Das Projekt "Auswertung eruptionsdynamischer Daten des Mt. Erebus, Antarktis" wird vom Umweltbundesamt gefördert und von Universität Hamburg, Zentrum für Meeres- und Klimaforschung, Institut für Geophysik durchgeführt. Die Quantifizierung vulkanischer Eruptionsdynamik ist immer noch eine der großen Herausforderungen der geophysikalischen Vulkanologie. Quantitative in situ Daten werden benötigt, um existierende Modelle für den präerutiven Magmentransport zu verifizieren und um neue Modell hierfür zu entwickeln. In situ Daten können aber nur mit einem gut ausgebauten vulkanologischen Monitoringsystem, welches sich an einem regelmäßig eruptierenden offenen Schlotsystem befindet, aufgezeichnet werden. Systeme dieser Art sind auf der Erde relativ selten und die beste Lokation ist wahrscheinlich Mt. Erebus in der Antarktis, da hier bereits ein gut ausgebautes Monitoringsystem existiert. Im Rahmen dieses Antrags werden wir die notwendige Infrastruktur entwickeln, um während des antarktischen Sommers 2003/2004 ein Doppler Radargerät am Kraterrand des Mt. Erebus zu betreiben. Das Radar soll alle strombolianischen Eruptionen während einer 4 wöchigen Messkampagne aufzeichnen. Mit Hilfe der Daten sollen die zeitliche Entwicklung der Eruptionsgeschwindigkeit untersucht und die während einer Eruption ausgestoßene Magmenmenge abgeschätzt werden. Wichtig ist weiterhin die Korrelation unserer Daten mit den vom Mount Erebus Volcano Observatory (MEVO) aufgezeichneten seismischen, akustischen, geodätischen und thermischen Signalen. Insbesondere ist ein Vergleich mit den akustischen Daten und Videoaufzeichnungen von Interesse, wodurch wir hoffen, die immer noch heftig diskutierte Frage des Überdrucks in Gasgroßblasen direkt vor der Eruption zu beantworten.
Das Projekt "Teilprojekt: Simulationsbasierte Untersuchung der Einsatzszenarien" wird vom Umweltbundesamt gefördert und von Technische Universität Berlin, Institut für Land- und Seeverkehr, Fachgebiet Verkehrssystemplanung und Verkehrstelematik durchgeführt. Das Projekt NaMAV erarbeitet, gemeinsam mit der Stadt Leipzig als aktivem Praxispartner, Konzepte für eine solche vorausschauende Nutzung möglicher Chancen und Minimierung von Risiken künftiger höher automatisierter Verkehrssysteme. Ziel dieses Teilprojekts ist es, Einsatzszenarien für hoch- und vollautomatisiert fahrende Fahrzeuge (Stufen 4 und 5) für die Stadt Leipzig zu erarbeiten und diese mithilfe der Verkehrssimulationssoftware MATSim (Multi-Agent Transport Simulation, www.matsim.org) zu modellieren und bzgl. ihrer systemweiten Wirkungen zu untersuchen. Hierfür wird ein agentenbasiertes und dynamisches Verkehrsmodell für die Stadt Leipzig aufgesetzt, in welchem Anwendungen automatisiert fahrender Fahrzeuge implementiert werden. Im Fokus der Untersuchungen der Einsatzszenarien von Anwendungen autonomer Fahrzeuge stehen neben den verkehrlichen Wirkungen und Erreichbarkeitsberechnungen auch die Umweltwirkungen, z.B. Luftschadstoff- und Lärmemissionen. Die Simulationsergebnisse werden in öffentlichen Veranstaltungen kommuniziert und diskutiert. Das Leipzig-Modell sowie die Konfigurationen und Anpassungen für Anwendungen automatisierter Fahrzeuge stehen im Anschluss an das Projekt auf einem öffentlichen Server zur Verfügung und können damit u.a. von der Stadt Leipzig kostenfrei genutzt und weiterentwickelt werden.
