Projektabschluss 2023

Kurzbeschreibung:

Katastrophenereignisse wie Hochwasser, Waldbrände oder Stürme machen vor Ländergrenzen nicht halt. Daher haben Österreich und Deutschland beschlossen, ihre Kräfte zu bündeln und gemeinsam zu forschen, um Rettungskräfte optimal bei der Bewältigung von Großschadenslagen zu unterstützen. Das Projekt AIFER erforscht und entwickelt ein System, das am Beispiel eines Hochwasserszenarios mit Hilfe von künstlicher Intelligenz die Lage erfasst und auswertet. Dabei sollen unterschiedliche Daten von Satelliten, Flugzeugen, Drohnen sowie Daten aus sozialen Netzwerken ausgewertet, zusammengefasst und in Echtzeit aufbereitet werden. Berücksichtigung finden hierbei nicht nur die technischen, sondern auch die rechtlichen, soziologischen und ethischen Aspekte. Der Universität Kassel, Fachgebiet Öffentliches Recht, IT-Recht und Umweltrecht, obliegt die Bearbeitung der rechtswissenschaftlichen Fragestellungen des Projekts. Ziel ist es hierbei, die rechtskonforme Technikgestaltung der zu erforschenden Verfahren sicherzustellen.

Aus rechtlicher Sicht wirft das Projektvorhaben zahlreiche zu untersuchende Fragen auf. Diese betreffen insbesondere die Verwendung künstlicher Intelligenz zur Datenanalyse. In diesem Bereich existieren derzeit noch zahlreiche, nicht abschließend geklärte Rechtsfragen, welche sowohl die Grundrechte als auch das einfachgesetzliche Recht betreffen. Darüber hinaus, gehen mit dem Projekt Rechtsfragen in Bezug auf die Zulässigkeit der Verarbeitung von Daten aus den verschiedenen Quellen (Satelliten, Drohnen, Flugzeuge, geo-soziale Netzwerke, Nachrichtendienste) einher, welche durch den potenziellen Personenbezug der betreffenden Daten ein besonderes Gewicht erhalten. Da Katastrophensituationen sich oftmals nicht auf das Gebiet eines einzelnen Landes beschränken, wird weiterhin der grenzüberschreitende Charakter der zu erforschenden Verfahren berücksichtigt.

Die Projektleitung obliegt auf deutscher Seite Dr. Marc Wieland (Deutsches Zentrum für Luft- und Raumfahrt e.V.) und auf österreichischer Seite Ass.-Prof. Dr. Bernd Resch (Universität Salzburg, Fachbereich Geoinformatik - Z_GIS).

Österreichische Konsortialpartner :

  *  Universität Salzburg, die Johanniter, das Österreichische Rote Kreuz - Landesverband Salzburg,
      die Spatial Services GmbH sowie das Institut für Empirische Sozialforschung

Deutsche Konsortialpartner:

  *  Deutsches Zentrum für Luft- und Raumfahrt, die Disy Informationssysteme GmbH,
      das Bayerische Rote Kreuz sowie das Technische Hilfswerk

Kurzbeschreibung:

Die Cloud-Nutzung boomt weltweit und mit ihr die Fülle an Cloud-Service-Anbietern und Zertifizierungsstellen. Der gegenwärtige Markt gleicht einem Dschungel an Angeboten und Zertifizierungen. Gleichzeitig ergeben sich neue Anforderungen durch das Inkrafttreten der neuen EU-Datenschutz-Grundverordnung. Das Forschungsprojekt „AUDITOR“ will hier deshalb Klarheit und mehr Rechtssicherheit schaffen und gestützt auf Vorarbeiten aus dem „Trusted Cloud“-Technologieprogramm eine europaweit einheitliche Zertifizierung unter Einbindung der etablierten Normung entwickeln. Ziel des Forschungsprojekts „AUDITOR“ ist die Konzeptionierung, exemplarische Umsetzung und Erprobung einer nachhaltig anwendbaren EU-weiten Datenschutzzertifizierung von Cloud-Diensten. Die Zertifizierung nach Maßgabe der EU-Datenschutz-Grundverordnung (DSGVO) ist im Interesse aller Beteiligten: Der Cloud-Kunden, die nur mit solchen Cloud-Anbietern zusammenarbeiten dürfen, die hinreichende Garantien zur Einhaltung des Datenschutzes vorweisen können, der Cloud-Anbieter, die mit einer Zertifizierung ebendiese Sicherheit bieten können, der Prüf- und Zertifizierungsstellen, für deren Geschäftsfeld die DSGVO zwingende Regeln vorsieht, und der potentiell durch die Datenverwendungen betroffenen Endverbraucher, deren Schutz personenbezogener Daten im Mittelpunkt der Zertifizierung von Cloud-Diensten steht. Das AUDITOR-Projekt strebt eine europaweite Anerkennung an, damit die Zertifizierung nach AUDITOR ihre volle Wirksamkeit sowohl auf nationaler als auch auf Ebene der EU-Mitgliedsstaaten entfalten kann.

