MARTA - Mathematical Research for Technical Applications
Die Abkürzung MARTA steht dabei für Mathematical Research for Technical Applications.
Ziel der bisher beteiligten sieben Professor:inn:en ist die Bündelung ihrer Forschungsarbeiten unter dem Fokus des Transfers mathematischen und überwiegend numerischen Knowhows in konkrete technische Anwendungen.
Eine Übersicht über die individuellen Kompetenzen und Projektaktivitäten aller beteiligten Professor:inn:en finden Sie hier.
Die Arbeiten im Rahmen von MARTA stellen im Wesentlichen die korrekte und elegante mathematische Beschreibung technischer und/oder physikalischer Inhalte sowie die Verwendung und Entwicklung numerischer Verfahren und Algorithmen im konkreten Anwendungskontext technischer Entwicklungen an Hochschulen und in der freien Wirtschaft in den Fokus. Es findet zum einen der Transfer eher abstrakter mathematischer Verfahren in die konkrete technische Anwendung statt, zum anderen ein Methodentransfer von der Hochschule in die Wirtschaft.
Betrachtet man die wichtige Besonderheit, dass an der HRW im Gegensatz zu den meisten anderen Hochschulen für Angewandte Wissenschaft (HAW) in Deutschland, alle Mathematiker:innen an einem eigenen Institut konzentriert und dennoch eng mit den diversen technischen und wirtschaftlichen Instituten verbunden sind, so ergänzt und konsolidiert der Forschungsschwerpunkt MARTA diese Konstruktion optimal.
Forschende aus nicht-mathematischen Disziplinen sind bei der Lösung konkreter wissenschaftlicher Fragestellungen oft auf mathematische Werkzeuge angewiesen, die nicht zum mathematischen Standardwissen der jeweiligen Disziplin gehören. Manchmal müssen nicht nur bekannte mathematisch Methoden zugänglich gemacht und angepasst werden, sondern komplett neue, am Problem orientierte Werkzeuge entwickelt werden. Auf Basis der von uns vertretenen Kompetenzen bieten wir die Zusammenarbeit in technikbasierten Projekten mit interessanten mathematischen Fragestellungen an.
Zur Finanzierung dieser Zusammenarbeit bietet sich im Allgemeinen das Erstellen gemeinsamer, disziplinübergreifender Projektanträge an, mit dem Ziel eine Förderung des Forschungsvorhabens als hoheitliche Forschung einwerben zu können. Hierbei soll die Publikation der Ergebnisse und die Qualifizierung des wissenschaftlichen Nachwuchses eine zentrale Rolle spielen. Bei der Suche nach geeigneten Förderlinien können wir auf die gut aufgestellte Infrastruktur der HRW in diesem Bereich zurückgreifen.
Im Rahmen der Entwicklung neuer oder der Verbesserung vorhandener Produkte treten oft Fragestellungen mathematischer Natur auf, deren Beantwortung im stressigen Tagesgeschäft nicht befriedigend möglich ist. Dazu kommt, dass gerade in kleineren Unternehmen selten angestellte Mathematiker:innen anzutreffen sind, da deren Kompetenzen oft nur temporär gebraucht werden. Aus diesem Grunde bieten wir für anspruchsvolle mathematische aber auch physikalische Fragestellungen aus technischem Anwendungskontext die Zusammenarbeit im Rahmen von Projekten an.
Zur Finanzierung dieser Zusammenarbeit bieten sich im Wesentlichen zwei Optionen an:
- Das Erstellen gemeinsamer, disziplinübergreifender Projektanträge, mit dem Ziel eine Förderung des Forschungsvorhabens als hoheitliche Forschung einzuwerben. Gerade für KMU gibt es hier eine Vielzahl interessanter Förderprogramme, die die Zusammenarbeit mit Hochschulen explizit fördern. Bei der Suche nach geeigneten Förderlinien können wir auf die gut aufgestellte Infrastruktur der HRW in diesem Bereich zurückgreifen.
- Die Beauftragung der Hochschule Ruhr West mit einem entsprechenden Projekt als Auftragsforschung. Dies bietet sich bei Projekten mit geringerem zeitlichen Aufwand oft an. Hierbei gelten ähnliche vertragliche Bedingungen, wie bei der Beauftragung externer, privatwirtschaftlicher Firmen. Dabei ist stets die Abgrenzung eines Forschungs- und Entwicklungsvertrag von einer wissenschaftlichen Dienstleistung zu beachten.
