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 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

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.

Water supply and wastewater treatment plants are steadily transforming from traditional physical infrastructures to cyber-physical systems (CPS). Digitalization brings new vulnerabilities and attack surfaces for attacks from cyberspace. There has been an increase in reported cyberattacks on water management assets, demonstrating that working preventive measures are as necessary as early detection and location of attacked system components. Traditional mechanisms for detecting cyberattacks are becoming increasingly ineffective. At the same time, however, the use of new technologies is creating new legal and ethical risks. To address these new challenges, SeRWas will conduct research services towards a comprehensive cyber situational awareness solution for the water industry that already takes into account future legal, regulatory, and ethical requirements. Specifically, SeRWas will help the water industry to (1) reduce the attack surface for cyberattacks through methods and tools for detailed assessment and risk analysis, (2) counter the increasing sophistication of cyberattacks by developing advanced and robust algorithms as trusted artificial intelligence (AI) tools for early and ongoing attack detection and better situational and risk assessment; and (3) improve alignment with best practices and awareness of emerging security architectures through targeted innovative knowledge delivery methods.

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.