Um eine nachhaltige Datenschutzzertifizierung zu konzipieren, wird zunächst ein Kriterienkatalog für die Zertifizierung von Cloud-Diensten nach der DSGVO entwickelt und eine entsprechende Standardisierung in Form einer DIN-Spezifikation angestrebt. Diese DIN-Spezifikation bildet die Grundlage für die Europäische Normung und die Entwicklung eines EU-weit anerkannten Datenschutz-Zertifizierungsschemas. Das erarbeitete AUDITOR-Zertifizierungsverfahren wird sodann noch im Rahmen der Projektlaufzeit in der Praxis erprobt und validiert.

Projektpartner :
Karlsruher Institut für Technologie – Fachgebiet Critical Information Infrastructures
Prof. Dr. Ali Sunyaev
Universität Kassel – Institut für Wirtschaftsrecht 
Prof. Dr. Alexander Roßnagel
CLOUD&HEAT Technologies GmbH
Dr. Marius Feldmann
Datenschutz cert GmbH
Dr. Sönke Maseberg und Dr. Irene Karper
DIN e.V. - DIN-Normenausschuss Informationstechnik und Anwendungen (NIA). Dr. Volker Jacumeit
Ecsec GmbH
Dr. Detlef Hühnlein
EuroCloud Deutschland_eco e.V., eco – Verband der Internetwirtschaft
Andreas Weiss

Assoziierte Partner:
Bundesamt für Sicherheit in der Informationstechnik (BSI)
Dr. Clemens Doubrava
Consultix GmbH
Andres Dickehut‎
Fabasoft Austria GmbH
Oliver Albl
PricewaterhouseCoopers GmbH Wirtschaftsprüfungsgesellschaft
Christian Bartmann
SCOPE Europe b.v.b.a/s.p.r.l.
Jörn Wittmann
Trusted Cloud e.V.
Thomas Niessen
TÜV Informationstechnik GmbH
Jörg Schlißke
Unabhängiges Landeszentrum für Datenschutz Schleswig-Holstein
Henry Krasemann
VOICE-Bundesverband der IT-Anwender e. V.
Stefan Schumacher 

Kurzbeschreibung:

Ziel des Projektes „Autarq 2.0“ ist eine Förderung der Prinzipien des agilen Mindsets unter den Mitarbeitenden, insbesondere der damit verbundenen Dimensionen „eigenverantwortliche Selbststeuerung und kollaborativer Austausch“. Damit wollen wir in Zusammenarbeit mit dem Institut für Transformation die Belegschaft in der Produktion fit für den dynamischen Wachstumsprozess bei Autarq machen.

Das Projekt stellt für uns eine Möglichkeit dar, erste Ergebnisse aus unseren Forschungsbemühungen zum Thema Agiles Mindset in die Praxis zu tragen. Umgekehrt bietet sich uns mit diesem Projekt die Gelegenheit, Praxiserkenntnisse in unsere Forschung zum Agilen Mindset einfließen zu lassen.

Projektbeteiligte:
Fachgebiet Wirtschaftsinformatik – Universität Kassel
Institut für Transformation – Karen Eilers

Kurzbeschreibung:

Kurzbeschreibung:

Im Projekt GEMIMEG-II wird eine sichere, durchgängige, rechtsgemäße und rechtsverträgliche Ende-zu-Ende-Verfügbarkeit von Informationen für die Umsetzung von zuverlässigen, vernetzten Messsystemen entwickelt. Der Fokus des Gesamtvorhabens liegt in der Metrologie (Kalibrierung, Referenzierung, Einmessung), also in Vertrauens- und Qualitätsinformationen über Messgeräte, Sensornetzwerke, digitale Zwillinge und Datenanalysemethoden (Transformation). Dabei ist die Qualität der gewonnenen Daten und die Belastbarkeit der davon abgeleiteten Aussagen und Schlüsse von zentraler Bedeutung, insbesondere für die Industrie und den elektronischen Rechtsverkehr. Die verlässliche und geprüfte Feststellung und Sicherung der Datenqualität ist dabei die Voraussetzung, um Daten als Wirtschaftsgut erfolgreich einsetzen zu können.

