Im Fachgebiet „Automation für Labore (ATLAS)“ entwickeln die Gruppen „Maschinelles Lernen für Hochdurchsatzverfahren und Mechatronik (ML4HOME)“ und „Laborautomation – Simulation and Design (LASD)“ Lösungen zur automatisierten Bewertung von Materialeigenschaften.

Die Arbeitsgruppe „Maschinelles Lernen für Hochdurchsatzverfahren und Mechatronik (ML4HOME)“ beschäftigt sich mit der Analyse von Daten, die automatisiert von mechatronischen Systemen in großem Umfang generiert werden. Hierzu gehören unter anderem automatisierte Mikroskope, Röntgen-Diffraktometer und autonome Fahrzeuge. Der Fokus liegt hierbei auf der Verallgemeinerung großer Datensätze bestehend aus vielen Datenpunkten (High-Throughput), deren Größe eine automatisierte Datenauswertung zwingend erfordert.

Die Arbeitsgruppe „Laborautomation – Simulation und Design (LASD)“ beschäftigt sich mit der Entwurfsauslegung und -optimierung (mikro-)optischer und fluiddynamischer Komponenten, Subsysteme und Systeme. Ein Ziel der Forschungs- und Entwicklungsarbeiten ist dabei das Erstellen digitaler Zwillinge als digitale Repräsentation der Systeme, mit dem Ziel, Produktionsprozesse zu verbessern, an andere, neue Produktionsmittel anzupassen, Einstellungen zu bestätigen und neue Betriebspunkte zu finden, sowie mittels Simulationen Leistungsvorhersagen treffen zu können. In Zusammenarbeit mit den IAI-Arbeitsgruppen wird ein ganzheitlicher Entwicklungsansatz ausgehend vom Systementwurf über die Prozess- und Geräteentwicklung verfolgt. Die entwickelten Methoden und Verfahren kommen in den Anwendungsfeldern photonische und gedruckte Systeme zum Einsatz.