EU Projekte | KI & Big Data Analytics

Lack of reproducibility of research results has become a major theme in recent years. As we emerge from the COVID-19 pandemic, economic pressures (increasing scrutiny of research funding) and exposed consequences of lack of societal trust in science make addressing reproducibility of urgent importance. TIER2 does so by selecting 3 broad research areas (social, life and computer sciences) and 2 cross-disciplinary stakeholder groups (research publishers and funders) to systematically investigate reproducibility across contexts. The project starts by thoroughly examining the epistemological, social and technical factors (epistemic diversity) which shape the meanings and implications of reproducibility across contexts. Next, we build a state-of-the-art evidence-base on existing reproducibility interventions, tools and practices, identifying key knowledge gaps. Then TIER2 will use (co-creation) techniques of scenario-planning, backcasting and user-centred design to select, prioritise, design/adapt and implement new tools/practices to enhance reproducibility across contexts. Alignment activities ensure tools are EOSC-interoperable, & capacity-building actions with communities (i.e. Reproducibility Networks) will facilitate awareness, skills and community-uptake. Systematic assessment of the efficacy of interventions across contexts will synthesise knowledge on reproducibility gains and savings. A final roadmap for future reproducibility, including policy recommendations is co-created with stakeholders. Thus, TIER2 will significantly boost knowledge on reproducibility, create tools, engage communities, implement interventions and policy across different contexts to increase re-use and overall quality of research results in the European Research Area and global R&I, and consequently increase trust, integrity and efficiency in research

https://tier2-project.eu

Das DAPHNE-Projekt zielt darauf ab, eine offene und erweiterbare Systeminfrastruktur für integrierte Datenanalyse-Pipelines zu definieren und aufzubauen, die Datenmanagement und -verarbeitung, Hochleistungsrechnen (HPC) und maschinelles Lernen (ML) Training und Scoring umfassen. Das Akronym DAPHNE bezieht sich auf den Titel "Integrierte Datenanalyse-Pipelines für groß angelegte Datenverwaltung, Hochleistungsrechnen und maschinelles Lernen".

https://daphne-eu.eu/

The Europlanet 2024 Research Infrastructure (EPN-2024-RI) will provide the pan-EU infrastructure needed to address the major scientific and technological challenges facing modern planetary science and strengthen Europe’s position at the forefront of space exploration. EPN-2024-RI builds on the foundations of a series of highly successful EU-funded projects that have created the leading Virtual Observatory for planetary data and the largest, most diverse collection in the world today of field and laboratory facilities capable of simulating and analysing planetary environments. EPN-2024-RI will provide Transnational Access (TA) to an enhanced set of world-leading field and laboratory facilities, Virtual Access (VA) to state-oftheart data services and tools linked to the European Open Science Cloud (EOSC), and Networking Activities (NA) to widen the user base and draw in new partners from Under Represented States (URS), non-EU countries, industry and interdisciplinary fields, and to train the next generation of RI leaders and users. With 56 beneficiaries, from both industry and academic sectors, providing access to 31 TA facilities on 5 continents and 4 VA services linking over 100 data services and catalogues, EPN-2024-RI represents a step-change in ambition for planetary science worldwide. Innovations include the establishment of a ground based observation network to support space based missions, the launch of an interactive mapping service to provide virtual exploration of planetary surfaces, and the development of machine learning tools for data mining to fully exploit and analyse planetary data sets. EPN-2024-RI will establish global collaborations and an international userbase for the RI through inclusion of partners in Africa, Asia and South America. Ultimately, EPN-2024-RI will support the transition of this unique infrastructure to a sustainable future within the structure of the Europlanet Society