TESTA-KI - Entwicklung eines Testsystems zur Evaluierung von KI-basierten Fahrerassistenzsystemen
Professorin Anastassia Küstenmacher
Professorin Anne Stockem Novo
Die Hauptursachen für Verkehrsunfälle sind menschliche Fehler wie überhöhte Geschwindigkeit, Alkohol-/Drogeneinfluss und Unaufmerksamkeit. Moderne Fahrzeuge sind mit Fahrerassistenzsystemen ausgestattet, um solche Risiken zu mindern. Diese Systeme, die auf KI und maschinellem Lernen basieren, müssen vor Produktion getestet werden. Doch für bestimmte Systeme, etwa Aufmerksamkeitsassistenten, fehlen noch automatisierte Testverfahren. Aktuelle KI-Testmethoden haben Schwächen, insbesondere bei der Erkennung von Merkmalen wie Ethnizität und Sehbehinderungen. Diese Unterschiede beeinflussen die Leistung der Systeme, weshalb umfassendere Tests erforderlich sind. Ziel ist die Entwicklung eines Testsystems, das Aufmerksamkeitsassistenten unter realistischen Bedingungen auf Fehler und Defizite prüft, um sie für Experten bewertbar zu machen.
Intelligente Unterstützung von Fahrdynamiktests
Professorin Dr. Anastassia Küstenmacher
Professor Dr. Andreas Hennig
Der gegenwärtige Prozess der Fahrzeugentwicklung umfasst unter anderem die Bewertung des Fahr-Verhaltens, bei der ein Testfahrer mit einer speziellen Messtechnik eine Reihe von standardisierten Fahrmanövern durchführt. Die bei diesen Tests aufgezeichnete fahrdynamische Charakteristik erlaubt es den Experten, sowohl die Fahrsicherheit als auch den Komfort für Fahrer und Passagiere in den unterschiedlichen Extremsituationen zu analysieren und zu bewerten. Eines der bekanntesten Beispiele für diese Tests ist der so genannte Elchtest wo das Ausweichen vor einem plötzlich auf der Straße auftretenden Hindernis simuliert wird. Das Projekt konzentriert sich auf die Unterstützung der Testfahrer/innen bei der Durchführung von Fahrdynamiktests.
Modellierung der Übergangsgeometrie
Professorin Dr. Miriam Primbs
Martin Wachs (M. Sc.)
Ziel dieses Auftragsforschungsprojekts mit der Siemens Energy ist die Entwicklung eines mathematischen Algorithmus, der eine Oberflächenbeschreibung eines 3D-Turbinenschaufelblatts insbesondere inklusive der Übergangsgeometrie zu Fuß- und Deckplatte der Schaufel bzw. zu den inneren und äußeren Berandungen des Strömungskanals) in Abhängigkeit von gegebenen Eingabedaten berechnet.
Fouling-Monitoring
Professorin Dr. Anastassia Küstenmacher
Isabelle Stüwe (TU München)
Ziel dieses Projektes ist die Entwicklung einer Monitoringlösung zur frühzeitigen Erkennung von Ablagerungen in geothermischen Anlagen und zur frühzeitigen Einleitung von Gegenmaßnahmen. Dazu wird zunächst ein innovatives Impakt-Echo-basiertes Messkonzept zur Diagnose der Ablagerungen entwickelt und anschließend eine Software implementiert, die auf Basis dieser Diagnose die Vorhersage kritischer Ablagerungsmengen ermöglicht. Dadurch können Vorsorge- und Sanierungsmaßnahmen gezielt gesteuert und frühzeitig eingeleitet werden
Entwicklung effizienter Software zum Lösen partieller Differenzialgleichungen
Professor Dr. Jürgen Vorloeper
Professor Dr. Karsten Urban (Universität Ulm) mit Arbeitsgruppe
Niklas Reich (M. Sc.)
Mit partiellen Differentialgleichungen (PDGen) können zahlreiche Vorgänge in der Natur, der Industrie und der Wirtschaft beschrieben werden. Da PDGen in vielen Fällen keine exakte Lösung besitzen, werden sie meist näherungsweise durch Methoden der numerischen Mathematik und der Hilfe von Computern gelöst. Obwohl sich die (numerische) Mathematik schon lange mit PDGen beschäftigt, ist die Entwicklung neuer Lösungsmethoden und die effiziente Implementierung dieser in Software immer noch Gegenstand aktueller Forschung.
AKoS (Akustische Kontrolle von Schweißnähten)
Professorin Dr. Anastassia Küstenmacher
TU Ilmenau: Doktor-Ingenieur Jörg Hildebrand, Maximilian Rohe (M. Sc.), Martin Sennewald (M. Sc.)
