DDI Dr.mont. Matthias Katschnig, Montanuniversität Leoben
Biofunktionelle Kunststoffimplantate durch additive Fertigung für die kraniomaxillofaziale Chirurgie

Maßgeschneiderte Implantate auf Knopfdruck – in der Klinik selbst produziert: dieses Ziel verfolgte die Dissertation an der Montanuniversität Leoben und dem LKH Graz. Das wissenschaftliche Projekt behandelte den 3D-Druck personalisierter Gesichts- und Schädelimplantate direkt in der Klinik. Jeder Patient soll ein personalisiertes Implantat bekommen, passgenau, mit dem richtigen Werkstoff und sehr rasch. Die interdisziplinäre Arbeit, es galt hier Maschinenbau, Digitalisierung, Werkstofftechnik, Zertifizierung/Prüfverfahren und Medizin in produktive Verbindung zu setzen, liefert einen modernen Ansatz für die patientenspezifische Medizin. Im Zuge der Arbeit wurde das Thema mithilfe der additiven Materialextrusion aufgegriffen. Am Ende sollte der gewählte technische Ansatz die Unzulänglichkeiten der herkömmlichen Implantatherstellung wie die Materiallimitierung, ästhetische Einschränkungen oder lange Fertigungszeiten überwinden, um Heilungszeiten zu verkürzen und die langfristige Lebensqualität der Patienten zu erhöhen. Zusammenfassend konnte der 3D-Druck als geeignetes Herstellungsverfahren für personalisierte Implantate in der kraniomaxillofazialen Chirurgie ausgewiesen und der Ansatz für eine weiterführende klinische Studie empfohlen werden. Die Ergebnisse werden derzeit im Projekt CAMed am LKH Graz evaluiert.

Zum Video

Helga Ludwig MSc, Johannes Kepler Universität Linz
Antibody class prediction from sequence with different Machine Learning Methods

Klassische Ansätze zur Identifikation eindeutiger Muster in Aminosäure-Sequenzen, welche zur Antikörper-Antigen-Zuordnung verwendet werden, sind sehr zeit- und ressourcenintensiv. Machine learning (ML)-Methoden bieten hingegen einen effizienten und modernen Ansatz. Das Ziel dieser Masterarbeit war es einen Vergleich zwischen den ML-Methoden k-nächste Nachbarn-Algorithmus (kNN), Support Vector Machines (SVM), Convolutional Neural Networks (CNN) und Long-Short-Term-Memory (LSTM) zur antikörperspezifischen Antigenvorhersage aus einzelnen Sequenzen durchzuführen. Als Datenquelle für die Experimente wurden simulierte (n=100.000) und echte Antikörper-Aminosäure-Sequenzen (n=6.747) verwendet. Bei den echten Sequenzen gab es unterschiedliche Klassen, wobei HIV und Zöliakie als Klassen mit den meisten Proben (n=2.543 bzw. 1.452) für die Vorhersage mittels ML Modell ausgewählt wurden. Die angewandten ML-Methoden kNN, SVM, CNN und LSTM erreichten für den simulierten Datensatz eine balanced accuracy (BACC) von 98,4 %, 98,7 %, 100 % bzw. 100 %. Für den echten Datensatz erzielten kNN, SVM, CNN und LSTM eine durchschnittliche BACC von 99,6%, 99,5%, 100% bzw. 99,8% für die Zöliakie-Klasse sowie 97,4%, 94,8%, 97,5%, 94,9% für die HIV-Klasse. Die Ergebnisse zeigen, dass ML Methoden, insbesondere CNN und LSTM, erfolgreich zur Antikörper-Klassifizierung basierend auf Aminosäure-Sequenzen eingesetzt werden können.

Zum Video

Gilbert Tanner, Gabriel Tanner, Andreas Maier, Daniel Morak, Dominik Jerey, Emanuel Ladinig, Luca Jörg, Lukas Frisch
HTL Klagenfurt Mössingerstraße / HTL Klagenfurt Lastenstraße
ASFINAG-Projekt Safety-Cat: Entwicklung einer schienengeführten Tunneldrohne

