Portefølje Naturvitenskap og teknologi ikon

The research system

Portefølje Humaniora og samfunnsvitenskap ikon

Ground-breaking research

Portefølje Samisk ikon

Sámi society and culture

Portefølje Demokrati, styring og fornyelse ikon

Democracy and global development

Portefølje Velferd, kultur og samfunn ikon

Welfare, culture and society

Portefølje Helse ikon

Health

Portefølje Klima- og polarforskning ikon

Climate and environment

Portefølje Landbasert mat, miljø og bioressurser ikon

Land-based food, the environment and bioresources

Portefølje Energi, transport og lavutslipp ikon

Energy and transport

Portefølje Muliggjørende teknologier ikon

Enabling technologies

Portefølje Industri og tjenestenæringer ikon

Innovation

LTP Climate, environment and environmentally friendly energy

Climate and loss of natural diversity

Internationalization

Societal security and civil preparedness

Renewal in the public sector

Velferdstjenester

Frontpage Image

Marine icon

Petroleum og mineraler

LTP Hav ikon

Oceans and coastal areas

LTP2 Muliggjørende og industrielle teknologier ikon

Enabling and industrial technologies

Trust and community

Professional environment

High quality and accessibility

LTP Climate

Strengthened competitiveness and innovation capacity

LPT Health

 An innovative business community

LTP2 Styrket konkurransekraft og innovasjonsevne ikon

LTP2 Utvikle fagmiljøer av fremragende kvalitet

LTP2 Samfunnssikkerhet og samhørighet ikon

LTP2 Fornyelse i offentlig sektor ikon

LTP2 Klima, miljø og miljøvennlig energi ikon

LTP3 Helse

Portefolje Petroleum Ikon

Portefølje Hav ikon

Portefølje Utdanning og kompetanse ikon

Portefølje Global utvikling og internasjonale relasjoner ikon

Portefølje Livsvitenskap ikon

Forsidebilde optimalisert

project-bank-technical

Et innovativt næringsliv ikon

Muliggjørende teknologier bakgrunn

Marin bakgrunnsbilde

Marin ikon

Forsidebilde

Statistics

Prosjektbanken presenterer statistikk og informasjon om prosjekter med finansiering fra Forskningsrådet fra 2004. Statistikken er fordelt på blant annet tema, år, geografi og organisasjon. Prosjektbanken gir også detaljert informasjon om de enkelte prosjektene.

...or see the summary and other information about the projects you have selected

Forside

How the grants are distributed between organisations, counties, subject areas etc....

Here are some examples of searches you can perform in the Project Databank

Portfolios

En god beskrivelse av denne siden for søkemotoroptimalisering

All long term plan objectives

About Text Queries

No thematic area or topic related to the project

has received funding in the programme period

No popular science description is available

have received funding in the programme period

The project with project number {{project number}} was not found

Technical description

Woops, something went wrong. Please refresh the page. If the error persists, please contact us.

We could not find what you were looking for

See statistics related to this LTP objective

See projects related to this LTP objective

related to this LTP objective have received grants

has been granted to projects related to this LTP objective

has been granted to projects related to this portfolio

related to this portfolio have received grants

About Prosjektbanken

Over hele Europa er det tydelig at dagens jordbrukspraksis ikke lenger er bærekraftig, og at jordbrukssystemene må endres for å opprettholde matproduksjonen og samtidig ivareta det biologiske mangfoldet, økosystemene og de mange fordelene de gir samfunnet.

En løsning på dette er agroøkologi. Agroøkologisk jordbruk har til felles å utnytte naturlige økologiske prosesser for å gjøre jordbruk mer bærekraftig. Dessverre, til tross for mye forskning på agroøkologisk jordbrukspraksis, er bruken av dette svært begrenset i Europa.

I SAFER-prosjektet vil et stort team av europeiske forskere jobbe på tvers av et nettverk med seks 'levende laboratorier', det vil si at gårder i drift på tvers av Europa vil iverksette agroøkologisk praksis. Ved samarbeid på de involverte gårdene, vil bønder, forskere og andre interessenter sammen bidra til økt kunnskap om agroøkologi. Det vil gi mer kunnskap om de landbruksmessige, miljømessige og sosialøkologiske fordelene, samt de mulige avveiningene mellom ulike fordeler.  

