Abgasanalyse mit dem Handy: Neue App lässt Diesel-Fahrer ihr Auto selbst überprüfen

Veröffentlicht am von

Pressemitteilung der Universität des Saarlandes vom 06.10.2021

Informatiker der Universität des Saarlandes haben ein Verfahren entwickelt, mit dem sich unkompliziert und in Echtzeit ermitteln lässt, wie viele Abgase der eigene Diesel-PKW ausstößt. Dazu benötigt man die kostenlose App „LolaDrives“ und einen günstigen Bluetooth-Adapter, der das Diagnosesystem des Autos auslesen kann. Entwickelt wurde die App im Rahmen des DFG-geförderten transregionalen Sonderforschungsbereichs „Grundlagen verständlicher Softwaresysteme“ am Saarland Informatics Campus.

Nutzer können ihre Fahrdaten auf freiwilliger Basis für die Forschung bereitstellen.

Seit September 2017 muss ein Auto einen sogenannten „Real Driving Emissions (RDE)“-Test bestehen, um in der Europäischen Union zugelassen zu werden. Dabei werden die Abgasemissionen im Fahrbetrieb unter realistischen, alltäglichen Bedingungen gemessen. „Wir dachten uns: Dann sollte doch prinzipiell jeder selbst diesen Test durchführen können“, sagt Sebastian Biewer, Doktorand am Lehrstuhl „Dependable Systems and Software“ von Professor Holger Hermanns an der Universität des Saarlandes.

Anstatt Testequipment im Wert von Hunderttausenden Euros anzuschaffen, haben die Saarbrücker Informatiker die App „LolaDrives“ entwickelt. Diese verwendet „RTLola“, eine Technologie zur Analyse von Echtzeitsystemen von Bernd Finkbeiner, Professor an der Universität des Saarlandes und Faculty am Helmholtz-Zentrum für Informationssicherheit (CISPA). Die App funktioniert in fast allen Autos ab Baujahr 2005. „Wichtig ist, dass der Wagen über eine Schnittstelle zur On-Board-Diagnose (OBD) verfügt“, sagt Sebastian Biewer. Die OBD ist ein Fahrzeugdiagnosesystem, das während der Fahrt abgasbeeinflussende Systeme und andere Steuergeräte, wie beispielsweise den Drehzahlmesser, überwacht. Mithilfe eines Bluetooth-Adapters wird auf die On-Board-Diagnose zugegriffen. Wenn der Wagen läuft, muss man das Handy per Bluetooth mit dem OBD-Adapter verbinden und die „LolaDrives“-App starten.

Das Programm erlaubt es dem Nutzer dann entweder, die Daten des Diagnosesystems auszulesen, oder es führt ihn Schritt für Schritt durch einen RDE-Test. „LolaDrives ist nach unserer Kenntnis die einzige App, die einen RDE-Test ermöglicht“, ergänzt Sebastian Biewer. Damit die App die Emissionswerte errechnen kann, muss die OBD-Schnittstelle des Wagens jedoch die passenden Daten zur Verfügung stellen – insbesondere die Werte des Stickoxid-Sensors des Abgassystems, der nur in Diesel-Fahrzeugen verbaut ist. Ob die passenden Daten abgerufen werden können und damit ein RDE-Test machbar ist, teilt „LolaDrives“ direkt nach dem Start eines Tests mit.

Den App-Entwicklern war es wichtig, die Benutzung so einfach wie möglich zu gestalten. Denn für einen gültigen RDE-Test müssen zahlreiche Bedingungen erfüllt sein: Die Fahrtdauer muss mindestens 90 bis 120 Minuten betragen, in festgelegten Distanzen in verschiedenen Abschnitten stattfinden (Innerorts, Landstraße und Autobahn), bestimmte Geschwindigkeitsvorgaben dürfen nicht verletzt werden und auch das Beschleunigungs- und Bremsverhalten spielt eine Rolle. „Unsere App zeigt all diese Elemente in einer leicht verständlichen Nutzeroberfläche an und führt strukturiert durch die verschiedenen Stufen des Tests, indem sie genau ansagt, was wann zu tun ist. Sie teilt mit, ob der Test erfolgreich war und auch, ob der Test durch den Verstoß gegen eine der Vorgaben unwiederbringlich gescheitert ist“, sagt Yannik Schnitzer, der als Student der Informatik bereits ab seinem zweiten Semester die Entwicklung der App vorangetrieben hat.

