Das Technologie-Institut für Metall & Engineering GmbH (TIME) im
rheinland-pfälzischen Wissen (Sieg) wurde in die Deutsche
Industrieforschungsgemeinschaft Konrad Zuse e.V. (Zuse-Gemeinschaft)
aufgenommen. Dem Verband gehören drei Viertel aller außeruni-versitären,
gemeinnützigen, privatwirtschaftlich organisierter Forschungseinrichtungen
an. Das Finanzvolumen liegt inzwischen über einer halben Milliarde Euro,
die Zahl der Beschäftigten ist auf gut 6000 Menschen angestiegen. Peter
Steiger, Mitglied des Zuse-Präsidiums, überreichte die Mitgliedsplakette
an TIME-Geschäftsführer Dr. Ralf Polzin.

„In Zeiten, in denen sich die Forschungslandschaft und die Förderpolitik
stark verändern, brauchen wir als mittelstandsorientiertes Institut ein
starkes Netzwerk und ein politisches Sprachrohr. Außerdem freuen wir uns
auf den Erfahrungsaustausch mit ähnlich organisierten und ausgerichteten
Instituten sowie auf gemeinsame FuE-Aktivitäten“, erläutert TIME-
Geschäftsführer Dr. Ralf Polzin den Beitritt seines Hauses zur Zuse-
Gemeinschaft. Deren Präsident Prof. Martin Bastian begrüßt Neumitglied
TIME als starken Partner im Verbund der außeruniversitären,
gemeinnützigen, pri-vatwirtschaftlich organisierter
Forschungseinrichtungen und freut sich über das kontinuierliche Wachstum
der Zuse-Gemeinschaft: „TIME in unseren Reihen stärkt uns als Verband als
Mitstreiter für die Belange der vorwettbewerblichen, innovations- und
transferorientierten Forschung in Deutschland und in Rheinland-Pfalz.“

TIME beschäftigt sich mit der Optimierung, Automatisierung und dem KI-
Einsatz rund um die Schweißtechnik  und unterstützt mit seiner Expertise
und Ausstattung immer mehr Unternehmen aus der Region Westerwald,
Siegerland, Bergisches Land und Lahn-Dill: So untersuchen die 18
Wissenschaftler in Wissen unter anderem, wie sich mit Simulationstechniken
Einsparungen von Material, Energie und Zeit erzielen lassen, um so durch
Kostenreduzierung die metallbearbeiten-den Unternehmen zukunftsfähig zu
machen. Ganz aktuell ist die Frage, wie der Einsatz Künstlicher
Intelligenz (KI) in der Schweißtechnik aussehen kann, beispielsweise bei
der Qualitätssicherung.

„Für kleine und mittelständische Unternehmen ist es aus Kosten- und
Personalgründen kaum möglich, eine eigene Forschungs- und
Entwicklungsabteilung oder eine Prototypenfertigung zu unterhalten“,
verdeutlicht TIME-Geschäftsführer Dr. Ralf Polzin. Dennoch müssen die
Schweiß- und Fertigungsprozesse stetig verbessert und die Produkte neu-
und weiterentwickelt werden, um wettbewerbsfähig zu bleiben. So hat sich
TIME auf die Fahnen geschrieben, dass Forschungsergebnisse spätestens nach
zwei Jahren in der betrieblichen Praxis umgesetzt werden und den
Mittelständlern zu einem Innovationssprung verhelfen. Ein Projekt der
Wissener, bei dem dies gelang: Für einen Hersteller von LKW-Trailerachsen
hat TIME das Fertigungsverfahren von Hohlachsen unter den Aspekten
Fertigungseffizienz, Umweltverträglichkeit und Wirtschaftlichkeit
entscheidend optimiert. So können diese nun 40 Prozent schneller und 20
Prozent energiesparender produziert, zudem können in der Serienfertigung
pro Jahr 160 Tonnen Stahl eingespart werden.