Teamet fra Universitetet i Bergen, ledet av prof. Peter Manning, vil være en viktig bidragsyter i prosjektet. De skal oppskalere data fra prosjektet på felt- og gårdsnivå til hele landskap, og simulere endringer i gårdspraksis ved å bruke en kombinasjon av samfunnsvitenskap, fjernmåling og matematisk modellering. Dette vil gi prognoser for hvordan konsekvenser av landsbruksstrategier på landskapsnivå påvirker hele systemet, fra bønder til lokale interessenter. 

Sluttproduktet vil være detaljert kunnskap om hvordan ulike økologiske praksiser påvirker bønder, bygdesamfunn og om hvilke strategier som øker bærekraftig produksjon og flerfunksjonalitet i europeiske jordbrukslandskap. Ved aktiv involvering av bønder og andre interessenter gjennom hele forskningsprosessen, tar vi også sikte på å øke relevansen og bruken av de identifiserte løsningene.

Agroecology offers an opportunity to reconcile agricultural production with human well-being across Europe. However, despite significant evidence that agroecological farming reduces the environmental footprint of agriculture, agroecology is struggling to expand across Europe. This limited adoption emerges from a limited understanding of the cross-disciplinary impacts (agronomic, ecological, economic and social dimensions) of upscaling agroecological farming and recent social unrest following the deployment of agroecological policies indicates that there is an urgent need to address this issue. In addition, a major challenge for agroecology is that no single agroecological practice is suitable for all contexts. Instead, practices need to be targeted and adapted to local socio-ecological contexts, with a strong involvement of stakeholders. Addressing such challenge implies a paradigm shift towards co-design in research and innovation in agroecology.

SAFER will address these challenges by mobilizing a European network of 6 Living Labs distributed across contrasting regions and social-ecological systems, in a multidisciplinary approach. We will: (i) co-design best suited agroecological practices adapted to local social-ecological conditions via a participatory approach that actively involves stakeholders; (ii) quantify the multiple agronomical, environmental and socio-economic benefits and risks of scaling up these agroecological practices from the field to the landscape scale using a similar landscape-scale design across Living Labs; (iii) forecast the whole-system consequences of landscape-scale strategies for farmers and local stakeholders; (iv) identify how local policies, stakeholder demands and the Living Lab methodology can enhance or limit the expansion of agroecological practices

Work at UiB will concentrate on modelling work in (ii) and (iii) but will contribute to all aspects.

AGROECOL 1 SAFER Strengthening Agricultural landscape multiFunctionality through expansion of agroecological farming in EuRope (SAFER)

In-Network Intelligence and Technologies

Hvordan kan kunstig intelligens bli en reell samarbeidspartner for produkt- og tjenesteutviklingsteam? Dette er kjernespørsmålet i Kairos, et innovasjonsprosjekt ledet av Knowit, i samarbeid med Storebrand, TV2, Politiets IT-enhet (PIT) og SINTEF. Kairos skal utvikle løsninger som muliggjør tett samarbeid mellom mennesker og AI-agenter på tvers av team, systemer og oppgaver.
I dag bruker mange norske virksomheter AI til effektivisering og automatisering. Kairos ønsker å gå videre ved å utforske hvordan AI og menneskelig ekspertise kan kombineres for å skape nye produkter, tjenester og arbeidsmåter. Ambisjonen er at AI skal bli en integrert del av tverrfaglige team, med klart definerte roller, ansvar og effektivt samarbeid med menneskelige kolleger.
Prosjektet består av tre delinnovasjoner:
- Digital infrastruktur: En fleksibel plattform for sikker og distribuert AI-bruk i tråd med norske og europeiske personvernregler.
- Sosioteknisk samarbeidsmodell: En praktisk modell for samarbeid mellom mennesker og AI som vektlegger tillit, læring, ansvar, etisk bruk og standardiserte prosesser for onboarding og offboarding av AI-agenter.
- AI som teammedlem: Utvikling av AI-agenter som aktivt deltar i produkt- og tjenesteutviklingsteam gjennom å støtte beslutningstaking, koordinering og kontinuerlig forbedring.
Kairos er tilpasset norsk kontekst og adresserer utfordringer som personvern, datasikkerhet, etikk og organisasjonskultur. Selv om Norge er ikke ledende på utvikling av AI-teknologi, har vi gode forutsetninger for ansvarlig og verdiskapende AI-bruk, takket være høy digital modenhet og en arbeidslivsmodell basert på medbestemmelse. Prosjektet bruker forskningsmetoder som intervjuer, observasjone og eksperimenter. Gjennom Kairos vil vi utvikle metoder for effektiv kommunikasjon, kompleksitetshåndtering og vellykket integrering av AI i team.
Prosjektet varer fra høsten 2025 til 2029, og vil bidra med innsikt og erfaringer gjennom publikasjoner, presentasjoner og workshops.

