1. Ausschreibung
ABM4EnergyTransition (Kooperatives F&E-Projekt)
The objective of the project ABM4EnergyTransition is the development and demonstration of a novel simulation approach based on spatial agent-based modeling (ABM) for the spatial analysis and assessment of pathways for the municipal heat and energy transition. The methodology considers both spatial data to describe the energy system of a study area (e.g., buildings, energy infrastructure) and parameters to describe the behavior of actors within this energy system (e.g., homeowners).
Website | Projektposter | Präsentation
AI4Trees (Kooperatives F&E Projekt)
AI for Climate Sensitive Tree Growth Modelling and Maximum Carbon Segregation
AIT, Bundesforschungszentrum für Wald, E.C.O. Institut für Ökologie, GeoVille Informationssysteme und Datenverarbeitung, Know-Center, Umweltdata
AI4Wind (Kooperatives F&E Projekt)
AI4Wind liefert räumlich und zeitlich hochaufgelöste Windgeschwindigkeitsanalysen der letzten 30 Jahre mit KI-Methoden, verfeinert Klimaszenarien durch höher aufgelöste Analyse-Raster und entwickelt Methodenzur Umwandlung von Windgeschwindigkeits-Zeitreihen von niedriger (3 h) zu hoher (15 min) zeitlicher Auflösung. Zusätzlich werden alternative Methoden zur Berechnung der Windkraftanlagenleistung, ML-basierte Windparkmodelle und Planungstools für Windparkbetreiberentwickelt.
Website | Projektposter | Präsentation
AI-Weeder (Kooperatives F&E Projekt)
Die AI-Weeder GmbH entwickelt AI basierte Technologien zur chemie-freien Unkrautentfernung in Rasen. Im Projekt wurde ein Erkennungsmodell mit niedrigstem Ressourcen- und Energiebedarf entwickelt, das in kompakten Add-Ons für Mähroboter zum Einsatz kommen soll. Ein Prototyp wurde gebaut und die Performance in-situ nachgewiesen. Es wurden 80% Erkennungsrate bei 5.3 fps erzielt. Zum Schutz der IP wurde ein internationales Patent angemeldet.
Website | Projektposter | Präsentation
Bambi (Kooperatives F&E Projekt)
Das Projekt BAMBI nutz Kamera-Drohnen gemeinsam mit Künstlicher Intelligenz, um Wildtiere automatisch zu beobachten. Ziel dabei ist es durch konstantes Monitoring drohende ökologische Probleme, wie Biodiversitätsverlust oder Überpopulation, frühzeitig zu erkennen.
Website | Projektposter | Präsentation
BladeWatch (Kooperatives F&E Projekt)
Increasing Wind Power Availability through Energy-Autonomous Wireless Smart Sensors
Materials Center Leoben, eologix sensor technology, Know-Center
DeerAI (Kooperatives F&E Projekt)
AI based game monitoring
Joanneum Research, Meles Wildbiologie, pentamap
Green-TrAIn-Plan (Kooperatives F&E Projekt)
Mit Hilfe von Simulation, Optimierung und AI-Methoden wird der Energieverbrauch von Fahrplänen und Umläufen optimiert. Im Projekt werden (1) Energieverbräuche und Verspätungen im Bahnsystem auf Basis von historischen Daten vorhergesagt, (2) der Energieeinsatz in der Ressourcen-Planung optimiert und (3) die erstellten Pläne simuliert. Durch eine enge Interaktion dieser 3 Säulen wird eine Analyse des Trade-Offs zwischen umweltfreundlichen, effizienten und zuverlässigen Plänen ermöglicht.
Website | Projektposter | Präsentation
recAIcle (Kooperatives F&E Projekt)
RecAIcle aims at achieving improvements in manual sorting in recycling trash separation plants, through learning from and interactions with the sorting worker. This complex learning and interaction system requires the implementation of cutting-edge Artificial Intelligence (AI) and Computer Vision (CV) methods. Trash recycling, especially plastics, poses unique challenges to CV systems, due to the visual appearance of deformed plastics, and to the variations in trash composition over time.
Website | Projektposter | Präsentation
REWAI (Kooperatives F&E Projekt)
Reducing Energy and Waste using AI
Pro2Future, JKU Linz, TU Graz, Lenzing
SDGHub (Kooperatives F&E Projekt)
Das SDG HUB-Projekt entwickelt ein umfangreiches Wissensarchiv und einen Wissensgraph zu dessen automatischer Strukturierung, um den Herausforderungen zur Erreichung der Ziele für nachhaltige Entwicklung der Agenda 2030 zu begegnen. Mittels KI-basierter Analyse der öffentlichen Debatte in Österreich liefert das Projekt Einblicke in die Wahrnehmung, Wertesysteme und Argumente verschiedener Stakeholder-Gruppen als Basis für transdisziplinäre Dialoge zwischen Wissenschaft und Gesellschaft.
