigkeitsbewertungen stärkt die Wettbewerbsfähigkeit der bayerischen Wirtschaft.

Sinkende Grundwasserspiegel und längere Dürreperioden machen die Schließung von Wasserkreisläufen für die Industrie immer wichtiger. Ein nachhaltiger Umgang mit der essenziellen Ressource Wasser ist unabdingbar, um Grundwasservorräte zu schützen und die Zukunft wasserintensiver Produktionsprozesse zu sichern. Eine effizientere Nutzung vorhandener Wasserressourcen trägt nicht nur zum Umweltschutz bei, sondern stärkt auch die Wirtschaftlichkeit heimischer Produktionsstandorte.

Das Projekt „BayWater“ verfolgt das Ziel, Abwässer aus industriellen Produktionsprozessen gezielt zu analysieren und maßgeschneiderte, energieeffiziente sowie ressourcenschonende Technologien für das innerbetriebliche Wasserrecycling zu entwickeln. Besonders großes Potenzial bieten Abwässer mit geringer Belastung, die in Betrieben in verschiedenen Produktions- und Reinigungsprozessen anfallen. Anstatt diese zu entsorgen oder konventionell zu behandeln, strebt „BayWater“ an, moderne Membranfiltrationen für effiziente Aufbereitungsprozesse nutzbar zu machen und dadurch betriebliche Wasserkreisläufe zu schließen.

Ein wesentliches Hindernis für die breite Nutzung von Membrantechnologien in kontinuierlichen Aufbereitungsprozessen ist die Membranverschmutzung (Fouling), die den Durchfluss reduziert und den Wartungsaufwand erhöht.

Fouling wird in vier Kategorien unterteilt:
– Partikuläres und kolloidales Fouling durch Mikropartikel und Schwebstoffe,
– Organisches Fouling durch Öle, Fette und andere organische Verbindungen,
– Scaling durch die Ablagerung gelöster Salze und
– Biofouling durch das Wachstum von Mikroorganismen.

Die Wasserinhaltsstoffe konzentrieren sich an der Grenzschicht der Membran auf und können die Filtrationsleistung beeinträchtigen. Um dem entgegenzuwirken, kombiniert „BayWater“ bewährte und neue Vorbehandlungsmethoden, die an die spezifische Zusammensetzung der Abwässer angepasst werden. Dadurch soll die Membranfiltration mit maximaler Effizienz und ohne störende Ablagerungen betrieben werden. Komplementiert durch Neuentwicklungen in der Sensorik und Steuerungstechnik wird „BayWater“ für unterschiedliche Prozesswässer eine energieeffiziente Aufbereitung ermöglichen.

Im „BayWater“-Projekt haben sich sechs wissenschaftliche Einrichtungen und 22 Unternehmen aus unterschiedlichsten Branchen zusammengefunden. Um die Verbindung aus gezielter Vorbehandlung und Membranfiltration als universelle Strategie für eine ressourceneffiziente Kreislaufwirtschaft zu etablieren, arbeiten die Forschungs- und Industriepartner des „BayWater“-Verbundes interdisziplinär zusammen, um einen Beitrag zur nachhaltigen Nutzung der kostbaren Ressource Wasser in unterschiedlichen Industriezweigen zu leisten.

Nachhaltige Produktion fordert Ressourcen- und Energieeffizienz, geringe Emissionen, die Reduktion von Ausschuss und die Verwendung von Recyclingmaterial. Die Qualität von Recyclingmaterial kann jedoch von Charge zu Charge stark schwanken. Gleichzeitig rückt auch die effiziente Produktion von Kleinserien mit ihren häufigen Änderungen der Anforderungen in den Fokus der Anwender.