Norske selskaper utnytter i liten grad AI som konkurransefordel, ofte grunnet en misforståelse om at automatisering alene gir suksess. Potensialet i teknologien realiseres først når medarbeidere og AI-agenter – datasystemer som løser oppgaver selvstendig – samarbeider om å utvikle nye produkter og tjenester. Kairos-prosjektet skal utvikle løsninger som fremmer samarbeid mellom mennesker og AI-agenter i produkt- og tjenesteutvikling. Prosjektets tre hoveddeltakere – TV2, Storebrand og Knowit, samt Politiets IT-enhet (PIT) – skal integrere AI-agenter i deres organisasjons- og teamprosesser. Målet er å lage en teknologi for AI-integrasjon som muliggjør samhandling mellom mennesker og teknologi.
Tre delinnovasjoner ligger til grunn for Kairos:
1.	Digital infrastruktur for samhandling: En fleksibel og desentralisert plattform skal sikre sømløst samarbeid mellom mennesker og AI-agenter. Den vil støtte interoperabilitet gjennom API-er og håndtere ustrukturert data i tråd med lovverk som GDPR. Plattformen legger til rette for fremtidige AI-løsninger, uavhengig av teknologisk leverandør.
2.	Sosioteknisk samarbeidsmodell: En helhetlig modell for samhandling mellom mennesker og AI-agenter, som fokuserer på tillit, gjensidig læring og koordinering. Modellen inkluderer standardiserte prosesser for integrasjon og opplæring, samt mekanismer for å sikre etisk og transparent bruk av AI.
3.	AI som teammedlemmer: Utvikling av AI-agenter som aktive bidragsytere i tverrfaglige team. Disse agentene vil ikke bare utføre oppgaver, men også ta del i beslutningsprosesser, koordinering og kontinuerlig læring, tilpasset spesifikk teamdynamikk.
Kairos representerer en transformasjon i hvordan norske selskaper kan utnytte sin domenekunnskap og eksperimenteringsvilje til å bli ledende konsumenter av AI-teknologi. Prosjektet krever FoU-innsats innen produktutvikling, endringsledelse og organisasjonspsykologi, og legger grunnlag for bærekraftig verdiskaping og innovasjon i norsk næringsliv.

Kairos - Helhetlig løsning for AI-integrasjon i norske organisasjoner

I møte med utfordringene ved en aldrende befolkning i Europa, utvikler dette prosjektet bærekraftige øyedråper basert på hydrogeler utvunnet fra plantebaserte forbindelser, for å motvirke aldersrelaterte forandringer i netthinnen.

De bio-baserte hydrogelene er utviklet for å fjerne skadelige avleiringer, redusere betennelsestilstander og forbedre oksygentilførselen til netthinnen – faktorer som er sentrale for å bevare synet og opprettholde cellenes energiomsetning.

I motsetning til eksisterende behandlinger benytter denne tilnærmingen miljøvennlige materialer og unngår invasive prosedyrer, noe som gir en tryggere og mer tilgjengelig løsning for personer med aldersrelaterte øyesykdommer.

