ETH-Spin-off-Maschine läuft auf Hochtouren

Medienmitteilung der ETH Zürich vom 04.01.2019

Die ETH Zürich blickt auf ein ausgesprochen gutes Spin-off-Jahr zurück: 27 Unternehmen wurden 2018 gegründet – so viele wie noch nie. Finanzierungsrunden von über 170 Millionen Franken und der Börsengang von Sensirion zeugen zudem vom Markterfolg der ETH-Ausgründungen.

Die ETH Zürich erlebte 2018 ein neues Hoch bei den Spin-off-Gründungen: Insgesamt 27 Gründerteams wagten den Schritt in die Selbständigkeit. Während in den Nullerjahren an der ETH im Schnitt pro Jahr 13 Spin-offs gegründet wurden, waren es in den Zehnerjahren bis anhin rund 24. Für Detlef Günther, Vizepräsident Forschung und Wirtschaftsbeziehungen, ist der sukzessive Anstieg der Unternehmensgründungen in den letzten zwei Jahrzehnten der beste Beweis dafür, dass sich die hochschulinternen Förderanstrengungen auszahlen: «Es freut mich ausserordentlich, dass viele junge Talente die Ausdauer und den Mut haben, ihre Ideen bis zur Marktreife weiterzuentwickeln, denn davon profitiert letztlich auch die Schweizer Wirtschaft und Gesellschaft», so Günther.

Digitale Technologien für die Medizin

Das inhaltliche Spektrum der neu gegründeten Spin-offs ist vielfältig und widerspiegelt die ganze Forschungsbreite der ETH Zürich. Der grösste Teil der neuen Gründungen – insgesamt zwölf im Jahr 2018 – stammen aus dem Bereich Informatik- und Kommunikationstechnologie. Damit setzt sich ein Trend fort, der sich bereits in den letzten Jahren abzeichnete. Auch bei den Anwendungsbereichen ist eine Tendenz erkennbar: Acht Spin-offs aus unterschiedlichen Fachrichtungen entwickeln Produkte im medizinischen Kontext. So arbeiten junge Gründerinnen und Gründer beispielsweise an einer neuen Methode zur Wurzelkanalbehandlung oder einem handlichen und preiswerten PET-Scanner für die Alzheimer-Früherkennung.

Im Zuge der digitalen Transformation wird auch die künstliche Intelligenz immer wichtiger: Sechs der neuen Firmen arbeiten mit Methoden des maschinellen Lernens. Das Spin-off Scailyte beispielsweise entwickelt eine Software, die Muster in riesigen Datenmengen aus einzelnen Zellen analysieren und mit verschiedenen Erkrankungen in Verbindung bringen kann. So könnte die Früherkennung einer ganzen Reihe von Erkrankungen, wie beispielsweise Krebs, massgeblich verbessert werden. Dass so viele der neuen Spin-offs in den Bereichen Medizin und Datenwissenschaften angesiedelt sind, überrascht wenig, sind dies doch zwei thematische Schwerpunkte der ETH Zürich.

Erfolgreich im Markt

Dass die jungen Gründerinnen und Gründer über mehr verfügen als nur eine gute Idee und den Glauben in das eigene Können, zeigt ein Blick auf die Bilanzen: ETH-Spin-offs konnten im vergangenen Jahr insgesamt über 170 Millionen Franken an Kapital einwerben. So schlossen die Unternehmen Climeworks, Verity Studios und Beekeeper Finanzierungsrunden über rund 30, 18 respektive 13 Millionen Schweizer Franken ab, um nur einige Beispiele zu nennen. Neben den Investitionen zeugen auch Übernahmen und Börsengänge vom Erfolg der ETH-Ausgründungen. Der Börsengang von Sensirion im März 2018 beispielsweise war gut auf die Wachstumsstrategie des Unternehmens abgestimmt. Dies schlug sich im Vorjahresvergleich in einer Umsatzsteigerung von 30 Prozent in den ersten sechs Monaten nieder.

Externer Link: www.ethz.ch

Durchbruch in der Stammzellforschung: Gehirnstammzellen aus Blut

Medieninformation der Universität Innsbruck vom 20.12.2018

Stammzellforschern der Universität Innsbruck ist es erstmals gelungen, aus menschlichen Blutzellen Gehirnstammzellen zu züchten. Damit ist es nun wesentlich leichter, vom Patienten Stammzellen zu erhalten, mit denen man Erkrankungen des Nervensystems, wie z.B. Alzheimer oder Multiple Sklerose, besser verstehen und künftig heilen kann.