Projektpartner
Samson KT Elektronik GmbH, digiraster GmbH & Co. KG, Valeo GmbH, Bosch.io, Carl Zeiss 3D Automation GmbH, Robert Bosch GmbH, Siemens AG, T-Systems International GmbH, Fraunhofer Gesellschaft, Universität Siegen und Physikalisch-Technische Bundesanstalt (PTB)

Pressemitteilung
Rechtsfragen digitaler Zwillinge

Ausgangssituation:

Im Zeitalter der kontinuierlich zunehmenden Anzahl an digitalen Produkten, Prozessen und Dienstleistungen steigen die Ansprüche an einen qualitativ hochwertigen IT-Support stetig. Dies betrifft Kleinunternehmen, die sich z. B. auf In-House entwickelte Software und deren Support spezialisiert haben, aber auch Großunternehmen, die sich mit den Herausforderungen eines zentralisierten Global-Supports beschäftigen. So nimmt nicht nur die Anzahl an Support-Anfragen enorm zu, sondern auch die Anzahl der unterschiedlichen Anfragetypen. Das führt unter anderem dazu, dass die IT-Support-Mitarbeitenden mit einer Vielzahl an sich wiederholenden, monotonen Aufgaben konfrontiert werden. Dies kann insbesondere bei Stoßzeiten zu Unzufriedenheit der Mitarbeitenden bezüglich ihrer Tätigkeit führen und sich auf Qualität und Effizienz des Supports auswirken.

Projektziele:

Ziel des Forschungsprojekts HISS ist die Entwicklung eines auf hybrider Intelligenz basierenden nutzerzentrierten Dienstleistungssystems für den IT-Support, das eine lernfähige KI einsetzt. Das System vereint dabei den klassischen Support mit crowd-basierten Ansätzen, welche weitere Experten der Belegschaft in den Prozess mit einbinden kann. Darüber hinaus wird eine automatisierte Chat-Technologie entwickelt, die insbesondere eine Verzahnung von menschlichem Support und entsprechenden Problemlösungskompetenzen ermöglicht.
 

Vorgehensweise:

Dazu werden die bisherigen Abläufe des IT-Supports in unterschiedlichen Unternehmenstypen betrachtet, klassifiziert und ausgewertet. Die Ergebnisse fließen in die Entwicklung des HISS-Konzepts, bestehend aus der Zusammenführung einer KI-Chat-Technologie und crowd-basierten Supportstrukturen aus Expertenwissen, ein. Mithilfe von Interviews, wissenschaftlichen Evaluationen und Workshops wird das Konzept iterativ weiterentwickelt und somit optimiert. Dabei sollen Mitarbeitende dazu befähigt werden, den KI-Einsatz selbst zu gestalten. Die Pilotierung erfolgt bei drei Konsortialpartnern: einem kleinen, einem mittleren sowie einem international agierenden Großunternehmen.

Ergebnisse und Anwendungspotenzial:

Die Projektergebnisse werden kontinuierlich praxistauglich in einem Playbook aufbereitet, das zum Mitdenken und Experimentieren einlädt und anhand der Praxisbeispielen aufzeigt, wie man sein eigenes Modell für den jeweiligen IT-Support erstellt. Durch HISS werden Mitarbeiter entlastet und Freiräume für eine Aufwertung und Neukonzeption der Rolle der Support-Mitarbeitenden entstehen. Damit werden die Weichen gestellt, um Innovationen, Qualität und Nutzungsorientierung des zukünftigen Supports und in Folge auch die Wettbewerbsfähigkeit der Unternehmen zu steigern.
 