Fertigungsprozesse sind oft nicht auf all diese Erfordernisse ausgelegt. Meist ist es Aufgabe eines Maschineneinrichters, auf Basis seiner Expertise die Prozessparameter zu berücksichtigen und die Anlage manuell auf die Erfordernisse anzupassen. In der Phase der Maschineneinstellung entsteht ein Ausschuss defekter Teile. Ist die Fertigungsanlage eingestellt, dürfen die Parameter nicht mehr verändert werden, um Schwankungen in der Qualität und weiteren Ausschuss zu vermeiden. Dies macht eine Energie- und Ressourcenoptimierung durch Anpassung der Parameter unattraktiv.

Die Projektpartner von FORinFPRO werden es Fertigungsprozessen ermöglichen, selbstständig auf neue Erfordernisse, schwankende Materialqualität, knappe Ressourcen und schwankende Energiepreise zu reagieren.

Als Referenz dient im Projekt ein Bauteil, das in einem mehrstufigen Prozess aus recycelten Kohlefasern und verschiedenen Kunststoffen gefertigt wird: Zunächst wird im Nassvliesverfahren ein Vliesstoff aus Kohlefasern hergestellt. Dieser wird in einem weiteren Schritt zu einem „U“ geformt, in das im Spritzgussverfahren Rippen eingefügt werden. Währenddessen wird der Vliesstoff auf einer anderen Maschine im Infusionsverfahren mittels eines Duroplastes zu einer Platte verarbeitet, die anschließend durch Ultraschallschweißen als Deckel auf das Bauteil gefügt wird.

Daran erforscht FORinFPRO einerseits die Anwendung einer Kombination des klassischen ingenieurwissenschaftlichen Ansatzes einer modellbasierten Steuerung und Regelung. Andererseits legt die hohe Komplexität einen auf Big Data und Machine Learning basierenden Ansatz nahe. Dessen Übertragung ist aber nicht einfach, da die Trainingsphase eine hohe Anzahl an Versuchen erfordert, die Ausschuss produzieren würden. Schnell lernende, dateneffiziente Machine-Learning-Verfahren sind daher ein Fokus des Projekts. Gleichzeitig sollen auf der experimentellen Seite eine geeignete Sensorik aufgebaut und die Gewinnung von synthetischen Daten durch Simulation genutzt werden.

Als Ergebnis entsteht eine generelle Herangehensweise, mit der komplexe Fertigungsprozesse auch über Firmengrenzen hinweg robust und flexibel gegenüber neuen Anforderungen gemacht werden können und mit der die Attraktivität der Verwendung nachhaltiger Materialien und Energiequellen steigt.

Die Robotik ist in verschiedenen Anwendungsdomänen eine Schlüsseltechnologie für Wertschöpfung und verbesserte Arbeitsbedingungen, zum Beispiel in der Industrie, in Dienstleistungen, in der Medizin und in der Pflege. Die schlüssige Erweiterung dieses Forschungsfeldes ist die sogenannte „soziale Robotik“. Sie zeichnet sich dadurch aus, dass Roboter – zusätzlich zu ihrem technischen Funktionsumfang – zu einer an die jeweilige Situation angepassten sozialen Kommunikation und Interaktion mit dem Menschen fähig sind. Dies kann viele Formen annehmen und betrifft nicht nur eine Unterhaltung zwischen Roboter und Mensch. Zum Beispiel könnte ein sozialer Roboter, der in einer Fertigungshalle Bauteile transportiert, mittels seiner sozialen Fähigkeiten erkennen, ob ein Mitarbeiter, an dem er vorbeifahren muss, unsicher ist, wie der Roboter auf ihn reagieren wird. Indem der Roboter dem Mitarbeiter signalisiert, dass er ihn erkannt hat und ihm jetzt ausweichen wird, kann der Mitarbeiter entsprechend handeln.

