Advanced Nanomaterials for Real-time Environmental Monitoring Sensor System
RealSens ist ein kooperatives Forschungsprojekt zur Entwicklung neuartiger Sensortechnologien auf Basis fortschrittlicher Nanomaterialien für die Echtzeit-Erfassung von Umweltparametern.
Im Fokus steht die Kombination aus Materialforschung, Sensorentwicklung und datengetriebenen Auswertungsmethoden, um hochsensitive und adaptive Sensorsysteme zu ermöglichen.
Projektziel
Ziel des Projekts ist die Entwicklung einer neuen Generation von Gassensoren, die:
- mehrere Zielgase selektiv erfassen können
- in Echtzeit reagieren
- sich an verändernde Umgebungsbedingungen anpassen
- und in skalierbare, energieeffiziente Systeme integrierbar sind
Ein besonderer Schwerpunkt liegt auf der Verbesserung von Selektivität, Stabilität und Adaptivität.
Technologischer Ansatz
RealSens basiert auf funktionalen Nanomaterialien, deren elektrische Eigenschaften sich bei Wechselwirkung mit Gasen gezielt verändern.
Diese Materialien werden:
- gezielt synthetisiert und strukturiert
- in Sensorschichten integriert
- und mit mikroelektronischen Systemen kombiniert
Durch die Wechselwirkung zwischen Gas und Material entstehen messbare Signale (z. B. Widerstandsänderungen), die zur Detektion und Klassifikation genutzt werden.
Zielgase
Die entwickelten Sensorsysteme sind auf die Detektion relevanter Umwelt- und Schadgase ausgerichtet, darunter insbesondere:
- Stickoxide (NOₓ)
- Ozon (O₃)
- Kohlenmonoxid (CO)
- Flüchtige organische Verbindungen (VOCs)
- sowie weitere luftqualitätsrelevante Gase
Ein wesentliches Ziel ist die Differenzierung mehrerer Gase mit einem Sensorsystem.
Betriebsmodi der Sensoren
Ein zentrales Forschungsthema ist die Untersuchung unterschiedlicher Betriebsmodi zur Verbesserung der Sensorleistung.
Dazu zählen unter anderem:
- statische Betriebsmodi (konstante Temperatur / konstante Betriebsbedingungen)
- dynamische Betriebsmodi (z. B. temperaturmodulierte Sensorik)
- zyklische Anregungen zur Generierung charakteristischer Signalverläufe
Diese dynamischen Betriebsarten erzeugen sogenannte „Signaturen“, die zusätzliche Information zur Unterscheidung von Gasen liefern.
Datengetriebene Auswertung: Machine Learning & Active Learning
Die komplexen Sensorsignale werden durch moderne datengetriebene Methoden ausgewertet.
Machine Learning (ML)
- Klassifikation und Quantifizierung von Gasen
- Mustererkennung in multidimensionalen Sensordaten
- Verbesserung von Selektivität und Genauigkeit
Active Learning (AL)
- Effiziente Auswahl relevanter Trainingsdaten
- Reduktion des Kalibrieraufwands
- kontinuierliche Verbesserung der Modelle im Betrieb
Durch die Kombination von Sensorik und ML entsteht ein adaptives Sensorsystem, das sich an neue Bedingungen anpassen kann.
Forschungsansatz
Das Projekt verfolgt einen interdisziplinären Ansatz entlang der gesamten Entwicklungskette:
- Materialentwicklung: Design funktionaler Nanomaterialien
- Sensorentwicklung: Integration in Bauelemente
- Systemdesign: Elektronik und Signalverarbeitung
- Datenanalyse: ML- und AL-basierte Auswertung
- Validierung: Tests unter realen Umweltbedingungen
Anwendungsbereiche
Die entwickelten Technologien adressieren insbesondere:
- Umweltmonitoring und Luftqualitätsmessung
- industrielle Prozessüberwachung
- smarte, vernetzte Sensorsysteme (IoT)
Projektkonsortium
Das Projekt wird von einem interdisziplinären Konsortium umgesetzt:
- Materials Center Leoben Forschung GmbH (Koordination)
- VSParticle B.V.
