Am 4. Mai 2026 war es soweit: dataTUdiscovery hob mit einem erfolgreichen Kick-Off ab. Passend zum Namen – erinnert „Discovery" doch in gewisser Weise an die legendäre Raumfähre – soll dieses fuTUre fit-Projekt den Weg in eine KI-gestützte Forschungszukunft öffnen. Ohne Schwerelosigkeit, aber mit viel Schwung.

dataTUdiscovery ist im Rahmen des fuTUre fit-Prozesses der TU Wien entstanden und trägt direkt zur Umsetzung des Ziels Nr. 4 bei, das digitale Transformation als strategische Priorität der TU Wien sieht. Dabei sieht die TU Wien digitale Technologien nicht nur als Forschungsgegenstand, sondern sich selbst als Vorreiterin der digitalen Transformation. Das Service Center dataTUdiscovery versteht sich als Schnittstelle zwischen den Fachdisziplinen und KI-Expertise und verfolgt das Ziel, KI-Lösungen praxisnah und fachspezifisch zu entwickeln: Statt isolierter Einzellösungen entsteht ein ständig wachsender Baukasten an wiederverwendbaren Workflows für die gesamte Universität.

Der folgende Steckbrief gibt einen Überblick über Projektstruktur, Beteiligte und aktuelle Entwicklungen:

Steckbrief

Projektleitung: Esther Heid
Co-Leitung: Kristof Meixner

Wer arbeitet an dem Projekt mit?

Das dataTUdiscovery Service Center ist eine fakultätsübergreifende Initiative aller acht Fakultäten der TU Wien, von Chemie und Informatik über Physik, Mathematik und Elektrotechnik bis hin zu Maschinenbau, Bauingenieurwesen und Architektur. Geleitet wird dataTUdiscovery durch Esther Heid und Kristof Meixner, ergänzt durch ein breites Netzwerk aus Professor_innen und Forscher_innen der jeweiligen Fakultäten und Studierendenvertretungen. Die enge Anbindung an das Center for Artificial Intelligence and Machine Learning (CAIML) stellt die fachliche Exzellenz im Bereich KI sicher:

Kernteam: Esther Heid, Kristof Meixner, Allan Hanbury, Peter Filzmoser, Fazel Ansari, Stefan Biffl, Florian Libisch, Lado Filipovic, Nikolaus Popper, Julian Ebner
Erweitertes Team: Nysret Musliu, Thomas Gaertner, Sabine Andergassen, Andreas Koerner, Martin Schobben, Christian Schaefer, Christian Pichler, Carina Karner, Stefanie Elgeti, Gerald Schweiger, Maren Podewitz, Georg Ramer, Dominik Stolzenburg, Stefan Pfluegl, Kristina Orehounig, Dominic Waldhoer, Florina Piroi, Ernst Haunschmid, Daniel Niederlechner, Fachschaft Technische Chemie, Fachschaft Business Informatics/Data Science, (HTU)

An wen richtet sich das Projekt?

Das Projekt unterstützt Forschende und Forschungsgruppen der TU Wien dabei, KI praxisnah in ihre wissenschaftlichen Arbeitsabläufe zu integrieren, ohne selbst KI-Expert_innen werden zu müssen. Zielgruppen sind etwa experimentelle und angewandte Disziplinen mit hohem Daten-, Simulations- oder Analysebedarf. Gleichzeitig profitieren Studierende, die in realen Forschungsprojekten praktische Research+KI-Erfahrung sammeln.

Was macht das Projekt besonders?

dataTUdiscovery fungiert als universitätsweites Service Center zur Übersetzung zwischen Fachwissenschaften und KI. Statt punktueller Beratung bietet das Projekt strukturierte Projektbegleitung, Prototyping und wiederverwendbare Workflows, etwa über TU Cookbooks. Dadurch entsteht nachhaltiger Mehrwert über einzelne Projekte hinaus und ein wachsender Baukasten an Research+KI-Lösungen für die TU Wien.

Welche Veränderungen wird das Projekt an der TU Wien bewirken?

Das Projekt zielt darauf ab, die Eintrittshürden für die KI-Nutzung zu senken und Research+KI dauerhaft in der Forschungskultur der TU Wien zu verankern. Es soll die Effizienz im Einsatz von Labor- und Rechenressourcen steigern, die Wettbewerbsfähigkeit bei Drittmittelanträgen erhöhen und interdisziplinäre Zusammenarbeit fördern. Langfristig positioniert sich die TU Wien damit sichtbar als kompetitiver Standort für angewandte KI in den Ingenieur- und Naturwissenschaften.

Wie ist der aktuelle Stand, welche Schritte stehen an?

dataTUdiscovery ist als Projekt aufgebaut, dazu gehören Webseite und Mailingliste genauso wie die Vorstellung des Projektes im jeweiligen Rat der Fakultäten für Informatik, Technische Chemie sowie Maschinenwesen und Betriebswissenschaften. Auch personell ist das Projekt gut aufgestellt: mit Catharina Hollauer (vorm. Georgia Tech) und Christian Fellinger (vorm. Uni Wien) sind ab 1. Juli 2026 zwei erfahrene Senior-Scientists im Team.
Wichtig waren Vernetzungstreffen mit ähnlichen Initiativen wie der Comet Center Area Data Science des Software Competence Center Hagenberg (SCCH), dem (AIC) und Competence Center Applied AI and Scientific Computing der WU Wien. Um die Fakultät für Architektur und Raumplanung stärker einzubinden, fand ein Treffen mit PhD Studierenden statt. Dabei ging es darum, wie ML und AI in der Forschung und Lehre in Architektur und Raumplanung eingesetzt werden kann. Zusätzlich fand ein Treffen mit einem potenziellen Firmenpartner aus dem Bereich Produktionssysteme statt. Auf der Forschungsförderungsseite konnte im Rahmen von dataTUdiscovery der WWTF DARE Projektantrag dataTUtransform, in dem wiederverwendbare reproduzierbare ML/AI-Artefakte erforscht werden sollen, erfolgreich eingeworben werden. Auf Projektebene wurde ein strukturierter Intake-Prozess definiert und eine Infrastruktur für Wissensmanagement und Projekte aufgesetzt. Wir konnten weiters drei Projekte zu Peptid-Folding, Klassifikation von Biosensordaten und Sammlung von experimentellen Daten und zwei zusätzliche Projekte starten, die von studentischen Arbeiten unterstützt werden. Auch in die Lehre findet das Projekt Eingang: dataTUdiscovery wird in Lehrveranstaltungen eingebaut und Studierende können Arbeiten im Rahmen dessen verfassen.

Links

• Weitere Infos zu dataTUdiscovery (Link)
• Center for Artificial Intelligence and Machine Learning (CAIML, Link)