Mehr Gehirn für Hardware und Software

Rastertunnelmikrosopie-Aufnahme einer Oberfläche mit einzelnen Atomen: Solche Atome nutzen die Forschenden, um neuromorphe Materialien zu entwickeln. (Bildgröße: 5 x 7 Nanometer) Foto: Institut für Funktionelle Materialien und Quantentechnologie


Rastertunnelmikrosopie-Aufnahme einer Oberfläche mit einzelnen Atomen: Solche Atome nutzen die Forschenden, um neuromorphe Materialien zu entwickeln. (Bildgröße: 5 x 7 Nanometer)
Foto: Institut für Funktionelle Materialien und Quantentechnologie

Lernfähige Algorithmen sind intelligent, doch für manche technische Anwendungen, wie etwa autonomes Fahren, noch nicht smart genug. Wissenschaftler:innen erforschen nun neuromorphe Materialien, um Software und Hardware schneller, effizienter und flexibler zu machen.

Entspannt zurücklehnen und die Gegend bewundern, während das Auto autonom durch die Stadt fährt – das gibt es trotz der technischen Möglichkeiten noch nicht. Konventionelle Computer-Hardware und Software verfügen über ungenügend Schnittstellen, um im Notfall mit derselben menschlichen Reaktionsfähigkeit einzugreifen. Weiterlesen

Mit neuem Recyclingprozess thermoplastische Kohlenstofffaser-Tapes kontinuierlich ablösen und wiederverwerten

© Fraunhofer IPTRecyceltes thermoplastisches Carbonfaser verstärktes UD-Tape

© Fraunhofer IPT
Recyceltes thermoplastisches Carbonfaser verstärktes UD-Tape

Der Absatzmarkt für Kunststoffprodukte wächst. Zugleich nimmt die Umweltbelastung durch nicht-abbaubare Kunststoffe zu und erfordert neue Recyclingstrategien. Am Fraunhofer-Institut für Produktionstechnologie IPT in Aachen haben Forschende einen Recyclingprozess entwickelt, um das Faserverbundmaterial gebrauchter Drucktanks in einem Ablöseprozess zurückzugewinnen und für neue Leichtbauprodukte wiederzuverwerten. Ziel ist es, Faserverbundkunststoffe (FVK) zu recyceln, ohne dass es zu deutlichen Einbußen der Produktqualität kommt. Dem Fraunhofer-Team ist dies im Forschungsprojekt »Tankcycling« nun gelungen: Über 90 Prozent der mechanischen Eigenschaften bleiben erhalten. Weiterlesen

Maschinelles Lernen: Schlaue Kommissionierroboter greifen gemeinsam besser

Durch gemeinsames, aber räumlich getrenntes und datensicheres Training lernen autonome Greifroboter an unterschiedlichen Standorten voneinander. (Foto: Amadeus Bramsiepe, KIT)

Durch gemeinsames, aber räumlich getrenntes und datensicheres Training lernen autonome Greifroboter an unterschiedlichen Standorten voneinander. (Foto: Amadeus Bramsiepe, KIT)

Autonome, flexibel einsetzbare Roboter gelten als Schlüsseltechnologie für Industrie und Logistik 4.0. Das Problem: Um mit Künstlicher Intelligenz (KI) gesteuerte Roboter zu trainieren, sind sehr große Datenmengen nötig, über die aber nur die wenigsten Unternehmen verfügen. Die Lösung: Roboter unterschiedlicher Unternehmen an verschiedenen Standorten lernen voneinander. Forschende des Karlsruher Instituts für Technologie (KIT) haben mit Partnern Möglichkeiten des gemeinsamen Lernens entwickelt, ohne dass sensible Daten und Betriebsgeheimnisse geteilt werden müssen. Weiterlesen