Ziel dieses Projekts ist es, Zuverlässigkeitsaspekte und die dynamische Komposition von Software und Hardware komplexer Computerplattformen bzw. Embedded Automotive Systems (EAS) über den gesamten Systemstack zu untersuchen. Mehr Informationen
To top
Das Projekt CompEAS-HW untersucht die Wechselwirkungen und Synergien zwischen Embedded Automotive Software und Hardware. Dabei sollen wissenschaftliche Methoden genutzt werden, um konkrete Fragestellungen aus der Praxis abzuleiten, tragfähige Lösungen zur systematischen Realisierung zukünftiger Hardware zu entwickeln und die gewonnenen Erkenntnisse in die Partnerfirmen und in etablierte Standards zu überführen. Mehr Informationen
Das Projekt CORVETTE zielt auf die Entwicklung einer Softwareinfrastruktur für kognitive Fahrzeugflottenüberwachung ab, welche die Erfassung, Bewertung, Interpretation und Nutzung von Fahrzeugdaten im Rahmen diverser datengetriebener Dienste ermöglicht. Mehr Informationen
Im Rahmen des FFG Frontrunner-Projektes DiSEL Digitalisierung von Services, Equipment und Logistik wird das Institut für Technische Informatik das Projekt in folgenden Bereichen das Projekt mit seiner Expertise unterstützen: Erstellung der Anforderungen und die Definition der Systemarchitektur gemäß den angestrebten Anforderungen auf Systemebene für die Digitalisierung der Schüttgutentladung mittels Sensorik/Schwerlast-Robotik und Umsetzung von Teilmodulen. Integration der zusätzlichen Sensorik (z.B.: Kamera) und Algorithmen für Predictive Maintenance und Life Cycle Optimierung in die neue Systemarchitektur. In DiSEL werden Studenten, im Rahmen von Bachelorarbeiten, Seminaren/Projekten und Masterarbeiten eingebunden (mit Anstellung). Mehr Informationen
Vehicular Networks werden Fahrzeuge, Infrastruktur und Fußgänger zukünftig drahtlos verbinden und das Kommunikationsrückgrat für das Verkehrswesen der Zukunft bilden. Vernetzte, intelligente, halbautomatische und vollautonome Fahrzeuge werden auf gemeinsam genutzte Information, verteilte Intelligenz, und gemeinsame Aktionen angewiesen sein, um Verkehr/Logistik zu optimieren, die Umweltverschmutzung zu verringern, und die Verkehrssicherheit zu erhöhen. Die hohe Dynamik, sich ständig verändernde Netzwerktopolgien und heterogene Geräte machen zuverlässige Kommunikation jedoch schwierig und verlangen nach selbstorganisierenden Funkprotokollen auf allen Ebenen des Kommunikationsstacks. Dieses Projekt richtet sich auf die Forschung an Grundlagen und praktischer Anwendung von selbstorganisierenden Funkprotokollen für massiv dynamische Netzwerke von mobilen Geräten. Daher sind naturinspirierte Techniken für die MAC-Schicht ebenso wichtig wie Multi-Hop-Fähigkeiten. Mehr Informationen
Das Ziel dieses Projekts ist die Entwicklung von Methoden und Toolchains, welche das Training und Deployment von KI/MI Modellen für ressourcenbeschränkten eingebetteten Geräten ermöglichen, um zukünftig den Einsatz von zuverlässiger eingebetteter Intelligenz in kognitiven Produkten und Produktionssysteme ermöglichen. Im Rahmen des Projekts sollen die entwickelten Methoden und Toolchains im Kontext ausgewählter „Cognitive wireless sensing“ Case Studies angewandt und demonstriert werden. Mehr Informationen
Ziel des Projekts ENHANCE-UWB ist die Entwicklung einer Testumgebung, welche die reproduzierbare Untersuchung von UWB-Übertragungen in komplexen Anwendungsumgebungen ermöglicht. Mittels der entwickelten Testumgebung soll die Kommunikationsleistung von UWB Systemen in Koexistenzszenarien (d.h., wenn das, durch das UWB-System verwendete, Spektrum gleichzeitig auch von anderen Geräten/Technologien genutzt wird) untersucht und evaluiert werden. Außerdem sollen mit Hilfe der Testumgebung neue Ansätze zur Erkennung von Non-Line-Of-Sight (Nicht-Sichtverbindung) Situationen entwickelt und getestet werden. Mehr Informationen