Website | Projektposter | Präsentation
SMAIL (Kooperatives F&E Projekt)
In the scope of the "AI for Green" project SMAIL, VRVis, AMA, EOX and the University of Salzburg are developing an application based on super-resolution reconstruction to reliably monitor small-structured agricultural areas using free satellite data. Artificial intelligence improves the image quality of multispectral Sentinel-2 satellite data in order to obtain usable soil and vegetation data for small agricultural parcels.
Website | Projektposter | Präsentation
SmartGrass (Kooperatives F&E Projekt)
Digital twin based ecologically optimized grassland harvesting
Josephinum Research, Pöttinger Landtechnik
2. Ausschreibung
AI4GreenHeatingGrids (Kooperatives F&E Projekt)
Das Projekt "AI4GreenHeatingGrids" zielt darauf ab, innovative Lösungen für die Optimierung von Fernwärmenetzen zu entwickeln, die auf erneuerbaren Energiequellen und künstlicher Intelligenz basieren. Angesichts der zunehmenden Anforderungen an die Reduzierung von CO2-Emissionen und die Verbesserung der Energieeffizienz in städtischen Gebieten wird dieses Projekt maßgeblich zur Dekarbonisierung und nachhaltigen Energieversorgung beitragen. Das Hauptziel besteht darin, ein intelligentes, flexibles und skalierbares System zu schaffen, das in der Lage ist, die Energieversorgung durch die Integration verschiedener erneuerbarer Energiequellen, wie Geothermie und industrielle Abwärme, zu optimieren.
AI4Grids (Sondierungsprojekt)
Der Ausbau der dezentralen, erneuerbaren Stromerzeugung stellt Verteilnetze in Österreich vor große Herausforderungen, wie Drosselungen oder die mögliche Ablehnung neuer Anlagen. Die Digitalisierung und KIbieten Chancen zur Netzüberwachung und -planung. Das Projekt AI4GriDs fokussiert sich auf kleine Netzbetreiber und zielt darauf ab, Datenmanagement zu verbessern und KI-Methoden zur RES-Prognose und Netzplanung zu ermöglichen.
Website | Projektposter | Präsentation
AI-RoboSense (Kooperatives F&E Projekt)
AI-RoboSens aims to develop a system to help industrial companies reduce energy waste and CO2 emissions. A multi-sensory autonomous robodog inspects sites, identifying damages and energy inefficienciesusing advanced AI and multiple sensors, such as ultrasound and acoustic emissions. This aligns with the EU's goal of achieving a 32.5% energy efficiency by 2030. The project addresses industry's significant energy use and need for innovation. The robodog providesprecise, reliable inspections, outperforming human efforts, and supports companies in their effort to reduce CO2 emissions.
DurAIcell (Kooperatives F&E Projekt)
Im Rahmen des Projekts DurAIcell wird ein innovatives multisensorisches Überwachungssystem für Batteriemodule von Elektrofahrzeugen entwickelt. Dabei werden konventionelle Sensoren mit statischen und dynamischen Druck- und Temperatursensoren kombiniert, die auf flexible Folien gedruckt und in das Batteriemodul integriert werden. Das neuartige Sensorkonzept ermöglicht eine hochauflösende Analyse bis auf die Ebene einzelner Batteriezellen. Damit lassen sich der aktuelle Lade- und Gesundheitszustand der Batterie sehr genau bestimmen und Zellschäden frühzeitig erkennen. Durch die verbesserte Batteriezustandsabschätzung kann zudem ein größerer Teil der Batteriekapazität effizient genutzt werden, was zu kleineren Batterien mit gleicher Kapazität führt. Dies wiederum trägt dazu bei, erneuerbare Energiesysteme und Elektrofahrzeuge effizienter, leichter und kostengünstiger zu machen und gleichzeitig ihren ökologischen Fußabdruck zu verkleinern.
EnergAIze (Sondierungsprojekt)
Downscaling climate models with physics-informed machine learning to tackle the energy transition
AIT, GeoSphere Austria
Fledged (Kooperatives F&E Projekt)
Federated Learning in the Low Voltage Distribution Grid for Edge AI Applications
AIT, JKU Linz, Watt Analytics
GreenHeat (Kooperatives F&E Projekt)
Buildings in the EU consume about 40% of energy. Heat pumps are key to future sustainable heating and cooling, but current models lack efficiency and comfort. The GreenHeat project aims to develop AI methods = for Fault Detection & Diagnosis and Optimal Control of heat pumps.