http://www.europlanet-2020-ri.eu

The EXPLORE project gathers experts from different science domains and technological expertises to develop new tools that will enable and promote the exploitation of space science data. The project will develop 6 AI and Visual Analytics powered Scientific Data Applications (SDAs) to explore the Universe, from the lunar surface, to stars and the Galaxy (G-Tomo, G-Arch, S-Phot, S-Disco, L-Explo, L-Hex). The consortium, led by SME ACRI-ST, consists of 8 partners from France (ACRI-ST, Observatoire de la Cote d'Azur), Austria (Know-Center), Germany (Jacobs University), United Kingdom (The University of Manchester, Dill Faulkes Educational Trust), Luxembourg (adwaisEO), and Israel (Tel Aviv University). This project has received funding from the European Union’s Horizon 2020 research and innovation programme under grant agreement No 101004214.

https://explore-platform.eu/

The TRIPLE platform Based on the Isidore search engine developed by the French National Centre for Scientific Research (CNRS), the TRIPLE platform will provide a single access point for users (researchers, institutions such as universities and libraries, but also enterprises, consultancies, media and service providers) - to discover and reuse open scholarly SSH resources, i.e. research data and publications, which are currently scattered across local repositories; - to find and connect with other researchers and projects across disciplinary and language boundaries; - to make use of innovative tools to support research (e.g. visualisation, annotation, trust building system, crowdfunding, social network and recommender system); - to discover new ways of funding research (e.g. crowdfunding

https://www.gotriple.eu

Europe has a lack of intellectual property in integrating artificial intelligence (AI) into digital applications. This is critical since the automatization reached saturated levels and AI in digitisation is an accepted approach for the upcoming transformation of the European industry. The potential of AI in economy and society is by far not enough exploited. Potential users of AI are not sufficiently supported to facilitate the integration of AI into their applications. Enabling of performance, industry and humanity by AI for digitising industry is the key to push the AI revolution in Europe and step into the digital age. Existing services providing state of the art machine learning (ML) and artificial intelligence solutions are currently available in the cloud. In this project, we aim to transfer machine learning and AI from the cloud to the edge in manufacturing, mobility and robotics. To achieve these targets we connect factories, processes, and devices within digitised industry by utilizing ML and AI for human machine collaboration, change detection, and detection of abnormalities. Hence, we gain knowledge by using existing data and arrange them into a processable representation or collect new data. We use this knowledge to change the semantics and the logical layer with a distributed system intelligence for e.g. quality control, production optimization. In AI4DI, we define a 7-key-target-approach to evaluate the relevance of AI methods within digitised industry. Each key target represents a field of activity and the corresponding target at the same time, dividing systems into heterogenous and homogenous systems, and evolving a common AI method understanding for these systems as well as for human machine collaboration. Furthermore, we investigate, develop and apply AI tools for change detection and distributed system intelligence, and develop hardware and software modules as internet of things (IoT) devices for sensing, actuating, and connectivity processing.

https://ai4di.automotive.oth-aw.de

ON-MERRIT is a 30 month project funded by the European Commission to investigate how and if open and responsible research practices could worsen existing inequalities. Our multidisciplinary team uses qualitative and computational methods in order to examine advantages and disadvantages in Open Science and Responsible Research & Innovation (RRI). ON-MERRIT aims at eventually suggesting a set of evidence-based recommendations for science policies, indicators and incentives, which could address and mitigate cumulative (dis)advantages, so called Matthew effects. The project acronym stands for Observing and Negating Matthew Effects in Responsible Research & Innovation Transition