Nutzer können ihre Fahrdaten auf freiwilliger Basis und ohne Einschränkung der App-Funktionalitäten datenschutzkonform an die Forscher spenden. Informatik-Professor Holger Hermanns, Sprecher des transregionalen Sonderforschungsbereichs „Grundlagen verständlicher Softwaresysteme“, in dessen Rahmen die Forschung um „LolaDrives“ stattfindet, sagt dazu: „Anhand der Daten möchten wir eine Plattform aufbauen, mit der wir mehr Transparenz und Verständlichkeit in den KFZ-Bereich bringen wollen. Vergangene Skandale haben gezeigt, wozu es führt, wenn Hersteller verantwortungsloses Handeln durch Intransparenz verschleiern können. Wir wollen helfen, Softwareverhalten aufzudecken, das für den Hersteller der Software vorteilhaft, aber für den Benutzer oder die Gesellschaft unerwünscht ist.“

Die RDE-Tests, die mit der App durchgeführt werden, sind rechtlich nicht bindend. „Uns geht es darum, das Informationsbedürfnis der Nutzer zu stillen. Die Ergebnisse unserer RDE-Tests sind plausibel, wenn man sie im Kontext der veröffentlichten Emissions-Daten und Grenzwerte betrachtet. Aber letztendlich sind sie Annäherungen an die ‚echten‘ Tests, die zwingend mithilfe kostspieliger mobiler Mini-Labors durchgeführt werden müssen,“ sagt Professor Holger Hermanns.

„LolaDrives“ ist zurzeit für Android über den Google Playstore erhältlich. Eine Version für Apple-Geräte ist bereits in Entwicklung. Das Projekt verfügt zudem über ein begrenztes Kontingent an Bluetooth-OBD-Adaptern, die interessierten Datenspendern kostenlos zur Verfügung gestellt werden.

Originalpublikation:
Biewer S., Finkbeiner B., Hermanns H., Köhl M.A., Schnitzer Y., Schwenger M. (2021) RTLola on Board: Testing Real Driving Emissions on your Phone. In: Groote J.F., Larsen K.G. (eds) Tools and Algorithms for the Construction and Analysis of Systems. TACAS 2021. Lecture Notes in Computer Science, vol 12652. Springer, Cham.

Externer Link: www.uni-saarland.de

technologiewerte.de – MOOCblick Oktober 2021

Veröffentlicht am von

Spannende Themen, herausragende Dozenten und flexible Lernmöglichkeiten tragen zum wachsenden Erfolg der Massively Open Online Courses (MOOCs) bei – offene, internetgestützte Kurse mit einer Vielzahl an Teilnehmern rund um den Globus.

Folgender Kurs – zu finden auf der MOOC-Plattform edX – sollte einen Blick wert sein:

Beer: the science of brewing
Kevin Verstrepen (KU Leuven) et al.
Start: flexibel / Arbeitsaufwand: 52-78 Stunden

Externer Link: www.edx.org

Allzeit saubere Luft

Veröffentlicht am von

Presseinformation (Forschung Kompakt) der Fraunhofer-Gesellschaft vom 01.10.2021

Durch die Metallbearbeitung mit Laser und Plasma gelangen viele verschiedene Schadstoffe in die Umgebungsluft. Das Fraunhofer-Institut für Werkstoff- und Strahltechnik IWS hat jetzt zusammen mit Partnern eine Filteranlage entwickelt, die sehr effizient die verschiedenen Substanzen aus der Luft entfernt. Sie kann individuell an die verschiedenen Materialien und die jeweils freigesetzten Stoffe angepasst werden. Künftig soll die Technik in weiteren Anwendungen wie der additiven Fertigung zum Einsatz kommen.

Bei der Bearbeitung von Metallen mit Lasern oder Plasma werden Mikropartikel und gesundheitsschädliche Gase und Stoffe freigesetzt. In metallverarbeitenden Betrieben entfernt man die Substanzen in der Regel mit Absaug- und Lüftungsanlagen vom Arbeitsplatz. Wo das nicht möglich ist, tragen Mitarbeiter Schutzmasken. Mit der zunehmenden Automatisierung der Produktion beispielsweise durch Fertigungsroboter rückt der Emissionsschutz heute aber immer wieder einmal in den Hintergrund, wenn Menschen nicht permanent anwesend sind. »Das ist problematisch, weil Mitarbeiter hin und wieder die Räume betreten müssen, um Schäden zu beheben, die Anlage zu warten oder die Qualität der Produkte zu überprüfen«, sagt Jens Friedrich, Gruppenleiter Gas- und Partikelfiltration am Fraunhofer-Institut für Werkstoff- und Strahltechnik IWS in Dresden. »Die Mitarbeiter werden dann im Unklaren darüber gelassen, wie stark die Luft tatsächlich belastet ist.«

