DigitalTwin-4-Multiphysics-Lab
Forschungsprojekt im Überblick
Zeitraum
01.04.2023 to 31.03.2027
Projektbeschreibung
Das "Digital Twin-4-Multiphysics Lab" (DT4MP) widmet sich gleichermaßen den Themen urbane digitale Zwillinge (UDZ) und Multiphysikzwillinge für die Industrie. Beide Bereiche werden auf Augenhöhe und in Synergie behandelt, um innovative Lösungen und Optimierungen für städtische und industrielle Anwendungen zu entwickeln.
Multiphysik-Phänomene sind sowohl in urbanen digitalen Zwillingen (UDZ) als auch in vielen industriellen Anwendungen und Produktionslinien von zentraler Bedeutung. Diese Phänomene beeinflussen die Effizienz und Sicherheit der Prozesse sowie die Integrität der produzierten Teile. Eingebettet in Prozessketten und Konstruktionsaufgaben werden multiphysikalische Simulationen sowohl für städtische als auch industrielle Anwendungen einer enormen Automatisierung und Optimierung unterzogen. Diese Simulationen sind integraler Bestandteil von Digital Twins – virtuellen, funktionalen Versionen von Systemen, die deren Eigenschaften abbilden und den Lebenszyklus eines Systems in Form von Daten und Metadaten erfassen.
Im Bereich der urbanen digitalen Zwillinge (UDZ) ermöglicht das DT4MP eine detaillierte Analyse und Optimierung von städtischen Prozessen und Infrastrukturen. Gleichzeitig tragen Multiphysikzwillinge in der Industrie zur Effizienzsteigerung und Prozesssicherheit bei. Durch die Integration von Echtzeitdaten und fortschrittlichen Simulationsmodellen tragen UDZ zur Verbesserung der Lebensqualität, zur effizienten Ressourcennutzung und zur Förderung nachhaltiger städtischer Entwicklung bei. In der Industrie werden ähnliche Technologien eingesetzt, um die Produktion zu optimieren und die Qualität der produzierten Teile sicherzustellen.
Das DT4MP kombiniert digitale Zwillinge und Künstliche Intelligenz (KI) sowohl für städtische als auch industrielle Anwendungen. Neue Methoden werden durch die Kombination von Maschinellem Lernen und Multiphysiksimulationen entwickelt und angewendet. Das Lab bietet Dienstleistungen wie Datenanalyse, virtuelle Tests und Validierungen, die sowohl kleinen und mittleren Unternehmen (KMUs) als auch größeren Unternehmen in städtischen und industriellen Kontexten zugutekommen. Es fördert die Kooperation in Forschung und organisiert regelmäßige Diskussionen rund um digitale Zwillinge.
Das Fraunhofer SCAI, das Institut für Technik, Ressourcenschonung und Energieeffizienz (TREE), das Institut für Künstliche Intelligenz und Autonome Systeme (A2S) der Hochschule Bonn-Rhein-Sieg und die Dr. Reinold Hagen Stiftung haben das DT4MP gegründet, um die Digitalisierungsforschung in der Industrie und urbanen Räumen voranzutreiben und KMUs zu unterstützen.
Ergebnisse
Aktuelle Projekte, Initiativen und Ergebnisse
EcoTwin – Digitaler Zwilling urbaner Grünflächen
PI/Institut: Tim Wessel, Prof. Dr. Martin Hamer (IZNE)
Wie kann ein digitaler Zwilling urbaner Grünflächen gestaltet werden, um regionale Umwelt- und Grünflächenämtern in die Lage zu versetzen, Anpassungsmaßnahmen an den Klimawandel, in Abhängigkeit der spezifischen Standorteigenschaften, praxisnah umzusetzen.
Daten: Umweltdaten (Open Source, von den Städten bereitgestellt, Sensordaten)
Technologie und Methodik: Technologie und Methodik: Sensorik, Natural Language Processing, API (Wetter- und Sensordaten)
Partner: RF-Frontend GmbH, TH Köln, GIQS e.V.
Garrulus-2
PI/Institut: Prof Dr. Alexander Asteroth (TREE), Prof. Dr. Sebastian Houben (A2S/TREE)
Wie lässt sich Forstmanagement mit Hilfe drohnengestützter multi-modaler Sensorik zur Erstellung eines digitalen Zwillings eines Waldstücks wirtschaftlich durchführen?