Gegründet wurde TIME im Jahr 2009. Zu den Industriepartnern des Instituts
zählen zahlreiche klein- und mittelständische metallverarbeitende
Unternehmen, aber auch Tier 1 aus dem Automobilbereich, Anlagen- und
Maschinenbauer wie auch die Luftfahrtbranche.

Die Hochschule Koblenz lädt herzlich zum Open Day ein, der am
16. Mai von 8 bis 14 Uhr stattfindet. Diese Veranstaltung richtet sich an
alle Studieninteressierten, Schülerinnen und Schüler, Lehrkräfte und
Eltern, die einen Blick hinter die Kulissen des Campuslebens werfen
möchten. Besucherinnen und Besucher haben die Gelegenheit, sich über das
breite Studienangebot der Hochschule Koblenz am Standort Koblenz – aber
auch an den Standorten Remagen und Höhr-Grenzhausen – zu informieren.

Unter dem Motto „So geht Zukunft“ erwartet die Teilnehmenden ein
vielfältiges Programm mit zahlreichen Aktivitäten. Die Hochschule Koblenz
bietet an diesem Tag von Schnuppervorlesungen über interaktive Workshops
bis hin zu Vorträgen zur Studienorientierung Einblicke in das umfangreiche
Studienangebot der Hochschule Koblenz. Alumni und aktive Studierende
teilen ihre Erfahrungen und geben wertvolle Einblicke in das Leben und
Lernen an der Hochschule.

Weiterhin können die Gäste an Campus- und Laborführungen teilnehmen, um
die modernen Einrichtungen kennenzulernen. „Wir laden alle
Studieninteressierten herzlich zu diesem Tag ein“, sagt Julia Becker,
Teamleitung kompeteninsstudium und ergänzt: „Eine Anmeldung von
Schulklassen ist noch möglich, Einzelpersonen oder kleine Gruppen brauchen
sich nicht anzumelden – kommt einfach vorbei und lasst euch inspirieren.“
Im Rahmen einer Campus-Rallye kann der Campus auf spielerische Weise
erkundet werden. An Informationsständen der Fachbereiche und
Beratungseinrichtungen stehen zudem kompetente Ansprechpartnerinnen und
-partner bereit, um Fragen rund um das Studium zu beantworten. Bei der
Welt der Forschung erhalten die Besucherinnen und Besucher Einblicke in
die Forschungsaktivitäten der Hochschule. Für Lehrkräfte gibt es zudem ein
spezielles Programm in der Teachers' Lounge.

Walter Reiners-Stiftungspreis für zwei ITA-Preisträger

Wie kann man durch Transferlernen Fertigungsschritte optimieren? Wie kann
man die Umweltauswirkungen von Geotextilien aus petrochemischen
Kunststoffen mit denen aus biologisch abbaubaren Kunststoffen vergleichen,
um eine Entscheidungshilfe für nachhaltigere Produkte zu finden? Für die
Entwicklung dieser Methoden wurden Lennart Hellwig und Fabio Bußmann vom
Institut für Textiltechnik (ITA) der RWTH Aachen am 25. April mit Preisen
des Deutschen Textilmaschinenbaues 2024 der Walter Reiners-Stiftung
ausgezeichnet.

