MLM-SOS-ALL ist ein Beispiel für ein Datenanalyse-Projekt zwischen den beiden Partnern in DAViS (SIAF und FH Graubünden). Mit Machine Learning und Modelling wird nach molekularen, genetischen und umweltbedingten Faktoren gesucht wird, die für die Entstehung und Verbreitung allergischer Krankheiten verantwortlich sind.

Im Empirischen Verdichtungsansatz sollen datengetriebene Ansätze der Digitalisierung in den Bereich der Raum-, Stadt- und Verkehrsplanung überführt werden. Neben der Erfassung, Verarbeitung und Analyse von Geodaten aller Art steht insbesondere auch die damit einhergehende Komplexitätssteigerung in der Planungsphase im Mittelpunkt der Projektarbeit.

Zur Stärkung des Integritätsmanagements werden Methoden, die für Deep Learning und natürliche Sprachverarbeitung entwickelt wurden, für den Bereich der Integritätsforschung nutzbar gemacht. Im Projekt werden neue Metriken, die automatisch korruptionsbezogene Themen identifizieren, entwickelt.

Mittels Generativem Design und Künstlicher Intelligenz evaluieren wir das Potential von digitalen Business-Modellen in der globalen Bau-Industrie. Dazu lernt ein Algorithmus selbständig und autonom optimale Konstruktionen für die Bau-Industrie zu entwerfen. Dieser unterstützt weltweit Bau-Ingenieure in der Planung und verkürzt die Entwicklungszeit um bis zu 80%.

Das Projekt untersucht die Auswirkungen der Unwetter 2021 mit einem historischen Vergleich innerhalb der Schweiz und mit einem Vergleich der von Unwettern betroffenen Regionen in der Schweiz, Deutschland und Österreich.

In diesem Projekt sollen auf Grundlage der Navier-Stokes-Gleichungen strömungsmechanische Fragestellungen wie die Ausbreitung von Viren in der Luft oder Bakterien im Trinkwasser untersucht und daraus mögliche (Schutz)Konzepte abgeleitet werden.