Eine Filteranlage für alles

Das Fraunhofer IWS in Dresden hat daher in einem öffentlich geförderten Projekt zusammen mit Unternehmen aus Sachsen eine Filteranlage entwickelt, die die Luft in Produktionsräumen reinigt und dabei eine Vielzahl von Schadstoffen gleichzeitig effektiv bindet. Standard sind heute Aktivkohle-Filteranlagen, die zum Beispiel flüchtige organische Substanzen, die sogenannten VOC, zurückhalten. In metallverarbeitenden Betrieben und Werkstätten kommen aber häufig Substanzen wie Formaldehyd, Stickoxide oder problematische Schwefelverbindungen hinzu. Beim Laserschweißen werden außerdem Mikropartikel aus Metall oder Schweißmaterial frei. Eine Anlage, die alle Substanzen gleichermaßen gut aus der Raumluft entfernt, gab es bislang nicht. Im Projekt MultiFUN haben die Partner erstmals ein solches flexibles Filtersystem entwickelt. Es besteht aus mehreren, einzeln austauschbaren Modulen. Jede Filterebene enthält ein bestimmtes Filtermedium, das spezifisch bestimmte Substanzen aus der Raumluft entfernt. Neben Aktivkohle kommen beispielsweise Zeolithe oder poröse Polymere zum Einsatz, aber auch sogenannte metallorganische Gerüstverbindungen.

Tests von vielen verschiedenen Substanzen

Um die richtige Filtersubstanz zu finden, haben die Forscherinnen und Forscher des Fraunhofer IWS im Labor zunächst eine ganze Reihe an Substanzen darauf hin getestet, wie gut diese die verschiedenen Luftschadstoffe adsorbieren. Die besten Kandidaten wurden dann in den Filteranlagen-Prototypen integriert, den das Unternehmen ULT aus Löbau gefertigt hat. Eine Besonderheit im Vergleich zu herkömmlichen Filteranlagen ist die Messsensorik, die automatisch erkennt, wann das Filtermedium mit Substanzen gesättigt ist und ausgetauscht werden muss. Der Zustand wird optisch über farbige LEDs für jede Filterebene und Schadstoffklasse separat angezeigt. Entsprechend muss auch nur die jeweils betreffende Filterebene ausgetauscht werden.

Besser nicht auf Filteranlagen verzichten

Durch die zunehmende Automatisierung steigt derzeit die Zahl an Fabrikräumen, in denen die Luft nur unzureichend gereinigt wird – beispielsweise auch bei 3D-Fertigungsanlagen. »Das wird unweigerlich zu Konflikten führen, weil es nie ganz ohne Menschen geht«, sagt Jens Friedrich. »Es ist absolut sinnvoll, Filteranlagen einzusetzen, um permanent die Gesundheit der Mitarbeiter zu schützen – auch wenn diese die automatisierten Areale nur gelegentlich betreten.« Bei der additiven Fertigung mit 3D-Laserrobotern kommt hinzu, dass in größeren Mengen Mikropartikel frei werden, die auch den Raum und die Werkstücke verschmutzen, wenn sie sich ablagern. Die Partikel können hochwertige Produkte kontaminieren. Außerdem stellen sie eine Unfallgefahr da, weil man auf den Kügelchen ausrutschen kann, wenn sie sich auf dem Fußboden sammeln.

Zusammen mit mehreren Unternehmen arbeitet das Fraunhofer IWS derzeit an der Entwicklung einer Anlage, die speziell auf die Filterung von Schadstoffen und Substanzen abgestimmt ist, die bei der additiven Fertigung frei werden. »Unser Institut verfügt über Kompetenz in der Laserbearbeitung, über Material-Know-how und über Expertise bei der Entwicklung ganzer Systeme«, sagt Friedrich. »Insofern sind wir der richtige Partner für die Entwicklung solcher Filterlösungen.« Auch für die Fertigung und das Recycling von Batterien sieht er einen wachsenden Bedarf an Filteranlagen, die verschiedene Substanzen aus der Luft entfernen. Insbesondere, weil dort Metalle wie Nickel, Mangan und Kobalt zum Einsatz kommen, die Verbindungen bilden können, die schon bei sehr geringen Dosen gesundheitsgefährdend sind.

Das Projekt MultiFUN wurde durch den Europäischen Fonds für regionale Entwicklung (EFRE) gefördert. Zu den Partnern gehören die ULT AG aus Löbau, die Firma SEMPA SYSTEMS GmbH aus Dresden, der Textilhersteller Norafin Industries GmbH aus Mildenau und das Fraunhofer IWS.

Externer Link: www.fraunhofer.de

Maschinelles Lernen verbessert die biologische Bildanalyse

Veröffentlicht am von

Pressemitteilung der Universität Tübingen vom 09.09.2021

Internationales Forschungsteam entwickelt Algorithmus, der die superauflösende Mikroskopie beschleunigt

Mit der superauflösenden Mikroskopie gewinnen Wissenschaftlerinnen und Wissenschaftler neue Einblicke in die Welt der Zellen und können nanometerkleine Strukturen im Zellinneren erkunden. Das Verfahren hat die Lichtmikroskopie revolutioniert und seinen Erfindern 2014 den Nobelpreis für Chemie eingebracht. Tübinger KI-Forscher haben in einem internationalen Projekt einen Algorithmus entwickelt, der diese Technologie wesentlich beschleunigt.

