Projektet udvikler en strækbar OLED-fladskærm til demonstration hos potentielle samarbejdspartnere. Teknologien bygger på en 3D-struktureret overflade, der udglatter mikrostrukturer ved stræk, hvilket beskytter OLED-lagene, der tåler bøjning bedre end direkte stræk. Tidligere forskning har resulteret i publikationer og patenter, og nu optimeres overflade, strækbarhed og levetid gennem computersimulering, materialeforskning og indkapslingsmetoder for at modne teknologien til praktisk anvendelse.

Vores digitale platform kan revolutionere den måde, hvorpå afdelinger planlægger og sikrer patienters sikkerhed under kirurgiske procedurer. Systemet indsamler og analyserer data om kirurgers individuelle kompetencer i realtid, hvilket giver afdelingsledelsen et unikt overblik, så de altid kan matche den rette kirurg til hver procedure. Vi adresserer et kritisk problem i sundhedsvæsenet, hvor manglende indsigt i kirurgers faktiske færdigheder kan føre til komplikationer og genoperationer. Ved at sikre, at kun kvalificerede kirurger selvstændigt udfører procedurer, kan komplikationsrater væsentligt reduceres, hvilket markant vil forbedre patientbehandlingen og spare sundhedsvæsenet for betydelige udgifter. Innovationsfondens støtte er afgørende for at færdigudvikle vores prototype samt implementere og teste systemet på tre kirurgiske afdelinger. Dette giver os mulighed for at dokumentere effekten og finjustere platformen på baggrund af brugerfeedback. Støtten baner således vejen for en senere national udrulning, der kan transformere kirurgisk praksis i hele Danmark. På længere sigt ser vi et stort potentiale for at ekspandere internationalt. Løsningen adresserer et universelt behov i sundhedssektoren, og vi har allerede modtaget interesse fra førende hospitaler i USA. Ved at optimere ressourceudnyttelsen og højne kvaliteten i kirurgisk uddannelse, kan vores løsning bidrage til at løse nogle af de største udfordringer, som sundhedsvæsener globalt står overfor i dag.

Dette projekt har til formål at integrere domænespecifik viden om centrifugalpumper med maskinlæringsmodeller. Med denne integration udnytter vi afgrænsningerne og indsigten fra fysiske modeller med maskinlæringsmodellernes mønstergenkendende egenskaber. Disse fysik-informerede maskinlæringsmodeller, kombineret med optimeringsalgoritmer, muliggør omfattende udforskninger af designrummet og giver os mulighed for at udvikle mere effektive og modulære pumpedesigns.

ChatTutor er et AI-værktøj målrettet uddannelsesinstitutioner, der ønsker at tilbyde studerende en mere personaliseret og effektiv læringsoplevelse baseret på generativ AI. I dag har undervisere begrænset tid til at give individuel feedback og mangler indsigt i, hvordan studerende anvender AI i deres læring. Denne brug foregår ofte isoleret og uden mulighed for faglig sparring. ChatTutor adresserer dette ved at skabe et “beskyttet værksted”, hvor studerende og undervisere kan interagere omkring AI-støttet læring. Platformen er evidensbaseret og udviklet med afsæt i pædagogisk teori i samarbejde med DTU og Københavns Universitet. Støtten fra Innovationsfonden muliggør både en kommerciel og en forskningsdrevet strategi. ChatTutor videreudvikles som en SaaS-platform med licensbetaling pr. kursus og fungerer samtidig som en ramme for forskning og udvikling af metoder til optimal anvendelse af AI i undervisning. Målet er at sikre, at studerende opnår bedre læringsudbytte med ChatTutor end med generiske AI-værktøjer. Uddannelsessektoren er en af verdens største med en samlet værdi på 10 billioner USD. Det globale EdTech-marked forventes at nå 252,4 milliarder USD i 2025 med en årlig vækstrate (CAGR) på 15,9 % fra 2025 til 2029. Inden for fem år forventes ChatTutor at være det førende AI-værktøj til sekundær og tertiær uddannelse i Europa, med stigende markedsandele i Nordamerika og Asien og inden for efteruddannelse og corporate training.

Forskningsprojektet har til formål at udvikle nye kromatografiske separationsmetoder til Evosep One-platformen (fra Evosep Biosystems) for at kunne analysere biomolekyler som metabolitter, glykaner og intakte proteiner. Teknologien vil udvide Evosep One's anvendelsesområde og gavne forskere og den farmaceutiske industri samt effektivisere kliniske studier. Det forventes, at projektet vil føre til udvikling af nye produkter, og vil blive udført i samarbejde med Syddansk Universitet.

En ny generation af lægemidler, der inkluderer celle-, gen- og virale terapier skaber nye behandlingsmuligheder for alvorlige sygdomme, men grundet deres komplicerede produktionsproces kan procesurenheder påvirke lægemidlets virkning og forårsage bivirkninger. Dette projekt har til formål at skabe en ny massespektrometri-baseret analyse til komplet karakterisering af alle proteiner i next generation biopharmaceuticals for at lægemiddeludviklere kan producere renere og mere sikre lægemidler.