Projektpartner:

» Universität Kassel
» Institut für Sozialwissenschaftliche Forschung e.V.
» COGNIGY
» Lynchronize
» public plan
» Starke+Reichert
» controlware communicationssystems
» B.Braun Melsungen

Kurzbeschreibung:

Kommunikation mit Maschinen nimmt sowohl an Qualität als auch an Quantität stetig zu. Dies bleibt nicht ohne Auswirkungen auf die menschliche Kommunikationskultur, die mentalen Modelle der Nutzer und das Knüpfen von Beziehungen. Das von der Volkswagenstiftung geförderte Projekt „The implications of conversing with intelligent machines in everyday life for people´s beliefs about algorithms, their communication behavior and their relationship building“ untersucht vor diesem Hintergrund, wie Sprachassistenten weiterentwickelt, in ihrer Wirkung empirisch überprüft und ethisch und rechtlich bewertet werden können. Gemeinsam werden Gestaltungsvorschläge entwickelt, um Vorteile der Technologie zu stärken und ihre Risiken zu minimieren. Das Projekt ist Teil der Förderinitiative „Künstliche Intelligenz – Ihre Auswirkungen auf die Gesellschaft von morgen“ der VolkswagenStiftung.

Projektpartner:
Universität Duisburg-Essen, Sozialpsychologie - Medien und Kommunikation: Prof. Dr. Nicole Krämer (Koordination)
Universität Bielefeld, Sociable Agents Group und Machine Learning Group:
Prof. Dr.-Ing. Stefan Kopp und Prof. Dr. Barbara Hammer
Evangelische Hochschule Nürnberg: Prof. Dr. Arne Manzeschke

Kurzbeschreibung:

Künstliche Intelligenz (KI) und insbesondere das maschinelle Lernen sind die Schlüsseltechnologien des autonomen Fahrens. Leistungsfähige Computer und Algorithmen erlernen selbstständig Erkennungs- und Lösungsmuster, wie beispielsweise die automatische Erkennung von Verkehrsschildern, anderen Fahrzeugen oder Fußgängern mit Hilfe von Kamerabildern, Radar- oder Laserdaten.

In einer urbanen Verkehrssituation, in der ein autonom fahrendes Fahrzeug hinter einem Radfahrer auf eine Kreuzung zufährt wird die Umgebung durch die im Fahrzeug eingebaute Kamera wahrgenommen. Die mittels maschineller Lernmethoden „angelernte“ KI versucht, alle Verkehrsteilnehmer im Kamerabild zu erkennen. Im Projekt „KI Data Tooling“ sollen Werkzeuge entwickelt werden, die auch kritische und von der KI nicht gut abgedeckte Situationen (schlechtes Wetter, schlechte Sicht) automatisiert identifizieren können. Dafür werden Methoden und Werkzeuge für einen effizienten Aufbau der Datenbasis für das automatisierte Fahren entwickelt. Bereits zum Aufbau dieser Datenbasis sind schon KI-Methoden erforderlich. Diese neuen Methoden werden am Fallbeispiel der Erkennung von ungeschützten Verkehrsteilnehmern (zum Beispiel Fußgänger) erprobt.

Die Forscherinnen und Forscher des Fachbereichs Intelligente Eingebettete Systeme (Prof. Dr. Bernhard Sick) leiten im Verbundprojekt „KI Data Tooling“ gemeinsam mit BMW das Teilprojekt „Qualitätsanforderungen und Effizienzpotenziale der Datengenerierung und -bereitstellung“ und sind zudem hauptverantwortlich für die Bereitstellung von Daten zu sogenannten Corner Cases. Bei Corner Cases handelt es sich um seltene, aber oft kritische Situationen im Straßenverkehr. Darüber hinaus ist die Universität Kassel federführend bei der Automatisierung der Datenveredelung (Annotation mit zusätzlichen Informationen) unter Verwendung von Methoden des aktiven Lernens.

Projektpartner
17 Forschungspartner aus Wirtschaft und Wissenschaft https://www.ki-datatooling.de/project; Koordination: BMW-Group

Kurzbeschreibung:

Das traditionelle Naturreifeverfahren in der Wurstproduktion (Ahle Wurst) ist ein komplexer Prozess, bei dem es, neben kaum beeinflussbaren Einflussfaktoren wie Wetter, sehr auf die Erfahrung der einzelnen Mitarbeiter ankommt.