Das übergeordnete Ziel von OPEN-INNO-Train ist die Bildung eines internationalen und branchenübergreifenden Netzwerks von Organisationen kooperative Arbeit im gemeinsamen Forschungsfeld Open Innovation, Kooperation zwischen Universität und Industrie Übersetzung. Förderung der Wissensentwicklung und des Wissensaustauschs in vier modernen Bereichen - FinTech, Industrie 4.0, CleanTech, FoodTech. Für global vernetzte Gesellschaften hat die wissenschaftliche Forschung das Potenzial, ein noch nicht realisiertes Wirtschaftswachstum zu fördern. Wettbewerbsfähigkeit und Wohlbefinden. Die Umwandlung von Forschungsergebnissen in konkrete Ergebnisse und letztendlich nachhaltig Auswirkungen sind von entscheidender Bedeutung und müssen optimiert werden. Der Prozess der Umwandlung von Forschungsergebnissen in wirtschaftlichen und sozialen Nutzen erscheint zu einem Zeitpunkt immer komplexer Forscher arbeiten oft in multidisziplinären Teams im Kontext von Open Innovation, wenn sie mit der Industrie und anderen zusammenarbeiten Interessengruppen. Aus der Perspektive von Research Translation beleuchtend, gewinnt dieser Ansatz zunehmend an Bedeutung OPEN-INNO-TRAIN zielt darauf ab, die Black Box des Wissens zu öffnenKonvertierungsprozesse, um neue Erkenntnisse aus diesen vier Branchen zu generieren und anzuwenden. Außerdem OPEN-INNO-TRAIN kapselt die Entwicklung robuster Research-Übersetzungswerkzeuge, die den Übersetzungsprozess von erleichtern können multidisziplinäre Forschungsergebnisse zur Wirkungsgenerierung. Wissenschaftliche Exzellenz aus Europa und Europa verbinden internationale Universitäten, Forschungs- und Technologieorganisationen mit praktischem Know-how von Pionierunternehmen, OPEN-INNO-TRAIN wird dieses nachhaltige Unterfangen mit digitalen Innovationsknotenpunkten, Co-tutelle, industriellen Doktoranden und PPP anführen und Schulungsmaßnahmen zur Förderung der internationalen Zusammenarbeit zwischen Forschern und Fachleuten aus der Industrie Disziplinen, deren Endziel darin besteht, die Anwendung guter Forschungsübersetzung ganzheitlich zu fördern, zu verbessern und langfristig zu erhalten Praktiken. Mehr Informationen
Industrie und Gesellschaft erleben die transformatorischen Auswirkungen der Revolution der autonomen Systeme, die durch die Befähigung von durch die Automatisierungsfähigkeiten der Künstlichen Intelligenz (KI). Cyber-physikalische Systeme von Systemen (CPSoS) definieren ein facettenreiches und dynamisches Umfeld, in dem Autonomie von grundlegender Bedeutung ist, um die Komplexität der Wechselwirkungen zu steuern. zwischen der virtuellen und der physischen Welt mit minimalem menschlichen Eingriff. Aber selbst wenn die fortschrittlichsten Grad der Autonomie ausgeübt wird, ist der Mensch eine Variable, die nicht aus der CPSoS-Gleichung herausgelassen werden kann. in sicherheitskritischen Szenarien wie dem autonomen Transport. TEACHING präsentiert eine Vision vom Menschen im Mittelpunkt von autonomen CPSoS, durch die Annahme des Konzepts der Humanistischen Intelligenz, bei der die kybernetische und biologische Einheiten arbeiten in einer gegenseitigen Befähigung zu einem gemeinsamen Ziel zusammen und wo menschliches Feedback zu einem entscheidenden Faktor wird. Treiber für die CPSoS-Adaptivität. TEACHING stellt sich der Herausforderung, indem es die KI in die grundlegenden Konzepte von Sicherheit und Zuverlässigkeit, die