Das Projekt "Teilvorhaben: Methoden für Debugging und Trace des eingesetzten Datenflussprozessors" wird vom Umweltbundesamt gefördert und von pls Programmierbare Logik & Systeme GmbH durchgeführt. Ziel des Vorhabens sind neuartige Verfahren zur Entwicklung, Modellierung und Regelung von Antriebssystemen basierend auf KI-Technologie. Ein Fokus ist hierbei die effiziente Umsetzung der entwickelten KI-Modelle und -Verfahren auf eingebetteten Systemen für Onboard-Anwendungen zukünftiger Fahrzeuge. Anhand von zwei Anwendungsbeispielen sollen die Methoden exemplarisch entwickelt und sowohl das kurzfristige als auch das langfristige Potential des Forschungsvorhabens nachgewiesen werden. Im ersten Anwendungsbeispiel ermöglicht KI-Embedded sogenannte Virtuelle Sensoren, die aus bestehenden Daten durch KI-Verfahren zur Sensorfusion zusätzliche Systemgrößen liefern, und so die Möglichkeit bietet emissionsärmere und effizientere Verbrennungsmotoren zu entwickeln. Das zweite Anwendungsbeispiel ist die Modellbasierte Regelung des Brennstoffzellenstapels, welches das Herzstück des Brennstoffzellenantriebes bildet. Hier ermöglicht erst KI-Embedded den Einsatz von KI-Modellen für die effiziente und echtzeitfähige Regelung des komplexen Zusammenspiels von Brennstoffzelle und Antrieb.
Das Projekt "Teilvorhaben: Software-Werkzeuge für effiziente Nutzung von KI-Hardwarebeschleunigern" wird vom Umweltbundesamt gefördert und von OFFIS e.V. durchgeführt. Ziel des Vorhabens sind neuartige Verfahren zur Entwicklung, Modellierung und Regelung von Antriebssystemen basierend auf KI-Technologie. Ein Fokus ist hierbei die effiziente Umsetzung der entwickelten KI-Modelle und -Verfahren auf eingebetteten Systemen für Onboard-Anwendungen zukünftiger Fahrzeuge. Anhand von zwei Anwendungsbeispielen sollen die Methoden exemplarisch entwickelt und sowohl das kurzfristige als auch das langfristige Potential des Forschungsvorhabens nachgewiesen werden. Im ersten Anwendungsbeispiel ermöglicht KI-Embedded sogenannte Virtuelle Sensoren, die aus bestehenden Daten durch KI-Verfahren zur Sensorfusion zusätzliche Systemgrößen liefern, und so die Möglichkeit bietet emissionsärmere und effizientere Verbrennungsmotoren zu entwickeln. Das zweite Anwendungsbeispiel ist die Modellbasierte Regelung des Brennstoffzellenstapels, welches das Herzstück des Brennstoffzellenantriebes bildet. Hier ermöglicht erst KI-Embedded den Einsatz von KI-Modellen für die effiziente und echtzeitfähige Regelung des komplexen Zusammenspiels von Brennstoffzelle und Antrieb.
Das Projekt "Teilvorhaben: Entwickeln & Validieren der KI-Methoden für Embedded-Systems mit beschränkten Ressourcen, Echtzeitanforderungen, Hardware-Beschleunigung" wird vom Umweltbundesamt gefördert und von Robert Bosch GmbH durchgeführt. Ziel des Vorhabens sind neuartige Verfahren zur Entwicklung, Modellierung und Regelung von Antriebssystemen basierend auf KI-Technologie. Ein Fokus ist hierbei die effiziente Umsetzung der entwickelten KI-Modelle und -Verfahren auf eingebetteten Systemen für Onboard-Anwendungen zukünftiger Fahrzeuge. Anhand von zwei Anwendungsbeispielen sollen die Methoden exemplarisch entwickelt und sowohl das kurzfristige als auch das langfristige Potential des Forschungsvorhabens nachgewiesen werden. Im ersten Anwendungsbeispiel ermöglicht KI-Embedded sogenannte Virtuelle Sensoren, die aus bestehenden Daten durch KI-Verfahren zur Sensorfusion zusätzliche Systemgrößen liefern, und so die Möglichkeit bietet emissionsärmere und effizientere Verbrennungsmotoren zu entwickeln. Das zweite Anwendungsbeispiel ist die Modellbasierte Regelung des Brennstoffzellenstapels, welches das Herzstück des Brennstoffzellenantriebes bildet. Hier ermöglicht erst KI-Embedded den Einsatz von KI-Modellen für die effiziente und echtzeitfähige Regelung des komplexen Zusammenspiels von Brennstoffzelle und Antrieb.