Sustainable self-cleaning hydrogels in ophthalmology

Multidisciplinary Assessment of Crustacean Sentience

Crustacean sentience (the capacity of this group to experience emotions) has sparked a heated debate across multiple disciplines, particularly as it could impact several major sectors such as fisheries and aquaculture. The outdated argument that animals do not experience negative emotions (such as pain) because they lack conscience, has been proven wrong for vertebrates and some invertebrates (e.g. octopus), but remains controversial for crustaceans. There is evidence of criteria consistent with the idea of pain, as crustaceans have and activate nociceptive pathways, but there is no evidence of the neural pathways integrating the responses nor the demonstration of the awareness thereafter. This is partly due to the ‘dispersed’  central nervous system (CNS) these animals present, with multiple ganglia, but no ‘brain’ as a focal point. To overcome this, MACS aims to apply new technology to measure 9 simultaneous nerve signals (8 ganglia and the heart) to fully understand the nociceptive pathways and how are they integrated in crustaceans’ CNS. This approach will tackle the principle of triangulation by (1) The development of an electroencephalogram (EEG) to record the nervous system of commercially important crustacean species; (2) the characterization of pain and stress through physiological and molecular animal-based indicators; and (3) the evaluation of behaviour and its neurological integration pathway.  As such, this multidisciplinary study will only be possible through a combination of my crustacean stress physiology background, my supervisor’s knowledge of the central nervous system anatomy, and my second supervisor's expertise in aquatic species' EEG. The outcome of this fellowship will range from CNS studies to validate current industrial practices (during a non-academic placement), to socio-economic impacts involving the society's concern for animal welfare. The knowledge and skills gained from this project will allow me to become an independent researcher.

Kunstig intelligens (KI) forandrer økonomien i rekordfart, men vi vet fortsatt ikke helt hvilke konsekvenser det vil få. Vil KI gi oss mer innovasjon, høyere produktivitet og økonomisk vekst? Eller vil det føre til færre jobber, økende ulikhet og mer makt til store selskaper? Politikken vil spille en avgjørende rolle i å styre utviklingen. Myndigheter står overfor et viktig spørsmål: hvordan kan vi sikre at KI gir flest mulig fordeler uten å skape store samfunnsproblemer? Skal politikken først og fremst fremme økonomisk vekst, eller bør den fokusere på å redusere ulikhet og risiko? Å finne riktig balanse er avgjørende, men vi har fortsatt ikke klare svar på hvordan dette kan gjøres best mulig. Dette prosjektet søker å gi svar ved å bruke en ny tilnærming. I stedet for å basere politikk på teori alene, bør vi lære av tidligere erfaringer. Ved å analysere hvordan tidligere KI-relaterte tiltak har påvirket bedrifter og samfunnet, kan vi utforme smartere og mer treffsikre løsninger. Målet er å utvikle politikk som gir størst mulig nytte for samfunnet – både nå og i fremtiden.

There is currently a vivid societal debate and nascent research about the economic effects of artificial intelligence (AI). Some expect to see positive impacts in terms of innovation, productivity and economic growth. Others point to possible economic harms such as technological unemployment, increasing market concentration and exacerbation of income inequalities. 

Public policies will have a crucial role to shape the direction and extent of these effects. However, it is still quite unclear what policies could do to foster the future economic benefits of AI, what they could do to avoid its possible harms, and how they could balance the positive and negative impacts. 

The present project will investigate the trade-off between growth and inequality effects of AI, and analyze how public policies for AI should be designed in order to take this trade-off into account. 

The key novel aspect of the project will be the application of the optimal policy learning (OPL) approach to the study of policies for AI. The main idea of this approach is that optimal policies should be designed by exploiting information about the effects of previous policies on the treated agents, in such a way that new policies will seek to maximize ex-ante the empirical welfare of the target population. In other words, the design of new policies is optimal because it is based upon, and it learns from, the effects of previous policies and the heterogenous characteristics of agents. 