https://on-merrit.eu

Künstliche Intelligenz ist eine bahnbrechende Technologie unserer Zeit, deren erwartete Auswirkungen mit denen der Elektrizität oder des Druckens konkurrieren. Die Innovationen in diesem Bereich werden derzeit von riesigen Technologieunternehmen in Nordamerika und China dominiert. Um die Unabhängigkeit und Führung Europas zu sichern, müssen wir clever investieren, indem wir unsere KI-Ressourcen bündeln, verbinden und öffnen. AI4EU wird eine umfassende europäische KI-on-Demand-Plattform aufbauen, um die Innovationsbarrieren zu senken, den Technologietransfer zu fördern und das Wachstum von Start-ups und KMUs in allen Sektoren durch offene Aufrufe und begleitende Aktionen zu katalysieren. Die Plattform wird als Vermittler und zentrale Anlaufstelle fungieren, die Dienstleistungen, Fachwissen, Algorithmen, Software-Frameworks, Entwicklungswerkzeuge, Komponenten, Module, Daten, Rechenressourcen, Prototyping-Funktionen und Zugang zu Finanzmitteln anbieten und präsentieren. Begleitend wird eine Ausbildung angeboten, dies es verschiedenen Benutzergemeinschaften (Ingenieure, Bürgermeister usw.) ermöglichen soll, Fähigkeiten und Zertifizierungen zu erhalten. Die AI4EU-Plattform wird eine weltweite Referenz schaffen, die auf bestehenden KI- und Datenkomponenten (z.B. Open-Source-Framework Acumos, QWT-Suchmaschine, ...) und Plattformen aufbaut und mit diesen interoperabel ist. Sie wird das gesamte europäische KI-Ökosystem mobilisieren und vereint bereits 80 Partner in 21 Ländern, darunter Forscher, Innovatoren und verwandte Berufe. Acht industriegetriebene KI-Piloten werden den Wert der Plattform als Innovationsinstrument demonstrieren. Um die Plattform zu verbessern, wird die Forschung in fünf miteinander verbundenen wissenschaftlichen Schlüsselbereichen der KI unter Verwendung von Plattformtechnologien durchgeführt und die Ergebnisse werden umgesetzt. Die Pilotprojekte und Forschungsarbeiten werden zeigen, wie die AI4EU wissenschaftliche Entdeckungen und technologische Innovationen fördern kann. Eine Ethisches Expertengremium für AI4EU wird eingerichtet, um die Einhaltung der auf den Menschen ausgerichteten Werte der KI und der europäischen Vorschriften zu gewährleisten. Die Nachhaltigkeit wird durch die Gründung der AI4EU-Stiftung gewährleistet. Die Ergebnisse werden in eine neue und umfassende strategische Forschungsinnovationsagenda für Europa einfließen

https://www.ai4eu.eu/

The Horizon 2020 project TRUSTS – Trusted Secure Data Sharing Space aims to develop a data sharing platform for secure, trustworthy, and GDPR-compliant data exchanges. Based on the experience of two large national data market projects, TRUSTS will allow the integration and adoption of future platforms in different jurisdictions

https://www.trusts-data.eu

Integrated Development 4.0 führt die digitale Transformation einzelner Prozesse zu einer integrierten digitalen Wertschöpfungskette basierend auf dem Konzept des Digital Twin. Entwicklung, Planung und Fertigung profitieren vom Konzept des dieses digitalen Zwillings im Sinne hochdigitalisierter virtueller Prozesse über den gesamten Produktlebenszyklus. Durch die enge Verzahnung von Entwicklungsprozessen, Logistik und Produktion mit Industry-4.0-Technologien nimmt iDev40 einen disruptiven Schritt zur Beschleunigung der Markteinführung. Mit der Entwicklung und Umsetzung einer Digitalisierungsstrategie für die europäische Elektronikkomponenten- und Systemindustrie wird ein „Durchbruchswandel“ eingeleitet. Die Auseinandersetzung mit der europäischen Politik 2020+ zielt darauf ab, Lösungen für schwierige gesellschaftliche und organisatorische Herausforderungen anzubieten, wie etwa innovative Technologien, um die zunehmende Komplexität der Entwicklung und Herstellung von Electronic Components and Systems (ECS) „made in Europe“ in Bezug auf Digitalisierungsansätze und qualitativ hochwertiges Wissen zu bewältigen. Durch das Schaffen von qualifizierten Arbeitsplätzen werden spezifische Bereiche der Logistik, aber auch Produkte und Prozesse virtualisiert. Die Zusammenarbeit der wichtigsten europäischen ECS-Akteure im Bereich der Digitalisierung wird verstärkt. „Wissensarbeiter“ in der Fertigung sowie die Entwicklung und Bewertung globaler Wertschöpfungsketten werden durch intelligente Maschinen unterstützt. IDev40 deckt die gesamte Wertschöpfungskette ab und bietet nachhaltige, digitale und industrielle Lösungen für die integrierte Entwicklung und Produktion.

