Ziel dieses Forschungsprojekts ist die Entwicklung datengetriebener Methoden zur Bewertung der Zuverlässigkeit nachhaltiger Heizsysteme. Durch die Kombination von Betriebsdaten, Ingenieurwissen und Künstlicher Intelligenz sollen Degradationsprozesse frühzeitig erkannt, Ausfallrisiken vorhergesagt und zustandsorientierte Wartungsstrategien unterstützt werden. Am Beispiel von Luft-Wasser-Wärmepumpen untersucht das Projekt gemeinsam mit der Home Comfort Group von Bosch, wie reale Betriebsdaten für Produktentwicklung, Service und Zuverlässigkeitsmanagement nutzbar gemacht werden können.
(→mehr erfahren | hier oder Bild klicken)

In diesem Projekt entwickeln wir u.a. Screening-Software, die es Händlern von Aktien, Währungspaaren inkl. Kryptos etc. ermöglicht, Marktbewegungen und Anlagechancen effizient und präzise zu erkennen und bewerten. Die von uns entwickelten quantitativen Indikatoren, ausgearbeitet durch eine Kombination von statistischer Analyse und finanziellen Metriken, bieten einen einzigartigen Einblick in die Marktstruktur und -dynamik. Eine unserer Kernkompetenzen ist die Integration von Machine Learning (z.B. Reinforcement Learning) Modellen in den Handelsprozess. Unsere innovativen Modelle optimieren Handelsstrategien und Portfolios, indem sie Muster und Beziehungen in historischen Daten identifizieren und so Prognosen für zukünftige Marktbewegungen liefern.
(→mehr erfahren | hier oder Bild klicken)

Ziel des Projekts war die Erhebung der Cross Reality (XR) Branche in Deutschland und die Analyse der wirtschaftlichen Kerntreiber. Unter anderem wurde über mehrere Jahre hinweg der Geschäftsklimaindex der Branche bestimmt und Clustereffekte bei den Standorten analysiert. Die Studie wurde im Auftrag des Mediennetzwerks NRW von 2017-2022 jährlich durchgeführt (Fokus auf NRW) und seit 2020 deutschlandweit erhoben. Die jährlichen Reports können von der Publikationsseite runtergeladen werden. →Rubrik 'Reports'
(→mehr erfahren | hier oder Bild klicken)