Ungelöste Herausforderungen im Bereich der sozialen Robotik liegen derzeit in der Gestaltung einer akzeptierten und ganzheitlichen autonomen sozialen Kommunikation und Interaktion zwischen Roboter und Mensch. Hier muss sichergestellt werden, dass diese so natürlich wie möglich erfolgt, um nicht angsteinflößend auf den Menschen zu wirken. Die Komplexität einer solchen sozialen Kommunikation und Interaktion stellt eine Herausforderung für die technische Umsetzung dar. Zudem entstehen hohe Kosten durch die Anpassung eines sozialen Verhaltens auf unterschiedliche Einsatzszenarien und für unterschiedliche Roboter. Denn derzeit können existierende soziale Verhaltensweisen eines Roboters nicht einfach auf einen anderen Roboter übertragen werden.

Die Vision des Konsortiums in FORSocialRobots besteht darin, dass Mensch und Roboter gemeinsam in flexiblen Teams in allen Bereichen des täglichen Lebens zielführend zusammenarbeiten und neue Roboterapplikationen in kürzester Zeit realisiert werden können. Das Projektkonsortium setzt sich aus sechs wissenschaftlichen, 15 industriellen und sechs assoziierten Partnern zusammen. Der Fokus liegt auf sechs relevanten Anwendungsfeldern (Inspektion, Logistik, Produktion, Service, Seniorenheim und Demenzzentrum) und fünf wissenschaftlichen Teilprojekten (Architektur sozialer Fähigkeiten, sozial situative Kommunikation, sozial adaptive und proaktive Interaktion, Simulation und Validierung sozial kognitiver Roboter im Digitalen Zwilling und Mensch-Roboter-Interaktion im Arbeitskontext). Hier soll der Forschungsverbund einen entscheidenden Beitrag zur Verbesserung der sozialen Fähigkeiten von Robotern leisten und damit deren Wirksamkeit und Akzeptanz bei den potenziellen Nutzern steigern sowie völlig neue technische Entwicklungen unterstützen.

Das Bereitstellen robotischer Assistenzsysteme (RAS) führt zu signifikanten Verzögerungen in den klinischen Arbeitsabläufen, die gerade bei kurzen Prozeduren die Anwendung limitieren. Die RAS-Platzierung am Menschen hat einen signifikanten Einfluss auf die spätere Performanz. Sie muss sowohl die Patientenanatomie als auch den Arbeitsraum des Systems berücksichtigen. Um die Vorteile eines RAS wirkungsvoll nutzen zu können, ist ein abgestimmtes Zusammenspiel von Mensch und Technik unabdingbar. Individuelle Operationsplanung unter Berücksichtigung von patientenindividuellen Parametern sowie Bildgebung, Dokumentation und Integration in die OP-Umgebung müssen eng verzahnt werden. Traditionelle Arbeitsabläufe und Prozesse sind bislang nicht oder nur auf Kosten des OP-Personals und der Prozesseffizienz an die Nutzung von RAS angepasst. Eine umfassende Überarbeitung und Anpassung an die neue Technologie ist notwendig. Wie Studien zeigen, birgt die fehlende Integration einerseits ein erhöhtes Risiko chirurgischer Fehler und damit vermeidbare Risiken für Patienten; andererseits verursacht dies längere Operations- und Prozesszeiten mit der Folge höherer Behandlungskosten im Vergleich zu konventionellen OP-Methoden.

Trotz zahlreicher potenzieller Vorteile sind robotische Anwendungen in der medizinischen Intervention und Bildgebung aktuell auf wenige und komplexe Fälle beschränkt, in manchen Bereichen werden sie gar nicht eingesetzt. Um RAS in den Kliniken nutzerzentriert, ökonomisch und klinisch relevant zu etablieren und damit die Patientenversorgung weiter zu verbessern, müssen diese vor allem besser integriert werden.