In den letzten Jahren kam es in Österreich häufig zu schweren Verkehrsunfällen in Autobahn-tunneln. Die Tunnel sind derzeit flächendeckend videoüberwacht. Die Kameras sind bautechnisch bedingt an der Tunneldecke montiert. Im Falle einer Rauchentwicklung (durch z.B. Feuer, Wasserdampf, …) werden diese Kameras nutzlos. Das automatische Lüftungssystem der Tunnels sorgt dafür, dass der Rauch der Tunneldecke entlang nach außen transportiert wird. Der Fahrbahnbereich wird dabei so lange wie möglich rauchfrei gehalten. Vom Erkennen der Gefahr (Rauchentwicklung, Alarmierung, …) bis zum Eintreffen der Rettungskräfte kann sich so die Situation - gegenüber der von den Kameras zuletzt erfassten - wesentlich geändert haben. Autos können weiter gefahren sein, Personen können ausgestiegen oder Brandherde entstanden sein… Diese oft lebensentscheidenden Informationen für Rettungskräfte über die genaue Position der Fahrzeuge im Tunnel, die Anzahl und das Befinden der Personen im Tunnel, die aktuelle Situation an der Gefahrenstelle usw. sind mit der aktuellen Infrastruktur nicht verfügbar. Daher haben wir einen mobilen Schlitten auf einer Schiene entwickelt, der auf der Tunneldecke den Tunnel befährt. Dieser Schlitten ist mit mehreren Kameras ausgerüstet, darunter eine Wärmebildkamera, um auch bei dichtestem Rauch Personen zu erkennen. Der am Schienensystem montierte Schlitten fährt mit bis zu 100 Kilometer pro Stunde im Tunnel, um möglichst schnell am Einsatzort zu sein, und wird von der Betriebswarte der ASFINAG ferngesteuert. Im Notfall kann die Steuerung auch von den Einsatzkräften übernommen werden. Am Ende des Tunnels wird der Schlitten in einer entsprechenden Ladestation aufgeladen und kann mit einer Akkuladung eine Stunde lang im Tunnel fahren. Im Normalbetrieb kann HASCY verwendet werden, um im Tunnel fahrende Gefahrguttransporte zu begleiten und so Gefahren vorzeitig zu erkennen. Ungewöhnliche Hitzeentwicklungen z.B. können dank der Thermokamera leicht erkannt werden.

Zum Video

Angelina Berthold, Jorkim Sorko und Benjamin Werdenich, HTL Eisenstadt
Reichweitensteigerung eines uLFZs mithilfe von Solarzellen

Unbemannte Transportluftfahrzeuge und erneuerbare Energiequellen haben ein enormes Zukunftspotential. Um herauszufinden wie diese Technologien vereint werden können, wurde das Projekt „Photon“ ins Leben gerufen. Dabei wurde durch die Entwicklung eines neuartigen Flugzeugs in Erfahrung gebracht, inwieweit die Reichweite eines unbemannten Transportluftfahrzeuges durch den Einsatz von Solarzellen gesteigert werden kann. Auf dem gefertigten Flugzeug konnten, dank der innovativen Form, die an das Blended-Wing-Body Konzept angelehnt ist, 36 Solarzellen Platz finden. Die gewählten Zellen sind fast so dünn wie ein Blatt Papier und können gut an die Flügelkontur angelegt werden. Das fertige Flugzeug „Photon Mk.1“ kann mit einer Spannweite von 2,5 m und einer Eigenmasse von 3,3 kg eine Nutzlast von über 0,5 kg transportieren. Ersten Testwerten zu Folge kann durch die Solarzellen eine Verdopplung der Reichweite realisiert werden. Dieses Ergebnis setzt sich aus Tests des verbauten Solarsystems, sowie aus gesammelten Erfahrungswerten beim Erstflug zusammen. Die tatsächliche Reichweitensteigerung konnte aufgrund der COVID-19 Pandemie im Rahmen dieser Arbeit noch nicht gemessen werden.

Zum Video

Austrian Power Grid AG
Automatisierte Notfallmeldung durch QR-Codes

Bei Hochspannungsnotfällen ist schnelle Hilfe bei den richtigen Ansprechpersonen gefragt. Die Austrian Power Grid AG hat dafür eine neue Anwendung für das Smartphone entwickelt, die in Notfällen sicher und schnell Blaulichtorganisationen alarmiert. Im APG-Netz sind bereits alle 12.000 Masten mit diesen QR-Codes ausgestattet.

Ein Klick genügt – die Informationskette läuft automatisch:
Gelesen werden die QR-Codes, die auf den gelben Mastnummerntafeln zu finden sind, mittels Scanner oder einfach mit der Kamera von iOS- oder Android-Smartphones. Im Ernstfall wird auf „Notfallmeldung“ gedrückt und schon läuft die Informationskette. Durch das Scannen des Codes mittels Handy geht automatisch eine Meldung mit relevanten (Standort-) Informationen an APG, Polizei, Rettung und Feuerwehr, die so gezielt und schnell Hilfe leisten können.