http://www.idev40.eu/

Safe-DEED (Safe Data-Enabled Economic Development) brings together partners from cryptography, data science, business innovation, and legal domain to focus on improving Security technologies, improving trust as well as on the diffusion of Privacy enhancing technologies. Furthermore, as many companies have no data valuation process in place, Safe-DEED provides a set of tools to facilitate the assessment of data value, thus incentivising data owners to make use of the scalable cryptographic protocols developed in Safe-DEED to create value for their companies and their clients

https://safe-deed.eu

Understanding major global challenges as well as their underlying parameters is a vital issue in our modern world. Various examples, such as health care, the transition of green technologies or the evolution of the global climate up to hazards and stress tests for the financial sector demonstrate the complexity of the involved simulation systems. This high level of complexity becomes even more evident in the case of coupled systems: the problem statements and their corresponding parameters depend on each other, which results in very involved interconnected simulations. Although the process of bringing together the different aspects has already started within the Centre of Excellence for Global Systems Science (CoeGSS), the importance of assisted decision making by addressing global, multi-dimensional problems is more important than ever. To predict the impact of global decisions with their dependencies, we need an accurate problem representation and a systemic analysis. To achieve this, HiDALGO enables highly accurate simulations, data analytics and data visualisation, and also provides knowledge on how to integrate the various workflows as well as the corresponding data

https://hidalgo-project.eu

Das Ziel des Horizon-2020-MOVING-Projekts ist die Entwicklung einer Trainings- und Lernplattform, die BenutzerInnen aus allen sozialen Bereichen dabei unterstützen soll, ihre Informationskompetenz zu verbessern und damit zu datenversierten Informationsexperten zu werden. Dafür lernen sie, wie man Datenauswertungen für tägliche Forschungsaufgaben verwendet, auswählt, darüber reflektiert und sie evaluiert. Die MOVING-Plattform verbindet dabei zwei wesentliche Aspekte: auf der einen Seite ist die Plattform eine integrierte Arbeitsumgebung, mit der man große Datenmengen suchen, analysieren und erkunden kann. Auf der anderen Seite ist sie eine Trainingsumgebung, in der man lernen kann wie man auf richtige Art und Weise mit Informationen umgeht. Das Know-Center entwickelt für diese Plattform anspruchsvolle, aber zugleich leicht zu verwendende Visualisierungen sowie ein Widget, das automatische Lernunterstützung anbietet. Mit der Concept Graph Visualisierung und der uRank Visualisierung bietet das Know-Center neue Navigationsmöglichkeiten durch große Datenmengen an, um damit schneller zu den Informationen zu gelangen, die man gesucht hat. Der Concept Graph stellt gefundene Dokumente und deren Eigenschaften als Knoten in einem Graphen dar und bietet dabei die Möglichkeit, die Beziehungen zwischen den Dokumenten und deren Eigenschaften zu erkunden. Die uRank Visualisierung unterstützt das Browsen und Umsortieren der gefundenen Ergebnisse durch das Auswählen und Gewichten der Schlüsselwörter, die aus den gefundenen Dokumenten automatisch extrahiert worden sind. Darüber hinaus hat das Know-Center ein Widget entwickelt, das automatische Lernunterstützung für ein Informationskompetenz-Curriculum bietet. Die Lernunterstützung zielt darauf ab, den Kompetenzlevel der Lernenden in Bezug auf das Curriculum durch Mikro-Lerneinheiten zu erhöhen. Zusätzlich wird mit Hilfe von reflektiven Fragen das Lernen verstärkt und vertieft. Außerdem spiegelt das Widget das Suchverhalten und die verwendeten Suchfunktionalitäten der Lernenden wieder und motiviert diese über ihr Lernverhalten mithilfe von reflektiven Fragen nachzudenken.