- Silicon Austria Labs GmbH
- UnravelTEC OG
Bedeutung des Projekts
RealSens leistet einen Beitrag zur Entwicklung neuer Sensortechnologien durch:
- den Einsatz innovativer Nanomaterialien
- die Nutzung dynamischer Betriebsstrategien
- und die Integration von Machine Learning
Die Ergebnisse schaffen Grundlagen für zukünftige adaptive und hochintegrierte Sensorsysteme.
Förderkontext
Das Projekt wird im Rahmen der österreichischen Forschungsförderung durchgeführt und adressiert zentrale Themenbereiche wie:
- Advanced Materials
- Sensorik
- Künstliche Intelligenz in eingebetteten Systemen
Advanced Nanomaterials for Real-Time Environmental Sensing
RealSens is a collaborative research project focused on the development of novel sensing technologies based on advanced nanomaterials for real-time environmental monitoring.
The project combines material science, sensor development, and data-driven analysis methods to enable highly sensitive and adaptive sensing systems.
Project Objectives
The goal of the project is to develop a new generation of gas sensors that:
- selectively detect multiple target gases
- provide real-time measurements
- adapt to changing environmental conditions
- and can be integrated into scalable, energy-efficient systems
A key focus lies on improving selectivity, stability, and adaptability.
Technological Approach
RealSens is based on functional nanomaterials whose electrical properties change upon interaction with gas molecules.
These materials are:
- specifically synthesized and engineered
- integrated into sensing layers
- and combined with microelectronic systems
The interaction between gas and material leads to measurable signal changes (e.g., resistance variations), which are used for detection and classification.
Target Gases
The developed sensor systems are designed to detect relevant environmental and pollutant gases, including:
- nitrogen oxides (NOₓ)
- ozone (O₃)
- carbon monoxide (CO)
- volatile organic compounds (VOCs)
- and other air-quality-relevant gases
A central objective is the discrimination of multiple gases using a single sensor system.
Sensor Operating Modes
A key research aspect is the investigation of different operating modes to enhance sensor performance.
These include:
- static operation modes (constant temperature / stable operating conditions)
- dynamic operation modes (e.g., temperature-modulated sensing)
- cyclic excitation patterns to generate characteristic signal responses
Such dynamic operation enables the generation of distinct “signatures,” which provide additional information for gas discrimination.
Data-Driven Analysis: Machine Learning & Active Learning
The complex sensor signals are evaluated using advanced data-driven approaches.
Machine Learning (ML)
- classification and quantification of gases
- pattern recognition in multidimensional sensor data
- improvement of selectivity and accuracy
Active Learning (AL)
- efficient selection of informative training data
- reduction of calibration effort
- continuous improvement of models during operation
The combination of sensing and ML results in an adaptive sensing system capable of responding to new conditions.
Research Approach
The project follows an interdisciplinary approach across the full development chain:
- Material development: design of functional nanomaterials
- Sensor development: integration into devices
- System design: electronics and signal processing
- Data analysis: ML- and AL-based evaluation
- Validation: testing under real-world environmental conditions
Application Areas
The developed technologies target applications in:
- environmental monitoring and air quality assessment
- industrial process monitoring
- smart, connected sensor systems (IoT)
Project Consortium
The project is carried out by an interdisciplinary consortium consisting of:
- Materials Center Leoben Forschung GmbH (Koordination)
- VSParticle B.V.
- Silicon Austria Labs GmbH
- UnravelTEC OG
Project Impact
RealSens contributes to the advancement of sensing technologies through:
- the use of innovative nanomaterials
- the application of dynamic operating strategies
- and the integration of machine learning
The results provide a foundation for future adaptive and highly integrated sensor systems.
Funding Context
The project is funded within the Austrian research funding framework and addresses key areas such as:
- advanced materials
- sensor technologies
- artificial intelligence in embedded systems
Projektkoordinator
Projektpartner
Um immer auf dem neuesten Stand zu bleiben oder wenn Sie Fragen haben schreiben Sie uns ein Email. Wir freuen uns!