Projektleiter: Doktor Joachim Hilsmann (measX GmbH & Co. KG)
Ziel des Forschungsvorhabens ist die Entwicklung einer Toolbox, die mit KI-basierten Methoden den aufwändigen Prozess der Konfiguration von Inline-Prozessüberwachung und Datenauswertung für Schweißprozesse um mehr als 85 % reduziert. Dabei bieten KI-basierte Toolboxen zur flexiblen Koordination und Konfiguration dieser Bausteine ein großes Potenzial zur Anpassung an neuartige Störungen und veränderte Rahmenbedingungen.
Boosting Mathematical Reasoning across Borders
Professor Dr. Klaus Giebermann (Projektkoordinator)
Gemeinsam mit einem griechischen Studierenden-Team tauschen sich die Studierenden der HRW über verschiedene anwendungsbezogene Themenkomplexe der Ingenieurmathematik aus: z.B. gibt es eine Fragestellung zum Volumen eines Rotationskörpers oder auch zur Lambert Reflexion, die die Helligkeit in Abhängigkeit vom Winkel des Lichteinfalls beschreibt.
ukrAIne – Scientists for Artificial Intelligence
Professor Dr. Christian Weiß (Projektkoordinator)
Mit der Unterstützung der VW-Stiftung bietet das Institut Naturwissenschaft Prof. Dr. Viktor Danchuk aus Kiew seit dem 01. Juli 2022 die Möglichkeit, wieder seiner wissenschaftlichen Arbeit nachzugehen. Zusammen mit Christian Weiß sollen in dem Projekt Methoden der künstlichen Intelligenz angewendet werden, um die Steuerung von Warenströmen zu optimieren. Das Hauptziel des Projekts ist die Schaffung wissenschaftlicher und angewandter Grundlagen für Transport- und Logistiksysteme zur Steuerung der Prozesse der Güterzustellung. Hierzu sollen KI-Methoden für dynamisches Routing in Echtzeit eingesetzt werden, die in der Lage sind, die reale Verkehrslage zu berücksichtigen.
Digitale Paper & Pencil Aufgaben
Professor Dr. Klaus Giebermann (Projektkoordinator)
Wie können digitale Aufgaben intuitiver gestaltet werden? In diesem Projekt gehen wir dieser Frage nach und entwickeln ein System, das es ermöglicht, komplette Lösungswege einzugeben und schrittweise überprüfen zu lassen.
INDIGO-M
Professor Dr. Andreas Sauer (Koordinator)
Professorin Dr. Miriam Primbs
Professor Dr. Dirk Rüter
Magnetische Induktionstomographie (MIT) ist ein bildgebendes Verfahren, das zurzeit noch Gegenstand der Forschung ist. MIT ist kostengünstig und harmlos für den Menschen, und könnte daher in Zukunft die etablierten bildgebenden Verfahren attraktiv ergänzen.
Weitere Infos
Prof. Dr. Klaus Giebermann von der Hochschule Ruhr West (HRW) verbringt derzeit ein Lehrforschungssemester an der Technical University of Crete (TUC) auf Kreta. Zusammen mit seinem Kollegen Prof. Dr. Argiris Delis von der TUC entwickelt er während seines Aufenthalts ein Projekt im Rahmen der COIL (Collaborative Online International Learning)-Initiative.
COIL ist ein innovativer Ansatz, der es Studierenden aus verschiedenen Teilen der Welt ermöglicht, gemeinsam an Projekten zu arbeiten und dabei ihre interkulturellen Kompetenzen zu stärken. Im Rahmen des Projekts aus der Robotik sollen Studierende der HRW und der TUC gemeinsam an verschiedenen mathematischen Problemen arbeiten und Lösungen entwickeln. Diese Probleme beinhalten beispielsweise die Optimierung von Bewegungsabläufen von Robotern oder die Entwicklung von Modellen zur Vorhersage von Roboterbewegungen.
Prof. Dr. Giebermann und Prof. Dr. Delis sind überzeugt, dass dieses COIL Projekt eine sehr gute Gelegenheit bietet, um die Zusammenarbeit zwischen den beiden Hochschulen zu fördern und den Studierenden die Möglichkeit zu geben, ihre Fähigkeiten in einem innovativen Bereich weiterzuentwickeln.
Prof. Dr. Klaus Giebermann von der Hochschule Ruhr West (HRW) verbringt derzeit ein Lehrforschungssemester an der Technical University of Crete (TUC) auf Kreta. Zusammen mit seinem Kollegen Prof. Dr. Argiris Delis von der TUC entwickelt er während seines Aufenthalts ein Projekt im Rahmen der COIL (Collaborative Online International Learning)-Initiative.
