Forschung

Es besteht – weltweit und in Österreich – eine deutlich steigende Nachfrage nach Gebäudekühlung. Sie ist getrieben aus einer Kombination aus steigendem Wohlstand, Urbanisierung, demografischen Entwicklungen und nicht zuletzt Klimawandel. Gleichzeitig ist, und das ist der Hintergrund der Ausschreibung der gegenständlichen F&E-Dienstleistung, der aktuelle Wissensstand noch nicht ausreichend, um daraus konkrete Schlussfolgerungen für Politik und Verwaltung abzuleiten oder technologische Innovationen anzustoßen. Entsprechend der Ausschreibung ist es daher das Projektziel, erstens den zukünftigen Gebäude-Kältebedarf von Gebäuden und Quartieren für Österreich darzustellen und zu quantifizieren, zweitens Entscheidungsträger:innen bei der Entwicklung von Klimaschutzmaßnahmen und Klimawandelanpassungsstrategien zu unterstützen und drittens Energieversorgern sowie Technologie- und Komponentenherstellern eine Abschätzung zum Kältebedarf der Zukunft liefern. Diese Ziele werden erreicht durch erstens eine systematische Aufarbeitung der Bildungsfaktoren des steigenden Kühlbedarfs, zweitens eine Szenarioanalyse des Kühlbedarfs vor dem Hintergrund unterschiedlicher Klimaszenarien, Gebäudestrukturen und Komfortanspruchsniveaus, drittens eine strukturierte techno-ökonomische Technologieanalyse und viertens eine exemplarische Anwendung der Erkenntnisse auf fünf exemplarische Quartiere. Aus den Ergebnissen werden aussagekräftige, ziegruppenspezifische Schlussfolgerungen und Handlungsempfehlungen erarbeitet. Insbesondere werden die Kältebdarfsszenarien in Kältebedarfskarten umgesetzt.

Das Ziel des Vorhabens besteht darin, die Ermüdungsfestigkeit im Bereich sehr hoher Belastungszyklen für aufgekohlten und pseudo-aufgekohlten Getriebestahl unter Verwendung bruchmechanischer Modelle zu evaluieren. Dazu werden Versuche mit dem Ultraschall-Ermüdungsverfahren bei unterschiedlichen Mittelspannungen durchgeführt, um die Dauerfestigkeiten und die Schwellwerte des Spannungsintensitätsfaktor für lange Risse zu bestimmen.

Die Molekularinformatik hat sich in den letzten Jahren von einer Nischendisziplin zu einer treibenden Kraft der Erforschung und Entwicklung funktioneller kleiner Moleküle wie Medikamente und Agrochemikalien entwickelt. Fortschrittliche Algorithmen sowie leistungsstarke Computerhardware eröffnen beispiellose Möglichkeiten für das gezielte Design sicherer und wirksamer kleiner Moleküle. Das volle Potenzial computergestützter Methoden in den Biowissenschaften ist jedoch noch lange nicht ausgeschöpft. Einer der Hauptgründe für diese Situation ist die Tatsache, dass die leistungsstärksten Technologien in der Molekularinformatik, insbesondere im maschinellen Lernen und in der Simulation, auf die Verfügbarkeit erheblicher Mengen qualitativ hochwertiger Daten für Entwicklung und Validierung angewiesen sind. Trotz kürzlich gestarteter Initiativen zur Förderung der gemeinsamen Forschung und des Lernens bleibt die überwiegende Mehrheit hochwertiger chemischer, biologischer und struktureller Daten hinter Unternehmens-Firewalls und unzugänglich für die Forschung durch Experten in der Wissenschaft. Diese Initiative für das Christian-Doppler-Labor für Molekularinformatik in den Biowissenschaften zielt darauf ab, die Grenzen des maschinellen Lernens und der Molekulardynamik-Simulationstechnologien für die Vorhersage der Bioaktivität kleiner Moleküle zu erweitern, indem sie drei akademische Experten-Forschungsgruppen der unterstützt mit Big Data zu den chemischen und biologischen Eigenschaften kleiner Moleküle und mit erheblichen Kapazitäten für experimentelle Tests und Methodenvalidierung. Die einzigartige Synergie, die durch dieses Konsortium generiert wird, ergibt sich aus zwei wichtigen Faktoren: Erstens haben die beiden Industriepartner dieses Konsortiums ein starkes Interesse an der Cheminformatik, aber ihre Geschäftsbereiche stehen nicht in Konkurrenz zueinander. Zweitens, und aus wissenschaftlicher Sicht sehr wichtig, konzentrieren sich diese Industriepartner auf unterschiedliche Bereiche der Chemie, was Wissenschaftlern eine einzigartige Gelegenheit eröffnet, die Kapazität und Anwendbarkeit von In-Silico-Methoden mit einzigartig vielfältigen, hochwertigen Daten zu verbessern.