Eine Art der superauflösenden Mikroskopie ist die sogenannte Einzelmolekül-Lokalisationsmikroskopie (single-molecule localisation microscopy, SMLM). Dabei werden die zu erforschenden Strukturen mit fluoreszierenden Molekülen markiert, von denen zu jedem Zeitpunkt nur eine begrenzte Anzahl mit Licht aktiviert wird. Diese lassen sich dann sehr präzise lokalisieren. Mit diesem Trick werden mehrere Bilder einer einzelnen Probe generiert. Diese Rohdaten werden von einem Computerprogramm ausgewertet und zu einem einzigen aussagekräftigen Bild zusammengesetzt. Mit dieser Technik lassen sich viel höhere Auflösungen erreichen als mit der klassischen Lichtmikroskopie. Doch sie hat einen Nachteil: Es braucht eine große Menge an Bildern, was das Verfahren sehr zeitaufwändig macht.

Das Team von Jakob Macke, Professor für Maschinelles Lernen in der Wissenschaft an der Universität Tübingen, hat in einer internationalen Zusammenarbeit einen neuen Algorithmus entwickelt, der diese Einschränkung der SMLM überwindet. Die gemeinsame Arbeit mit der Ries Gruppe des Europäischen Laboratoriums für Molekularbiologie (EMBL) Heidelberg und dem Team von Dr. Srinivas Turaga vom Janelia Research Campus (Virginia, USA) wurde in der Fachzeitschrift Nature Methods veröffentlicht.

Mit Deep Learning zur hochpräzisen Lokalisierung einzelner Moleküle

Der Algorithmus DECODE (DEep COntext DEpendent) basiert auf Deep Learning: Er nutzt ein künstliches neuronales Netz, das durch Trainingsdaten lernt. Statt mit echten Bildern wird das Netz in diesem Fall jedoch mit synthetischen Daten aus Computersimulationen trainiert. Unter Einbeziehung von Informationen über den Aufbau des Mikroskops und der Physik der Bildgebung erzielten die Forschenden Simulationen, die den realen Aufnahmen sehr ähnlich sind. „Das neuronale Netz, das wir mit Simulationsdaten trainiert haben, ist so in der Lage, fluoreszierende Moleküle auch in echten Bildern zu erkennen und zu lokalisieren“, erklärt Artur Speiser, zusammen mit Lucas-Raphael Müller federführender Autor der Arbeit.

Einer der Vorteile des Algorithmus DECODE: Er kann Fluoreszenzträger bei höheren Dichten lokalisieren, als bislang möglich, sodass weniger Bilder je Probe benötigt werden. Auf diese Weise kann die Bildgebungsgeschwindigkeit ohne nennenswerten Verlust an Auflösung um das bis zu Zehnfache gesteigert werden. Darüber hinaus kann DECODE die Unsicherheiten quantifizieren ‒ das Netzwerk kann also selbst erkennen, wenn es sich in seiner Lokalisierung nicht sicher ist.

Interdisziplinarität erweitert die Perspektiven der Forschung

„Diese Arbeit ist beispielhaft für den Ansatz unseres Exzellenzclusters ‚Maschinelles Lernen: Neue Perspektiven für die Wissenschaft‘“, sagt Macke, dessen Lehrstuhl Teil des Tübinger Clusters ist. „Die Ideen, die diesem Ansatz zugrunde liegen, haben wir ursprünglich in einem ganz anderen Kontext entwickelt. Aber in enger Zusammenarbeit mit Experten für computergestützte Mikroskopie entstanden daraus leistungsstarke Methoden für die Analyse von SMLM-Daten.“ Das Team entwickelte zudem ein Softwarepaket, das den DECODE-Algorithmus verwendet. „Die Software lässt sich einfach installieren und ist kostenlos verfügbar, sodass wir hoffen, dass sie in Zukunft vielen Wissenschaftlern von Nutzen sein wird“, sagt Dr. Jonas Ries vom EMBL.

Originalpublikation:
Artur Speiser, Lucas-Raphael Müller, Philipp Hoess, Ulf Matti, Christopher J. Obara, Wesley R. Legant, Anna Kreshuk, Jakob H. Macke, Jonas Ries & Srinivas C. Turaga: Deep learning enables fast and dense single-molecule localization with high accuracy. Nature Methods.

Externer Link: www.uni-tuebingen.de