Forschungsdatenbank: Projekte

MoPilot ist ein Forschungs- und Entwicklungsprojekt, das Menschen und Kommunen in ländlichen Regionen bei nachhaltiger Mobilität unterstützt. Im Mittelpunkt steht ein digitaler, KI-basierter Assistent. Er hilft dabei, Carsharing-Angebote einfacher zu betreiben und leichter zu nutzen. Ziel ist es, Mobilität auf dem Land verlässlicher, verständlicher und alltagstauglicher zu machen. Für dieses Projekt haben sich neben der H-BRS die Partner Vianova eG, die Reboot Mobility GmbH und die Wirtschaftsförderung Bruchsal zusammengefunden, ein komplementäres Team für nachhaltige Mobilität auf dem Land.

Projektleitung an der H-BRS

Ziel des Projekts ist es, den Showroom als Forschungs- und Innovationszentrum zu etablieren, das Forschung, Lehre und Zusammenarbeit mit externen Partnern fördert. Durch die Vernetzung von Wissenschaft, Wirtschaft und Gesellschaft soll der Showroom den regionalen Technologietransfer stärken. Gleichzeitig werden nachhaltige Konzepte zur langfristigen Sicherung und Weiterentwicklung des Betriebs entwickelt, um die Einrichtung über die Förderperiode hinaus fortzuführen.

MARIA LUISA ESPINEL RAMOS beschäftigt sich in ihrer Promotion mit der Übertragung von Infektionskrankheiten von Tieren auf den Menschen. Diese wird durch natürliche Evolutionsprozesse von Erregern begünstigt, die sich an vom Menschen veränderte Umweltbedingungen wie Landnutzung, intensive Tierhaltung, Klimawandel und Biodiversitätsverlust anpassen. Besonders in städtischen Räumen treffen hohe Dichten von Menschen und Tieren mit häufigen Interaktionen aufeinander, wodurch das Risiko von Spillover-Ereignissen steigt. Art und Häufigkeit dieser Kontakte sowie menschliches Verhalten, geprägt durch soziale und ökonomische Faktoren, bestimmen maßgeblich die Exposition. Da diese komplexen Zusammenhänge noch nicht vollständig verstanden sind, erfordert die Vorhersage und Prävention neu auftretender Zoonosen einen integrativen „One-Health“-Ansatz, der Umwelt-, Tier- und Gesundheitsaspekte gemeinsam betrachtet.

Autonome Systeme und Roboter arbeiten in dynamischen Umgebungen, die sich im Laufe der Zeit allmählich oder radikal verändern. Um Aufgaben in solchen sich ständig verändernden Umgebungen ausführen zu können, sollte der Roboter kontinuierlich lernen und seine Fähigkeiten anpassen. Kontinuierliches Lernen (CL) ist eine Methode des maschinellen Lernens, die aus kontinuierlichen Datenströmen lernt. CL zielt darauf ab, einen Ausgleich zwischen den zu erhaltenden und den zu verbessernden Fähigkeiten zu schaffen, eine Eigenschaft, mit der das derzeitige maschinelle Lernen zu kämpfen hat. Die Doktorarbeit von MOHAMMAD WASIL konzentriert sich auf die Nutzung der physischen Interaktion eines Roboters, wie z. B. die Nutzung von räumlich-zeitlichen Informationen über die Umgebung, um robustere Daten für die Lösung des Problems des kontinuierlichen Lernens zu erhalten.

Im Betrieb eines eBikes entstehen Vibrationen und Geräusche, z.B. durch die Funktionsweise der Antriebseinheit oder auch durch das Zusammenspiel von Fahrer und Rad. Aufgrund von dynamischen Effekten erfolgt dabei eine Anregung entlang einzelner Strukturen bis auf Systemebene. An freien Oberflächen kommt es zudem zu einer Schallabstrahlung an die Umgebung. Da die Entwicklung von eBikes aktuell stark forciert wird und Geräusch-/Vibrationsthemen besser verstanden werden sollen, wird im Rahmen der Promotion von KEVIN STEINBACH ein computergestütztes Modell der Antriebseinheit unter diesem Aspekt entwickelt. Mit dem Simulationsmodell soll dann das so genannte NVH-Verhalten (Noise Vibration Harshness) der Antriebseinheit abgebildet und vorhergesagt werden können. Dies würde Optimierungsmaßnahmen bereits am virtuellen Prototypen ermöglichen und – im Sinne einer ressourcenschonenden Entwicklung – zeitaufwendige Versuchsmuster reduzieren.