Ein Team aus Forschern der Universität Innsbruck um Prof. Frank Edenhofer vom Institut für Molekularbiologie und des Deutschen Krebsforschungszentrums in Heidelberg hat menschliche Blutzellen durch Expression von vier Transkriptionsfaktoren in neurale Stammzellen reprogrammiert. Die reprogrammierten Stammzellen können sich unbegrenzt vermehren und in Zellen sowohl des zentralen als auch des peripheren Nervensystems ausreifen. „Außerdem haben wir mittels der Genschere CRISPR/Cas9 ein Modell für eine menschliche Schmerzerkrankung geschaffen, das die Entwicklung von Schmerzmedikamenten erleichtern wird“, erklärt Frank Edenhofer.

Schon bisher mit Hautzellen

Den Innsbrucker Forschern war vor kurzem schon die Umwandlung von Hautzellen in Gehirnstammzellen gelungen – die nun veröffentlichte Verwendung von Blutzellen wird die biomedizinische Anwendung wesentlich erleichtern. Blutzellen können im Gegensatz zu Hautzellen sehr einfach vom Patienten gewonnen werden, die Blutentnahme ist im Gegensatz zur Hautbiopsie zudem klinische Routine. Stammzellen können praktisch jede andere Zelle des Körpers bilden – und sind damit Hoffnungsträger für eine ganze Reihe von Therapien für bislang nicht heilbare Krankheiten. „Aus Stammzellen gezüchtete Zellen können mitunter fehlerhafte oder kranke Zellen ersetzen und so zur Heilung von Krankheiten beitragen“, sagt Prof. Frank Edenhofer.

Die Wissenschaftler verwendeten in der aktuell publizierten Forschung moderne Einzelzell-Sequenziermethoden, um die Stammzellen zu identifizieren. Die in der renommierten Zeitschrift „Cell Stem Cell“ veröffentlichte Entdeckung wird tiefe Einblicke in die Entwicklung des menschlichen Nervensystems erlauben und eine Quelle für neurale Stammzellen liefern – die dann in der regenerativen Medizin eingesetzt werden können, wie Frank Edenhofer erläutert: „Neurodegenerative Krankheiten wie Parkinson und Alzheimer oder auch chronisch-entzündliche Erkrankungen des Nervensystems wie Multiple Sklerose sind heute mit gängigen Mitteln nicht heilbar, die Medizin kann sie höchstens lindern. Mit einer Behandlung mit im Labor erzeugten Stammzellen direkt am Gehirn kann ein Fortschreiten von Parkinson bei betroffenen Patienten möglicherweise aufgehalten werden, daran forschen wir intensiv.“ Frank Edenhofer ist auch Präsident der Österreichischen Gesellschaft für Stammzellforschung; die Gesellschaft verfolgt das Ziel, die wichtigsten Akteure der Stammzellforschung in Österreich zu vernetzen.

Publikation:
Marc Christian Thier, Oliver Hommerding, Jasper Panten, Roberta Pinna, Diego García-González, Thomas Berger, Philipp Wörsdörfer, Yassen Assenov, Roberta Scognamiglio, Adriana Przybylla, Paul Kaschutnig, Lisa Becker, Michael D. Milsom, Anna Jauch, Jochen Utikal, Carl Herrmann, Hannah Monyer, Frank Edenhofer, Andreas Trumpp: Identification of Embryonic Neural Plate Border Stem Cells and their generation by direct reprogramming from human blood, Cell Stem Cell 20.12.2018

Externer Link: www.uibk.ac.at

Datenspeicherung mit einzelnen Molekülen

Medienmitteilung der Universität Basel vom 17.12.2018

Forschende der Universität Basel berichten von einer neuen Methode, bei der sich der Aggregatzustand weniger Atome oder Moleküle innerhalb eines Netzwerks gezielt steuern lässt. Sie basiert auf der spontanen Selbstorganisation von Molekülen zu ausgedehnten Netzwerken mit Poren von etwa einem Nanometer Grösse. Im Wissenschaftsmagazin «small» berichten die Physikerinnen und Physiker von den Untersuchungen, die für die Entwicklung neuer Speichermedien von besonderer Bedeutung sein können.

Weltweit laufen Bestrebungen, Datenspeicher immer weiter zu verkleinern, um so auf kleinstem Raum eine möglichst hohe Speicherkapazität zu erreichen. Bei fast allen Medien wird zur Speicherung ein Phasenübergang genutzt. So etwa wird für die Herstellung von CDs eine sehr dünne Metallschicht in Kunststoffen verwendet, die innerhalb von Mikrosekunden aufschmilzt, um dann wieder zu erstarren. Dies auf der Ebene von Atomen oder Molekülen zu ermöglichen, ist Gegenstand eines Forschungsprojekts unter Leitung der Universität Basel.