Sicherheitsinformationen abrufen oder eigenen Standort teilen:
Das System beinhaltet nicht nur die Meldung eines Notfalls. Weiters können einzuhaltenden Sicherheitsabständen dem Merkblatt im Bereich stromführender Anlagen entnommen werden. Darüber hinaus besteht die Möglichkeit über ein Bedienfeld eine Nachricht oder ein Bild zur Meldung an die Sicherheitszentrale zu senden. Zum Beispiel, welche Seite des Mastes von einem Problem betroffen ist. Die altbekannten Mastnummern, Leitungsnummern sowie eine Notfall-Telefonnummer bleiben auf den Tafeln erhalten.

Zum Video

View Promotion GmbH
Autonomer und barrierefreier Notruf mit Notfallerkennung

´

Der herkömmliche Aufzugs-Notruf funktioniert noch nach dem Prinzip des Kupferdrahttelefons. Das bedeutet, man kann ihn nur bedienen, wenn man der Sprache mächtig ist. Gerade im Notfall ist es für die Betroffenen extrem wichtig, dass sie verstanden werden. Was aber, wenn sie nicht sprechen können? VIEW hat einen Aufzugsnotruf nach dem „Zwei-Sinne-Prinzip“ entwickelt. Dieses Prinzip, das übrigens in BRK und der B1600 gefordert wird, bedeutet, dass immer mindestens zwei der drei Sinne „Hören, Sehen, Tasten“ angesprochen werden. Das System ermöglicht nicht nur Kommunikation nach dem Zwei-Sinne-Prinzip, bei dem zusätzlich zur Sprechverbindung ein visueller Dialog mit leicht verständlichem Text, gestützt durch Symbole angeboten wird. Die Fragen nach den, für die Notrufzentrale, wichtigen Informationen werden – ebenso wie Hinweise - auch in Gebärdensprache angeboten. Davon profitieren auch alle Menschen mit Lese-Schwäche oder nicht-deutscher Muttersprache. Für den Notfall-Dialog stehen außerdem 12 Sprachen zur Auswahl. VIEW hat mit VIEW Sense den Aufzugsnotruf intelligent gemacht. Mittels Tiefen-Sensorik und künstlicher Intelligenz werden Notfälle, Vandalismus und unbegleitete Gegenstände erkannt und autonom an die Notrufzentrale gemeldet. Die Auswertung erfolgt im System vor Ort (Edge Computing). Erst bei Klassifizierung einer potentiell gefährlichen oder kritischen Situation, wird der Alarm, gemeinsam mit einer Bildübertragung, DSGVO-konform an die Notrufzentrale geleitet. Dadurch wird theoretisch der Notrufknopf überflüssig, weil der Schutzengel immer mitfährt.

Zum Video

Name und Kontaktdaten des Verantwortlichen:

TÜV Österreich
Deutschstraße 10
1230 Wien
info@tuv.at

Verarbeitungszweck und Rechtsgrundlage:

Die Verarbeitung der personenbezogenen Daten erfolgt auf der Grundlage eines berechtigten Interesses, damit wir Sie im Rahmen des Wettbewerbs als Ansprechpartner kontaktieren und zur Verleihung des Preises einladen können.

Speicherdauer der Daten:

Ihre Daten werden 15 Jahre nachdem der Wettbewerb mit der Verleihung des TÜV AUSTRIA Wissenschaftspreises beendet wurde, gelöscht.

Verweis auf die Betroffenenrechte und Beschwerderechte:

Sie haben gegenüber uns folgende Rechte hinsichtlich der Sie betreffenden personenbezogenen Daten:

• Recht auf Auskunft
• Recht auf Berichtigung oder Löschung
• Recht auf Einschränkung der Verarbeitung
• Recht auf Widerspruch gegen die Verarbeitung
• Recht auf Datenübertragbarkeit

Bei Fragen zur Erhebung, Verarbeitung oder Nutzung Ihrer personenbezogenen Daten, bei Auskünften, Berichtigung, Sperrung oder Löschung von Daten sowie Widerruf ggf. erteilter Einwilligungen oder Widerspruch gegen eine bestimmte Datenverwendung wenden Sie sich bitte an datenschutz(at)tuv.at.

Sie haben zudem das Recht, sich bei einer Datenschutz-Aufsichtsbehörde über die Verarbeitung Ihrer personenbezogenen Daten durch uns zu beschweren.

www.tuv.at/datenschutzerklaerung