sich aus den KI-Human-CPSoS-Interaktionen ergeben, und durch die Berücksichtigung ihrer Auswirkungen auf die das zugrunde liegende Computersystem. TEACHING entwickelt ein menschengerechtes CPSoS für autonome sicherheitskritische Anwendungen, die auf einer verteilten, energieeffizienten und zuverlässigen KI basieren und Edge-Computing-Plattformen nutzen. Integration von spezialisierten Computerstrukturen für KI und In-Silico-Unterstützung für intelligente Cybersicherheit. Ziel ist es, das Design von eine Computersoftware und ein Computersystem, die die Entwicklung und den Einsatz von adaptiven und zuverlässigen CPSoS unterstützen. Anwendungen, die es ermöglichen, ein nachhaltiges menschliches Feedback zu nutzen, um die Bereitstellung voranzutreiben, zu optimieren und zu personalisieren. der angebotenen Dienstleistungen. Die Ergebnisse der Lehre werden sich grundlegend auf die Entwicklung autonomer sicherheitskritischer Systeme auswirken. Systeme, die Mittel zur Verbesserung ihrer Sicherheit, Zuverlässigkeit und allgemeinen Akzeptanz bereitstellen. Diese Auswirkungen werden sein demonstriert von TEACHING in zwei Piloten über autonomes Fahren und Fliegen. Mehr Informationen
Das Projekt FLAMENCO (Forward Looking Approaches for Green Mobility Ecosystem Network Collaboration) hat zum Ziel, zukunftsweisende Ansätze und Methoden zu analysieren und zu erproben Ansätze und Methoden zu analysieren und zu erproben, um die Zusammenarbeit an der Kompetenzintelligenz im Automotive-Ökosystem zu ermöglichen und nachhaltig zu gestalten. Mobilitäts-Ökosystem. Es ist die direkte Unterstützung des Pact for Skills, der eine groß angelegte Partnerschaft im Automotive-Mobility Ökosystem - Automotive Skills Alliance. Die Herausforderung besteht darin, die Zusammenarbeit der Partnerschaft pragmatisch und nachhaltig zu gestalten (Outreach auf andere Pact for Skills-Partnerschaften als gute Praxis), so dass sie wertvolle Informationen über die neuen technologischen und gesellschaftlichen Trends liefert, Ausbildungsangebote und -bedürfnisse und andere Ziele im Hinblick auf die Kompetenzerfassung, die zur Um- bzw. Weiterqualifizierung im Rahmen des Ökosystem der europäischen Mobilität. Die Hauptaktivitäten des Projekts sind die Analyse des Sektors in Zusammenarbeit mit den Interessenvertretern im Hinblick auf die Bedürfnisse, Instrumente, Anforderungen und Ziele der sektoralen Zusammenarbeit im Bereich Skills Intelligence mit Hilfe verschiedener Methoden wie Desk Research, Umfragen oder Workshops, die von den Interessengruppen des Sektors validiert. Die Ergebnisse werden in die Methodik, die Methoden und die Modelle für die Zusammenarbeit umgesetzt und eine einheitliche Methodik und ein einheitlicher Ansatz werden werden bereitgestellt und in einzelnen Fokusgruppen weiter getestet und erprobt. Das Projekt wird Empfehlungen und bewährte Verfahren in Form von Fallstudien entwickeln und sie zusammen mit getesteten, häufig aktualisierten und validierten Methoden bereitstellen, die in verschiedenen Pact for Skills-Partnerschaften eingeführt werden sollen. Pact for Skills-Partnerschaften eingeführt und nach Projektende weitergeführt werden sollen. All dies wird von einer starken Partnerschaft mit Hintergrund und Erfahrung mit der Kompetenzagenda, einer Pionierpartnerschaft im Rahmen von Pact for Skills als als vollwertiger Partner, strategische Projekte und die Umsetzung solcher Aktivitäten. Die Verbreitung wird sicherstellen, dass die Auswirkungen des Projekts konsistent sind und auf dem gewünschten Niveau für die gesamte Pact for Skills-Gemeinschaft in Europa ist. Mehr Informationen.
