Fachrichtung Systems Engineering
Naturwissenschaftlich-Technische Fakultät
Sprache auswählen
Bitte schon heute den Termin vormerken!
Mehr Infos: https://dechema.de/dss18.html
Künftig sollen Sensoren Krankheiten wie Krebs am Geruch erkennen und Umweltgifte erschnüffeln. Im Gespräch mit Wissenschaftsjournalist Tim Schröder konnte ich erklären, wie weit die künstlichen Nasen bereits entwickelt sind und welche technischen Hürden es noch zu überwinden gilt. Und auch, warum wir selber den Begriff "künstliche Nase" oder "elektronische Nase" eher vermeiden und lieber von Gasmesstechnik oder - da wo es wirklich um Geruch geht - von Instrumentasl Odor Monitoring Systems - IOMS sprechen.
Foto: Iris Maurer
Im Gespräch haben wir es tatsächlich geschafft, den weiten Bogen zu spannen von den Grundlagen der Sensorik und den Unterschieden zu unserer Nase über bereits etablierte Anwendungen - speziell die Branderkennung in Kohlekraftwerken - bis zu zukünftigen. Das ist für einen Forscher natürlich immer das schönste: was wollen wir lösen? Woran arbeiten wir gerade? Auch die Lebensmittelanwendung kam zur Sprache, zu der es ja vor kurzem einen eigenen Podcast gab:
Parallel erschien in Bild der Wissenschaft, Ausgabe April 2026, ein ausführlicher Artikel von Tim Schröder über unsere Forschung unter der Überschrift
"Ein künstlicher Geruchsinn aus elektronischen Sensoren soll dabei helfen, verdorbene Lebensmittel aufzuspüren, Schadstoffe oder Drogen zu entdecken und Krankheiten in der Atemluft zu erschnüffeln."
Bereits etwas älter ist der Podcast "Digitale Nase: Wie Sensorik gute Innenraumluft steigert" aus der Reihe Technik aufs Ohr des VDI.
Macht immer wieder Spaß. ist aber kein Selbstzweck: wir hoffen, damit vor allem wissenschaftlichen Nachwuchs zu begeistern, denn nur mit motivierten Studierenden und Doktorand*innen können wir unsere Visionen in die Realität bringen. Aktuell haben wir wieder Stellen ausgeschrieben!
Wie stellen wir uns eine zukunftsfähige Ernährung vor? Vielleicht mit Gemüse aus „essbaren Städten“, regionalem Bio-Fleisch in der Kantine und Algen vom Bauernhof? Auf jeden Fall mit gutem Essen für alle. Mit mehr Wertschätzung und weniger Verschwendung von Lebensmitteln. Wie kommen wir dahin? Welche guten Beispiele gibt es schon? Und wie kann jede und jeder selber aktiv werden und eine lebenswerte Zukunft mitgestalten?
Überall in Deutschland machen sich bereits Menschen für nachhaltiges Essen stark. Sie zeigen, was schon heute möglich ist und was in naher Zukunft. Sie machen Mut und motivieren zum Mitmachen und Nachmachen. Sei es durch das persönliche Essverhalten, in Initiativen, eigenen Projekten oder im Beruf.
Auf der Fachkonferenz „Edge-Computing 2025: Von der Forschung zur Anwendung“ präsentierte das Edge-Power Konsortium seine gemeinsam erzielten Projektergebnisse. Diese Video-Präsentation ist auch öffentlich verfügbar bei Youtube.
Der Beitrag des Lehrstuhls für Messtechnik waren interpretierbare und energieeffiziente ML-Algorithmen, wobei unser FESC/R (Feature Extraction, Selection and Classification/Regression) Ansatz als tiefe neuronale Netzwerke repräsentiert wurde, um besonders effizient auf AI-Beschleunigern ausgeführt zu werden (im Video dargestellt ab Minute 10:00). Wir danken allen Partnern für die hervorragende Zusammenarbeit.
At the conference “Edge Computing 2025: From Research to Application,” the Edge-Power Consortium presented its joint project results. This video presentation is also publicly available on YouTube.
The Chair of Measurement Technology contributed interpretable and energy-efficient machine learning algorithms, with our FESC/R (Feature Extraction, Selection and Classification/Regression) approach represented as deep neural networks for particularly efficient execution on AI accelerators (presented in the video starting at 10:00). We thank all partners for the excellent collaboration over the course of this project.
Weitere Veröffentlichungen aus dem Edge-Power Projekt / further publications from the Edge-Power project:
Das Projekt Edge-Power wurde gefördert vom Bundesministerium für Forschung, Technologie und Raumfahrt (BMFTR) in der Fördermaßnahme „Elektroniksysteme für vertrauenswürdige und energieeffiziente dezentrale Datenverarbeitung im Edge-Computing (OCTOPUS)“.
The Edge-Power project was funded by the Federal Ministry for Research, Technology and Space (BMFTR) in the funding measure “Electronic systems for trustworthy and energy-efficient decentralized data processing in edge computing (OCTOPUS)”.
Auf Basis der Pressemitteilung der Universität hat der Saarländische Rundfunk im Aktuellen Bericht über unsere Forschung gemeinsam mit den Kollegen des Uniklinikums Homburg berichtet:
Aktueller Bericht vom 29.09.2025
Auch SR Info berichtet auf ihrer Webseite:
Forscher an der Uniklinik in Homburg haben ein Verfahren entwickelt, mit dem sie Schweinelungen künstlich am Leben halten können, um Wirkstoffe zu testen. Das soll Tierversuche teilweise ersetzen.
Das Forschungsprojekt ist interdisziplinär. Auch Messtechniker aus der Ingenieurswissenschaft sind involviert. Diese untersuchen beispielsweise Gasproben, also auch die Atemluft, auf Inhaltstoffe. Daraus lassen sich Rückschlüsse auf Wirkung, Dosierung und Verträglichkeit von Wirkstoffen gewinnen.
In Kürze wird das Team auf einem internationalen Kongress Ergebnisse vorstellen. Außerdem arbeitet es an einer zweiten Anlage, die eine Lunge 24 Stunden am Leben halten kann. Am Anfang der Forschung "überlebte" die Lunge übrigens nur zehn Minuten. Das war zu kurz für genauere Untersuchungen.
Im Jahresbericht 2024 des ZeMA mit dem Titel Forschung. Innovation. Zukunft. berichten die dort aktiven Arbeitsgruppen über ihre Tätigkeit.Unsere Gruppe Data Engineering and Smart Sensors (inzwischen umbenannt in Multimodal Smart Sensors) ist Teil des Bereichs Smart Sensors und beschäftigt sich mit der Analyse von Sensor- und Maschinensignalen mittels maschinellem Lernen (ML), speziell für das Condition Monitoring, aber auch die prozessbegleitende Qualitätskontrolle. Dabei decken wir von der Daten- und Versuchsplanung über das Training bis zur Integration alle Schritte ab und sind der ideale Partner für industrielle ML-Anwendungen.