Forschungsförderung

Wir schaffen ermutigende Rahmenbedingungen für die digitale Transformation der Forschung. ZHAW digital ist Teil der Digitalisierungsinitiative der Zürcher Hochschulen (DIZH). Unser gemeinsames Ziel ist es, die Wettbewerbsfähigkeit des Kantons Zürich als Forschungs- und Entwicklungsstandort im nationalen und internationalen Wettbewerb zu stärken und die Wirtschaft und Gesellschaft dabei zu unterstützen, die Chancen der digitalen Transformation wahrzunehmen.
Fördergefässe
DIZH Fellowship
Hochqualifizierte Forschende der ZHAW werden in der Zusammenarbeit mit Fachleuten anderer Zürcher Hochschulen gefördert. Somit forschen Professor:innen, Senior Researcher, promovierte wissenschaftliche Mitarbeitende und Doktorierende aller Hochschulen interdisziplinär und gemeinsam zur digitalen Transformation. Im Frühjahr 2020 haben die ersten 13 Fellows ihre Arbeit aufgenommen. Mittlerweile fördert ZHAW digital bereits die 3. Generation an Fellows. Anträge müssen bis 11. Juni 2022 eingereicht werden.
Gestaltung des aktuellen Calls(PDF 251,6 KB) (Frühling 2022)
DIZH Innovationsprogramm
Verschiedenartige Innovationsprojekte der Zürcher Hochschulen (ZHAW, UZH, PHZH und ZHdK) sollen mit dem privaten und öffentlichen Sektor im Bereich Digitale Transformation Erkenntnisse aus der Forschung näher an die Praxis heranführen und zur Anwendung verfügbar machen. Umgekehrt sollen die Bedürfnisse und Erfahrungen der Anwendungspartner:innen in die Wissenschaft einfliessen.
Der Rapid-Action-Call ist ein kleiner Call, hinsichtlich der Fördersumme und der Laufzeit. Bewerben kann sich, wer in einem laufenden Projekt dringend Geld braucht, um es zu beenden oder einen Teilaspekt umzusetzen. Daher ist es sehr wichtig, im Gesuch diese Dringlichkeit plausibel darzustellen.
Der Struktur-Call ist der grösste Call der DIZH. Im Zentrum steht dabei nicht ein einzelnes Projekt, sondern es soll über mindestens zwei Hochschulen - in enger Kollaboration mit der Praxis - eine neue Struktur aufgebaut werden, die die DIZH überdauern soll, also über 2029 hinaus.
Für beide Calls werden die nächsten Eingabefristen hier publiziert, sobald festgelegt.
Digital Futures Fund
Der «Digital Futures Fund» richtet sich an alle ZHAW-Mitarbeitende, die eine innovative Idee zur digitalen Transformation aus den Bereichen Bildung und Forschung sowie aus den Management- und Supportbereichen erarbeiten oder testen möchten. Alle Projektleiter:innen werden durch ihr gefördertes Projekt automatisch in die Digital Community «Digital Futures Lab» aufgenommen, damit sie sich themenspezifisch intensiver mit Kolleg:innen vernetzen und austauschen können.
Alles zum Digital Futures Fund
Mehr zur Community Digital Futures Lab

KI Forschung
CLAIRE: Confederation of Laboratories for Artificial Intelligence Research in Europe
CLAIRE will die europäischen Spitzenleistungen in der KI-Forschung und -Innovation aktiv stärken. Das Netzwerk bildet eine paneuropäische Konföderation von Laboratorien für die Forschung im Bereich der künstlichen Intelligenz in Europa. Seine Mitgliedgruppen und -organisationen haben sich verpflichtet, gemeinsam an der Verwirklichung der Vision von CLAIRE zu arbeiten: europäische Exzellenz in allen Bereichen der KI, für ganz Europa, mit einem Fokus auf den Menschen.
Die ZHAW ist aktives Mitglied von CLAIRE und unterstützt einerseits den Aufbau des CLAIRE Office Zürich mit lokalen akademischen und industriellen Organisationen, die im Bereich KI tätig sind, sowie andererseits die nationale und internationale Vernetzung des Offices.
Projekte
-
Skillue - Digitaler Marktplatz für Fähigkeiten und Marktwerte
Skillue entwickelt mit Technologien der Data Science einen digitalen Marktplatz, der das Benchmarking von Talenten, Jobs und Unternehmen auf Basis von nachgefragten und angebotenen Skills ermöglicht. Dadurch kreiert Skillue eine neuartige Begegnungszone für Kandidaten und Unternehmen.
-
Digital Health: Wissenschaftliche Analyse der Prozesskosten bei der hämatologischen Diagnostik
Roche Diagnostics hat mit dem «cobas m 511» ein neues Analysegerät für die hämatologische Diagnostik entwickelt. Durch die Automatisierung und Vereinigung von bisher mehreren Prozessschritten (All-in-one) hat das Gerät Potential, den bisherigen Arbeitsablauf im Labor zu optimieren. Das Optimierungspotential soll im ...