Anders als in der industriellen Produktion erfolgt die traditionelle natürliche Reifung von Ahler Wurst nicht in hochkontrollierten Reifekammern mit präzise gesteuerten Parametern (Temperatur, Luftfeuchtigkeit, abgeschirmt von äußeren Umwelteinflüssen), sondern in einem natürlichen Umfeld in Lehmkammern auf den Dachböden historischer nordhessischer Fachwerkhäuser. Dieses Vorgehen sorgt bei der Reifung für ein charakteristisches, besonders intensives Aroma der Wurst, ist aber gleichzeitig mit einem außergewöhnlich hohen Überwachungs- und Pflegeaufwand der Produkte in den unterschiedlichen Phasen der Reifung verbunden. So muss jede in der Reifung befindlichen Wurst regelmäßig auf den Reifegrad geprüft und gegebenenfalls innerhalb der Reiferäume umgelagert werden. Es wird nach Möglichkeiten gesucht, diese Prozesse durch die Aufnahme und KI-basierte Auswertung von Umgebungsdaten zu unterstützen. Das Verfahren könnte zukünftig auf andere Produkte mit Naturreifeprozessen übertragen werden und auch dort die Produktion unterstützen.

Auf Basis von gemessenen Umgebungsdaten soll geklärt werden: Wann muss gelüftet werden? Wie warm darf es sein? Wann muss die Wurst gewaschen werden? Wie hoch muss die Luftfeuchtigkeit bei den verschiedenen Reifegraden sein? Es sollen geeignete Methoden gefunden werden, die den Reifegrad der Produkte anhand von Sensordaten in Kombination mit KI-Algorithmen bestimmen und verlässliche Daten über den Reifungsprozess liefern.

Kurzbeschreibung:

In einer Zeit, in der sich klimapolitische Forderungen in dem Ausbau regenerativen Energien und der Entwicklung innovativer Stromanwendungen, beispielhaft der E-Mobilität, manifestieren, müssen die digitalen, überwiegend automatisierten, Prozesse effizient und schnell gesteuert werden. Dabei erfordert der stark schwankende Leistungsbedarf intelligente Stromnetze, die dauerhaft die gesamtgesellschaftliche Abhängigkeit von der Ressource Energie sichern. Gleichzeitig geraten Kritische Infrastrukturen seit mehreren Jahren immer stärker und qualifizierter in den Fokus von Angreifern. Neben den finanziellen Vorteilen (z.B. durch erfolgreiche Erpressungen) erhöhen die vielfältigen Verschleierungsmöglichkeiten die Attraktivität von Angriffen auf Kritische Infrastrukturen. Scheinen auch die Vorteile der digitalen Vernetzung zu überwiegen, so bieten sie eine überproportionale Erhöhung der Angriffsfläche und Verletzbarkeit bei ohnehin bereits bestehenden Schwächen im IT-Sicherheitsfundament.

Daher werden im Projekt „Skalierendes Sicherheitsfundament für Kritische Infrastrukturen (KRITEX)“ mithilfe eines „Multilevel Security“ Betriebssystems, das zur Segregation und Skalierbarkeit befähigt ist, untergesetzliche konkretisierende Regeln für ein Segregationsmodell erforscht und entworfen, welches den Anforderungen der Versorgungsunternehmen an Risikoreduzierung über Sicherheitsgrenzen gerecht wird. Die mit der Multilevel-Befähigung einhergehende systematische Subsumierbarkeit rechtlicher Anforderungen soll die Wirksamkeit der für den Schutz der Kritischen Infrastrukturen erforderlichen Rechtsgestaltung erhöhen.

Dem Fachgebiet Öffentliches Recht, IT-Recht und Umweltrecht obliegt es, die erforderlichen rechtlichen Betrachtungen vorzunehmen und die projektrelevanten Rechtsanalysen und -vorschläge zu erarbeiten. Auf Grundlage des Status quo des sektorspezifischen IT-Sicherheitsrechts soll vor dem Hintergrund der KI-Implementierung ein rechtsgestaltender Vorschlag zur Erhöhung der Schutzanforderungen entworfen werden, um planbare und jederzeit replizierbare Lösungen für Energieversorgungsunternehmen zu entwickeln. Darüber hinaus werden auch die datenschutzrechtlichen Anforderungen an die technische und organisatorische Gestaltung des Vorhabens umfassend beleuchtet.

Projektpartner:
Die Koordination des Projekts liegt bei der QGroup GmbH, die auch die technische Subsumtion der rechtlichen und praktischen Gegebenheiten in die Plattformfähigkeiten und Segregationsmodelle übernimmt. Als assoziierte Partner begleiten die BearingPoint GmbH, die Rechtsanwaltskanzlei Becker Büttner Held sowie die Städtischen Werke Netz + Service GmbH Kassel das Projekt. Das House of Energy sorgt für eine Verankerung der Projektergebnisse auf breiter fachlicher und öffentlicher Ebene.

