Was noch vor wenigen Jahren als allgemeine Forderung für eine unbestimmte Zukunft diskutiert wurde, ist drängende, konkrete Aufgabe geworden: Angesichts der spürbaren Folgen des Klimawandels müssen Strategien der Stadtentwicklung neu justiert werden, auch dort, wo historisch wertvolle Bausubstanz und denkmalwerte Quartiere betroffen sind. Alle am fortdauernden Prozess der Stadtentwicklung Beteiligten sehen sich vor neue Aufgaben gestellt, für die die Erfahrungen oft noch fehlen und für deren Lösung die Meinungen auseinander gehen.

Die Jahrestagung 2024 der Fachgruppe Städtebauliche Denkmalpflege widmete sich in Vorträgen und Diskussionsrunden der Wechselbeziehung von Klimaresilienz und kulturellem Erbe in der Stadt. Einführende Vorträge beleuchteten Perspektiven der Stadtentwicklung, der Denkmalpflege und der Klimaveränderung und verdeutlichten von je unterschiedlichen Standpunkten aus den notwendigen Perspektivwechsel. Prof. Torsten Bölting, InWIS / EBZ Business School, fragte, für wen die Stadt geplant werde. Ökonomie folge immer der Nachfrage und da stünden beim Wohnen sichere, ordentliche und ästhetisch ansprechende Wohnungen ganz oben, am besten neue Wohnungen in der alten Stadt. Dr. Matthias Ripp, Stadt Regensburg, verwies auf die doppelte Bedrohung historischer Städte durch zu viel wie zu wenig Wasser. Der Wert des Kulturerbes konkretisiere sich im Gebrauchswert und der schließe viele Faktoren ein, nicht nur technische, sondern auch soziale, politische und historische. Denkmale geben Sinn jenseits des reinen Schutzgedankens. Susanne Linnebach, Emschergenossenschaft, berichtete von der Initiative Klima.Werk, die sich eine Sektor übergreifende wassersensible Stadtentwicklung mit multifunktionaler Flächennutzung zum Ziel gesetzt habe. Statt Millionen Euro in Schadensanierung zu investieren, sei es sinnvoller vorbeugend auch mit kleinen Maßnahmen Wasser wieder an die Oberfläche zu holen und Versickerungsflächen zu schaffen ggf. auf nicht vermarktbare Industriebrachen. Die anschließende Diskussion mündete in der Überzeugung, dass der Perspektivwechsel geübt werden müsse, auch mit Fehlertoleranz, dass Infrastruktur stärker als bisher mit bedacht und die Ausbildung wieder stärker auf „Generalisten“ mit Blick für das Ganze ausgerichtet werden müsse.

This study is focused on optimizing electromagnetic acoustic transducer (EMAT) sensors for enhanced ultrasonic guided wave signal generation in steel cables using CAD and modern manufacturing to enable contactless ultrasonic signal transmission and reception. A lab test rig with advanced measurement and data processing was set up to test the sensors’ ability to detect cable damage, like wire breaks and abrasion, while also examining the effect of potential disruptors such as rope soiling. Machine learning algorithms were applied to improve the damage detection accuracy, leading to significant advancements in magnetostrictive measurement methods and providing a new standard for future development in this area. The use of the Vision Transformer Masked Autoencoder Architecture (ViTMAE) and generative pre-training has shown that reliable damage detection is possible despite the considerable signal fluctuations caused by rope movement.

The Explainable Modular Neural Network (XModNN) enables the identification of biomarkers, facilitating the classification of diseases and clinical parameters in transcriptomic datasets. The modules within XModNN represent specific pathways or genes of a functional hierarchy. The incorporation of biological insights into the architectural design reduced the number of parameters. This is further reinforced by the weighted multi-loss progressive training, which enables successful classification with a reduced number of replicates. The combination of this workflow with layer-wise relevance propagation ensures a robust post hoc explanation of the individual module contribution. Two use cases were employed to predict sex and neuroblastoma cell states, demonstrating that XModNN, in contrast to standard statistical approaches, results in a reduced number of candidate biomarkers. Moreover, the architecture enables the training on a limited number of examples, attaining the same performance and robustness as support vector machine and random forests. The integrated pathway relevance analysis improves a standard gene set overrepresentation analysis, which relies solely on gene assignment. Two crucial genes and three pathways were identified for sex classification, while 26 genes and six pathways are highly important to discriminate adrenergic-mesenchymal cell states in neuroblastoma cancer.

The study presents a unifying methodology for characterizing micromixers, integrating both experimental and simulation techniques. Focusing on Dean mixer designs, it employs an optical evaluation for experiments and a modified Sobolev norm for simulations, yielding a unified dimensionless characteristic parameter for the whole mixer at a given Reynolds number. The results demonstrate consistent mixing performance trends across both methods for various operation points. This paper also proposes enhancements in the evaluation process to improve accuracy and reduce noise impact. This approach provides a valuable framework for optimizing micromixer designs, essential in advancing microfluidic technologies.