Das Ziel des Anwendungsprojekts IVC Multi ist die Erforschung neuartiger intelligenter Visual Computing-Methoden zur Unterstützung der Entscheidungsfindung in der Automobilindustrie, der Medizin und den Biowissenschaften auf Basis von Ensembles heterogener, multiskaliger und/oder multitemporaler Daten.
Das Ziel des Projekts IVC Stream ist die Erforschung neuartiger Visual Computing-Lösungen für Simulations- und Messdaten.
Dieses Projekt IVC Image zielt auf die Beschleunigung und Automatisierung bildbasierter Entscheidungsfindung mit einem Anwendungsschwerpunkt in der Medizin sowie Recycling- und Qualitätssicherungsprozesse in der Fertigung.
Das strategische Projekt IVC Complex ist der Dreh- und Angelpunkt für die Realisierung des flächendeckenden intelligenten Visual Computing-Ansatzes für Analytik und Modellierung auf der Basis von Ensembles aus dichten rasterbasierten Daten, abgeleiteten Daten und digitaler Einbettung.
Das Forschungsziel von AMASE ist die Entwicklung von Werkzeugen und Methoden zur Aufnahme, Verarbeitung, Visualisierung und Manipulation heterogener, großräumiger Geodaten, bei welchen es sich um die ständig aktualisierte Darstellung der realen Welt in Form eines sich entwickelnden digitalen Zwillings handelt.
Im Projekt Raincloud wird die Simulationssoftware Visdom zur Bewältigung der sich mehrenden Herausforderungen in der Wasserplanung und dem Katastrophenschutzmanagement angesichts des Klimawandels optimiert und erweiter.
Das Forschungsziel des Projekts Ingress besteht darin, die Prozesse von Data Scientists, die mit Industrie 4.0- und IoT-Daten arbeiten, zu beschleunigen, indem eine engere Integration der visuellen Analyse in bestehenden Arbeitsabläufe ermöglicht wird.
Das RAILING-Projekt beschäftigt sich mit der Erforschung und Entwicklung von interaktiven, skalierbaren und vertrauensschaffenden Visualisierungs- und Analysewerkzeugen für die Exploration von zeitabhängigen und komplexen Daten.
Das Hauptziel dieses Projekts ist es, eine zuverlässige Entscheidungshilfe für große Infrastrukturprojekte zu ermöglichen, indem Lösungen für eine gemeinsame visuelle Analyse von digitalen Zwillingen bereitgestellt werden.
Das Ziel des strategischen Projekts ARCS ist der Entwurf von Software-Architekturen, die interaktive Visualisierungssysteme in die Lage versetzen, große Mengen und Geschwindigkeiten räumlicher und damit verbundener nicht-geometrischer Daten aufzunehmen.
Mit Hilfe des Einsatzes von Augmented Reality-Technologie wird im Projekt MARAMT ein Software-Framework entwickelt, das den Aufwand für die Arbeit mit bestehenden und zukünftigen komplexen cyber-physikalischen Systemen erheblich reduziert.
Im Projekt Larvalbrain 2.0 soll durch die Integration von Daten über strukturelle, molekulare, physiologische und verhaltensbedingte Ergebnisse von Drosophila-Melanogaster-Larven ein dynamischer, mehrstufiger Gehirnatlas etabliert werden.