Moderiert von Prof. Hans-Georg Herrmann wurden in vier kurzweiligen Fachbeiträgen verschiedene Aspekte der SID-Technologie beleuchtet sowie praxisnahe Anwendungsmöglichkeiten aufgezeigt. Den Auftakt machte Dirk Koster mit seinem Vortrag zu »Aktuellen Arbeiten zu Inspektions- und Monitoring-Techniken zur Erhaltung der Standsicherheit kritischer Infrastruktur am Beispiel Brückenbauwerke«.  Angesichts der vielerorts maroden Bausubstanz öffentlicher Infrastruktur ist diese Anwendung aus dem Bereich Condition Monitoring, also der Zustandsüberwachung, von hoher Relevanz.

Anschließend wurden »Sensor-Intelligence Devices für die multimodale Datenerfassung in der Industrie 4.0« vorgestellt. Heiko Jakob zeigte hier beispielhaft das Potential SID-basierter Sensornetzwerke im industriellen Produktionsumfeld auf. Sie ermöglichen die Berücksichtigung von A-priori-Informationen zur Optimierung der Prozesssteuerung sowie zur Realisierung prädikativer Instandhaltungsstrategien.

Es folgte ein weiteres praktisches Anwendungsbeispiel, dieses Mal aus dem Bereich biotechnologischer Produktion. Dr. Michael Gepp referierte zur »Sensorisierung von Mini-Bioreaktoren: Prozessüberwachung und Automatisierung am Beispiel der Kultivierung von humanen Stammzellen«. Die Herstellung humaner induzierter pluripotenter Stammzellen (hiPSCs) für In-vitro-Testsysteme erfordert eine präzise Prozessführung, da Schwankungen bei Nährstoffen, Temperatur und mechanischen Einflüssen die Zellqualität stark beeinflussen.

Abgerundet wurde das Programm durch einen Beitrag Dmitry Amelíns zur »Nutzung multimodaler Daten für die Machine Learning-basierte Analyse von Bioreaktor-Kultivierungsprozessen«. Im Fokus steht die Entwicklung einer multimodalen Datenverarbeitungs‑Pipeline zur Datenerfassung und -aufbereitung, die spärliche morphologische Merkmale mit dichten elektrochemischen Sensormessungen und zugehörigen Metadaten zusammenführt. Die morphologischen Informationen liefert dabei eine Kamera-basierte Erfassung von Zell-Sphäroiden in einem mikrofluidischen System mit anschließender KI-basierter Segmentierung und Klassifikation mittels des tiefen neuronalen Netzwerks »You Only Look Once«.