AI4GREEN

Angesichts globaler Herausforderungen wie Klimawandel, Umweltbelastung und Ressourcenknappheit entwickelt das Forschungsprojekt AI4Green innovative Lösungen für eine grünere Wirtschaft. Durch den Einsatz von Künstlicher Intelligenz – insbesondere Reinforcement Learning – sollen industrielle Prozesse energieeffizienter, ressourcenschonender und klimafreundlicher gestaltet werden. Zur Bearbeitung dieser Problemstellungen ist eine vielfältige Expertise notwendig, welche aus dem grenzübergreifenden Innovationsnetzwerk der Partnerinstitutionen aus der Region Bayern-Österreich gebildet wird.

Pilotaktionen in Landwirtschaft, Robotik und Produktion

Im Zentrum des Projekts stehen drei praxisnahe Pilotaktionen, die gemeinsam mit Unternehmen aus verschiedenen Branchen umgesetzt werden:

• Landwirtschaft: Reduktion des CO₂-Fußabdrucks durch autonome, schwarmbasierte Systeme
• Robotik: Energieeinsparung durch KI-gestützte Steuerung von Robotersystemen
• Produktion: Ressourceneffizienz in der Produktentwicklung durch datengetriebene Optimierung

Für SCCH liegt im Projekt der Fokus auf der Energieoptimierung im Bereich Robotik. Moderne Roboteranlagen sind aus industriellen Prozessen – von der Fertigung bis zur Logistik – nicht mehr wegzudenken und verursachen einen erheblichen Anteil des industriellen Energieverbrauchs. Im Rahmen von AI4Green wird ein KI-gestütztes Software-Tool entwickelt, das mithilfe von Reinforcement Learning (RL) die Steuerung dieser Systeme analysiert und optimiert. Ziel ist es, Bewegungsabläufe und Betriebszustände so anzupassen, dass der Energieverbrauch bei gleichbleibender oder sogar verbesserter Leistung reduziert wird. Die entwickelte Lösung soll dabei flexibel in bestehende Infrastrukturen integrierbar sein und insbesondere auch kleinen und mittleren Unternehmen (KMU) zugänglich gemacht werden.

Dazu erforschen wir unter anderem Ansätze des Physics-Informed Reinforcement Learning (PiRL), um die Stichprobeneffizienz, Robustheit und Generalisierbarkeit von RL-Algorithmen gezielt zu verbessern – zentrale Voraussetzungen für eine erfolgreiche Anwendung in der industriellen Praxis. Bei PiRL wird domänenspezifisches Wissen, wie physikalische Gesetzmäßigkeiten, Systemdynamiken oder sicherheitsrelevante Randbedingungen, direkt in den Lernprozess integriert. Im Unterschied zu rein datengetriebenen Ansätzen ermöglicht PiRL eine gezielte Exploration, beschleunigtes Lernen und die Entwicklung physikalisch konsistenter Steuerstrategien.

Eine der wesentlichen Herausforderungen besteht im Transfer der Forschungsergebnisse in die Praxis, insbesondere für kleine und mittlere Unternehmen (KMU). Durch die Entwicklung wiederverwendbarer Tools und deren Demonstration in der Praxis sollen diese Hürden überwunden werden. Bereits vorhandene LOIs (Letters of Intents) belegen das Interesse und die Bereitschaft der Wirtschaft, diese innovativen Lösungen anzuwenden.

Ergebnisse: Datengetriebene Effizienzsteigerung

Im Projekt werden konkrete technologische Entwicklungen mit messbaren Nachhaltigkeitspotenzialen verfolgt:

• In der Landwirtschaft werden mobile Sensorplattformen im Schwarm erforscht, die Aufgaben wie Pflanzenschutz, Bewässerung oder Ernteplanung autonom und effizient ausführen.
• In der Robotik entstehen adaptive Steuerungsstrategien zur Reduktion des Energieverbrauchs in Echtzeit.
• Im Bereich Produktion werden Methoden zur ressourcenschonenden Prozessgestaltung in der frühen Produktentwicklung erprobt.

Zudem wird eine Wissensplattform aufgebaut, die Best-Practice-Beispiele, wiederverwendbare Tools und Ergebnisse aus den Pilotprojekten öffentlich zugänglich macht – ein wichtiger Schritt für den Praxistransfer.

Das Projekt AI4GREEN zeigt, wie durch die Zusammenarbeit über Ländergrenzen hinweg und die Nutzung moderner KI-Methoden nachhaltige Lösungen für globale Herausforderungen gefunden werden können.

Grenzüberschreitendes Innovationsnetzwerk

AI4Green wird von einem starken grenzüberschreitenden Innovationsnetzwerk getragen, das Expert:innen aus Hochschulen, Forschungszentren und Unternehmen in Österreich und Bayern vereint. Dieses Netzwerk fördert den Erfahrungsaustausch, verbindet akademische Forschung mit industriellen Anforderungen und stellt sicher, dass die entwickelten Lösungen in die Breite getragen werden können.

Partnerinstitutionen:

• FH Kufstein Tirol (Projektleitung)
• FH Vorarlberg
• Hochschule Kempten
• TH Rosenheim
• Universität Salzburg
• FH Salzburg
• TH Deggendorf
• Software Competence Center Hagenberg

Dieses grenzüberschreitende Innovationsnetzwerk soll die regionale Wirtschaft und Industrie durch die Bereitstellung von innovativen Lösungen und Know-how unterstützen. Die enge Zusammenarbeit ermöglicht es, komplementäre Expertisen im Bereich Data Science zu bündeln und eine umfassendere Lösungsfindung zu ermöglichen.

Projektdauer

1. Mai 2024 – 30. April 2027

Fördergeber

Das Projekt wird im Rahmen von INTERREG Bayern-Österreich 2021-2027 gefördert.