Einsatz von Transferlernen ermöglicht Datenreduzierung beim
Vernadelungsprozess
Lennart Hellwig erhielt den „Förderpreis Masterarbeit“ für seine
Masterarbeit „Transfer Learning Modell für Vernadelungsprozesse in der
Vliesstoffproduktion unter Berücksichtigung von Unsicherheiten“.
Die Auszeichnung wurde für die Entwicklung einer Methodik verliehen, die
es ermöglicht, durch Transferlernen einen Fertigungsprozess in der
Vliesstoffproduktion zu modellieren. Dieses Modell kann genutzt werden, um
die Fertigungsschritte zu optimieren. Durch den Einsatz von Transferlernen
wurde die Menge der benötigten Daten für die Modelle reduziert und die
Vorhersagegenauigkeit verbessert. Konkret wurde in der Arbeit der
Vernadelungsprozess als Fertigungsschritt ausgewählt. Das Verfahren lässt
sich grundsätzlich auch auf andere Fertigungsschritte übertragen.
Ökologische Entscheidungshilfe für die Auswahl nachhaltigerer Produkte
Fabio Bußmann wurde mit dem „Nachhaltigkeitspreis Masterarbeit“ für seine
Masterarbeit „Methodenentwicklung und Durchführung von Life Cycle
Assessments zur Bewertung der Nachhaltigkeit von Produktion und End-of-
Life-Szenarien biologisch abbaubarer Geotextilien“ ausgezeichnet.
Kunststoffe bieten aufgrund ihrer vielfältigen Eigenschaften und
Formgebungsmöglichkeiten ein breites Anwendungsspektrum. Ein Beispiel sind
Geotextilien. Zu ihrer Herstellung werden fast ausschließlich
petrochemische Kunststoffe verwendet, die in erster Linie nach ihrer
Funktionalität ausgewählt werden, ohne dass an eine nachhaltige Entsorgung
nach der Nutzungsdauer gedacht wird. Oft verbleiben diese Textilien im
Boden, da sie nur sehr schwer und mit hohen Kosten oder gar nicht zu
entfernen sind. Eine nachhaltigere Alternative könnte der Einsatz von
Geotextilien aus biologisch abbaubaren Kunststoffen sein.
Ziel dieser Arbeit war es, die Umweltauswirkungen von Geotextilien aus
petrochemischen Kunststoffen mit denen aus biologisch abbaubaren
Kunststoffen zu vergleichen. Diese Untersuchung wird in drei verschiedenen
Anwendungsbereichen durchgeführt, um als ökologische Entscheidungshilfe zu
dienen und das nachhaltigere Produkt zu identifizieren.
Der Vorsitzende der Walter Reiners-Stiftung des VDMA Fachverbands
Textilmaschinen, Peter D. Dornier, überreichte die Preise während der
Fachmesse Techtextil in Frankfurt am Main.

Forschende der Universitätsmedizin Mainz haben im Rahmen einer Studie
erstmals eine KI-gestützte Magnetresonanz-Tomographie (MRT)-Methode
untersucht, um akute ischämische Schlaganfälle effizienter detektieren zu
können. Dabei setzten sie einen sog. Deep Learning-Algorithmus für die
Bildrekonstruktion ein. Im Vergleich zur konventionellen MRT konnten die
MRT-Bilder viermal schneller rekonstruiert werden. Zudem erzielte die KI-
gestützte MRT eine höhere Bildqualität, so dass auch leichte Schlaganfälle
zuverlässiger erkannt werden konnten. Die neue Methode hat großes
Potential, die Notfalldiagnostik zu beschleunigen, um Patient:innen mit
Schlaganfall-Verdacht schneller behandeln zu können.

Das berichten die Wissenschaftler:innen anlässlich des Tags gegen den
Schlaganfall am 10. Mai. Die Forschungsergebnisse wurden im renommierten
Journal „Radiology“ veröffentlicht.

In Deutschland erleiden täglich rund 550 Menschen einen Schlaganfall. Bei
der häufigsten Form des Schlaganfalls, dem ischämischen Hirninfarkt,
blockiert ein Blutpfropf ein arterielles Gefäß, so dass das Gehirn nicht
ausreichend mit Blut versorgt wird. Daher ist bei einem Schlaganfall-
Verdacht schnelles Handeln wichtig, um größere Folgeschäden zu verhindern.
Das bisher schnellste Verfahren, um einen akuten Schlaganfall zu
diagnostizieren, ist die Computertomographie (CT). Doch insbesondere bei
Patient:innen mit leichten Schlaganfällen und nur schwachen neurologischen
Symptomen ist die CT nicht präzise genug und kann ein falsch negatives
Ergebnis anzeigen.