Das Projekt "Teilvorhaben: Kollaborative Entwicklungsumgebung für Embedded AI" wird vom Umweltbundesamt gefördert und von itemis AG durchgeführt. Ziel des Vorhabens sind neuartige Verfahren zur Entwicklung, Modellierung und Regelung von Antriebssystemen basierend auf KI-Technologie. Ein Fokus ist hierbei die effiziente Umsetzung der entwickelten KI-Modelle und -Verfahren auf eingebetteten Systemen für Onboard-Anwendungen zukünftiger Fahrzeuge. Anhand von zwei Anwendungsbeispielen sollen die Methoden exemplarisch entwickelt und sowohl das kurzfristige als auch das langfristige Potential des Forschungsvorhabens nachgewiesen werden. Im ersten Anwendungsbeispiel ermöglicht KI-Embedded sogenannte Virtuelle Sensoren, die aus bestehenden Daten durch KI-Verfahren zur Sensorfusion zusätzliche Systemgrößen liefern, und so die Möglichkeit bietet emissionsärmere und effizientere Verbrennungsmotoren zu entwickeln. Das zweite Anwendungsbeispiel ist die Modellbasierte Regelung des Brennstoffzellenstapels, welches das Herzstück des Brennstoffzellenantriebes bildet. Hier ermöglicht erst KI-Embedded den Einsatz von KI-Modellen für die effiziente und echtzeitfähige Regelung des komplexen Zusammenspiels von Brennstoffzelle und Antrieb.
Das Projekt "Teilvorhaben: Entwicklung effizienter, KI-gestützter, modellprädiktiver Regelung" wird vom Umweltbundesamt gefördert und von Technische Universität Darmstadt, Fachgebiet Regelungstechnik und Cyberphysische Systeme durchgeführt. Ziel des Vorhabens sind neuartige Verfahren zur Entwicklung, Modellierung und Regelung von Antriebssystemen basierend auf KI-Technologie. Ein Fokus ist hierbei die effiziente Umsetzung der entwickelten KI-Modelle und -Verfahren auf eingebetteten Systemen für Onboard-Anwendungen zukünftiger Fahrzeuge. Anhand von zwei Anwendungsbeispielen sollen die Methoden exemplarisch entwickelt und sowohl das kurzfristige als auch das langfristige Potential des Forschungsvorhabens nachgewiesen werden. Im ersten Anwendungsbeispiel ermöglicht KI-Embedded sogenannte Virtuelle Sensoren, die aus bestehenden Daten durch KI-Verfahren zur Sensorfusion zusätzliche Systemgrößen liefern, und so die Möglichkeit bietet emissionsärmere und effizientere Verbrennungsmotoren zu entwickeln. Das zweite Anwendungsbeispiel ist die Modellbasierte Regelung des Brennstoffzellenstapels, welches das Herzstück des Brennstoffzellenantriebes bildet. Hier ermöglicht erst KI-Embedded den Einsatz von KI-Modellen für die effiziente und echtzeitfähige Regelung des komplexen Zusammenspiels von Brennstoffzelle und Antrieb.
Das Projekt "Teilvorhaben: Entwicklung eines detaillierten physikalischen Brennstoffzellenmodells" wird vom Umweltbundesamt gefördert und von Universität Magdeburg, Fakultät für Elektrotechnik und Informationstechnik, Institut für Automatisierungstechnik durchgeführt. Ziel des Vorhabens sind neuartige Verfahren zur Entwicklung, Modellierung und Regelung von Antriebssystemen basierend auf KI-Technologie. Ein Fokus ist hierbei die effiziente Umsetzung der entwickelten KI-Modelle und -Verfahren auf eingebetteten Systemen für Onboard-Anwendungen zukünftiger Fahrzeuge. Anhand von zwei Anwendungsbeispielen sollen die Methoden exemplarisch entwickelt und sowohl das kurzfristige als auch das langfristige Potential des Forschungsvorhabens nachgewiesen werden. Im ersten Anwendungsbeispiel ermöglicht KI-Embedded sogenannte Virtuelle Sensoren, die aus bestehenden Daten durch KI-Verfahren zur Sensorfusion zusätzliche Systemgrößen liefern, und so die Möglichkeit bietet emissionsärmere und effizientere Verbrennungsmotoren zu entwickeln. Das zweite Anwendungsbeispiel ist die Modellbasierte Regelung des Brennstoffzellenstapels, welches das Herzstück des Brennstoffzellenantriebes bildet. Hier ermöglicht erst KI-Embedded den Einsatz von KI-Modellen für die effiziente und echtzeitfähige Regelung des komplexen Zusammenspiels von Brennstoffzelle und Antrieb.
