Das Innovationsfeld Digital Mission bildet das digitale Rückgrat des Ocean Technology Campus. Ziel ist es, hochwertige Umweltdaten, digitale Modelle und KI-gestützte Assistenzsysteme miteinander zu verknüpfen – für präzisere Entscheidungen, effizientere Einsätze und eine nachhaltige Nutzung des Ozeans.
In der Digital Mission schaffen wir die technische Basis für datengetriebene Unterwasseroperationen. Von der Entwicklung digitaler Zwillinge über smarte Sensorik bis hin zu neuen Standards für Datenverarbeitung und Kommunikation entstehen hier die Werkzeuge für die nächste Generation maritimer Technologie.
Digitale Zwillinge zur Analyse und Vorhersage von Zuständen und Prozessen unter Wasser
KI-gestützte Objekterkennung und Lokalisierung auf Basis neuronaler Netze
Autonome Sensorik und nutzerzentrierte Assistenzsysteme für den Unterwassereinsatz
Kommunikations- und Schnittstellenstandards, inklusive Ansätze für ein Underwater Internet of Things (UIoT)
Simulations- und Dateninfrastruktur, z. B. für synthetische Trainingsdaten oder Fehlerabschätzung
Bereits in der ersten Förderphase wurden zentrale Grundlagen gelegt:
Digitale Assistenzsysteme für ROV-Missionen
Open-Source-Simulationswerkzeuge
Kommunikationsbojen zur Datenerfassung und -übertragung
Modelle zur Ankerketten-Klassifikation und Faunabestimmung
Konzepte für digitale Habitate
In der neuen Projektphase setzen wir auf:
Den Aufbau eines gemeinsamen digitalen Basismodells für den gesamten Campus
Den Einsatz generativer KI zur Erzeugung synthetischer Daten
Probabilistische Modelle zur Einschätzung von Messunsicherheiten
Die Integration neuer Kommunikationsstandards, wie 5G und quantenkryptografische Verfahren (in Kooperation mit assoziierten Projekten)
Digital Mission verbindet reale Umweltdaten mit digitalen Modellen und Assistenzsystemen. Damit schaffen wir die Voraussetzung für eine vernetzte, autonome und nachhaltige Nutzung des Meeres – in Forschung, Industrie und Umweltmonitoring.
Wie in den meisten Industriezweigen sind die Digitalisierung und das sogenannte Internet of Things bestimmende Entwicklungen. Der Zugang zu hochwertigen digitalen Daten und deren effiziente Auswertung sind die Basis für die Erschließung neuer Rohstoffe oder auch die kostengünstige Wartung von Unterwasserbauwerken. So rückt die digitale Unterwassertechnik international immer stärker in den Fokus der Akteure. Marktpotenziale für Analytic Computing ergeben sich beispielsweise durch den Trend zum Einsatz der AUVs: Ohne eine umfassende und effiziente Auswertung der Sensordaten können die Fahrzeuge ihre Umwelt nicht wahrnehmen und Missionen nicht erfolgreich durchführen, da die fehlende Breitbandverbindung eine Echtzeit-Entscheidung durch Remote-Experts verhindert. Das Flagship-Projekt OTC-DaTA widmet sich den architektonischen und algorithmischen Aspekten des Analytic Computing, ergänzt um die Fokus-Projekte OTC-STONE im Bereich der Hydrographie, OTC-motionProbe für einen kostengünstigen digitalen Sensor für Wellenbewegung mit hoher Standzeit, OTC-SMOC für die Simulation frei hängender Unterseekabel und OTC-Tracker für den digital-gestützten Prozess der Planung, Überwachung und Auswertung von Unterwasser-Missionen.
Virtuelle digitale Abbilder (Digital Twin) können unter Einbeziehung von Kontextdaten dazu beitragen, Unterwassersysteme sowie deren Verhalten und Einsatz besser zu verstehen, vorherzusagen und zu optimieren. Missionen können genauer geplant und spezielle Anwendungsfälle ermöglicht werden. Hier spielen Standards in Bezug auf Datenauszeichnung und Serviceschnittstellen eine große Rolle. Wichtige Vorarbeiten laufen aktuell insbesondere in der AG Datenmanagement der Dt. Allianz Meeresforschung sowie im Kontext der nationalen Forschungsdateninfrastruktur. Die in drei Jahren verfügbaren Lösungskonzepte der (Meeres-)Forschung sollen in Phase 2/3 für die kommerzielle Anwendung erweitert und erprobt werden. Ziel ist der Aufbau einer Datenökonomie für den Unterwasserbereich – ein Markt, der Stand heute noch nicht existiert und der schwer quantifizierbar ist.