Kurzbeschreibung:

Ausgangssituation  

Studierende im Masterstudium des Fachbereichs Wirtschaftswissenschaften erlernen durch problemorientierte Modellierung unternehmensrelevante Problemstellungen konzeptionell zu lösen. Jedoch fehlt es häufig an Umsetzungskompetenzen diese als Software zu erproben. Hierfür bieten sich Low Code Entwicklungsplattformen an, welche sich auch in der Praxis in Unternehmen etablieren, um Laien zu befähigen selbstständig Software zu entwickeln.

Die Aneignung von Low Code Programmierfähigkeiten soll nun in einer modularen Low Code Schulung didaktisch ausbauen und für die Lehre wiederverwendbar machen. Das Ergebnis soll für weitere Lehrveranstaltungen einsetzbar sein und Studierende ermöglichen IT-Konzepte greifbar und umsetzbar zu machen.

Projektziel und Hintergrund

In den Lehrveranstaltungen sollen Studierende erlernte Konzepte für unternehmensrelevante Probleme in Form von selbstentwickelten, höherwertigen Prototypen umsetzbar machen. Diese basieren zum einen auf dem Wiedergeben und Verstehen von Prinzipien des computationalen Denkens und Low Code-spezifischen Grundkenntnissen. Durch die Kombination verschiedener Lehrmaterialien können Studierende je nach Problemkontext geeignete Low Code Plattformen identifizieren, auswählen und einsetzen. Dies befähigt Studierende ergänzend im Rahmen des Lehrkonzepts der jeweiligen Lehrveranstaltung zielgerichtet Lösungen zu implementieren und zu erproben. Im Kern steht das Erlernen und Anwenden von computationalem Denken und der Programmierung kleiner Programme. Langfristig soll die entwickelte Schulung in Lehrveranstaltungen des Fachgebiets eingesetzt werden.

Kurzbeschreibung:
Es stellt sich folgende Forschungsfrage: Wie müssen Unternehmen, vor allem KMU, ihre Prozesse, insbendere im Rahmen des Qualitätsmanagements, gestalten, optimieren und organisieren, um mittels Crowd-basierter Mechanismen erbrachte Arbeit effizient und zielgerecht zu nutzen? Ziel des Projektes ist es, ein ganzheitliches Qualitätsmanagement zu etablieren, mittels dessen Crowd-basierte Arbeitsergebnisse sicher, effizient und zielgerichtet in KMU genutzt werden können. Dies geschieht durch entsprechende Ergänzung, Anpassung und Ausgestaltung von erforderlichen Schnittstellen (Prozesse, Methoden und Techniken) im bestehenden Qualitätsmanagement sowie dessen Auf- und Ausbau in den beteiligten Unternehmensabteilungen (wie Marketing, Vertrieb, Entwicklung, aber auch IT) und den jeweiligen Plattformen bzw. zwischen den Abteilungen.Hierzu wird ein modular aufgebautes Referenzprozessmodell entwickelt. Den Ausgangspunkt bilden hierbei bereits vorhandene Prozesse, Methoden und Maßnahmen aus dem Bereich Qualitätsmanagement zur Anforderungsermittlung, zur Qualitätssicherung und zum Fehlermanagement, die als Baustein in ein Gesamtsystem zu integrieren, zu erweitern und zu optimieren sind.

Projektbeteiligte:
Universität Kassel, Fachgebiet Qualitäts- und Prozessmanagement, Prof. Dr. Ing. Robert Refflinghaus (Koordination)
Universität Kassel, Fachgebiet Wirtschaftsinformatik, Prof. Dr. Jan Marco Leimeister

Kurzbeschreibung:

Das vom Bundesforschungsministerium geförderte Vorhaben entwickelt ein selbstadaptives Managementsystem für das Laden von E-Fahrzeugen. Dazu analysiert es Energiebedarf und zulässige Ladedauer für die einzelnen Fahrzeuge und optimiert so den Einsatz der vorhandenen Ladeinfrastruktur. Dieser Regelvorgang wird durch künstliche Intelligenz (KI) unterstützt.

Ausgangspunkt im Projekt SALM ist die Zunahme an Elektrofahrzeugen und damit der Ausbau der Ladestationen in bestehenden Netzen. Dies bedeutet nicht nur die Bereitstellung elektrischer Energie, die Errichtung von Ladesäulen aller Art und die Weiterentwicklung von Elektrofahrzeugen, sondern es bedeutet auch, dass die Netzinfrastruktur verbessert werden muss.