Elektronik-basierte Systeme (EBS) setzen sich in Produktion, Infrastruktur und Verkehr immer stärker durch, werden aber nur akzeptiert, wenn Menschen diesen Systemen vertrauen. Verlässlichkeit wird daher zum Eckpfeiler für die gesellschaftliche Akzeptanz Elektronik-basierter Systeme. Die Forschenden im Doktoratsprogramm Dependable ElectroNIc-Based SystEms (DENISE) werden Konzepte, Methoden und anwendungsorientierte Werkzeuge erforschen, um EBS verlässlicher zu machen. Das Projekt vertieft die sehr gute Beziehung zwischen der FH Joanneum und der Technischen Universität Graz durch ein gemeinsames Doktoratsstudium. DENISE schafft einen integrierten Forschungsrahmen über disziplinäre Grenzen hinweg und verknüpft Zuverlässigkeitskonzepte von Sensoren mit vernetzten eingebetteten Geräten. Bestehende Stärken werden ausgebaut, und durch die Bündelung der komplementären Expertise wird DENISE zu nachhaltigen Fortschritten im EBS-Sektor führen. Mehr Information
Das Projekt OPEVA zielt auf Innovationen bei der Zusammenführung von Informationen aus dem Fahrzeug ab, nicht nur von der Batterie, sondern auch von anderen internen Sensoren und Verhaltensweisen, um ein für das einzelne Fahrzeug und seinen Fahrer spezifisches Leistungs- und Verbrauchsmodell zu erstellen (TD1). Es zielt darauf ab, die individuelle Fahrepisode zu optimieren, indem es die von den Back-End-Systemen gesammelten Daten außerhalb des Fahrzeugs wie Straßenzustand, Wetter, Standort und Belegung der Ladestation usw. nutzt (TD2). OPEVA wird außerdem die Herausforderungen angehen, die mit der Kommunikation zwischen dem Fahrzeug und der Infrastruktur verbunden sind, um Daten von den Back-End-Systemen zu sammeln (TD3). Sie zielt auf Innovationen bei der Nutzung von Ladestationen und damit verbundenen Anwendungen ab (TD4). Darüber hinaus soll ein besseres Verständnis dafür erreicht werden, was die Batterie und die sie bildenden Zellen während der realen Nutzung wirklich tun, um ein verbessertes Batteriemanagementsystem zu entwickeln (TD5). TD6 schließlich behandelt die fahrerorientierte menschliche Faktoren zur Optimierung der Nutzung von Elektrofahrzeugen. Die TDs, von den am tiefsten in das Fahrzeug eingebetteten bis hin zur Unterstützung in der Cloud, müssen optimal zusammenarbeiten, um in einem Jahrzehnt ein besseres Niveau an systemischer Optimierung für die persönliche Mobilität zu erreichen, für das bei fossilen Brennstoffen zehn Jahrzehnte benötigt wurden. Andererseits werden wirtschaftliche Faktoren (N-TD1), rechtliche und ethische Aspekte (N-TD2), die Entwicklung des EV durch den Menschen (N-TD3) sowie gesellschaftliche und ökologische Faktoren (N-TD4) in den OPEVA-Methoden für eine höhere Akzeptanz und das Bewusstsein der Gesellschaft für diese Entwicklungen berücksichtigt. Mehr Informationen.
Die Anforderungen an autonome mobilen Roboter in einem Lagerhaus steigen mit der hohen Zunahme der Digitalisierung in der Industrie. Dabei ist es von enormer Bedeutung auch die Entwicklung der mobilen Roboter, auch als Shuttles bezeichnet, voranzutreiben. Als Beispiel kann hier die Effizienz bei der Abarbeitung von Tasks genannt werden. Damit diese Steigerung der Effizienz erzielt werden kann, muss eine gewisse Intelligenz unter den Shuttles bzw. in einem Schwarm von beliebiger Größe eingebracht werden. Die Bandbreite für diese Intelligenz ist breit gefächert und es können verschiedene Aspekte betrachtet werden. Mehr Informationen.