Phasenwechsel einzelner Atome zur Datenspeicherung

Ein Phasenwechsel auf Ebene einzelner Atome oder Moleküle kann prinzipiell zur Speicherung von Daten genutzt werden und in der Forschung gibt es derartige Speicher bereits. Sie sind allerdings aufwendig und teuer herzustellen. Die Gruppe um Professor Thomas Jung von der Universität Basel hat das Ziel, solch winzige Speichereinheiten aus wenigen Atomen durch Selbstorganisation herzustellen und damit den Herstellungsprozess enorm zu vereinfachen.

Die Gruppe hat dazu zunächst ein sogenanntes metallorganisches Netzwerk hergestellt, das wie ein Sieb mit präzise definierten Poren aussieht. Wenn die richtigen Verbindungen und Bedingungen gewählt werden, ordnen sich die Moleküle dabei selbstständig zu einer regelmässigen supramolekularen Struktur an.

Xenon-Atome: mal fest, mal flüssig

Die Physikerin Aisha Ahsan, Erstautorin der aktuellen Studie, hat nun einzelne Xenon-Gasatome in die etwas über einen Nanometer grossen Poren des Netzwerks eingebracht. Durch Temperaturveränderungen und durch lokal angelegte elektrische Pulse gelang es ihr, den Aggregatzustand der Xenon-Atome zwischen fest und flüssig gezielt hin und her zu schalten. Sie konnte diesen Phasenübergang durch Temperaturänderung in allen Poren gleichzeitig bewirken. Die Temperaturen für den Phasenübergang hängen von der Stabilität der Xenon-Cluster ab, die je nach Anzahl der Xenon-Atome unterschiedlich ist. Mit dem Mikroskopsensor lässt sich der Phasenübergang auch lokal in einer einzelnen Pore auslösen.

Da diese Experimente bei sehr tiefen Temperaturen von wenigen Kelvin durchgeführt werden müssen (unter -260° C), wird sich mit Xenon-Atomen selbst kein neuer Datenspeicher realisieren lassen. Die Versuche haben aber belegt, dass sich supramolekulare Netzwerke prinzipiell eignen, um winzige Strukturen herzustellen, in denen mit wenigen Atomen oder Molekülen gezielt Phasenübergänge induziert werden können.

«Wir werden nun grössere Moleküle wie kurze Alkohole testen, da diese Aggregatszustandsänderungen bei höheren Temperaturen durchlaufen und daher eine Anwendung gut denkbar ist», bemerkt Professor Thomas Jung, der die Arbeiten betreut hat.

Die Studie ist in Zusammenarbeit des Swiss Nanoscience Instituts (SNI), des Departements Physik der Universität Basel und des Paul Scherrer Instituts (PSI) mit den Universitäten Heidelberg und Linköping entstanden.

Originalbeitrag:
Aisha Ahsan, S. Fatemeh Mousavi, Thomas Nijs, Sylwia Nowakowska, Olha Popova, Aneliia Wäckerlin, Jonas Björk, Lutz H. Gade, Thomas A. Jung:
Phase transitions in confinements: Controlling solid to Fluid transitions of xenon atoms in an on-surface network
Small (2018), doi: 10.1002/smll.201803169

Externer Link: www.unibas.ch

„Finde den Stuhl“: Wie Maschinen Kunstgeschichte lernen

Pressemeldung der Universität Passau vom 08.12.2018

Menschen wissen intuitiv, was ein Stuhl ist. Sie haben von klein auf viele Beispiele gesehen und anhand dieser Beispiele gelernt, was einen Stuhl ausmacht: Beine, Sitzfläche, Lehne. Diese Merkmale haben sie so verinnerlicht, dass sie einen Stuhl nicht mehr in seine einzelnen Bestandteile zerlegen müssen, um zu wissen: „Das ist ein Stuhl“. Menschen besitzen die Fähigkeit zum Deep Learning – ein Begriff, der häufig in Zusammenhang mit künstlicher Intelligenz fällt. Im Projekt Neoclassica bringt ein Team aus Informatikern, einer Informatikerin und einem Historiker Maschinen bei, klassizistische Möbel auf Abbildungen zu erkennen. Sie nutzen dafür neuronale Netze, die Google bereits vortrainiert hat.

