Ecosystem Actors

Funktionelle Kulturen helfen, Zusatzstoffe in Lebensmitteln zu reduzieren und ermöglichen die Entwicklung von neuartigen Lebensmitteln aus Nebenproduktströmen.
Schwerpunkte: Kakaobohnenfermentation / Sauerteig und getreidebasierte Fermentationen / Antimikrobielle Stoffwechselprodukte

Entwicklung, Umsetzung und Etablierung von nachhaltigen Lebensmittel-Herstellungsprozessen. Schwerpunkte: nachhaltige Lebensmittelwertschöpfungsketten / verbessertes Nährwertprofil

RobotX bündelt und entwickelt die starken Kompetenzen der ETH in der Robotik durch eine Forschungs- und Ausbildungsplattform im Herzen von Zürich, um neue Talente auszubilden, weltweite Experten anzuziehen und die ETH nachhaltig zur weltweit führenden Institution in diesem Bereich auszubauen.

Systematischen Erfassung sensorischer Merkmalseigenschaften von Lebensmitteln entlang der Wertschöpfungskette sowie Ermittlung entsprechender Konsumentenbedürfnisse.

Die Digitalisierung hat technische («Können wir das?») und wirtschaftliche («Wollen wir das?»), aber auch ethische («Sollen wir das?») und rechtliche («Dürfen wir das?») Aspekte. Das gilt natürlich auch für Innovationen im Finanzbereich. Um diese zu beurteilen, braucht es deshalb Ökonomen, Techniker und Juristen. Diese müssen miteinander sprechen, sich aber vor allem verstehen und gemeinsam nachdenken.

Das «Data Science for Sciences»-Team forscht im Grenzbereich von maschinellem Lernen, Computer Vision und Fernerkundung, um wissenschaftliche Fragen in den Umwelt- und Geowissenschaften zu lösen. Unser Ziel ist es, originelle, datengesteuerte Methoden zu entwickeln, mit denen Umweltdaten in sehr grossem Massstab automatisch analysiert werden können. Wir arbeiten eng mit unseren Kollegen aus der Ökologie zusammen, um gemeinsam neue Wege zu finden, unsere Umwelt auf globaler Ebene mit Hilfe künstlicher Intelligenz zu schützen. Zu den wissenschaftlichen Projekten gehören die globale Kartierung von Vegetationsparametern wie Baumkronenhöhe und Kohlenstoffvorrat mit sehr hoher räumlicher und zeitlicher Auflösung, die Überwachung landwirtschaftlicher Flächen, die Vorhersage des Wasserstands bei Überschwemmungsszenarien oder die Einrichtung eines Schnellwarnsystems zur Erkennung von Waldzerstörung. Auf der technischen Seite untersuchen wir spannende Themen wie die Quantifizierung von Unsicherheiten beim Deep Learning, erklärbare künstliche Intelligenz, graphische neuronale Netze oder die Zeitreihenanalyse mit Transformatoren. Wir glauben, dass interdisziplinäre Forschung der Schlüssel zu wissenschaftlichen Durchbrüchen ist und streben immer danach, unsere Forschung in die Praxis umzusetzen, indem wir mit NGOs, Unternehmen oder der öffentlichen Verwaltung zusammenarbeiten.

Das Center for Augmented Computational Design in Architecture, Engineering and Construction, besser bekannt als «Design++», zielt darauf ab, digital erweiterte Entwurfswerkzeuge und Rechenprozesse zu entwickeln, die es Fachleuten ermöglichen, gleichzeitig die Bauproduktivität zu erhöhen, die Qualität der gebauten Umwelt zu verbessern und die ökologischen Auswirkungen im Bereich Architektur, Ingenieurwesen und Bauwesen (AEC) erheblich zu reduzieren. Design++ integriert künstliche Intelligenz (KI) mit dem Schwerpunkt auf maschinellem Lernen (ML) und erweiterter Realität (XR) für Design und Engineering, da diese vielversprechend sind, um die Designprozesse in der AEC-Industrie zu revolutionieren.

Informatik treibt die Digitalisierung und bestimmt ganz wesentlich die Zukunft unserer Informationsgesellschaft. Das Institut für Informatik (InIT) steht für Forschung und Entwicklung in vielfältigen Themenbereichen der Informatik und erarbeitet in Zusammenarbeit mit Firmen- und Hochschulpartnern praxistaugliche Lösungen für anspruchsvolle Problemstellungen. Schon seit 2005 sind wir mit rund 90 Mitarbeitenden aus verschiedenen Fachbereichen und unserer modernen Forschungsinfrastruktur Ihr flexibler und effizienter Partner.

Materialien und Technologien für eine nachhaltige Zukunft.

Die Empa ist das interdisziplinäre Forschungsinstitut des ETH-Bereichs für Materialwissenschaften und Technologieentwicklung. Als Brücke zwischen Forschung und praktischer Anwendung erarbeitet sie innovative Lösungen für die vorrangigen Herausforderungen von Industrie und Gesellschaft in den Bereichen nanostrukturierte, «smarte» Materialien und Oberflächen, «Advanced Manufacturing», Umwelt-, Energie- und nachhaltige Gebäudetechnologien sowie personalisierte Medizin und Medtech-Anwendungen. Indem die Empa Forschungsergebnisse dank effizientem Technologietransfer gemeinsam mit Industriepartnern in marktfähige Innovationen umwandelt, trägt sie massgeblich dazu bei, die Innovationskraft und internationale Wettbewerbsfähigkeit der Schweizer Wirtschaft zu stärken getreu ihrem Motto: «Empa – The Place where Innovation Starts». Ein sorgsamer Umgang mit unseren natürlichen Ressourcen und das Denken in geschlossenen Kreisläufen sind dabei für die Empa zentral.

Das Feasibility Lab der ETH Zürich fördert innovative, risikoreiche Ideen und unterstützt Unternehmen und Studierende bei der schnellen Entwicklung und Validierung neuer Konzepte. Als Teil vom pd|z der ETH Zürich bietet das Lab praxisnahe Projekte und Workshops, um Lösungen für neue Technologien zu erarbeiten und langfristige Kooperationen zu stärken.

Das ZHAW Centre for Artificial Intelligence (CAI) ist ein Zentrum für Exzellenz in der angewandten KI-Forschung und -Anwendung. Unsere Mission ist es, die menschenzentrierte und vertrauenswürdige KI-Forschung in der Schweiz voranzutreiben und damit Studierenden Karrieremöglichkeiten im KI-Sektor zu bieten, junge Talente anzuziehen und die grossen Herausforderungen unserer Zeit durch den innovativen Einsatz von KI anzugehen. Wir glauben an die Kraft der interdisziplinären Zusammenarbeit und des Dialogs mit der Forschungsgemeinschaft, mit unseren Studierenden und mit unseren Industriepartnern.

Das CAI konzentriert sich auf maschinelles Lernen und Deep Learning in den folgenden Bereichen: Computer Vision, Wahrnehmung und Kognition (einschließlich Mustererkennung, maschinelle Wahrnehmung und neuromorphes Engineering); Verarbeitung natürlicher Sprache (d. h. Dialogsysteme, Textanalyse und Technologien für gesprochene Sprache); autonome Lernsysteme (Verstärkungslernen, Multiagentensysteme und verkörperte KI); vertrauenswürdige KI (erklärbare KI, robustes tiefes Lernen, KI & Gesellschaft); und KI-Engineering (MLOps, datenzentrierte KI und kontinuierliches Lernen)