Mit der Magnetresonanz-Tomographie (MRT) lassen sich dagegen auch kleinste
ischämische Infarkte erkennen. Allerdings benötigt die MRT relativ lange
Aufnahmezeiten, was ihre Anwendung in Notfallsituationen einschränkt. Das
Ziel der Mainzer Forschenden ist es, mithilfe von Künstlicher Intelligenz
(KI) die Untersuchungszeit beim MRT des Gehirns zu reduzieren.

„Die sogenannte Deep Learning-Technik ist eine noch relativ neue Technik
in der medizinischen Versorgung. Die KI ermöglicht, dass MRT-Bilder
parallel zur Aufnahme verarbeitet werden können und ist so trainiert, dass
sie die aufgenommenen Bilder künstlich verbessern kann. Dadurch konnten
wir die MRT-Bilder ultraschnell und in hoher Qualität rekonstruieren und
die Zeit zwischen Untersuchungsbeginn und Befund um rund 78 Prozent
reduzieren“, erläutert Dr. Sebastian Altmann, Erstautor der Publikation
und Funktionsoberarzt der Klinik und Poliklinik für Neuroradiologie der
Universitätsmedizin Mainz.

In seiner prospektiven Studie hat das Forschungsteam 211 Patient:innen mit
Verdacht auf einen akuten ischämischen Schlaganfall mit der
konventionellen MRT sowie der neuen KI-beschleunigten MRT untersucht.
Insgesamt benötigte die konventionelle MRT eine Untersuchungszeit von rund
14 Minuten. Diese konnte durch den Einsatz von Deep Learning um das
Vierfache, auf etwa drei Minuten reduziert werden.

Die Deep Learning-gestützte MRT lieferte verglichen mit der
konventionellen Methode insgesamt eine bessere Bildqualität. Beide
Methoden zeigten eine gute bis ausgezeichnete Zuverlässigkeit, um einen
akuten ischämischen Infarkt zu diagnostizieren. Wobei eine exzellente
diagnostische Sicherheit in 96 Prozent der Fälle durch die neuartige
Methode erzielt werden konnte (konventionellen Methode 92 Prozent).

Bei 79 Teilnehmenden konnte ein akuter ischämischer Schlaganfall
festgestellt werden. Bei den restlichen Teilnehmenden fanden die
Wissenschaftler:innen andere medizinische Auffälligkeiten wie chronischer
Infarkt (19,4 Prozent), Morbus Biswanger (10,4 Prozent) und Mikroblutungen
(7,6 Prozent).

„Der unterstützende Einsatz innovativer KI beim MRT hat das Potential, die
Notfalldiagnostik, insbesondere bei leicht betroffenen Patienten mit
Schlaganfall-Verdacht, zu revolutionieren. Es wird nicht nur der
Diagnoseprozess beschleunigt, sondern verglichen mit der CT gleichzeitig
auch eine Strahlenexposition vermieden. Im nächsten Schritt wollen wir die
KI-gestützte MRT sukzessiv in die klinische Routine implementieren“, so
Univ.-Prof. Dr. Ahmed Othman, Geschäftsführender Oberarzt der Klinik und
Poliklinik für Neuroradiologie der Universitätsmedizin Mainz.

Originalpublikation: S. Altmann, N. F. Grauhan, L. Brockstedt, M. Kondova,
I. Schmidtmann, R. Paul, B. Clifford, T. Feiweier, Z. Hosseini, T. Uphaus,
S. Groppa, M. A. Brockmann, A. E. Othman. Ultrafast brain MRI with deep
learning reconstruction for suspected acute ischemic stroke. Radiology
2024; 310(2):e231938.
DOI: https://doi.org/10.1148/radiol.231938