Ein „Internet of Underwater Things“ ist allerdings nur mit einer adäquaten Unterwasserkommunikation - samt den kritischen Faktoren Reichweite und Bandbreite - sowie einem effizienten System zur Speicherung, Verarbeitung und Analyse von Daten umzusetzen. KI-gestützte Systeme können dabei helfen, die von verschiedenen Sensorsystemen generierten großen Datenmengen auszuwerten und zu korrelieren. Nur so werden Unterwasserfahrzeuge künftig ihre eigene geographische Position innerhalb eines Unterwassernetzwerkes bestimmen und damit effizient autonom agieren können. Optische Verfahren befinden sich momentan noch in der Forschung. Die UW-Kommunikation wird aktuell an der Universität Rostock ausgebaut und soll ab Phase 2 auch im Zukunftscluster bearbeitet werden.
Im Projekt DaTA2Model entsteht ein generisches, KI-basiertes Basismodell für den Ocean Technology Campus Rostock – als Grundlage für digitale Zwillinge und intelligente Analysewerkzeuge im maritimen Umfeld.
Ziel ist die Entwicklung von „Living Probabilistic Twins“: dynamische, probabilistische Modelle, die maritime Sensordaten interpretieren, Unsicherheiten quantifizieren und zukünftige Zustände voraussagen können.
Durch modulare Softwarearchitekturen und standardisierte Schnittstellen können Clusterpartner schnell auf anwendungsspezifische Anforderungen reagieren und eigene KI-Anwendungen entwickeln – vom Monitoring kritischer Infrastrukturen bis zur Habitatmodellierung.
Guntram Flach
Fraunhofer-Institut für Graphische Datenverarbeitung IGD
Joachim-Jungius-Straße 11
18059 Rostock
per E-Mail kontaktieren
Aufbau eines generischen KI-Basismodells für den Cluster, das wie ein ChatGPT-ähnliches Modell schnell auf spezifische Fragestellungen trainiert werden kann.
Entwicklung eines probabilistischen Digitalen Zwillings, der Sensordaten analysiert, Unsicherheiten quantifiziert und zukünftige Entwicklungen abschätzt.
Unterstützung bei der schnellen Reaktion auf Kundenanfragen durch Feintuning.
Nutzung digitaler Zwillinge zur Bewertung und Verbesserung der Datenqualität bei maritimer Sensorik.
AP1 – Anforderungsanalyse: Sammlung von Use Cases, Aufbau der Trainingsumgebung, Definition von Datenstrukturen.
AP2 – Konzeption & Datenerhebung: Entwicklung eines clusterweit nutzbaren Daten- und Annotationssystems, Definition der Softwarearchitektur.
AP3 – Modellbildung: Training und Bereitstellung von Basismodellen zur 3D-Objekterkennung, Segmentierung, Klassifikation etc.
AP4 – Demonstration & Evaluation: Aufbau interner und externer Demonstratoren, die Anwendung der entwickelten Tools zeigen.
Basismodelle mit modernen KI-Methoden: z.B. Contrastive Learning, Masked Image Modeling
Edge-KI-Anwendungen: z.B. für autonome Unterwasserfahrzeuge
Explainable AI & Generative Modelle zur besseren Interpretation und Datengenerierung
Modulare Architektur: zur einfachen Anbindung weiterer Projekte aus dem Cluster
Beitrag zur Vision eines „Digitalen Ozeans“ durch die Integration von KI, Datenanalyse und Digital Twin-Konzepten im maritimen Kontext.
Bezug zur UN-Ozeandekade und Horizon 2020-Zielen für transparente und zugängliche Meere.
2024–2027
Koordination: Fraunhofer IGD, Rostock
Partner: Planet AI, EvoLogics, GEO-DV, Subsea Europe Services, Universität Rostock, IOW
DaTA2Model ist Teil des Innovationsfelds Digital Mission im Ocean Technology Campus Rostock.