Der Forschungsverbund hat erhebliche Verbesserungen in allen genannten Aspekten zum Ziel. Hierzu dienen die im Verbund vorhandenen, herausragenden Expertisen hinsichtlich der Umsetzung ergonomischer Prinzipien der klinisch zentrierten Realisierung von nutzerzentrierten Simulationen, Augmented- Reality-Anwendungen und Nutzerschnittstellen. Die aufgeführten Ansätze stellen Schlüsseltechnologien für die zukünftige robotische Chirurgie und die digitale Medizin dar. Nur durch die enge Verzahnung dieser Kompetenzen mit den Anwendern aus der Klinik (Ärzteteam, Pflege, Technische Assistenz) und durch die Einbindung kompetenter industrieller Partner aus Bayern kann dieses Ziel erreicht werden. ForNeRo bringt junge aufstrebende Startups mit führenden Unternehmen im Bereich der Gesundheitstechnologien zusammen und ermöglicht eine Plattform zur Translation der Forschungsarbeiten bayerischer Universitäten in einen stark wachsenden, hochtechnologischen Markt.

Ziel von SHIELD war es, die digitale Transformation der Analytik, Sensorik und Diagnostik im Lebensmittelqualitätsmanagement voranzutreiben. Vor dem Hintergrund wachsender ökologischer Landwirtschaft – in Bayern wie EU-weit – zielte das Projekt darauf ab, die Wettbewerbsfähigkeit der bayerischen Biobranche zu stärken. Besonders im Fokus stand die Qualitätssicherung entlang der gesamten Wertschöpfungskette unter Berücksichtigung von Nachhaltigkeit und Ressourcenschonung.

In enger Zusammenarbeit mit acht wissenschaftlichen Einrichtungen, zehn KMU sowie Kontrollbehörden wurden drei Jahre lang neuartige Sensortechnologien und digitale Verfahren entwickelt, welche schnelle und präzise Analysen von Biolebensmitteln direkt bei der Warenannahme ermöglichen. Mithilfe von Halbleitersensoren lassen sich so versteckte Schäden frühzeitig erkennen.

Ergänzend erlaubt das sogenannte Peptidprofiling die Identifikation nicht deklarierter Beimischungen. Auch digitale Produktabbilder zur Klassifikation und Rezepturoptimierung wurden erprobt.

Die neuen Verfahren verbessern die Qualitätssicherung erheblich und reduzieren Lebensmittelverluste entlang der gesamten Kette – von der Anlieferung bis zur Verarbeitung. Gleichzeitig werden Lagerbestände effizienter genutzt und weniger Rohstoffe aussortiert. SHIELD leistet damit einen wichtigen Beitrag zur Digitalisierung und Nachhaltigkeit in der Lebensmittelwirtschaft. Aufbauend auf diesen Erfolgen sind bereits Folgeprojekte in Planung.

Das Projekt beinhaltet die angepasste Integration aller wesentlichen Komponenten (Bordcomputer, Sensorik, Energieversorgung, Datenübertragung) eines Kleinstsatelliten in fortgeschrittenen Produktionsverfahren sowie System-in-Package-Aufbau- und Verbindungstechnik (AVT). Durch einen Web-Konfigurator und einen Hardware-Demonstrator soll nachgewiesen werden, dass auch für Kleinstsatelliten ähnliche Funktionalitäten wie bei traditionellen Satelliten kosteneffizient im Orbit bereitstellbar sind. Die dadurch geschaffene digitalisierte Wertschöpfungskette erlaubt es Unternehmen – auch KMU – zukünftig, an kundenindividuelle Anwendungen angepasste Kleinstsatellitentechnik zu erschließen, die in unterschiedlichen Bereichen wie Internet der Dinge (IoT), Infrastruktur für Digitalisierung, Erdbeobachtung und Klimaforschung, Land-, Forst- und Meereswirtschaft, sowie Aufklärungsaufgaben zum Einsatz kommt.

Im Forschungsverbund STROM standen neue Methoden und Werkzeuge zur schnellen Entscheidungsfindung im Zentrum des Projektes. Mit diesen Werkzeugen kann schnell die optimale Heizungstechnik bzw. der optimale Netzausbau für eine Region bestimmt werden. Neben dem Ausbau der Strom- und Wärmenetze wurde auch der mögliche Umbau des Gasnetzes zu einem Wasserstoffnetz diskutiert.

