Wir bieten Ihnen die Möglichkeit zu wählen, welche Inhalte Sie sehen möchten und erläutern, welche Cookies dafür aktiviert werden müssen. Einige Cookies sind essenziell, andere dienen dazu, Ihr virtuelles Event-Erlebnis zu verbessern.
Diese Cookies sind notwendig, damit alles reibungslos funktioniert, wie z.B. Login, Konferenzen und vieles mehr. Diese Cookies können nicht deaktiviert werden.
Wir möchten Ihnen gerne verschiedene Inhalte anzeigen, für deren Darstellung Cookies erforderlich sind. Bitte setzen Sie das Häkchen bei den Medien, die Sie angezeigt bekommen möchten.
Helfen Sie uns zu lernen und erlauben Sie uns, Ihr Interesse zu analysieren, um Ihnen für Sie relevante Informationen zu bieten
TS-THIN is an international, interdisciplinary science project funded by the EU within the FET Open programme as part of the Horizon 2020 framework. It aims to develop a novel ultrathin membrane for the use in water filtration applications.
ITS-THIN embodies the vision of a disruptive technology: Ultrathin Carbon Nanomembranes (CNMs) of ~1 nm thickness enabling an unprecedented efficient water separation technology inspired by the highly efficient biological filtration processes found in nature. The CNM sub-nm functional pores will enable efficient removal of small molecules and ions from water streams.
Due to the extremely high areal pore number density (1 sub-nm pore per square nanometer) constituting up to 40% of the membrane, CNMs enable a hitherto non-attainable separation efficiency compared to existing membrane technology. CNMs are mechanically stable, can withstand harsh environments and their size can be scaled to industrial demands. In laboratory scale (membrane areas of square micrometer) experiments, CNMs show an extraordinarily high rejection of organic molecules, anions and cations, with a concomitant high-water flux.
In ITS-THIN we will take advantage of the disruptive potential and develop and demonstrate the CNM-based technology in two types of demanding water separation applications: Pressure driven water polishing for ultrapure water (UPW) production and osmotic cold-concentration (CC) for pharma and food & beverage applications.
The academic partners in ITS-THIN provide the experimental and theoretical basis for understanding the transport phenomena as well as the physical-chemical properties of CNMs and the industrial partners enable cost-effective CNM production, modular integration and market-targeting technology implementation. Thus ITS-THIN spans the entire value chain from concept to technology.
Die drahtlose Sensortechnologie "Is it fresh" wird erschwingliche Daten über die Frische von Lebensmitteln auf der Ebene einer einzelnen Verpackungseinheit ermöglichen. Jede Verpackung wird in der Lage sein, ihren Freshness-Status für das darin befindliche Produkt in Echtzeit zu melden. Dadurch erhält jeder Partner in der Lebensmittel-Wertschöpfungskette einzigartige und drahtlos zugängliche Daten über den aktuellen Frischezustand des Produkts sowie Herkunfts- und Transportprotokolle.
Das Projekt REVaMP wird neue Nachrüsttechnologien von Anlagen zur effizienten Nutzung von variablen Rohstoffen entwickeln, anpassen und anwenden, um der zunehmenden Variabilität des Einsatzmaterials zu begegnen. Die Auswahl des Einsatzmaterials im Hinblick auf Material- und Energieeffizienz werden verbessert, es werden neue Werkzeuge zur Prozesssteuerung und Entscheidungsunterstützung eingesetzt und modellbasierte Software-Tools entwickelt.
P4SB ist ein von der RWTH Aachen koordiniertes europäisches Konsortium sieben akademischer und vier industrieller Partner. Die Forschungen betreffen die Anwendung und Entwicklung von Werkzeugen der Synthetischen Biologie, um mittels neuer Verfahren (Metabolic Engineering von Pseudomonas putida) Plastikabfall in wertvolle Bioprodukte umzuwandeln. P4SB wird über Horizon 2020 mit einem Forschungsvolumen von 1,39 Mio. Euro gefördert.
Aufgrund der zunehmenden Anzahl von Naturkatastrophen, der unkontrollierten Ausbeutung von Ressourcen und des Bevölkerungswachstums nimmt auch die Menge der komplexen Daten weltweit zu, was zielgerichtete und langfristige Planung sehr schwierig macht. Das Programm MENELAOS_NT des europäischen Ausbildungsnetzes wird Forschungs- und Doktorandenausbildungen für Nachwuchsforscherinnen und -forscher anbieten, um relevante Informationen von Fernsensoren auf Makro- und Mikroebene zu erkennen und zu verwalten, die Umwelt zu beobachten und Informationen bereitzustellen, die für die Umweltpolitik zentral sind.
Das Projekt EMPHASIS-PREP wird die Grundlage für die Erstellung des rechtlichen Rahmens, des Geschäftsplans und der Vorbereitung eines Informationssystems für eine nachhaltige und innovative paneuropäische Infrastruktur für die Pflanzenphänotypisierung schaffen. Das Projekt umfasst vier Hauptschritte: 1) Mapping der Infrastruktur, 2) Gapping - Analyse der Lücken und Einschränkungen basierend auf den Mapping-Aktivitäten, 3) Entwicklung von Strategien zur Behebung der Lücken, 4) Zusammenführung der Strategien in einem Geschäftsplan für den zukünftigen Betrieb von EPMPHASIS innerhalb eines entsprechenden rechtlichen Rahmens.
EcOILogy schlägt vor, dass der biologische Abbau von Ölressourcen in solchen winzigen Wassertröpfchen stattfindet, die in der Ölphase dispergiert sind, was einen Paradigmenwechsel und eine neue konzeptionelle Sichtweise für die Umweltwissenschaft darstellt. EcOILogy untersucht die generischen Prinzipien des Lebens im Öl und untersucht, ob solche Tröpfchen ein häufiges Phänomen in degradierten Ölressourcen sind und wie bedeutend die jeweiligen Abbauaktivitäten sind. Zu diesem Zweck entwickelt das Projekt eine umgekehrte stabile Isotopenmarkierung als neuartige Methode zur Quantifizierung kleinster mikrobieller Aktivitäten.
Das Carbon4PUR-Konsortium zielt darauf ab, ein neuartiges Verfahren zu entwickelt, das auf der direkten Umwandlung von Gasgemischen aus chemischen Stahlwerken basiert. Dadurch werden teure physikalische Trennungen vermieden, der CO₂-Fußabdruck erheblich reduziert sowie die Abhängigkeit der EU von Importen fossiler Ressourcen verringert.
Das IntelliAQ-Projekt wird neuartige Ansätze für die Analyse und Synthese globaler Luftqualitätsdaten auf der Basis von tiefen neuronalen Netzen entwickeln. Modernste Deep-Learning-Methoden werden angewendet, um 1) Beobachtungslücken in Raum und Zeit zu schließen, 2) kurzfristige Prognosen der Luftqualität zu erstellen und 3) die Qualität der Luftschadstoffinformationen aus verschiedenen Messungen zu bewerten.Direkte Ergebnisse des Projekts werden eine wesentliche Verbesserung der globalen Luftqualitätsinformationen sein, einschließlich Methoden zur Bewertung der Qualität von Luftverschmutzungsmessungen, sowie eine neue datengesteuerte Methode zur Vorhersage der Luftqualität auf lokaler Ebene.