COIL ist ein innovativer Ansatz, der es Studierenden aus verschiedenen Teilen der Welt ermöglicht, gemeinsam an Projekten zu arbeiten und dabei ihre interkulturellen Kompetenzen zu stärken. Im Rahmen des Projekts aus der Robotik sollen Studierende der HRW und der TUC gemeinsam an verschiedenen mathematischen Problemen arbeiten und Lösungen entwickeln. Diese Probleme beinhalten beispielsweise die Optimierung von Bewegungsabläufen von Robotern oder die Entwicklung von Modellen zur Vorhersage von Roboterbewegungen.
Prof. Dr. Giebermann und Prof. Dr. Delis sind überzeugt, dass dieses COIL Projekt eine sehr gute Gelegenheit bietet, um die Zusammenarbeit zwischen den beiden Hochschulen zu fördern und den Studierenden die Möglichkeit zu geben, ihre Fähigkeiten in einem innovativen Bereich weiterzuentwickeln.
Wie schafft man es mit einem Computer eine Zahlenfolge zu erstellen, die nicht von dem Ergebnis eines zufälligen Münzwurf zu unterscheiden ist? Mit dieser Frage beschäftigt sich Christian Weiß in seinem Forschungssemester, das er an der Université de Montréal verbringt. Gemeinsam mit seinem Kollegen Pierre L`Ecuyer möchte er Zufallszahlgeneratoren finden, die bestmögliche Ergebnisse liefern. Gleichzeitig soll durch eine theoretische Fundierung bewiesen werden, warum diese Generatoren besonders gut sind. Mathematisch ist es dazu wichtig, die Struktur der dahinterliegenden algebraischen Strukturen (hochdimensionale Gitter) zu verstehen. In der Praxis können die Ergebnisse der Forschungsarbeit für alle Simulationen eingesetzt werden, die neben technischen Faktoren auch vom Zufall abhängen. Dadurch, dass bessere Zufallszahlgeneratoren verwendet werden, liefern die Simulation Ergebnisse, die der Realität besser entsprechen.
Bis zum Ende des Forschungssemesters hoffen die beiden Wissenschaftler mindestens eine wissenschaftliche Veröffentlichung zu ihren Ergebnisse fertigzustellen. Außerdem sollen erste Ergebnisse bereits im August auf der Konferenz Monte Carlo Methods and Applications in Paris (https://mcm2023.sciencesconf.org/) vorgestellt werden.
Seit Anfang 2023 wird das MARTA-Team von drei neuen Kolleginnen verstärkt, die mit ihren individuellen fachlichen Hintergründen die Bandbreite an Kompetenzen, die MARTA zu bieten hat, erweitern und ergänzen.
Prof. Dr. rer. nat. Anastassia Küstenmacher ist Spezialistin für die mathematischen und algorithmischen Aspekte die im Bereich Robotics auftreten. Dabei spielt die Fehleranalyse eine Hauptrolle. Zu den von ihr vertretenen Methoden gehören weiterhin das Maschinelle Lernen sowie die Zeitreihen-Daten Analyse.
Prof. Dr. rer. nat. Anne Stockem-Novo ist Expertin für Maschinelles Lernen und Deep Learning. Als promovierte Physikerin sind die Erklärbarkeit von Deep Learning und das Einbringen physikalischen Wissens in Deep Learning Algorithmen ihre Hauptkompetenzen.
Prof. Dr. rer. nat. Anna Telaar ist Fachfrau für die Analyse von hoch-dimensionalen (Omics-) Daten mit Schwerpunkten auf Variablen-Selektion, Klassifikation und Mustererkennung. Weiterhin hat sie theoretische und praktische Erfahrung mit den Themen Multivariate Datenanalyse, Biomarker Suche und statistischer Beratung. Abgerundet wird ihr Profil durch methodische Expertise an der Schnittstelle zwischen Statistik, Bioinformatik und maschinellem Lernen.
Abstrakte Mathematik für die Praxis - Das ist MARTA
Für viele ist Mathematik ein Buch mit sieben Siegeln. Oder einfach total langweilig. Für Prof. Dr. Miriam Primbs ist Mathematik schön und Formel ästhetisch. Ihr Herz schlägt höher, wenn es um Zahlen und Formeln geht. Mir ihr sprechen wir über Angewandte Mathematik und Simulation und den neuen Forschungsschwerpunkt MARTA. Was sich hinter der Abkürzung verbirgt? Hört rein!