Am 21. Juni 2023 kamen die zwanzig Projektpartner an der TU Darmstadt anlässlich des ersten Quartalstreffens zusammen, um über den aktuellen Stand, die allgemeingültigen Ansätze und die weiteren Schritte im Forschungsprojekt Reallabor Antrieb 4.0 zu diskutieren. Ein Hauptaugenmerk lag dabei auf der Evaluierung der im Projekt geplanten Use Cases. Denn anders als in anderen Forschungsprojekten wurden die für das Projekt relevanten Fallbeispiele nicht schon vor Projektbeginn in dem Förderantrag festgelegt, sondern im Zuge der letzten Monate voll auf die Bedürfnisse der Industrie ausgerichtet. Ziel dieses Vorgehens ist es, die Forschungsergebnisse von Anfang an in die Praxis zu überführen und die Mehrwerte für das gesamte Wertschöpfungsnetzwerk vom Hersteller über den Maschinenbauer bis hin zum Endkunden aufzuzeigen. Insgesamt wurden sechsunddreißig Use Cases von den Projektpartnern diskutiert und anhand von im Vorfeld festgelegter „K.O.“-Kriterien bewertet. Im nächsten Schritt werden die Ergebnisse durch den Konsortialpartner Fraunhofer-Institut für Integrierte Schaltungen IIS ausgewertet und zehn Use Cases für den weiteren Projektverlauf festgelegt.
Die Nachfrage nach intelligenten, interoperablen und nachhaltigen Antriebslösungen ist groß. Das vom Bundesministerium für Wirtschaft und Klimaschutz (BMWK) geförderte Forschungsprojekt möchte deshalb auf Basis der Grundlagenforschung ein sicheres Fundament für die Entstehung einer smarten Service- und Marktplattform im Bereich elektrischer Antriebe bauen. Im Mittelpunkt der Forschung steht die Interoperabilität, um eine herstellerneutrale Kombination elektrischer Antriebe zu ermöglichen. Die Verfügbarkeit und Transparenz von Daten sowie deren Zugänglichkeit spielen in diesem Zusammenhang eine wichtige Rolle. Ein Gaia-X-kompatibler Datenraum soll dabei für die horizontale Integration und systemübergreifende Sammlung von Daten dienen. Bei der Erprobung erfolgsversprechender, intelligenter und vorausschauender Smart-Services unterstützt zudem der Einsatz unterschiedlicher KI-Methoden. Für die reale Erprobung wird im Laufe des Projekts ein physischer Demonstrator aufgebaut, der die Zusammenarbeit unterschiedlicher Antriebe testet und der Erarbeitung verschiedener Szenarien für eine Serviceplattform dient.