Das Projekt "Teilvorhaben: Charakterisierung eines Brennstoffzellenstapels zur Messdatengewinnung" wird vom Umweltbundesamt gefördert und von Fraunhofer-Institut für Solare Energiesysteme durchgeführt. Ziel des Vorhabens sind neuartige Verfahren zur Entwicklung, Modellierung und Regelung von Antriebssystemen basierend auf KI-Technologie. Ein Fokus ist hierbei die effiziente Umsetzung der entwickelten KI-Modelle und -Verfahren auf eingebetteten Systemen für Onboard-Anwendungen zukünftiger Fahrzeuge. Anhand von zwei Anwendungsbeispielen sollen die Methoden exemplarisch entwickelt und sowohl das kurzfristige als auch das langfristige Potential des Forschungsvorhabens nachgewiesen werden. Im ersten Anwendungsbeispiel ermöglicht KI-Embedded sogenannte Virtuelle Sensoren, die aus bestehenden Daten durch KI-Verfahren zur Sensorfusion zusätzliche Systemgrößen liefern, und so die Möglichkeit bietet emissionsärmere und effizientere Verbrennungsmotoren zu entwickeln. Das zweite Anwendungsbeispiel ist die Modellbasierte Regelung des Brennstoffzellenstapels, welches das Herzstück des Brennstoffzellenantriebes bildet. Hier ermöglicht erst KI-Embedded den Einsatz von KI-Modellen für die effiziente und echtzeitfähige Regelung des komplexen Zusammenspiels von Brennstoffzelle und Antrieb.
Das Projekt "Teilvorhaben: Entwicklung modellbasierter Verbrauchsprognosen für multimodale Auskunftssysteme und energieoptimales Routing" wird vom Umweltbundesamt gefördert und von Fraunhofer-Institut für Betriebsfestigkeit und Systemzuverlässigkeit LBF, Standort Kranichstein durchgeführt. Ziel des Verbundprojektes ist es, vernetzte Einzeldienstleistungen für die Elektromobilität in einem Dienstleistungsverbund dauerhaft für die Region Frankfurt RheinMain zur Verfügung zu stellen. Ziel des Teilvorhabens ist es, multimodale Pre-trip und On-trip Routenplaner um besondere Anforderungen der Elektromobilität zu erweitern. Diese sind vor allem durch die Randbedingungen gekennzeichnet, welche aus begrenzter Reichweite und erheblichen Ladezeiten resultieren. Das Fraunhofer LBF erstellt dazu ein Fahrzeugmodell, das für verschiedene Elektrofahrzeugkonzepte und in Abhängigkeit von Strecken- und Umgebungsbedingungen den voraussichtlichen Energieverbrauch abschätzt und eine hinreichend verlässliche Verbrauchsprognose ermöglicht. Darauf aufbauend lassen sich energieoptimale Routen berechnen und Batterieladestopps effizient planen. Mit Hilfe der jeweils zur Verfügung stehenden Daten werden dabei neben den spezifischen Fahrzeugparametern weitere wesentliche Einflussgrößen wie Beladungszustand des Fahrzeugs, Höhenprofil der Strecke, voraussichtlicher Geschwindigkeitsverlauf auf Basis der Verkehrslage oder Umgebungstemperatur Berücksichtigung finden. Anhand von Untersuchungen hinsichtlich Rechenzeiten und Genauigkeitsanforderungen wird für die geplante Anwendung die ideale Modellkomplexität ermittelt und in die Routingalgorithmen integriert. Des Weiteren werden die mit diesem Modell erstellten Verbrauchsprognosen Genauigkeitsbetrachtungen unterzogen, um eine hinreichende Sicherheit der Routenplanung, insbesondere bezüglich der zugrunde gelegten Reichweite, zu gewährleisten. Mit der Integration von Verbrauchsprognosen für Elektrofahrzeuge und der speziell hierfür erforderlichen Daten wie Ladestationen oder Höhenprofile in multimodale Routenplaner wird ein wesentlicher Beitrag zur individuellen, umweltbewussten Mobilitätsplanung geleistet und die Nutzungsakzeptanz von Elektrofahrzeugen in der Bevölkerung auf eine breitere Basis gestellt.
| Origin | Count |
|---|---|
| Bund | 12 |
| Type | Count |
|---|---|
| Förderprogramm | 12 |
| License | Count |
|---|---|
| open | 12 |
| Language | Count |
|---|---|
| Deutsch | 12 |
| Englisch | 1 |
| Resource type | Count |
|---|---|
| Keine | 9 |
| Webseite | 3 |
| Topic | Count |
|---|---|
| Boden | 6 |
| Lebewesen & Lebensräume | 4 |
| Luft | 5 |
| Mensch & Umwelt | 12 |
| Wasser | 5 |
| Weitere | 12 |