Das Ziel von AI4CSM (Teilprojekt TUD, Institut für Leichtbau & Kunststofftechnik) ist die Erforschung von neuartigen Sensorprinzipien zur Fremdobjekterkennung (FOE) bei induktiven Ladesystemen. Dabei sollen Sensoren basierend auf der elektrischen Zeitbereichsreflektometrie mit konventionellen, induktiven Sensoren verglichen werden. Dazu werden in analytischen und numerischen Vorbetrachtungen bekannte Sensorkonzepte und –prinzipien untersucht und verglichen. Anschließend sollen Referenzsensoren und verschiedene Sensorlayouts aufgebaut und getestet werden. Parallel dazu soll mithilfe des maschinellen Lernens eine robuste Auswertemethodik implementiert werden, die es induktiven Ladesystemen ermöglichen soll, sicher und zuverlässig Fremdobjekte zu detektieren. Abschließend wird die vielversprechendste Sensortopologie auf die Größe eines Ground-Pad-Moduls (GPM, d.h. Sendeseite) skaliert und als FOE-Demonstrator getestet und validiert. Dazu wird ein vorhandener Prüfstand modifiziert, um automatisiert Trainingsdaten für lernbasierte Methoden zu erzeugen. Der Fokus im Teilprojekt TUD, Institut für Nachrichtentechnik ist die Erforschung von neuartigen Strategien zur Konnektivität und Provisionierung von 5G New Radio (5G-NR, mmWave) Systemen ab dem Handover zur Basisstation. Parallel werden Konzepte erweitert und im Realversuch analysiert, die anspruchsvolle Rechenaufgaben auf freie Rechenkapazitäten sowohl am Netzwerkrand als auch in Endnutzergeräten (User Equipment, UE) verteilen und so energieeffizient nutzen. Dazu werden aufbauend auf Vorarbeiten zunächst analytisch und numerisch die Szenarien auf das AI4CSM Projekt adaptiert. Bestehende Konzepte sollen erprobt werden und für komplexere Anwendungsfälle verbessert werden, insbesondere bezüglich der Zeitkomplexität bzw. Laufzeit. Dies bezieht ausdrücklich Methoden des maschinellen Lernens ein. Parallel dazu soll im Rahmen von AI4CSM zusammen mit Partnern die Schnittstelle über 5G vorbereitet und abschließend erprobt werden.