Daten: Bildaten (auch hyperspektral), 3D-Punktwolken, Satellitendaten von Waldgebieten
Technologie und Methodik: Autonome Robotik, simultane Lokalisierung und Kartierung, Multi-Sensor-Integration, datengetriebens Maschinelles Lernen, Few-Shot Learning, Continual Learning
Partner: Wald und Holz NRW
OpenSKIZZE: Open Source Entwicklungstools für Stadtentwicklung: Klimafolgenanpassung mit kooperativen KI-gestützten Entscheidungsprozessen
PI/Institut: Dr. Alexander Hagg (TREE), Prof. Dr. Dirk Reith (TREE)
OpenSKIZZE soll als Open-Source KI-Assistent die Erkenntnisse aus Klimamodellen in konkrete Bauprojekte überführen. Dieses System soll alle Stakeholder frühzeitig in den Prozess einbinden und sie über die Auswirkungen ihrer Entscheidungen auf das lokal-städtische Klima aufklären.
Daten: Geodaten, Klimadaten
Technologie und Methodik: maschinelles Lernen, evolutionäre Optimierung, neuronale Repräsentationsmethoden, generative KI, computational fluid dynamics
Partner: Montag Stiftung Urbane Räume gAG, Neue Stadtgärtnerei Wohnen e.V.
Datenkompetenzzentrum Rhein-Ruhr
PI/Institut: Prof. Dr. Dirk Reith (TREE), Prof. Dr. Sebastian Houben (A2S/TREE), Dr. Armin Erhardt
Angebot zur Annäherung natur- und geisteswissenschaftlicher Forschung an moderne datengetriebene Methoden und Best Practices
Daten: großskalige naturwissenschaftliche Messdaten
Technologie und Methodik: abhängig vom unterstützten Projekt
Partner: FZ Jülich GmbH (Verbundkoordination), RWTH Aachen, FH Aachen, Universität zu Köln, Rheinische Friedrich-Wilhelms-Universität Bonn, Fraunhofer - Institut für Intelligente Analyse- und Informationssysteme, Universität Duisburg-Essen, Ruhr-Universität Bochum
KIMODE - KI-Methodik zur Optimierung von Konstruktions-Design-of-Experiments
PI/Institut: Prof. Dr. Sebastian Houben (A2S/TREE), Prof. Dr. Dirk Reith (TREE)
Lassen sich Bauteile innerhalb eines Konstruktions-Design-of-Experiments durch KI-basierte Methodik schneller und passgenauer entwickeln?
Daten: AD-Designs, Simulationsdaten zur Haltbarkeit / CO2-Fußabdruck
Technologie und Methodik: Physics-informed deep learning, Bayessche Optimierung, e.g. Gaußsche Prozesse
Partner: GKN Driveline
NAkSU – Neue Analyseverfahren für komplexes Sicherheits- und Umweltdaten
PI/Institut: Prof. Dr. André Hinkenjann (IVC), Prof. Dr. Ernst Kruijff (IVC), Prof. Dr. Peter Kaul (ISF), Prof. Dr. Robert lange (ISF)
Weiterführende Forschung zur Visualisierung komplexer sensorischer Daten und zur Verbesserung der Datenqualität einfacher, kostengünstiger Sensoren
Daten: Mit eigenem mobil und stationär genutzte Multisensorsystemen gemessene Umweltdaten (Temperatur, Luftfeuchte, Luftschadstoffe z.B. Ozon, Stickoxiode, Ozon, Feinstaub), GPS-Daten; Messdaten Dritter
Technologie und Methodik: kostengünstige Sensoren z.B. elektrochemische Zellen, optischer Feinstaubsensor, Photoionisationsdetektor, Qualitätssicherungsverfahren, Open-Source Entwicklungstools; visuelle Aufbereitung der Ergebnisse zur gemeinsamen Sprache zwischen allen Beteiligten
Partner: Stadt Lohmar
https://www.h-brs.de/de/naksu-neue-analyseverfahren-fuer-komplexe-sicherheits-und-umweltdaten
KLUGER Transfer (Klima-Umwelt-Gesundheit Transfer), Wissenstransfer auf den Gebieten Klima, Umwelt und Gesundheit
PI/Institut: Prof. Dr. Wiltrud Terlau, Angela Turck (IZNE)
Wissenstransfer von der Grundlagenforschung am Max-Planck-Institut für Chemie über die angewandte Forschung am Internationalen Zentrum für Nachhaltige Entwicklung der Hochschule Bonn-Rhein-Sieg in die Öffentlichkeit, Politik und Wirtschaft zu steigern.
Daten: qualitative und quantitative Datenerhebung
Methodik: Interviews, Umfragen, Fokusgruppen (Mixed Method Approach)
Partner: Max-Planck-Institut für Chemie (MPIC), Kommunale Politik und Verwaltung, regionale Wirtschaft
