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.