In verschiedenen stark vernetzten Arbeitspaketen haben die Projektpartner die Fragen nach dem notwendigen Ausbau des Stromnetzes, dem optimalen Einsatz von Wärmepumpen, der möglichen Alternative von Fernwärmenetzen und der Gebäudesanierung behandelt. Dabei wurde speziell der Einsatz ganz neuer Verfahren der Künstlichen Intelligenz (KI) untersucht. Die besondere Stärke des Projektes bestand in der engen Zusammenarbeit mit Kommunen, die alle notwendigen Daten und Erfahrungen in das Projekt einbrachten. Damit konnten die verschiedenen Ansätze wie zum Beispiel der Ausbau des Stromnetzes im Vergleich zum Ausbau eines Fernwärmenetzes bzw. der Sanierung von Gebäuden untersucht werden.

Am Ende des Projekts stehen neue Verfahren zur Verfügung, die jetzt in der Praxis eingesetzt werden können. Für die Entwicklung der bayerischen Wärmenachfrage im Wohnbereich liegt eine detaillierte Analyse vor. Diese Werkzeuge und die genannte Analyse sind insbesondere für die kommunale Wärmeplanung eine wichtige Voraussetzung. Bei der Entwicklung von Smart-Grid-Konzepten wurde ein zielführender Ansatz gefunden, der jetzt auch in weiteren Projekten in der Praxis umgesetzt wird, um den Netzausbau so weit wie möglich zu reduzieren. Für den Einsatz von KI-Werkzeugen insbesondere im Bereich der Energiemanagementsysteme liegt eine vielversprechende Programmierumgebung bereit.

Diese fünf Bereiche werden ganzheitlich und übergreifend betrachtet, um die optimale Strategie für die Weiterentwicklung des Energiesystems zu identifizieren. Darüber hinaus wird das Projekt zur Entwicklung neuer Technologien beitragen, die als entscheidend für eine breite Akzeptanz des sektorgekoppelten Microgrid-Konzepts angesehen werden. Dazu zählen zum Beispiel innovative thermische Speicher, Wärmepumpen und Gebäudemanagementsysteme.

In Zusammenarbeit des Lehrstuhls für Konstruktionstechnik der Friedrich-Alexander-Universität Erlangen-Nürnberg (Prof. Dr.-Ing. S. Wartzack) mit dem Lehrstuhl für Konstruktionslehre und CAD der Universität Bayreuth (Prof. Dr.-Ing. S. Tremmel), der Forschungsstelle für Zahnräder und Getriebesysteme der Technischen Universität München (Prof. Dr.-Ing. K. Stahl) und dem Institut für Technische Produktentwicklung der Universität der Bundeswehr München (Prof. Dr.-Ing. K. Paetzold-Byhain) sowie 25 Industriepartnern wurde drei Jahre lang an der Anpassung und Integration von Data-Mining- und Machine-Learning-Methoden in die Produktentwicklung gearbeitet. 

Zentrales Ergebnis ist ein Vorgehensmodell zur Identifikation von Anwendungsfällen und Integration datengetriebener Methoden in die Produktentwicklung. Dies erfolgt auf Basis einer gemeinsamen, auf dem JSON-Format fußenden Datengrundlage, auf die sowohl neu entwickelte Toolboxen als auch virtuelle Sensoren zugreifen können. Weiterhin wurde durch den Einsatz von datengetriebenen Methoden der Entwurf von elektrischen Antriebssträngen optimiert. Durch ein graphorientiertes Datenmodell eines Prüfsystems lassen sich früh Machbarkeit, Kosten, Aufwand und Risiken von Versuchen abschätzen. Zusätzlich stehen mit diesem Forschungsverbund Strategien zur Steigerung der Akzeptanz der entwickelten Methoden zur Verfügung. 

Mit FORCuDE@BEV wurden wichtige Grundlagen zur erfolgreichen Integration datengetriebener Methoden in der Produktentwicklung bayerischer KMU geschaffen.