Mit Mathematik Menschen retten

Medienmitteilung der ETH Zürich vom 26.05.2020

Forschende der ETH Zürich und des MIT haben eine Berechnungsmethode entwickelt, um die Suche bei der Seenotrettung zu beschleunigen. Mit dem neuen Algorithmus lässt sich voraussagen, wohin Objekte oder Menschen an der Meeresoberfläche getrieben werden.

Jedes Jahr ertrinken bei Schiffsunfällen oder Flugzeugabstürzen hunderte Menschen auf dem offenen Meer. Seenotrettern bleibt nur wenig Zeit, Menschen zu bergen, die auf dem Wasser treiben, denn die Wahrscheinlichkeit, eine Person lebend zu finden, sinkt nach sechs Stunden signifikant. Neben den Gezeiten und wechselhaften Wetterbedingungen erschweren instabile Küstenströmungen die Rettungsaktionen.

Ein internationales Team von Forschenden unter der Leitung von George Haller, Professor für nichtlineare Dynamik an der ETH Zürich, hat die heute angewendeten Suchstrategien mit neuen Erkenntnissen zu solchen instabilen Strömungen erweitert. Mittels Werkzeugen aus den dynamischen Systemtheorien sowie Daten der Küstenwache hat das Team einen Algorithmus entwickelt, der voraussagen kann, wohin Menschen und Objekte an der Meeresoberfläche getrieben werden. «Wir hoffen, dass unsere Arbeit hilft, mehr Menschenleben zu retten», sagt Mattia Serra, ehemaliger Postdoktorand an der ETH Zürich und nun Postdoc-Stipendiat in Harvard sowie Erstautor der kürzlich in der Fachzeitschrift Nature Communications publizierten Studie.

Algorithmus führt zu den Vermissten

Bei heutigen Seenotrettungseinsätzen wird anhand von aufwändigen Modellen der Meeresdynamik und des Wetterberichts der Weg, den ein treibendes Objekt zurücklegt, vorausgesagt. Jedoch sind diese Vorhersagen in sich schnell verändernden Küstengewässern aufgrund unsicherer Parameter und fehlender Daten oft ungenau. Dies kann zur Folge haben, dass eine Suche am falschen Ort gestartet wird und dadurch viel Zeit verloren geht.

Durch mathematische Berechnungen haben die Forschenden entdeckt, dass sich Objekte, die an der Meeresoberfläche treiben, an bestimmten kurvenähnlichen Linien sammeln. Diese sogenannten TRansient Attracting Profiles (TRAPs), also Profile mit vorübergehender Anziehung, sind von blossem Auge nicht erkennbar, können aber mit dem neuen Algorithmus des ETH-Teams aus den Strömungsdaten der Meeresoberfläche ermittelt werden. Sie ermöglichen eine schnelle und präzise Planung der Routen für Rettungseinsätze, die weniger empfindlich auf unsichere Angaben zum Unfallzeitpunkt und –ort reagieren.

Ein neues Werkzeug für die Seenotrettung

In zwei getrennten Experimenten in der Nähe von Martha’s Vineyard vor der amerikanischen Nordostküste testeten die Forschenden in Zusammenarbeit mit einem Team des Maschinenbaudepartements des MIT, einer Gruppe des Woods Hole Oceanographic Institution und der amerikanischen Küstenwache den neuen Suchalgorithmus. Sie verwendeten dieselben Echtzeitdaten wie die amerikanische Küstenwache und beobachteten, wie sich die ausgesetzten Bojen und Testpuppen entlang der berechneten Kurven sammelten. «Wir testeten mehrere Ansätze und dies war der einzige, der vor Ort durchgehend funktionierte», betont Haller.

«Unsere Ergebnisse sind leicht interpretierbar, schnell verfügbar und günstig umzusetzen», sagt Serra. Zudem könnten mit der Methode auch grössere auf der Meeresoberfläche treibende Objekte berechnet werden, wie beispielsweise die Ausbreitung eines Ölteppichs. In einem nächsten Schritt soll die Methode in weiteren Meeresregionen getestet werden. «Wir hoffen, dass diese Methode zu einem Standardwerkzeug der Küstenwache wird», sagt Haller.