http://moving-project.eu/

Elektronische Komponenten und Systeme sind Treiber für Wirtschaftswachstum in Europa. Durch sie werden nicht nur neue Arbeitsplätze geschaffen und bestehende gesichert, vielmehr ermöglichen Innovationen im Bereich elektronischer Komponenten europäischen Firmen, nachhaltig zu wachsen. Das SemI40 Projekt begegnet diesen Herausforderungen. 37 Partner aus fünf europäischen Ländern untersuchen Applikationen rund um Smart Manufacturing und Industrie 4.0, die durch den Einsatz von modernsten Kommunikationstechnologien und Big-Data-Methoden möglich werden. Das Ziel liegt darin, die Wettbewerbsfähigkeit der Produktion von Halbleitern „made in Europe“ langfristig abzusichern. Eine der größten Herausforderungen in SemI40 liegt darin, Sicherheitsstandards für vernetzte Produktionsstandorte zu schaffen, ohne dabei die Flexibilität in der Planung und Konfiguration von Produktionslinien zu verlieren. SemI40 wird daher cyber-physische Systeme einsetzen, um einen sicheren und authentischen Datenverkehr innerhalb der Produktion, aber auch in der Lieferkette zu ermöglichen und Schadsoftware und andere sicherheitskritische Risiken schnell zu identifizieren. Ein weiterer Schwerpunkt in SemI40 ist die Entwicklung von dynamischen Simulationsmodellen für die Optimierung von Produktionsflüssen. Nur so kann im Umfeld sich ständig ändernder Kundenanforderungen dynamisch mit optimierter Kapazitätsnutzung und Produktion reagiert werden, um Produktions- und Stehzeiten zu minimieren. Die „lernende Fabrik“ ist ebenfalls ein Schwerpunkt. Mittels Lernmodellen und Algorithmen sollen widerkehrende Entscheidungen automatisiert werden. Die Qualität der Entscheidungen darf dabei keine negativen Auswirkungen auf die Produktqualität haben. Eine Steigerung der Produktionseffizienz und der Durchlaufzeiten sowie eine optimierte Nutzung der Ressourcen gehen damit einher. Begleitend zu den technischen Inhalten werden die Auswirkungen von Industrie 4.0 – im Kontext von SemI40 – auf die Arbeitswelt und deren soziale Verträglichkeit untersucht und bewertet. Bedingt durch den Produktionsfokus und die Partnerstruktur hat das Projekt positive Auswirkungen auf High-Tech-Arbeitsplätze in den beteiligten Regionen in Österreich, Frankreich, Deutschland, Italien und Portugal.