Simon Donig ist Historiker und interessiert sich für klassizistische Möbel. Donig hat sich über mehrere Jahre hinweg Expertenwissen angeeignet. Er weiß noch ein bisschen mehr als ein durchschnittlicher Mensch über bestimmte Stühle, kann deren Merkmale und Eigenheiten bestimmten Epochen zuordnen. Zum Beispiel weiß er, dass ein klassizistischer Stuhl in seiner Formsprache auf die Antike zurückgreift. Diese ist schlichter, geradliniger und geometrischer als jene eines barocken Stuhls und weist weniger florale Verzierungen auf. Hier gibt er dieses Wissen an eine Maschine weiter.

Damit die Maschine den Historiker versteht, braucht es die Vermittlung aus der Informatik. Das Team am Passauer Lehrstuhl für Informatik mit Schwerpunkt Digital Libraries and Web Information Systems hat unter der Leitung von Siegfried Handschuh im Projekt Neoclassica den Editor aufgebaut, mit dessen Hilfe der Historiker Donig der Maschine die klassizistische Formsprache beibringen kann. Die Informatikerin Maria Christoforaki hat das Wissen des Historikers modelliert und in eine Form gebracht, die Maschinen verstehen können. Gemeinsam haben sie eine Ontologie aufgebaut, eine Art Wörterbuch für einen Computer.

Die Passauer Ontologie basiert auf dem CIDOC Conceptual Reference Model, das viele Museen weltweit zur Dokumentation des kulturellen Erbes nutzen. Es handelt sich dabei um eine Norm (ISO 21127:2014) für den kontrollierten Austausch von Informationen im Bereich des kulturellen Erbes. Dies soll sicherstellen, dass auch andere Forschende die mit der Neoclassica Ontologie annotierten Daten nutzen können.

Historische Definitionen „füttern“ künstliche Intelligenz

„In dieser Ontologie findet sich die Handschrift von Simon Donig. Und dessen Rechercheleistung“, sagt Prof. Dr. Handschuh, assoziierter Professor an der Universität Passau und Ordinarius für Data Science an der Universität St. Gallen. Donig hat Primärquellen recherchiert, darunter etwa das „Cabinet Dictionary“ aus dem Jahr 1803, in dem der englische Möbelhersteller Thomas Sheraton inspirierende Abbildungen von Stühlen zusammengetragen hat. Darin wiederum taucht der Begriff fauteuil – Armlehnstuhl – auf und wird wie folgt definiert: „Fauteuil, from the French, signifies a large chair.“ Diese Definition findet sich nun auch in der Passauer Ontologie und infolgedessen im CIDOC. Die Ontologie modelliert also das Fachwissen und macht dieses dem Computer zugänglich. Sie ist allerdings nur ein Teil der künstlichen Intelligenz, die das Passauer Team nutzt. Die zweite Komponente ist ein intelligentes, lernfähiges System, ein künstliches neuronales Netz. Dieses identifiziert und klassifiziert die eingespeisten Abbildungen.

Deep Learning funktioniert bei der Maschine ähnlich wie beim menschlichen Gehirn: das künstliche neuronale Netz identifiziert in den verschiedenen Schichten bestimmte Merkmale und gibt diese an die jeweils tiefer liegende Schicht weiter. Es kann die Merkmale auf das Wesentliche reduzieren und generalisieren. Anhand dieses Wissens kann es die Wahrscheinlichkeit berechnen, ob es sich bei einer bislang nicht bekannten Abbildung ebenfalls um einen Stuhl handelt.

Nun ist es zwar so, dass das Team um Neoclassica viele Abbildungen klassizistischer Möbelstücke zusammengetragen hat – insgesamt 1246 Dateien aus namhaften Museen wie dem New Yorker Museum of Modern Art, dem Amsterdamer Rijksmuseum oder der Eremitage in Sankt Petersburg. Allerdings sind das zu wenig, um das Netz erfolgreich trainieren zu können. Für ein Trainingsbeispiel haben sie bisweilen nur fünf bis 20 Abbildungen zur Verfügung. Üblich sind 100 bis 1000.

Um die Treffsicherheit zu verbessern, bedient sich das Forschungsteam in Neoclassica daher eines Tricks: Es setzt auf die Vorarbeit von Google, das das neuronale Netz bereits auf Alltagswissen trainiert hat. Die künstliche Intelligenz kennt also bereits das Konzept Stuhl und erkennt Stühle auf Abbildungen. Klassizistische Objekte hingegen kennt das vortrainierte Google-Netzwerk noch nicht, stattdessen ordnet es die Formen Gegenständen aus unserem heutigen Alltag zu. Einem Laptop, zum Beispiel. Oder einer Mikrowelle. Trainiert mit dem Wissen des Historikers Donig aber schafft es das Netz, klassizistische Möbelstücke selbst auf bislang nicht bekannten Abbildungen mit hoher Zuverlässigkeit zu erkennen. Für den Internet-Giganten Google, der sich auf die Digitalisierung unseres Alltags spezialisiert hat, ist solches Wissen uninteressant. Den Historiker hingegen bringen die neuen Instrumente ins Schwärmen: Sie könnten Expertinnen und Experten aus dem Bereich der Kunstgeschichte ganz neue Chancen eröffnen.