Die E-Mobilität stellt mit ihrem schwankenden Ladeverhalten und ihren hohen elektrischen Leistungen neue Anforderungen. Während manche Fahrer ihr Elektrofahrzeug schnell und mit hoher Leistung laden müssen, haben andere mehr Zeit, benötigen dafür aber z.B. eine höhere Energie für eine längere Strecke. Hier setzt das Projekt SALM an. Ziel ist es durch Einsatz künstlicher Intelligenz die einzelnen Ladevorgänge so zu regeln, dass das Gesamtsystem bestehend aus Netz, Ladesäulen und Elektrofahrzeugen intelligent betrieben wird. Im Kern bestimmt die Regeleinheit mit welcher Ladeleistung die Batterien der einzelnen Fahrzeuge am besten geladen werden. Dazu wird ein „Digitaler Zwilling“ erstellt, der das Verhalten der Ladestationen nachbildet und es ermöglicht, diesen Regelvorgang zu optimieren. Im Ergebnis wird ein adaptiv lernendes System nach dem LCS-Prinzip (Learning Classifier Systems) entwickelt. Dieses kann sich weitgehend autonom an neue Situationen anpassen und gezielt gesammeltes Wissen über die Ladeverläufe an realen Ladestationen mit wählbaren Zielparametern kombinieren.

Projektpartner:
House of Energy e.V.
Flavia IT Management GmbH

Kurzbeschreibung:

Kurzbeschreibung:
Wenn öffentliche Verkehrsmittel (ÖV) attraktiver werden, verbessert das die Lebensqualität im urbanen Raum deutlich. Zwei Drittel der zurückgelegten Wege in Städten entfallen auf Freizeitaktivitäten, Einkauf und private Erledigungen. Dabei müssen oft Einkäufe oder Gepäck transportiert werden, was mit ÖV unbequem sein kann. Außerdem kann man nicht sicher sein, dass Sitzplätze verfügbar sind und die gewünschten Anschlüsse beim Umsteigen erreicht werden.

Deshalb wird in diesem vom Fachgebiet Mensch-Maschine-Systemtechnik koordinierten Projekt ein Assistenzsystem konzipiert, das den Nutzer bedarfsgerecht entlang seiner Reisekette unterstützt. Zusätzlich zur intermodalen Reiseplanung bietet es einen innovativen innerstädtischen Lieferdienst, der mit Gepäckabgabe, Transport und Zustellung die gesamte Lieferkette abdeckt. Gemeinsam mit innerstädtischen Verkehrsdienstleistern wird evaluiert, wie der Belegungszustand von ÖV erfasst und in Echtzeit bereitgestellt werden kann, damit man künftig in seiner Reiseplanung flexibel darauf reagieren kann. Zudem wird ein Konzept zur Anschlusssicherung entwickelt, umgesetzt und erprobt. Dabei soll der Kunde seinen Anschlusswunsch signalisieren können, damit Verkehrsdienstleister den Anschluss sicherstellen und verlässliche Informationen dazu bereitstellen können.

Das Assistenzsystem bietet eine integrierte Lösung für die getrennte Personen- und Gepäckbeförderung, die das Einkaufen ohne Auto erleichtert. Indem ÖV attraktiver gemacht werden, reduzieren sich Schadstoff- und Lärmbelastung in der Stadt.

Projektpartner:
Fachgebiet Mensch-Maschine-Systemtechnik (ITeG), Universität Kassel (Koordination)
Fachgebiet Verkehrsplanung und Verkehrssysteme der Universität Kassel
Fachgebiet Öff. Recht, IT-Recht und Umweltrecht (ITeG), Univeristät Kassel
INIT Innovative Informatikanwendungen in Transport-, Verkehrs- und Leitsystemen GmbH, Karlsruhe
IVU Traffic Technologies AG, Berlin
Kasseler Verkehrs-Gesellschaft AG, Kassel 
Verkehrsverbund und Fördergesellschaft Nordhessen mbH, Kassel

City Kaufleute Kassel e. V., Kassel

ECE Projektmanagement GmbH & Co. KG, Kassel 

Werbegemeinschaft Königs-Galerie, Kassel 

MoWiN.net e. V., Kassel 

Quartier Wilhelmsstraße e. V., Kassel 

Stadt Kassel
Verband Deutscher Verkehrsunternehmen, Köln