Smart Fouling Detection (SFD)
Das Projekt „Smart Fouling Detection“ (SFD) zielt darauf ab, eine innovative Software zu entwickeln, die den Bewuchs von Schiffsrümpfen durch Algen und andere Organismen vorhersagen kann. Besonders für Sportboote ermöglicht diese Technologie den Eignern, die Antifouling-Beschichtung bedarfsgerecht zu reinigen oder aufzutragen. Über eine benutzerfreundliche App auf mobilen Geräten wie Smartphones erhalten Bootseigner diese Informationen, sodass auch Boote ohne integriertes Plottersystem von der kostengünstigen Lösung profitieren können.
Der Algenbewuchs erhöht den Wasserwiderstand, Kraftstoffverbrauch und Schadstoffausstoß. Bisher wird versucht, den Bewuchs durch toxische und prophylaktisch aufgetragene Antifouling-Anstriche zu reduzieren, die die Umwelt und Wasserqualität belasten. Das SFD-Projekt nutzt KI, um Veränderungen am Fahrwiderstand zu detektieren und Rückmeldungen über den Bewuchs zu geben, ohne das Boot aus dem Wasser heben zu müssen. Dies ermöglicht eine gezielte Reinigung und optimierte Anwendung von Antifouling-Beschichtungen, was den Einsatz von toxischen Chemikalien reduziert und somit die Umwelt schont. Durch die präzise Vorhersage des Bewuchszustandes wird darüber hinaus der Kraftstoffverbrauch, die Betriebskosten und der CO₂-Ausstoß gesenkt. Zudem verlängert die Software die Intervalle für das Auftragen von Antifouling-Beschichtungen und unterstützt den Übergang zu umweltfreundlicheren Elektroantrieben.
Um eine effiziente und sichere Datenverwaltung zu ermöglichen, wurde ein fortschrittliches Datenbank- und Cloudsystem auf Basis eines Debian-Betriebssystems mit MariaDB und NoSQL-Technologien entwickelt. Die gesamte Kommunikation wird durch verschlüsselte Verbindungen geschützt. Parallel dazu ermöglicht die mit dem Ionic Framework entwickelte App native Funktionen für iOS und Android und kann mit integrierter Peripherie wie GPS und Bluetooth interagieren. Sie sammelt Basisdaten wie Bootstyp, Motortyp, GNSS-Daten (Koordinaten, Geschwindigkeit), Motorkennwerte und Wetterinformationen, die in Echtzeit an den ISO 27001-zertifizierten Server gesendet und mittels Machine Learning und Big Data Analysen ausgewertet werden, um so Veränderungen am Fahrwiderstand zu detektieren und Rückmeldungen zum Bewuchs zu liefern.