Der Deutsche Akademische Austauschdienst (DAAD) fördert aus Mitteln des Bundesminsteriums für Bildung und Forschung (BMBF) das Programm “Programme des Projektbezogenen Personenaustauschs (PPP)” mit verschiedenen Partnerländern. Gefördert wird mit den PPP die projektgebundene Zusammenarbeit in der Forschung von deutschen und ausländischen Forscherteams, die auf Augenhöhe gemeinsam ein hochaktuelles Thema bearbeiten und sich in ihren jeweiligen Expertisen ergänzen, so dass die binationale Zusammenarbeit zu einem Wissenstransfer führt und für beide Seiten einen Mehrwert darstellt.

Dieses PPP betrifft das Projekt FERC-ID in Zusammenarbeit mit der Technischen Universität Dresden und der Universidade Federal da Paraíba (Brailien):

Predictive Maintenance von Maschinen ist ein Kernaugenmerk von Industrie-4.0 Anwendungen. Das Verhalten, und insbesondere auch das Fehlverhalten, bzw der Defekt von Maschinen kann mittels Predictive Maintenance Ansätzen vorhergesehen werden. Diesem Ziel stehen die stark limitierten Rechenresourcen kleinster eingebetteter Systeme oder gar einzelner Sensoren entgegen. Aufgenommene Information durch diese Sensoren kann (aufgrund Energie und Bandbreitenbeschränkungen) und soll (Datensicherheit) nicht weitergeleitet werden.

Im Rahmen des Projekts FERC-ID wird gemeinsam mit der Technischen Universität Dresden und der Universidade Federal da Paraíba eine Lösung für das oben beschriebene Problem erarbeitet. Hierbei kommen neuartige, auf Chaostheorie basierende, Signalverarbeitungskonzepte in Verbindung mit energieeffizienter Hardwarearchitekturen für KI-Anwendungen in einem verteilten (Federated Learning) Ansatz zusammen. Der Fokus der Universität Rostock liegt hierbei auf die Umsetzung der Hardware zur Ausführung der KI-Algorithmen. Hierbei wird an integrierten Systemen geforscht, die mit wenigen Rechenresourcen und geringen Energieanforderungen, eine zuverlässige Detektion und Klassifikationen von Defekten an Motoren und Geräten der Industrie-4.0 erkennen indem Daten direkt am Sensor (Edge-Processing) verarbeitet werden.

Dieses Projekt wird vom Deutschen Akademischen Austauschdienst (DAAD) gefördert aus Mitteln des Bundesministerium für Bildung und Forschung (BMBF)

01.01.2025 - 31.12.2026