Das Projekt wird vom Bundesministerium für Bildung und Forschung im Rahmen des Passauer Centre for eHumanities (PACE) gefördert. (Katrina Jordan)

Externer Link: www.uni-passau.de

Unkaputtbare Betonschutzwand soll Leben retten

Presseaussendung der TU Wien vom 28.11.2018

An der TU Wien wurde eine spezielle Betonmischungsformel entwickelt, die selbst bei einem schweren Aufprall die Bildung gefährlicher Bruchstücke verhindert.

Massive Betonschutzwände werden oft in der Mitte von Autobahnen errichtet, um ein Durchbrechen von Fahrzeugen auf die Gegenfahrbahn zu verhindern. Das gelingt mit modernen Betonschutzwänden bereits sehr gut, aber beim Aufprall kann nicht ausgeschlossen werden, dass Betonteile absplittern und auf die Gegenfahrbahn geraten. An der TU Wien wurde daher eine besonders zähe Betonmischung entwickelt, die ein Absplittern von Bruchstücken verhindert. Bei spektakulären Experimenten mit Sattelschleppern und Bussen wurde die Wirksamkeit der neuartigen Betonschutzwände nun demonstriert.

Zäh, nicht brüchig

„Unser Ziel war es, eine neue Betonsorte zu entwickeln, die hohen dynamischen Belastungen standhält, und nicht spröd und brüchig, sondern zäh und nachgiebig ist“, erklärt Ildiko Merta, Bauingenieurin am Institut für Hochbau und Technologie der TU Wien. Seit Jahren beschäftigt sie sich mit der Entwicklung und der experimentellen Überprüfung spezieller und nachhaltiger Betonsorten.

„Zunächst haben wir verschiedene Materialmöglichkeiten theoretisch untersucht, einige dieser Ideen haben wir dann umgesetzt und an der TU Wien in Belastungsproben die Eigenschaften der neuartige Betone getestet“, sagt Ildiko Merta. In Zusammenarbeit mit dem Kooperationspartner DELTABLOC, einem führenden Entwickler von Fahrzeug-Rückhaltesystemen, wurde ein innovativer Pendelversuch entwickelt, um die dynamische Belastung bei einem Fahrzeug-Anprall im Labor realitätsnah untersuchen zu können. Auf genau definierte Weise ließ man eine 150 kg schwere Last auf die Betonprüfkörper fallen und analysierte ihr Bruchverhalten.

Aus den drei vielversprechendsten Betonmischungen wurden dann echte Betonleitwände hergestellt und in Allhaming in Oberösterreich getestet. Dabei konnte eindrucksvoll gezeigt werden, dass selbst ein 38-Tonnen-Sattelschlepper mit 60 km/h oder ein 13-Tonnen-Bus mit einer Anfahrtsgeschwindigkeit von 70 km/h dem Fahrzeug-Rückhaltesystem aus Beton nichts anhaben kann.

Die Betonwand, die Leben rettet

Das Rückhaltesystem mit der neuen Beton-Formel wurde von DELTABLOC bereits in Spanien und Deutschland verbaut, weitere Projekte sind in Arbeit – damit ist DELTABLOC das erste und einzige Unternehmen weltweit, das Betonleitwände auf diesem Sicherheitsniveau bieten kann.

„Vor Projektbeginn hielten wir es für fast unmöglich, eine Schutzwand herzustellen, bei der sich trotz der Wucht des Anpralls eines 38-Tonnen-Sattelschleppers kein einziges Bruchstück löst. In nur 18 Monaten Entwicklungszeit ist uns dieses Meisterstück gelungen! Diese bahnbrechende Technologie wird weltweit Leben retten!“, freut sich Thomas Edl, Absolvent und Doktor im Bauingenieurwesen an der TU Wien und nun Geschäftsführer von DELTABLOC International.

Die Forschungsarbeiten wurden im Rahmen des COMET K1-Programms „Kompetenzzentrum für elektrochemische Oberflächentechnologie“ durchgeführt, das durch das Bundesministerium für Verkehr, Innovation und Technologie (BMVIT), durch das Bundesministerium für Wissenschaft, Forschung und Wirtschaft (BMWFW) und durch die Länder Oberösterreich und Niederösterreich gefördert wird. (Florian Aigner)

Externer Link: www.tuwien.ac.at