Literaturhinweis:
Serra M, Sathe P, Rypina I, Kirincich A, Ross SD, Lermusiaux P, Allen A, Peacock T, Haller G: Search and rescue at sea aided by hidden flow structures, Nature Communications, 26 May 2020, doi: 10.1038/s41467-020-16281-x

Externer Link: www.ethz.ch

Digitalisierung im Handwerk: Start-up verbessert Gerätemanagement in kleinen Betrieben

Pressemitteilung der Universität des Saarlandes vom 14.05.2020

Maschinen kostensparend einzusetzen und ihre Auslastung zu kontrollieren, ist für kleine Handwerksbetriebe schwierig. Herkömmliche Softwaresysteme, die Maschinendaten digital auswerten, sind oft teuer und setzen zu viele Informatik-Kenntnisse voraus. Ein Start-up an der Universität des Saarlandes hat daher ein System entwickelt, das nur über den Stromverbrauch der Maschinen analysiert, wie intensiv einzelne Geräte genutzt werden.

Das Herzstück des von dem Saarbrücker Startup entwickelten Systems ist ein spezieller Stecker, der zwischen dem Stromkabel des überwachten Gerätes und der herkömmlichen Steckdose sitzt. Die über den Stromverbrauch erfassten Daten funkt das Gerät per drahtlosem, lokalem Netzwerk an die von den Gründern entwickelte, modular anpassbare Online-Plattform. Über diese kann ein Kunde die aufbereiteten Daten zu der jeweiligen Maschine einsehen und auswerten. „Es ist faszinierend, was die Daten alles aussagen. Doch dazu muss man sie erstmal haben. Dieses wichtige Puzzlestück liefern wir“, sagt Tim Vollmer, der gemeinsam mit Friedemann Metzger die Firma 2log gegründet hat. Mit der angebotenen Hardware und Software könne man jedes Gerät mit Stromanschluss innerhalb von wenigen Sekunden digital erfassen und analysieren.

Zur angebotenen Hardware gehört auch ein von den Gründern entwickeltes Lesegerät, das für den German Design Award 2020 nominiert wurde und als schwarze Scheibe einem Puck im Eishockey ähnelt. Nutzer können dort eine Kunststoffkarte auflegen, um den Zugang zur jeweiligen Maschine zu erhalten. Sind sie berechtigt, leuchtet ein Kreis aus Leuchtdioden blau auf und das Gerät ist betriebsbereit. Fehlt die Berechtigung, strahlt das Lesegerät rot. „Wir können damit nicht nur die Verwaltung von Zugangsberechtigungen automatisieren, sondern auch die komplette Prozesskette digital abbilden“, erklärt Vollmer und fügt hinzu, dass aus Datenschutzgründen nur die fünf letzten Transaktionen an der jeweiligen Maschine gespeichert werden.

Unterstützt von der IT Inkubator GmbH und der Kontaktstelle für Wissens- und Technologietransfer an der Universität des Saarlandes, spricht das Start-up nun gezielt Universitäten, Lehrwerkstätten und die Makerspace-Szene an. Seit Februar wird das vierköpfige Team dabei auch über das EXIST-Gründerstipendium des Bundesministeriums für Wirtschaft und Energie gefördert. Auf diese Weise hat 2log bereits mehrere Kunden gewonnen, darunter die Architekturwerkstatt der Technischen Universität Kaiserslautern. Mit Hilfe von 2log ist diese nun wieder 24 Stunden geöffnet. „Generell sind für uns alle Branchen interessant, in denen Zugangskontrolle, Protokollierung, Abrechnung von Maschinenzeiten und Wartungsoptimierung eine Rolle spielen“, so Vollmer.

Externer Link: www.uni-saarland.de

Optimierung von Leiterplatten durch KI

Presseinformation (Forschung Kompakt) der Fraunhofer-Gesellschaft vom 04.05.2020

Die elektronische Revolution der Lebens- und Arbeitswelten wäre ohne sie kaum möglich: Leiterplatten bilden die Basis, auf der kleinste Bauteile miteinander interagieren. Da die Anwendungen immer zahlreicher und komplexer werden, nehmen die Anforderungen an Design und Qualitätssicherung zu – so müssen etwa Interferenzen ausgeschlossen und eine elektromagnetische Verträglichkeit gewährleistet werden. Das Fraunhofer-Institut für Angewandte Informationstechnik FIT kann durch modulare KI-Plattformen Leiterplatten optimal designen und überprüfen – und damit den Aufwand um bis zu 20 Prozent reduzieren.

Leiterbahnen werden so eng und geschickt wie möglich für eine Anwendung geplant, ohne dadurch einen Ausfall zu riskieren. Basis dafür ist bisher das Erfahrungswissen der beteiligten Ingenieure, deren Designs in Versuchen getestet werden müssen. Die Ergeb­nisse daraus werden zudem nicht stringent dokumentiert, so dass fehleranfällige Designs auch mehrmals Tests durchlaufen. Dieser aufwändige Prozess führt zu hohen Kosten.

