Im Forschungsschwerpunkt Digital Labs & Production bringen wir Menschen, Räume und Prozesse zusammen. Von Mixed-Reality Digital Twins über progressive Webapplikationen bis zu Machine-to-Machine-Schnittstellen verbinden wir physische mit digitalen Welten durch Daten und Analysen.
Über uns
Der Schwerpunkt bündelt spezifische Methoden- und Technologiekompetenzen in der Digitalisierung und Virtualisierung von Laboren, Prozessen und Produktionsanlagen in den Life Sciences. Dazu gehört einerseits die Vernetzung von Geräten, Prozessen und Menschen über Schnittstellen, Datenpipelines und Datenmanagement und andererseits die Modellierung und Simulation von physischen Systemen und Infrastrukturen. Digitale Zwillinge sind ein gutes Beispiel für das Zusammenspiel dieser Themen.
Drei Forschungsgruppen sind auf diesem Gebiet aktiv.
Unsere Forschungsgruppen
Simulation & Optimization
Strategische, taktische und operative Prozessoptimierung mit Hilfe von Modellierungs- und Simulationswerkzeugen stehen im Fokus der Forschungsgruppe. Dies umfasst die Modellierung und Simulation der Dynamik heterogener, komplexer Systeme sowie die Untersuchung, Optimierung und Steuerung ihres Verhaltens.
Leiter: Prof. Dr. Lukas Hollenstein | Erfahren Sie mehr über die Forschungsgruppe Simulation & Optimization
Data Management & Visualization
Die Forschungsgruppe ist spezialisiert auf die Entwicklung von Systemen zur Datenaggregation, -transformation und -verwaltung. Verarbeitungspipelines werden so konzipiert und implementiert, dass sie Daten von ihren Quellen (z. B. grafische Benutzeroberflächen, tragbare Sensoren, Messsonden) über Vorbereitungsschritte (einschliesslich Qualitätskontrolle und Homogenisierung) bis hin zu Speicherlösungen, Analyse und Visualisierung von Ergebnissen und Erkenntnissen überführen.
Leiter: Dr. Robert Vorburger | Erfahren Sie mehr über die Forschungsgruppe Data Management & Visualization
Edge Computing & Interfaces
Die Forschungsgruppe verbindet dynamische physische Strukturen mit digitalen Umgebungen und Prozessen durch Sensoren, Aktuatoren und Edge Computing. Sie unterstützt die Automatisierung und dezentrale und intelligente Datenverarbeitung in den Life Sciences durch die Verbindung von Mensch, Maschine und Kontext.
Leiter: Dr. Christian Glahn
Lehre
Der Forschungsschwerpunkt bietet Lehrangebote auf BSc- und MSc-Stufe in den Grundlagen der Data Science, in der mathematischen und physikalischen Modellierung (mit Fokus auf simulationsbasierter Prozessoptimierung), im Data Management (mit Fokus auf Datenbanktechnologien und Visualisierung), dem Physical Computing (Sensoren und Aktoren) sowie dem Cloud und Edge-Computing an.
Die Vertiefung Digital Labs & Production des BSc ADLS wird von diesem Forschungsschwerpunkt koordiniert und es werden entsprechende Bachelor- und Master-Arbeiten angeboten.
- Bachelor of Science (ZHAW) in Applied Computational Life Sciences
- Master of Science in Life Sciences - Vertiefung Applied Computational Life Sciences
Zudem engagiert sich der Schwerpunkt über die Fachhochschulstufe hinaus im Bereich der Science Education mit Programmen und Aktivitäten und bietet Weiterbildungskurse an.
Team Digital Labs & Production
Projekte
- Vorherige Seite
- Seite 01
- …
- Seite 05
- Seite 06
- Seite 07
- Seite 08
- Seite 09
- …
- Seite 12
- Nächste Seite
-
FM Salär- und Branchenstudie 2019
Längsschnittstudie zur Kompensation von Fach- und Führungkräften im FM-Markt Schweiz, sowie deren Einflussfaktoren im Auftrag vom Branchenverband fmpro. Die Datenerhebung erfolgt quantitativ online bei angestrebten 1'000 Teilnehmenden in Form einer Multi-Faktoren-Analyse, durch die Erhebung der möglichen ...
-
Die Kaffee Blockchain – Vom Feld zur Tasse
Die Blockchain-Technologie bietet viele Möglichkeiten und Chancen für das Agro-Food-Business. In diesem Projekt werden die Grenzen und das Potenzial der Distributed-Ledger-Technik für ein konkretes Kaffee-Wertschöpfungssystem getestet. Mittels der Blockchain-Technik wird ein Datenverwaltungssystem konzipiert ...
-
Simulation & Optimization needs HPC
Die Prozess-Simulation und Optimierung ist prädestiniert für High Performance Computing (HPC). Es sind sehr viele Rechenoperationen notwendig und es fallen Unmengen an Daten an. Die Anforderungen sind in den letzten Jahren mit komplexer werdenden Modellen zusätzlich gewachsen. Zudem ist die ...
-
Mobile-Tool zur Bewertung von Waldrändern - Digitalisierung
Für die Erfassung des Ausgangszustandes und die spätere Erfolgskontrolle von Waldrandaufwertungen eignet sich der mehrfach erprobte Waldrandschlüssel (Krüsi et al. 2017), da dieser reproduzierbare Ergebnisse liefert und einfach in der Anwendung ist (Fuhrer et al. eingereicht). Darum soll dieser Waldrandschlüssel ...
-
Positive selection detection of genome from Ralstonia bacterium
Positive selection detection of genome from Ralstonia bacterium with the use of HPC cluster. Ralstonia solanacearum is an aerobic non-spore-forming, Gram-negative, plant pathogenic bacterium. R. solanacearum is soil-borne and motile with a polar flagellar tuft. It colonises the xylem, causing bacterial wilt in a ...
Publikationen
-
Derman, Melih; Hollenstein, Lukas,
2024.
Reduktion potenzieller Schadensmengen entlang der Kakao-Supply-Chain.
Transfer.
2024(1), S. 5.
Verfügbar unter: https://doi.org/10.21256/zhaw-30613
-
Müller, Claudia; Zbinden, Erich; Beretta, Claudio; Baumer, Beatrice,
2024.
In:
61. Wissenschaftlicher Kongress der DGE, Kassel, Deutschland, 4.-6. März 2024.
-
Pannen, Sarah T.; Gassmann, Roland; Vorburger, Robert; Rohrmann, Sabine; Sych, Janice; Steinemann, Nina,
2023.
Development of a multilingual web-based food frequency questionnaire for adults in Switzerland.
Nutrients.
15(20), S. 4359.
Verfügbar unter: https://doi.org/10.3390/nu15204359
-
2023.
Gebietsüberwachung im Pflanzenschutz : das Surveillance Tool.
TRANSFER.
2023(1), S. 4.
Verfügbar unter: https://doi.org/10.21256/zhaw-29500
-
Rüegg, Ramona; Schmid, Tamara; Hollenstein, Lukas; Müller, Nadina,
2022.
Effect of particle characteristics and foaming parameters on resulting foam quality and stability.
LWT - Food Science and Technology.
167(113859).
Verfügbar unter: https://doi.org/10.1016/j.lwt.2022.113859