To apply this approach to the study AI policies, the project will develop the following pillars: (1) a conceptual framework of firm heterogeneity and AI, which points out the main factors that affect firms’ adoption of AI and its effects; (2) empirical analysis of how AI and related policies affect different types of firms; (3) analysis of how different policies should be designed in order to maximize empirical welfare, and how these policies can address the trade-off between efficiency and equity effects of AI.

Artificial Intelligence: Growth, Inequalities and Public Policies

Chemosensation is a critical signalling process for sea cucumbers which relies on the interaction between their chemosensory receptors and various ligands for foraging and reproduction. Although there is a vast amount of research on the chemistry of secreted specialized metabolites of sea cucumbers, and some behavioural data evidencing chemoreception of these metabolites, the chemosensory receptors of these organisms have not yet been identified and nothing is known about the physiology behind sea cucumber chemosensation. This setback is in large part because the scientific approach behind studying chemosensation requires a vast array of techniques and expertise in ethology, chemistry, molecular biology, and biophysics.  Firstly, a behaviour associated with a chemical cue must be quantifiable, secondly, the precise chemical cue eliciting the behaviour response must be identified and isolated, thirdly, the chemosensory receptor of this specific cue needs to be identified on a tissue, cellular, and molecular level, and finally, the activation of this specific receptor by a specific chemical cue must elicit a measurable response on a molecular, cellular, tissue, and organismal level. Through this project, I will elucidate the physiology of chemical communication between sea cucumber by considering these sequential steps in chemosensation. With my previous experience in sea cucumber ethology and chemistry, SensHolo will enrich my skill base in molecular biology and biophysics so that the mechanisms behind intraspecific chemical communication between sea cucumbers may be determined from both the emitter and receiver perspective; from signal to receptor.  This holistic approach will be ground-breaking in chemosensation and sea cucumber research. It will enable future research to address the evolution of chemosensation in marine invertebrates and the chemical ecology of sea cucumbers both in the context of optimizing aquaculture and in their ecological conservation.

Chemosensation in Holothruoids

Tørre øyne er en multifaktoriell betennelsessykdom karakterisert av en ustabil tårefilm, som oftest grunnet nedsatt kvalitet av tårefilmens ytre fettlag produsert av modifiserte talgkjertler i øyelokkene. Grunnet de mange underliggende årsakene til tørre øyne blir mange forskjellige behandlinger og behandlingskombinasjoner ofte brukt. Dette kan være både økonomisk krevende og slitsomt for pasienten. Dette prosjektet tar sikte på å strømlinjeforme, optimalisere og individualisere behandlingstilbudet til forskjellige undergrupper av tørre øyne basert på maskinlæring og prediksjonsmodeller.

Dry eye disease is a multifactorial disease characterized by inflammation, decreased tear production and/or tear film instability due to dysfunction of the lipid producing glands of the eyelids. As a result, a multimodal treatment approach is often initiated, addressing several pathological clinical signs and modifiable risk factors concomitantly. This is often time consuming, financially expensive and exhausting for the patient. Interpreting signs and symptoms of dry eye disease and making accurate predictions as to which patient will respond which treatment or combination of treatments difficult. With the current project we aim to improve clinical decision making by:
1. Through machine learning and prediction models delineate which group of patients are most likely to benefit from either IPL or cyclosporine in monotherapy, and which patients are most likely to require dual therapy.   	
2. Construct prediction model protocols to streamline and individualize IPL protocols based on prognostic factors and prediction analysis of treatment outcomes. This is especially applicable in relation to demodex eradication, as demodicosis remains fairly treatment refractory to date and is readily involved in the pathophysiology of MGD. Thus, it is of utmost interest to streamline the current treatment options and, hopefully, contribute to an expanded repertoire of efficacious eradication methods in the future. 
3. Contribute to the lack of standardized treatment regimes, recommendations and guidelines concerning IPL treatment. Evaluate the optimum number of treatments and treatment intervals as well as the need for concomitant heat mask and eyelid massage.

Clinical predictors of treatment response in dry eye disease

Verifying the therapeutic potential of newly discovered siRNA drug candidates for treating acute leukemia.

