Forschung & Kooperation
Über 20 Jahre Praxis in der Galvanotechnik kombiniert mit Materialphysik (MSc Umweltphysik mit Schwerpunkt Materialphysik, Universität Wien, 2016, mit Auszeichnung), Lean-Management-Qualifikation und produktiver KI-Entwicklung. Geschlossen wird die Lücke zwischen akademischer Forschung und industrieller Realität — als externer Partner für Institute, Förderkonsortien und Begleitforschung.
Automatisierte Datenerfassung und branchenspezifische Machine-Learning-Modelle zur Reduktion von Chemikalien- und Metallverbrauch, Energiekosten, Wasserbedarf und Abfallmengen — bei gleichzeitiger ESG-konformer Datenintegration. Vorhersage von Prozessparametern, Qualitätsproblemen und Störfällen zur Entlastung verfahrenstechnischer Teams.
Präsentation des Forschungsvorhabens (PDF) · Stand Juli 2025 · Use Cases, Software-Screens, Dashboards, Zeitplan
Reproduzierbare ML-Methodik mit erklärbaren Modellentscheidungen — entwickelt für sensorarme, hochdimensionale Galvanikprozesse.
Transparente Modellentscheidungen zur Validierung durch Fachpersonal — Methodik orientiert am EU AI Act.
Automatisierte Erfassung und Modellierung von Energie-, Chemikalien- und Wasserströmen für nachweisbare Nachhaltigkeit.
Modellprüfung bei TÜV AUSTRIA Trusted AI eingereicht (in Prüfung). Methodik orientiert an EU AI Act, ISO 42001 und IEEE 7000 — reproduzierbare Validierung für den industriellen Einsatz.
Swiss Galvanic, offizieller Programmpunkt — "Machine Learning für die Galvanotechnik". Veranstaltung → · Referenten-Portrait (PDF) →
ARGE Oberflächentechnik Austria — Vortrag zur KI-gestützten Prozessoptimierung. arge-ot.at →
Leuze Verlag — Einordnung von ML-Methoden für die industrielle Oberflächentechnik, Fokus auf Praxis und Methodenrigor.
Co-Autorenschaften, Validierungs-Kooperationen, Konsortialanträge und Industrie-Begleitforschung. Eingebracht werden Galvanik-Erfahrung aus der Produktion, akademische Physik-Ausbildung und produktive KI-Systeme.
Kooperationsanfrage an smaier@rvh.at