Forschung

Kooperationen

Für Unternehmen gibt es damit zahlreiche Möglichkeiten Forschungs- und Entwicklungsprojekte im Bereich der Energietechnik umzusetzen: Von der Energieerzeugung über die Energiespeicherung und -verteilung bis hin zur Energienanwendung. Viele Arbeiten sind experimentell ausgerichtet und werden durch numerische Methoden unterstützt. Ergänzt werden diese Arbeiten oft durch Feldstudien und Monitoringkampagnen an Komponenten oder Systemen im laufenden Betrieb und unter Nutzungsbedingungen.

Direkte FuE-Aufträge bieten sich häufig innerhalb der Produktentwicklung mit kürzeren Projektlaufzeiten an: Beratung, Gutachten und Studien. Messtechnische Untersuchungen zur Schwachstellenanalyse und Produktcharakterisierung. Modellbasierte und numerische Auswertungen für Optimierungspotenziale.

Ko­ope­ra­ti­onsprojekte mit weiteren Unternehmen und anderen Forschungseinrichtungen bieten sich für mehrjährige, komplexe Fragestellungen mit einem höheren Forschungsanteil an: Labormessungen, Feldstudien, Monitoringkampagnen, Systementwicklung und umfangreiche numerische Simulationen.

Ausstattung

Das Institut für nachhaltige Energiesysteme ist am Regionalen Innovationszentrum für Energietechnik (RIZ Energie) am Hauptcampus Offenburg angesiedelt. Das Forschungsgebäude verfügt neben modernen Büros für Mitarbeiterinnen und Mitarbeiter über ein Technikum mit einer Fläche von rund 900 m². Das Technikum bietet Platz für Großgeräte, Prüfstände und größere Laboreinheiten für die am INES untersuchten Forschungsthemen.

Forschungsprojekte

Titel Quality Assurance of Machine Learning Applications
Kurzname Q-AMeLiA
Kurzbeschreibung Ziel des Verbundprojektes Q-AMeLiA ist es, KMU bei dem speziellen ML-Softwareentwicklungs-Lebenszyklus (ML-SDLC) und den dabei wichtigen Qualitätsindikatoren zu unterstützen. 5 KMU arbeiten mit 3 HAW zusammen, um passende Instrumente zur Bewertung der Daten-Qualität bezüglich repräsentativer Abdeckung des Merkmalsraums sowie zur Bewertung der im Lernprozess erreichten Qualität des erlernten KI-Modells zu erarbeiten. Dies sichert das Produktrisiko des Herstellers KI-basierter Produkte ab und gewährleistet dem Kunden eine quantifizierte Leistung der Produkte hinsichtlich der Entscheidungen der KI.
Jahr der Einwerbung 2020
Laufzeit Beginn 01.10.2020
Laufzeit Ende 30.09.2023
Projektleitung Keuper, Janis, Prof. Dr.
Fakultät EMI
Institut IMLA
Drittmittelgeber öffentlich Land BaWü - Ministerium für Wissenschaft, Forschung und Kunst
Titel Quality Assurance of Machine Learning Applications
Kurzname Q-AMeLiA
Kurzbeschreibung Ziel des Verbundprojektes Q-AMeLiA ist es, KMU bei dem speziellen ML-Softwareentwicklungs-Lebenszyklus (ML-SDLC) und den dabei wichtigen Qualitätsindikatoren zu unterstützen. 5 KMU arbeiten mit 3 HAW zusammen, um passende Instrumente zur Bewertung der Daten-Qualität bezüglich repräsentativer Abdeckung des Merkmalsraums sowie zur Bewertung der im Lernprozess erreichten Qualität des erlernten KI-Modells zu erarbeiten. Dies sichert das Produktrisiko des Herstellers KI-basierter Produkte ab und gewährleistet dem Kunden eine quantifizierte Leistung der Produkte hinsichtlich der Entscheidungen der KI.
Jahr der Einwerbung 2020
Laufzeit Beginn 01.10.2020
Laufzeit Ende 30.09.2023
Projektleitung Keuper, Janis, Prof. Dr.
Fakultät EMI
Institut IMLA
Drittmittelgeber öffentlich Land BaWü - Ministerium für Wissenschaft, Forschung und Kunst

Publikationen

Seit Gründung des INES im Jahr 2012 werden jedes Jahr zahlreiche Publikationen aus allen Forschungsgruppen veröffentlicht. Die Liste der Veröffentlichungen finden Sie auf dem OPUS Hochschulschriftenserver der Hochschule Offenburg. Klicken Sie dafür einfach hier.