Bisher hoher Aufwand in der Qualitätskontrolle

Die fertig entwickelten Designs stellen danach hohe Anforderungen an die Produktion. Daher wird jede einzelne Leiterplatte überprüft, zumeist über eine Automatische Optische Inspektion (AOI). Dabei wird über eine Bildanalyse verglichen, ob die Platine so wie geplant produziert wurde, und so technische Fehlstellen detek­tiert. Dieses Verfahren erzeugt momentan allerdings eine hohe True-negativ-Rate, d.h., viele funktionierende Platinen werden als fehlerhaft klassifiziert.

Diese müssen dann alle per Hand kontrolliert werden. Dies geschieht sowohl vi­suell, als auch messtechnisch. Die Überprüfung verursacht wiederum hohe Kosten, denn bei einer zu hohen True-negativ-Rate werden fehlerfrei Bauteile aussortiert. Bei einer zu klei­nen Rate sind die Folgekosten durch den Einsatz von Fehlteilen hoch. Eine optimierte True-negativ-Rate durch menschliche Kontrolle ist schwierig, da auch menschliche Schwächen einfließen.

Selbstlernend zum optimalen Auswahlprozess

Wie ein zukünftiger Überprüfungsprozess aussehen kann, zeigt die Entwicklung des Fraunhofer FIT. Eine Kamera macht wie bei einer herkömmlichen AOI Aufnahmen von ge­druckten Leiterplatten. Daraus wird die Entscheidungsqualität von Algorithmen optimiert. Entscheidend ist dabei die Eingabe qualitativ-hochwertiger Trainingsdaten. Dafür füttern zunächst Experten die Module für Ma­chine Learning und Deep Learning mit einer guten Datenauswahl.

»Diese modulare Bauweise ermöglicht, aneinander gekoppelte Algorithmen einzusetzen, die sich selbst verbessern. Durch laufende automatisierte Kontrollen der Bauteile fließen Daten zurück in den Algorithmus und sind Grundlage für einen Selbstlernpro­zess im Modul Künstliche Intelligenz«, so Timo Brune, Projektleiter beim Fraunhofer FIT. »Dieses permanente Feedbacksystem verbessert die Datengrundlage und optimiert die True-negativ-Rate. Dadurch können nach ersten Schätzungen aus der Industrie rund 20 Prozent an Produktionsressourcen eingespart werden.«

Das Training der Module kann der Anwender selbst mit seinen Prozess- und Produktionsdaten übernehmen. Das Unternehmen bleibt so immer im Besitz seiner Daten, die nicht etwa an ex­terne Server geschickt werden müssen. Der »Baukasten« aus Algorith­men kann in be­liebiger Kombination auf spezifische Probleme angewandt werden.

Intelligente Entwicklung neuer Bauteile

Die trainierten Algorithmen lassen sich dann auch bereits beim Design neuer Leiterplatten einsetzen. Die Anordnung von Bauteilen auf der Leiterplatte muss dann nicht mehr im Trial-and-Error-Verfahren kosten- und zeitintensiv erfolgen. Der Algorithmus hilft, aus der Vielzahl möglicher Varianten die mit optimaler Funktionalität vorherzusagen.

Der Ansatz des Fraunhofer FIT, modulare, sich selbst verbessernde Algorithmus-Plattfor­men für Design und Qualitätskontrolle von Leiterplatten einzusetzen, ist auch für viele weitere elektrische Systeme vorteil­haft. Auch dort wer­den Prozesse so optimiert, dass Zeit- und Produktionskosten in sig­nifikanter Weise ein­gespart werden können.

Externer Link: www.fraunhofer.de

Virtuelles Screening nach Wirkstoffen gegen das Coronavirus

Medienmitteilung der Universität Basel vom 09.03.2020

Die Universität Basel arbeitet mit an der weltweiten Suche nach einem Wirkstoff gegen das momentan grassierende Coronavirus: Forschende der Gruppe «Computational Pharmacy» haben bisher fast 700 Millionen verschiedene Substanzen an einem spezifischen Angriffspunkt des Virus virtuell getestet – mit dem Ziel, dessen Vermehrung zu blockieren. Wegen der momentanen Notlage werden erste Ergebnisse der Tests anderen Forschungsgruppen sofort zur Verfügung gestellt.