Im Projekt OTC-SMART entsteht eine innovative Assistenzsoftware, die hydroakustische Daten bereits während der Erhebung automatisiert analysiert und bewertet. Die Lösung verknüpft Sensorik, Steuerungssysteme und externe Datenquellen – z. B. Wetterdaten – zu einem intelligenten Assistenzsystem für maritime Anwendungen.
Entwicklung einer KI-basierten Assistenzsoftware, die es ermöglicht, hydroakustische Daten bereits während der Erhebung automatisiert zu verarbeiten, zu analysieren und zu bewerten. Ziel ist eine intelligente, autonome Entscheidungsunterstützung für maritime Anwendungen in Echtzeit – z. B. für die Kartierung des Meeresbodens oder die Überwachung mariner Infrastrukturen.
Integration von Sensorik, Steuerungssystemen und externen Datenquellen (z. B. Wetter)
Modulare KI-Assistenzsoftware zur Unterstützung von Missionsplanung und Datenerhebung
Echtzeitanalyse und automatisierte Qualitätskontrolle der Messdaten
Einbindung in bestehende Systeme zur einfachen Anwendung auf See
Software-Prototyp bis Mitte 2027
Marktreife Version bis Ende 2027
Verknüpfung mit weiteren Projekten im OTC-Cluster, u. a. DaTA2Model und Tracker2Service
Beitrag zur nachhaltigen, effizienten Nutzung und Vermessung der Ozeane
OTC-SMART stärkt die Wettbewerbsfähigkeit maritimer Technologien „made in MV“, schafft Transferbrücken zwischen Forschung, Behörden und Industrie – und bringt KI-basierte Entscheidungsunterstützung direkt aufs Wasser.
Laufzeit: 2025–2027
Koordination: Subsea Europe Services GmbH
OTC-SMART ist Teil des Innovationsfelds Digital Mission im Ocean Technology Campus Rostock.
Automatisierte Strukturoptimierung für Floating Offshore Wind
Schwimmende Windenergieanlagen sind ein Schlüssel zur nachhaltigen Energiewende auf hoher See – doch ihre Konstruktion ist komplex, standortspezifisch und bislang aufwändig. Das Projekt OTC-GEN entwickelt ein softwaregestütztes Verfahren zur automatisierten, optimierten Auslegung solcher Anlagen – bis hin zum FEED-Level (Front-End Engineering Design).
Im Fokus steht ein genetischer Algorithmus, der eine Vielzahl an Parametern – von Geometrie über Lastannahmen bis hin zu Infrastrukturbedingungen – in einem systematischen Optimierungsprozess zusammenführt. So können technische, wirtschaftliche und ökologische Anforderungen effizient miteinander in Einklang gebracht werden.
Hannes Panwitt
GICON - Großmann Ingenieur Consult GmbH
Carl-Hopp-Str. 4
18069 Rostock
per E-Mail kontaktieren
OTC-GEN entwickelt Methoden und Softwaretools zur automatisierten standortspezifischen Dimensionierung und Optimierung schwimmender Windenergieanlagen bis zum FEED-Level. Diese Anlagen sind entscheidend zur Erreichung der Klimaziele und zur Umsetzung des Green Deals der EU.
Durch den Einsatz genetischer Algorithmen wird eine optimierte Auslegung verschiedener Unterstrukturkonzepte ermöglicht, angepasst an spezifische Standorte, Umgebungsbedingungen und Infrastrukturvorgaben.