Universitetet i Bergen (UiB) og Norges teknisk-naturvitenskapelige universitet (NTNU) lanserer NorHTE, en ny nasjonal plattform hvor kjemiske eksperimenter kan gjennomføres med høy gjennomstrømming (eng. HTE). HTE bruker avansert robotikk for å automatisere og kontrollere kjemiske eksperimenter og prosesser, noe som muliggjør raskere og mer pålitelig forskning sammenlignet med tradisjonelle manuelle metoder. NorHTE vil være en to-delt fasilitet delt mellom UiB og NTNU. UiB-noden vil tilby fasiliteter for batch-HTE, hvor robotsystemer utfører sekvenser av kjemiske eksperimenter og prosesser på en lignende måte som en menneskelig kjemiker, mens NTNU-noden vil tilby verktøy for flow-HTE, hvor reagenser strømmer gjennom en serie kjemiske moduler. Begge nodene vil tilby omfattende muligheter for sanntidsanalyse og optimalisering av kjemiske reaksjoner, ved bruk av kunstig intelligens for å muliggjøre oppdagelsen av nye molekyler og materialer for elektronikk, katalyse, medisin, diagnostikk, energiteknologi og mange andre anvendelsesområder. Et kjennetegn ved NorHTE er at det tilbyr fasiliteter for kjemisk produksjon i mellomskala, ved bruk av flow-reaktorer for å produsere opptil 1 kg fine kjemikalier per dag.

This application seeks to establish a new national infrastructure platform (NorHTE) that will furnish Norway’s academic and industrial research communities in chemistry and related sciences with state-of-the-art hardware for high-throughput experimentation (HTE) and manufacturing. By offering a fast, automated and quality-assured alternative to error-prone manual methods, NorHTE will accelerate the discovery of new molecules and materials for multiple application areas, including electronics, catalysis, therapeutics, diagnostics and energy generation and conversion.
The proposed infrastructure – the first of its kind in Norway – will comprise four platforms for (i) batch-chemistry, (ii) flow-chemistry, (iii) real-time analysis and optimisation, and (iv) scale-up. By combining automation, chemometrics and machine learning, NorHTE will allow Norwegian scientists to carry out large-scale chemical experiments of far wider scope than is currently feasible, leading to superior products and/or more efficient synthesis routes. The UiB node will consist of two robotic systems for aerobic and anaerobic batch synthesis, and a system for automated purification. The NTNU node will comprise a suite of flow modules for in-line reaction, purification and scale-up. Both nodes will be furnished with extensive in-line instrumentation for reaction monitoring, and will allow for automated feedback-driven searches in which the reaction conditions are repeatedly updated to improve e.g. yield or materials properties. The distinguishing feature of NorHTE which sets it apart from other HTE facilities worldwide is the inclusion of infrastructure for intermediate-scale chemical synthesis up to the 1-kg/day level, providing users with a complete solution that encompasses both chemical discovery and chemical manufacturing.

Norwegian Open Laboratory for High-Throughput Experimentation and Scale-up

Midlene fra PES-HORISONT-EU-PES Horisont Europa fordelt på år

Midlene fra PES-HORISONT-EU-PES Horisont Europa fordelt på fylker

Midlene fra PES-HORISONT-EU-PES Horisont Europa fordelt på fagområde

This project involves all actions related to the PE process of the Eureka Eurostars project. Vilje Bionics will run as a coordinator for a Eurostars project to improve the performance of an exoskeleton for the whole arm and analyze the corresponding validation-, evidence- and social return on investment in a study. The project establishment process mainly includes finding the right consortium partners as well as agreeing on the project scope and writing the Eureka Eurostars application. The total consortium budget is estimated to be EUR 1,6M.

PES-HORISONT-EU-PES Horisont Europa

Vilje Bionics Eurostars Project Establishment- Technology validation, evidence and improved performance of an exoskeleton for the whole arm.

Awarded: NOK 99,999

Summary

Funding scheme:

PES-HORISONT-EU-PES Horisont Europa

Funding Sources

Thematic Areas and Topics