Die Forschungsgruppe um Prof. Dr. Markus Lill am Departement Pharmazeutische Wissenschaften hat in den letzten Wochen ihre computergestützten Methoden eingesetzt, um nach möglichen Wirkstoffen gegen das momentane Coronavirus zu suchen, ebenso gegen zukünftige ähnliche Epidemien. Dabei haben die Wissenschaftler mehr als 680 Millionen Substanzen an einem wichtigen Protein des Virus, der zentralen Protease, rein virtuell getestet.

Durch dieses «Virtuell Screening» wurden bereits einige interessante Substanzen Identifiziert, die das Potenzial haben, das kritische Enzym des Virus zu blockieren – und damit dessen weitere Vermehrung. «Auch wenn die vollständige Entwicklung eines Wirkstoffs gegen das momentane Coronavirus die Dauer der momentanen Epidemie wahrscheinlich übersteigen dürfte, ist es wichtig, Wirkstoffe für zukünftige Coronaviren zu entwickeln. So können ähnliche Gesundheitsnotstände wie der momentane im Keim erstickt werden», sagt Forschungsgruppenleiter Lill.

Testergebnisse öffentlich

Im Anbetracht der aktuellen Notlage hat sich die Gruppe zu einem eher untypischen Vorgehen entschlossen, indem sie nämlich die Testergebnisse sofort als Open Source der Öffentlichkeit in Form eines Preprints zur Verfügung stellt. Die Publikation wurde in den ersten 48 Stunden schon mehr als 3000 Mal konsultiert.

Die Basler Forschenden hoffen nun, dass weltweit eine grössere Anzahl an Forschungsgruppen ihre Vorschläge aufnimmt, sie am Virus testet und weiterführende Studien einleitet. Normalerweise würden für das Wirkstoffdesign die interessanten Moleküle zusammen mit andern Gruppen experimentell getestet, bevor die Ergebnisse patentiert und publiziert werden. Der Hauptfokus von anderen laufenden Studien zum Coronavirus liegt momentan auf der Verwertbarkeit von existierenden antiviralen Medikamenten oder der Neuausrichtung von anderen Medikamenten.

Originalpublikation:
André Fischer, Manuel Sellner, Santhosh Neranjan, Markus A. Lill, and Martin Smiesko
Inhibitors for Novel Coronavirus Protease Identified by Virtual Screening of 687 Million Compounds
ChemRxiv (2020)

Externer Link: www.unibas.ch

Solidarität statt Panik: mit Computermodellen gegen COVID19

Presseaussendung der TU Wien vom 11.03.2020

COVID-19 breitet sich weiter aus, die Lage in Italien ist kritisch. Die TU Wien und ihre Forschungspartner berechnen mit Computermodellen, welche Strategien nun nötig sind.

Große Teile Italiens stehen unter Quarantäne. Über hundert COVID19-Todesopfer wurden am Sonntag (8.3.) in Italien gezählt. Dass die Lage so dramatisch ist, liegt nicht nur an der hohen Zahl der Infizierten, sondern wohl auch daran, dass das Gesundheitssystem überfordert ist: Wenn Plätze auf der Intensivstation fehlen oder zu wenige Beatmungsgeräte zur Verfügung stehen, dann sterben auch Menschen, die eigentlich geheilt werden könnten.

An der TU Wien wird seit über zehn Jahren an Computermodellen geforscht, mit denen man nun das Gesundheitssystem bei der Planung von Maßnahmen unterstützt. Im Rahmen der als FFG COMET-Projekt gestarteten Forschungsplattform „DEXHELPP“ arbeiteten die TU Wien, das Modellierungs- und Simulations-Unternehmen dwh (ein Spin-off der TU Wien) und mehrere weitere Partnerorganisationen aus dem IT- und Gesundheitsbereich zusammen, um Simulationen über die Ausbreitung von Erkrankungen zu entwickeln. Daher steht nun auch ein verlässliches, gut validiertes, Österreich-spezifisches Computermodell zur Verfügung, mit dem man unterschiedliche Strategien auf ihre Wirksamkeit testen kann.

Grund zur Panik besteht nicht, betont das Forschungsteam. Österreichs Gesundheitssystem ist resilienter als das Gesundheitssystem in Italien. Trotzdem ist Vorsicht geboten: Die Computermodelle zeigen klar, dass die empfohlenen Schutzmaßnahmen die Anzahl der COVID19-Todesfälle deutlich reduzieren können.