Rely (Kooperatives F&E Projekt)
REliable REinforcement Learning for sustainable energY systems
TU Wien, evon, TIWAG, vgbe energy
3. Ausschreibung
AI4CarbonFreeHeating (Kooperatives F&E Projekt)
Die Dekarbonisierung des österreichischen Gebäudesektors ist für die Klimaziele essenziell. Durch den Klimawandel sinkt der Heizwärmebedarf, während der Kühlbedarf steigt, was neue Anforderungen an Heizungs- und Klimatisierungssysteme stellt. Das Projekt AI4CarbonFreeHeating entwickelt open-source KI-Methoden zur Erfassung von Gebäudedaten und digitale Modelle, um Klimawandelszenarien und Sanierungsmaßnahmen zu bewerten, und unterstützt so die Entwicklung von Dekarbonisierungsstrategien.
AI4PT
AI-Weeder Pro (Kooperatives F&E Projekt)
Die AI-Weeder GmbH entwickelt AI basierte Technologien zur chemie-freien Unkrautentfernung in Rasen. Im Projekt wird der speziell angefertigte Trainingsdatensatz von Unkraut in Rasen durch einen neuartigen Data Augmentation Algorithmus mittels regionenbasierter Helligkeitsadaption ergänzt, sodass noch höhere Erkennungsraten bei Schlaglicht und Schatten erzielt werden. Der Algorithmus wird implementiert, getestet, optimiert und auf die Testgeräte übertragen. Es wird ein Patent angemeldet.
BOREALIS
BrAIn
Flip-Flop (Kooperatives F&E Projekt)
Im Projekt FLIP-FLOP wird ein KI-basiertes Tool entwickelt, das ein nachhaltigeres und effizienteres urbanes Mobilitätsservice ermöglicht. Dieses kombiniert die Effizienz traditioneller Buslinien mit der Flexibilität von Anrufsammeltaxis, indem die Nutzung der Fahrzeuge und Routen in Echtzeit an die Bedürfnisse der Passagiere angepasst wird. Dies wird durch die Kombination von KI-Methoden und Optimierungstechniken erreicht, die Fahrzeiten vorhersagen und den On-Demand-Betrieb planen.
GreenGLAM (Kooperatives F&E Projekt)
Durch nachhaltigkeitsorientierte Inhalte liefern GLAMs (Galerien, Bibliotheken, Archive, Museen) wichtige Beiträge zur Bewusstseinsbildung und Entscheidungsfindung. GreenGLAM bietet Bürgern und Touristen neue Wege, diese Inhalte zu erkunden, unterstützt durch KI-gesteuerte „Virtuelle Datenskulpturen“ für mobile, Web- und AR-Umgebungen. GreenGLAM extrahiert Wissen über GLAMs und ihre Sammlungen, um innovative Einblicke in deren Beziehung zu den nachhaltigen Entwicklungszielen zu bieten.
POWERCAST
Prometheus
SAELING (Kooperatives F&E Projekt)
Voestalpine provides services for approx. 2,500 metalworking machines. Currently, the power consumption of these machines is not optimized, and its reduction is a challenging problem due to many factors such as inaccurate models. SAELING will apply machine learning methods to generate machine learning models, which can be exploited for scheduling in multi-objective optimization problems. Thus, SAELING will find energy- and resource-saving strategies in the industrial use case of metalworking.
SAIROM (F&E Dienstleistung)
SAIROM zielt darauf ab, die derzeitige Rolle von KI und ihr Potenzial für die Mobilitätswende zu bewerten. Das Projekt wird eine strategische Roadmap für die Förderung von KI für Mobilität in Österreich entwickeln. Dabei werden auch Fairness- und Diversitätsaspekte berücksichtigt. Darüber hinaus untersucht das Projekt aktuelle und zukünftige Anwendungen von KI in der Mobilität, zum Beispiel Unterstützung für individuelle langfristige Mobilitätsentscheidungen.
SIBORC
SmartMowAI
Study-AI4GreenMat (F&E Dienstleistung)
Study-AI4GreenMat untersucht das Potential von KI für die Entwicklung von neuartigen Materialien mit weniger umweltschädlichen Eigenschaften oder die neuartige Nutzung bestehender Materialien zur Reduktion negativer Umwelteinflüsse. Ausgehend vom Status Quo (Materialklassen, AI-Methoden, verfügbare Datenräume) werden die relevantesten AI-Methoden ermittelt und das branchenspezifische Potential bewertet, um dann die dringendsten Forschungsfragen und den Infrastrukturbedarf zu identifizieren.
TranspAIrent.energy (Kooperatives F&E Projekt)
Das Projekt transpAIrent.energy zielt darauf ab, mithilfe generativer KI-Methoden probabilistische Live-Prognosen für energiesystemrelevante Größen wie Strompreise und CO2-Intensitäten in Österreich zu erstellen. Diese Prognosen werden genutzt, um eine Optimierungsstrategie für den Betrieb flexibler erneuerbarer Energieanlagen zu entwickeln, die wirtschaftliche Anreize schafft und die CO2-Intensität reduziert. Prognosen und Projektergebnisse werden auf einer Transparenzplattform veröffentlicht.
Kontakt