http://www.semi40.eu/

Ziel des AFEL (Analytics for Everyday Learning) Projekts ist die Entwicklung von Methoden und Werkzeugen zur Erfassung von informellen und kollektiven Lernaktivitäten, die implizit bei Onlineaktivitäten auftreten. Während Learning Analytics und Educational Data Mining traditionell auf Daten von formalen Lernumgebungen angewiesen sind, haben Studien gezeigt, dass Lernaktivitäten zu einem großen Teil online auf verschiedensten Plattformen passieren. Konkret sind die Ziele dieses Konsortiums, die notwendigen Werkzeuge zur Erfassung von Online-Lernaktivitäten zu entwickeln und auf Visual Analytics basierende Methoden zur Analyse von informellem Lernen und kognitiven Lernmodellen zu entwickeln. Außerdem geht es darum, das Verständnis des informellen Lernens zu verbessern und einen Weg aufzuzeigen, wie das besser unterstützt werden könnte. Im letzten Jahr des AFEL-Projekts, hat sich das AFEL-Konsortium auf die finalen Implementationen der AFEL-Tools, die Integration der Tools in die AFEL-Learning-App und die DIDACTALIA-Plattform (AFEL’s Testumgebung) sowie auf die Durchführung der entsprechenden Evaluierungen fokussiert. Der Beitrag des Know-Centers konzentrierte sich neben der Disseminierung des AFEL-Projekts auf die Entwicklung der beiden Tools AFEL Visualizer und AFEL Learning Resource Recommender. Der AFEL Visualizer baut auf einem intelligenten Visualisierungsgenerator auf, der automatisch sinnvolle Visualisierungen erzeugen kann. Die Ziele in Bezug auf die visuellen Datenanalysetools sind: 1.) Die Darstellung und Analyse von Prozessen, die während des täglichen Lernens auftreten. 2.) Den Lernfortschritt bezogen auf alltäglichen Aktivitäten, die zum Lernen führen, nachvollziehen zu können. Das Ziel des AFEL Recommenders ist es, die AFEL-Benutzer dahingehend zu unterstützen, neue Informationen und Ressourcen zu entdecken, die Benutzern entweder noch nicht gesehen hat oder von denen der Benutzer nicht weiß, dass sie existieren. Daher schlägt der AFEL Learning Resource Recommender Lernenden automatisch Empfehlungen zu Lernressourcen vor. Diese Empfehlungen basieren auf den identifizierten und extrahierten Lernaktivitäten der jeweiligen Benutzer.

OpenUP war ein von der Europäischen Kommission im Rahmen des Horizon2020-Programmes gefördertes Projekt und wurde zwischen Juni 2016 und November 2018 durchgeführt. Entwicklungen wie Open Access, Open Science und Open Scholarship revolutionieren unterstützt durch entsprechende Technologien die Art und Weise, wie wissenschaftliche Arbeit veröffentlicht und bewertet werden. Diese Entwicklung betrifft alle Stakeholder, wie etwa ForscherInnen, Verlage, Forschungsförderer, Forschungseinrichtungen sowie Wirtschaft und Gesellschaft. Herkömmliche Publikations- und Evaluationsformen genügen diesen Anforderungen nicht mehr. In enger Zusammenarbeit mit ForscherInnen, Verlagen, Forschungseinrichtungen und -förderern hat OpenUP deshalb ein Grundgerüst für innovative Formen der Begutachtung (Peer Review), Dissemination und Bewertung von Forschungsergebnissen entwickelt und dieses in einer Reihe von Pilotstudien, in die ForscherInnen aus vier Fachrichtungen (Life Sciences, Sozialwissenschaften, Geisteswissenschaften, Energie) involviert waren, validiert. Das dabei erarbeitete Wissen wurde dann in Politikempfehlungen und Richtlinien gegossen, die sowohl auf EU-Ebene, aber auch auf nationaler und regionaler Ebene Anwendung finden können. Das Know-Center hat in diesem ambitionierten Projekt ein Arbeitspaket geleitet, das dem Bereich innovative Disseminationsformen gewidmet war. Gleichzeitig hat das Know-Center Expertise zu den Bereichen Open Peer Review und Altmetrics beigesteuert. Ein wesentlicher Output des Projekts ist der OpenUP Hub, eine Plattform zum interaktiven Wissensaustausch und zur Unterstützung der Aufnahme und Implementierung neuer Praktiken der Begutachtung, Bewertung und Evaluierung von Forschung.

The aim of the MoreGrasp project is to develop a non-invasive, multi-adaptive, multimodal user interface including a brain-computer interface (BCI) for intuitive control of a semi-autonomous motor and sensory grasp neuroprosthesis supporting individuals with high spinal cord injury in everyday activities

http://www.moregrasp.eu