News

13. TÜV AUSTRIA Wissenschaftspreis

Am Montag den 25. November 2024 findet der 13. TÜV AUSTRIA Wissenschaftspreis im Kuppelsaal der TU Wien statt.

Flyer TÜV Wissenschaftspreis in weiß und rot; Kopf schemenhaft erkennbar, der sich aus roten Bildpunkten zusammensetzt

© TÜV AUSTRIA

Über 100 Bewerbungen sind für die dreizehnte Auflage des TÜV AUSTRIA Wissenschaftspreises, öffnet eine externe URL in einem neuen Fenster eingegangen, davon gehen neun Projekte in drei unterschiedlichen Kategorien ins Rennen um den diesjährigen Preis.

Die Preisverleihung findet am 25. November um 19:30 Uhr statt und kann via Livestream, öffnet eine externe URL in einem neuen Fenster mitverfolgt werden. Von der TU Wien sind in diesem Jahr gleich Kanditat_innen vertreten:

In der Kategorie „Dissertationen“ 

DI Dr. Lukas Kasper

Improving thermal energy storage via storage retrofit and digital twin technology

Abstract: Um den praktischen Einsatz von Thermischen Energiespeichern zu verbessern, wurden Digital-Twin-Methoden für den intelligenten Betrieb industrieller Energiesysteme entwickelt. Die Arbeit stellt eine praktische Digital-Twin-Plattform vor, welche die Lücke zwischen der neuesten Forschung zu Digitalen Zwillingen in der Informatik und der konkreten Umsetzung und Wertschöpfung in der Energietechnik schließt.

In der Kategorie „Diplomarbeiten/Masterarbeiten“

DI Christina Danecker

Synergieeffekte von laserstrukturierten Metalloberflächen und neuartigen 2D-Materialien zur Steigerung der tribologischen Performance

Abstract: Das Ziel dieser Arbeit besteht darin, die tribologischen Eigenschaften von laserstrukturierten Oberflächen mit verschiedenen Geometrien in Kombination mit MXene Beschichtungen zu evaluieren. Die Forschungsergebnisse stellen einen wichtigen ersten Schritt in der Entwicklung innovativer Implantatmaterialien dar und bieten die Aussicht, die Lebensdauer zu verlängern, Implantatversagen zu verhindern sowie die Notwendigkeit zusätzlicher Revisionen oder Entfernung zu minimieren.

In der Kategorie „Diplomarbeiten/Masterarbeiten“

DI Lorenz Michael Pfanner

Automatic evaluation of experiments based on machine learning

Abstract: Die Arbeit trägt wesentlich zur automatisierten Materialprüfung bei und zeigt das Potenzial von maschinellem Lernen und Bilderkennung für industrielle Anwendungen. Das entwickelte System optimiert die Effizienz und Zuverlässigkeit der Materialtests und reduziert den Bedarf an manueller, zeitintensiver Inspektion. Der entwickelte Ansatz stellt einen bedeutenden Fortschritt in der präzisen und automatisierten Erkennung von Materialversagen dar und bietet wertvolle Einblicke für zukünftige Entwicklungen in der industriellen Materialprüfung.

Herzliche Gratulation den Finalist_innen zur Nominierung.