-
Smart Government
Erarbeitung eines Arbeitspapiers/Studie über die Einflussfaktoren von Smart Government. Dabei wurden folgende Schritte durchlaufen: Umfassende Literaturanalyse in wissenschaftlichen und praxisorientierten Quellen Definition und Erläuterung des Begriffs „Smart Government“ Grobe Darstellung der relevanten Trends, ...
-
Digitales Versicherungsbroking
Ziel ist die Entwicklung einer Applikation, die den statistischen Vergleich von Risiko- und Versicherungsprofilen ermöglicht. Damit können sich die Nutzer der E-Broker-Plattform mit anderen Kunden (Peers) vergleichen sowie Deckungslücken und Überversicherungen automatisiert identifizieren. Projektergebnisse: Im ...
-
Kommunikation in der digitalen Transformation
Im Rahmen eines grösseren Forschungsprojekts wird ein Framework entwickelt, in dem die Rolle und die damit verbundenen neuen Aufgaben der Kommunikation auf der Mikro-, Meso- und Makroebene skizziert und deren derzeitige Implementierung in Unternehmen und Organisationen in der Schweiz erhoben werden. In einer ...
-
Data Science für KMU (Data4KMU)
Im Zentrum der digitalen Transformation steht die Verfügbarkeit von zahlreichen Daten und deren Analyse. Die Generierung von Mehrwert aus Daten stellt eine Schlüsseltechnologie für das Design, die Entwicklung und den Betrieb von Produkten und Dienstleistungen dar. Gerade KMU stellt dies jedoch vor eine grosse ...
-
SeCoSS: Secure Collaboration with SecureSafe
SecureSafe is an established and highly secure online storage service. In this project, SecureSafe will be extended with novel functionality and security components so that it supports secure and privacy-preserving collaboration between multiple parties, e.g. between a bank and its customers. ...
Publikationen
-
Sima, Ana Claudia; Mendes de Farias, Tarcisio; Anisimova, Maria; Dessimoz, Christophe; Robinson-Rechavi, Marc; Zbinden, Erich; Stockinger, Kurt,
2021.
Bio-SODA : enabling natural language question answering over knowledge graphs without training data [Paper].
In:
Proceedings of the 33rd SSDBM.
International Conference on Scientific and Statistical Database Management (SSDBM), Online, 6-7 July 2021.
ACM.
S. 61-72.
Verfügbar unter: https://doi.org/10.1145/3468791.3469119
-
Rosenberger Staub, Nicole; Schneider Stingelin, Colette; Koch, Carmen; Hüsser, Angelica; Grundisch, Julia,
2021.
Winterthur:
ZHAW Zürcher Hochschule für Angewandte Wissenschaften.
Verfügbar unter: https://doi.org/10.21256/zhaw-22793
-
Stadelmann, Thilo; Keuzenkamp, Julian; Grabner, Helmut; Würsch, Christoph,
2021.
The AI-Atlas : didactics for teaching AI and machine learning on-site, online, and hybrid.
Education Sciences.
11(7), S. 318.
Verfügbar unter: https://doi.org/10.3390/educsci11070318
-
Knapp, Evelyne; Battaglia, Mattia; Stadelmann, Thilo; Jenatsch, Sandra; Ruhstaller, Beat,
2021.
XGBoost trained on synthetic data to extract material parameters of organic semiconductors [Paper].
In:
Proceedings of the 8th SDS.
8th Swiss Conference on Data Science, Lucerne, Switzerland, 9 June 2021.
IEEE.
S. 46-51.
Verfügbar unter: https://doi.org/10.1109/SDS51136.2021.00015
-
2021.
Growing trees : visualizing text genetics as sentence history during writing.
In:
9th International Conference on Writing Analytics : Incubating Writing Analytics Research in the Time of COVID-19, online, 18-27 May 2021.
-
2021.
Education support structure for teaching multimodal programming in the cyber-physical space [Paper].
In:
Proceedings of the 13th International Conference on Computer Supported Education.
13th International Conference on Computer Supported Education (CSEDU), Prague, Czech Republic (online), 23-25 April 2021.
SciTePress.
S. 225-232.
Verfügbar unter: https://doi.org/10.5220/0010446002250232
-
Amirian, Mohammadreza; Tuggener, Lukas; Chavarriaga, Ricardo; Satyawan, Yvan Putra; Schilling, Frank-Peter; Schwenker, Friedhelm; Stadelmann, Thilo,
2021.
Two to trust : AutoML for safe modelling and interpretable deep learning for robustness [Paper].
In:
Postproceedings of the 1st TAILOR Workshop on Trustworthy AI at ECAI 2020.
1st TAILOR Workshop on Trustworthy AI at ECAI 2020, Santiago de Compostela, Spain, 29-30 August 2020.
Springer.
Verfügbar unter: https://doi.org/10.21256/zhaw-22061
Fehlt (D)eine Publikation? Einfach melden - digital@zhaw.ch - oder hier lesen.
Fehlt (D)ein Projekt? Einfach melden - digital@zhaw.ch - oder hier lesen.