Arbeitspakete: Das Projekt ist in vier aufeinanderfolgende Arbeitspakete (APs) gegliedert:
Aufbau einer Datenbank relevanter Unterstrukturtypen
Geometrische Modellierung (Beispiel: GICON TLP)
Entwicklung des genetischen Algorithmus
Tool-Architektur & GUI-Konzeption
Konzeption eines Testprogramms
Programmiertechnische Realisierung der Architektur & des genetischen Algorithmus
Umsetzung der Programmmodule (z. B. GUI, Datenbank)
Tests an drei potenziellen Floating Offshore Wind-Standorten
Durchführung erster Optimierungsloops
FEED-Level-Datenbank
Konzeption weiterer Module: Geometrie, Load SIM, HYDRODYN, STRUCTURE
GUI- und Visualisierungsdesign
Definition eines umfangreichen Testprogramms
Programmierung des FEED-Tools und aller Module
Integration der Module in die Gesamtarchitektur
Weitere Optimierungsloops
Umfangreiche Validierung anhand realer Standorte
Genetischer Algorithmus zur strukturellen Optimierung
Vollautomatisierte Dimensionierung von Offshore-Floating-Strukturen
Modularer Tool-Aufbau mit Integration in Digital Mission des OTC
Beitrag zur CAPEX-Reduktion in der Floating-Offshore-Windindustrie
Wissenschaftlich: Integration in Lehre, Promotionen, Publikationen
Wirtschaftlich: Lizenzierung des Tools, Dienstleistungsangebote
Beitrag zur Industrialisierung schwimmender Windenergieanlagen
Laufzeit: 2024–2027
Koordination: Universität Rostock – Lehrstuhl Meerestechnik
Digitale Zwillinge für Offshore-Inspektionen
Wie kann man komplexe Unterwasserinspektionen effizienter, sicherer und datengetrieben gestalten? Mit einem digitalen Zwilling.
Im Projekt OTC-Tracker2Service entsteht ein innovatives System zur Planung, Durchführung und Analyse von Offshore-ROV-Missionen auf Basis eines kontextsensitiven Digitalen Zwillings.
Aufbauend auf dem in Phase 1 entwickelten ROV-Assistenzsystem OTC-Tracker, wird ein modulares Service-Toolkit entwickelt, das es erlaubt, Missionsdaten in Echtzeit zu erfassen, zu analysieren und auf unterschiedliche Nutzerbedürfnisse hin aufzubereiten – auch unter schwierigen Verbindungsbedingungen.
Dr.-Ing. Steve Dübel
Fraunhofer IGD
Joachim-Jungius-Straße 11
18059 Rostock
+49 381 40 24 452
per E-Mail kontaktieren
Ziel ist die Entwicklung eines marktfähigen digitalen Zwillings für komplette ROV-Inspektionsmissionen im Offshore-Bereich. Dieser Digitale Zwilling (DT) erfasst Daten während Planung und Durchführung automatisiert und bereitet sie kontextbasiert auf. Die Lösung basiert auf dem in Phase 1 entwickelten ROV-Assistenzsystem „OTC-Tracker“ und soll als modularer Service nutzbar sein – sowohl in Breitband- als auch in Schmalbandumgebungen.
Entwicklung eines adaptiven, kontextsensitiven digitalen Zwillings für Offshore-ROV-Missionen
Verknüpfung von ROV-Assistenzsystem mit einem DT für Einsatzplanung, Durchführung und Dokumentation
Edge-/Fog-/Cloud-basierte Client-Server-Infrastruktur zur Datenspeicherung und -verarbeitung
Einsatz in Breitband- (onshore) und Schmalbandumgebungen (offshore)
Umsetzung als skalierbares Service-Toolkit zur missionsbezogenen Unterstützung
Einsatzmöglichkeiten für die Wartung und Inspektion von Offshore-Anlagen
Modularisierung und Visualisierung von Missionsdaten
semantische Aufbereitung von Sensordaten
Kombination von Echtzeitfähigkeit und nachträglicher Analyse
Synchronisation unterschiedlich aufgelöster digitaler Abbilder
Integration von AI/ML-Methoden zur Datenanalyse
Das Projekt ist ein zentraler Baustein im Innovationsfeld Digital Mission und eng verzahnt mit den Projekten OTC-DaTA2Model (Flagship-Projekt), OTC-Base2Swarm sowie OTC-ReefMonitor. Es übernimmt damit eine Brückenfunktion im Cluster zwischen Datenhaltung, Missionsunterstützung und Anwendungsfeldern wie kontinuierliches Monitoring und Offshore-Inspektionen.
Reduzierung von Personal- und Ressourceneinsatz durch optimierte Einsatzplanung
Erhöhte Sicherheit, Qualität und Effizienz bei Unterwassereinsätzen
Marktchancen durch vollständigen Serviceansatz und modulare Verwertbarkeit
Beitrag zum Schutz der marinen Umwelt durch datenbasierte Entscheidungsprozesse