Multi-Core- Hardware und Software gewinnen in Embedded Automotive Systems (EAS) zunehmend an Bedeutung. Während die große Menge komplexer Algorithmen, Sensoren und Aktoren nach mehr Rechenleistung verlangt, erfordern die gewünschte Integrationsdichte und Echtzeitanforderungen moderner Steuergeräte (ECU) die tatsächlich parallele Ausführung von Code. Darüber hinaus werden vernetzte Smart Cars zukünftig Software enthalten, die flexibel bezüglich einer variierenden Menge an Funktionen und Diensten sein muss, um die langfristige Interoperabilität von Fahrzeugen untereinander gewährleisten zu können. Dieses Projekt zielt auf die Forschung an Grundlagen und praktischen Anwendungen neuer Betriebssystemkonzepte und Prozessorarchitekturen für dynamisch komponierte Embedded Multi-Core Systeme mit harten Echtzeitbedingungen. Programmierparadigmen und Schedulability Analysen auf Kernel- und Anwendungsebene sind daher ebenso relevant wie Hardware-Unterstützung für die Interaktion und Isolation von Tasks und Kernen. Mehr Informationen
SPiDR bringt die jüngsten Fortschritte in den Bereichen drahtlose Netzwerke, Lokalisierung, Benchmarking, kollaboratives Bewusstsein und maschinelles Lernen zusammen, um sichere, widerstandsfähige und hochleistungsfähige drahtlose Mesh-Netzwerke zu entwickeln. Im Rahmen von SPiDR werden Benchmarking-Infrastrukturen geschafft, die Experimente mit drahtlosen Netzwerken auf Wi-Fi, Bluetooth Low Energy und Ultrabreitband basierend ermöglichen. In SPiDR werden auch zuverlässige und skalierbare Netzwerkprotokolle entwerfen, die gegen gefährliche Agenten resistent sind. Zuletz werden autonome Einheiten wie Drohnen mit RF-Kontext- und Standortbewusstsein ausgetstattet sowie mit der Fähigkeit, Sicherheitsbedrohungen, Netzwerkanomalien und Koexistenzprobleme zu identifizieren und zu mildern. Mehr Informationen
Das übergreifende Ziel von TRANSACT ist die Entwicklung einer universellen verteilten Lösungsarchitektur für die Transformation von sicherheitskritischen cyber-physischen Systemen von lokalen, autarken Systemen in sichere und verteilte Lösungen. Mehr Informationen
Die Europäische Kommission hat sich das ehrgeizige Ziel gesetzt, den Anteil des Designs und der Produktion elektronischer Komponenten in Europa bis 2030 zu verdoppeln. Als einen wichtigen Beitrag zur Erreichung dieses Ziels konzentrieren sich akademische und industrielle Partner auf die Entwicklung und den Ausbau eines Open-Source-RISC-V-Ökosystems als eine strategische Investition für Europa. Das von der Industrie initiierte TRISTAN-Projekt zielt darauf ab, das europäische RISC-V-Ökosystem zu erweitern, auszubauen und zu industrialisieren, um mit bestehenden kommerziellen Alternativen konkurrieren zu können. Das Projekt zielt darauf ab, die Open-Source-Gemeinschaft zu nutzen, um Produktivität und Qualität zu steigern. Darüber hinaus wird das breit angelegte internationale Konsortium eine große Anzahl von Ingenieuren mit der RISC-V-Technologie vertraut machen, was die Akzeptanz weiter fördern und sicherstellen wird, dass dieses Ökosystem zu einer souveränen europäischen Alternative zu bestehenden Industriestandards wird. Das nationale Konsortium in Österreich leistet einen wesentlichen Beitrag zu TRISTAN und trägt dazu bei, Österreich als "Chip-Schmiede" in Europa zu etablieren. Die Vielfalt der Partner und ihre komplementäre Position in der Wertschöpfungskette gewährleisten einen starken österreichischen Fußabdruck in TRISTAN und eine hohe Wirkung in Bezug auf die Verbreitung und Nutzung der Ergebnisse. Darüber hinaus werden durch die intensive Zusammenarbeit zwischen akademischen und industriellen Partnern die Open-Source-Aspekte ebenso in den Fokus gerückt wie die Verwertungsinteressen der industriellen Partner. Die TUG wird sich auf die Entwicklung von HW/SW-Co-Design-Lösungen (mit industriellen Partnern) für RISC-V ISA „Custom Extensions“ konzentrieren. Die TUG wird Lösungen anbieten, die von der Untersuchung der ISA-Erweiterung über die Simulation und die Analyse der Design Space Exploration bis hin zur Optimierung der Leistung, des Timings und des Energieverbrauchs reichen. Mehr Informationen.
Das Ziel dieses Projekts ist die Entwicklung neuer Methoden für von Digital Twin unterstützten Entwicklungs-, Test- und Inbetriebnahme Tools, um den mit solchen Aufgaben verbundenen Engineering-Aufwand erheblich zu reduzieren und die Produktion zukünftiger Automatisierungssysteme und deren Bereitstellung zu vereinfachen und zu katalysieren. Mehr Informationen
FORSCHUNGSBEREICHE LAUFENDE PROJEKTE
ABGESCHLOSSENE PROJEKTE PUBLIKATIONEN