Das Extrusionsblasformen ist eines der wirtschaftlichsten Verfahren zur Herstellung dünnwandiger Kunststoffhohlkörper, wie z.B. Flaschen, Kanister oder Kraftstofftanks. Nach der Herstellung kommt es bedingt durch die Abkühlung unter Formzwang zu Schwindung und Verzug der Bauteile. Diese unerwünschten Abweichungen von der Idealgeometrie stellen für die Blasformbranche nach wie vor ein großes Problem dar. In Kooperation mit der Dr. Reinold Hagen Stiftung beschäftigt sich Doktorand PATRICK MICHELS mit der simulativen Vorhersage der Materialschwindung und des damit verbundenen Bauteilverzugs. Schwerpunkt des Promotionsvorhabens bildet die Identifikation und Kalibrierung eines geeigneten Materialgesetzes zur Beschreibung des komplexen zeit-, temperatur- und prozessabhängigen Materialverhaltens der eingesetzten Polymerwerkstoffe. Die verbesserten Modelle zur Schwindungs- und Verzugsanalyse sollen dann in den Standard CAE-Workflow blasgeformter Kunststoffhohlkörper integriert werden.

PolySpeC: BioPolymere als industrielle Rohstoffe bzw. Produkte – Spezifikation und Qualitätssicherung via Spektroskopie und Chemometrie

Projektleitung an der H-BRS

Im Projekt PVCharge untersucht ein Konsortium aus zwei Forschungseinrichtungen und drei Industrieunternehmen, wie sich Synergien zwischen industriellen Photovoltaikanlagen und Elektrofahrzeugen besser nutzen lassen. Im Fokus stehen dabei größere PV-Anlagen, wie sie z. B. über oder in der Nähe von Supermarkt- oder Firmenparkplätzen errichtet werden können. Das Projekt verfolgt drei Kernziele: Die Verringerung von Energiewandlungsverlusten beim Laden von Elektrofahrzeugen mit PV-Strom, um erneuerbare Energien effizienter zu nutzen Die Steigerung des PV-Anteils in der Fahrzeugbatterie durch PV-abhängige Sollwertvorgaben beim Aufladen, um den fossil erzeugten Anteil des Netzstroms durch lokal erzeugten PV-Strom zu ersetzen Die Einbindung der Fahrzeugbatterien für netzstabilisierende Dienstleistungen Das direkte Laden von Elektrofahrzeugen (E-Kfz) an einer Photovoltaikanlage (PV-Anlage) bietet sowohl ökologische als auch ökonomische Vorteile. In Zeiten steigender Energiekosten und zunehmenden Umwelt­bewusstseins gewinnt die Nutzung erneuerbarer Energien immer mehr an Bedeutung. Die Kombination von E-Kfz und PV-Anlage ermöglicht es, den erzeugten Solarstrom direkt und effizient für das Laden der Fahrzeuge zu nutzen. Aktuelle Technologien setzen auf eine AC-Kopplung von PV-Anlagen und Ladesäulen.

Die Forschungsarbeit von ANGELA TURCK, eingeleitet durch das Projekt „Diversity of Insects in Nature-Protected Areas (DINA)“, analysiert die komplexen Verbindungen zwischen Landwirtschaft und Naturschutz. Seit 2019 sind entscheidende Veränderungen eingetreten: Ein Anstieg des Umweltbewusstseins, politische Prioritäten zugunsten von Umwelt- und Klimaschutz, manifestiert u.a. im Europäischen „Green Deal“ und der „Farm to Fork Strategie“. Gleichzeitig hat die COVID-19-Pandemie hat ebenfalls politische Entscheidungen beeinflusst. In diesem dynamischen Kontext betont die Arbeit die Notwendigkeit eines Stakeholder zentrierten Ansatzes. Es werden Spannungen und Herausforderungen für Landwirte in Naturschutzgebieten analysiert. Zudem vertieft die Studie intensiv die Perspektiven der Landwirte, um ihre Hesitationen und Bestrebungen im Naturschutz zu verstehen. Ein Fokus liegt auf der Analyse ökonomischer Anreize der Landwirte für die Biodiversität unter Verwendung einer Motivationstheorie. Das Ziel des Vorhabens besteht darin, die Interaktionen zwischen den Hauptbeteiligten eingehend zu erfassen und durch einen integrativen Ansatz Lösungen für ein nachhaltiges Miteinander zu entwickeln.

Der ghanaische Gesundheitssektor leidet unter einer instabilen Stromversorgung, welche oft mit Dieselgeneratoren kompensiert wird. Diese führt aber neben der ökologischen und finanziellen Belastung auch zu einer gesundheitlichen Belastung für erkrankte Personen und Anwohnende. Erneuerbare Energieträger können hier aushelfen, eine saubere und kosteneffektive Energieversorgung sicher zu stellen, allerdings bergen sie Risiken bei der Stabilität der Stromversorgung. Doktorand SAMER CHAARAOUI forscht an modellprädiktiven Regelungen für PV-Diesel Hybridsysteme, welche auf Last- und Strahlungsvorhersagen basieren. Verschiedene Vorhersagemethoden werden hierbei untersucht, von simplen statistischen Verfahren über numerische Wettervorhersagemodelle bis hin zur Implementierung von tiefen neuronalen Netzen und künstlicher Intelligenz.