Ziel: Flacher Anstieg, niedrige Spitze

„Wie viele Menschen an COVID19 erkranken werden, ist nicht vorauszusagen“, sagt Dr. Niki Popper (Institut für Information Systems Engineering, TU Wien). „Wichtig ist aber, den Verlauf der Epidemie zu verlangsamen, damit nicht zu viele Menschen gleichzeitig intensive Betreuung brauchen. Das Ziel ist ein möglichst flacher Verlauf mit einem möglichst niedrigen Spitzenwert, bevor die Zahlen dann wieder zurückgehen. Bei einer milderen Epidemie, die länger dauert, sterben meist deutlich weniger Menschen als bei einem heftigen Ausbruch, der rascher wieder vorbei ist.“

Genau deshalb ist es wichtig, auf Hygiene zu achten und auf unnötige Kontakte zu verzichten, besonders wenn man zur Risikogruppe gehört. „Schon mit sehr einfachen Rechenmodellen können wir zeigen: Wenn man die Anzahl der Kontakte nur um 25 % reduziert, sinkt die Höhe des Peaks auf 58 % ab, würde man sie um 50 % reduzieren sinkt der Peak auf unter 30 %“, berichtet Martin Bicher, der das Modell mit aufgebaut hat.

Allerdings ist Kontakt nicht gleich Kontakt: Das Computermodell kann auch für unterschiedliche Menschen unterschiedliche Kontaktnetzwerke berechnen. Wenn man etwa Hochrisikopatient_innen und Einsatzkräfte besonders gut schützt, nützt das besonders viel. Die aktuellen Simulationsergebnisse zeigen, dass sich der Peak der Krankheit dadurch sogar noch stärker reduzieren lässt.

Gerade Menschen, die Kontakt zu Hochrisikopersonen haben, etwa pflegende Angehörige, sollten so weit wie möglich aus dem System genommen werden und auf risikoreiche Kontakte verzichten. Inwieweit Veranstaltungen abgesagt werden, ist momentan noch schwer zu sagen. „Daran rechnen wir derzeit, Ergebnisse erwarten wir im Lauf der Woche. Risikopersonen sollten Großveranstaltungen eher meiden“, sagt Niki Popper.

Solidarität rettet Leben

„Was wir jetzt in erster Linie brauchen ist Solidarität, sowohl regional als auch zwischen verschiedenen Ländern“, betont Niki Popper. „Egoismus bringt niemandem etwas. Wir hören von Krankenhäusern, in denen Mundschutzmasken gestohlen werden. Genau das ist das Verhalten, das Menschenleben gefährdet.“

Die Computermodelle, mit denen nun verschiedene COVID19-Ausbreitungsszenarien berechnet werden, sind agentenbasiert – in der Simulation werden also einzelne virtuelle Personen abgebildet, die sich nach bestimmten Mustern verhalten und Kontakte haben. Dazu werden Daten der Statistik Austria verwendet. Regionale Bevölkerungsdaten aus ganz Österreich fließen in die Simulation ein. Topographische Faktoren (wie etwa die Seehöhe) spielen eine Rolle, die von Region zu Region unterschiedliche Mobilität wird im Modell ebenso berücksichtigt. Wichtig ist auch, die Gesundheitsinfrastruktur korrekt abzubilden: Wo gibt es welche Krankenhauskapazitäten? Wie viele Quarantäne-Betten können wo zur Verfügung gestellt werden?

Zusätzlich wird das Modell laufend mit neuen Erkenntnissen über COVID-19 gefüttert: Von Tag zu Tag lassen sich Parameter wie Ansteckungswahrscheinlichkeit oder Inkubationszeit besser einschätzen. „Wenn das medizinische Wissen zuverlässiger wird, werden damit auch unsere Prognosen aussagekräftiger“, sagt Niki Popper. „Es ist wie Fahren auf Sicht auf einer nebeligen Straße: Mit unseren Modellen können wir ein Stück in die Zukunft sehen und verstehen welche Maßnahmen welche Auswirkungen haben würden – aber natürlich nicht beliebig weit.“

Das soll bei schwierigen politischen Entscheidungen helfen, zum Beispiel wenn entschieden werden muss, welche Veranstaltungen abgesagt werden sollen oder welche Schulen geschlossen werden sollen. „Man muss immer eine vernünftige Balance finden zwischen dem Nutzen, den man generiert, und den Nachteilen, die das mit sich bringt“, sagt Popper. „Und genau dabei helfen unsere Simulationsmodelle.“ (Florian Aigner)

Externer Link: www.tuwien.ac.at