Das Projekt "Performante Open Source Software Suite für die Forschung zur Dynamik von Stromnetzen" wird/wurde ausgeführt durch: Potsdam-Institut für Klimafolgenforschung e.V..Angesichts der Herausforderungen der Energiewende und insbesondere dem anstehenden Wechsel von Synchronmaschinen zu netzbildenden Wechselrichtern, ist methodische Forschung zur kollektiven Dynamik von Stromnetzen hochaktuell. Existierende Simulationsumgebungen entsprechen oft nicht dem Stand der Technik, was numerische Methoden sowie die Nutzung von High-Performance Computern (HPC) und GPUs angeht. Dies verhindert ihren Einsatz in großen Sampling Studien, die zum Beispiel für den Einsatz von Machine Learning (ML) notwendig sind. Des Weiteren lassen sich methodische und mathematische Fortschritte häufig nur schwer oder gar nicht in existierender Software implementieren, wodurch sie nicht an realistischen Modellen validiert werden können und letzten Endes nicht in der Praxis ankommen. Für die methodische Forschung ist die Flexibilität der Implementierung der Modelle, als auch die Performance von Simulationen von entscheidender Bedeutung. Für den Einsatz von KI und ML sind große Mengen an Simulationsdaten als Input erforderlich. Um überhaupt in die Forschung zu hybriden KI Methoden, die physikalischen Simulationen und ML direkt verbinden, einsteigen zu können, ist es notwendig, die Modelle in dafür konzeptionierten Programmiersprachen zu implementieren. Existierende Softwaretools stoßen auch in der Praxis an Performance-Grenzen. Durch die eingeschränkte Leistungsfähigkeit heutiger Simulationssoftware können so in zeitkritischen Situationen nicht alle potenziell relevanten Störfälle betrachtet werden. In diesem Projekt soll diese Lücke geschlossen werden, indem eine Software Suite entwickelt wird, die darauf ausgelegt ist, methodische Neuerungen schnell und effektiv zu integrieren und gleichzeitig realistische dynamische Modelle des Stromnetzes simulieren kann. Die Aufgaben des PIK umfassen Koordination des Projekts, Community-Building und Workshops, Trainingsmaterialien und Tutorials, Backend- und Frontend-Entwicklung sowie erste Forschungsvorhaben als Modellstudien.
Das Projekt "Performante Open Source Software Suite für die Forschung zur Dynamik von Stromnetzen, Teilprojekt: Koordination, Community Building, Backend Entwicklung und erste Forschungsvorhaben" wird/wurde gefördert durch: Bundesministerium für Wirtschaft und Klimaschutz. Es wird/wurde ausgeführt durch: Potsdam-Institut für Klimafolgenforschung e.V..Angesichts der Herausforderungen der Energiewende und insbesondere dem anstehenden Wechsel von Synchronmaschinen zu netzbildenden Wechselrichtern, ist methodische Forschung zur kollektiven Dynamik von Stromnetzen hochaktuell. Existierende Simulationsumgebungen entsprechen oft nicht dem Stand der Technik, was numerische Methoden sowie die Nutzung von High-Performance Computern (HPC) und GPUs angeht. Dies verhindert ihren Einsatz in großen Sampling Studien, die zum Beispiel für den Einsatz von Machine Learning (ML) notwendig sind. Des Weiteren lassen sich methodische und mathematische Fortschritte häufig nur schwer oder gar nicht in existierender Software implementieren, wodurch sie nicht an realistischen Modellen validiert werden können und letzten Endes nicht in der Praxis ankommen. Für die methodische Forschung ist die Flexibilität der Implementierung der Modelle, als auch die Performance von Simulationen von entscheidender Bedeutung. Für den Einsatz von KI und ML sind große Mengen an Simulationsdaten als Input erforderlich. Um überhaupt in die Forschung zu hybriden KI Methoden, die physikalischen Simulationen und ML direkt verbinden, einsteigen zu können, ist es notwendig, die Modelle in dafür konzeptionierten Programmiersprachen zu implementieren. Existierende Softwaretools stoßen auch in der Praxis an Performance-Grenzen. Durch die eingeschränkte Leistungsfähigkeit heutiger Simulationssoftware können so in zeitkritischen Situationen nicht alle potenziell relevanten Störfälle betrachtet werden. In diesem Projekt soll diese Lücke geschlossen werden, indem eine Software Suite entwickelt wird, die darauf ausgelegt ist, methodische Neuerungen schnell und effektiv zu integrieren und gleichzeitig realistische dynamische Modelle des Stromnetzes simulieren kann. Die Aufgaben des PIK umfassen Koordination des Projekts, Community-Building und Workshops, Trainingsmaterialien und Tutorials, Backend- und Frontend-Entwicklung sowie erste Forschungsvorhaben als Modellstudien.
Das Projekt "Automatisierung einer Skiving-Maschine (Schälen/Schleifen) für die ökologisch vorteilhafte Runderneuerung von Altreifen mittels Deep Learning im Bereich Computer Vision" wird/wurde gefördert durch: Deutsche Bundesstiftung Umwelt. Es wird/wurde ausgeführt durch: RIGDON GmbH.
Das Projekt "Ressortforschungsplan 2024, Data Cube 2.0 : Wege in die automatisierte Umweltberichterstattung" wird/wurde gefördert durch: Bundesministerium für Umwelt, Naturschutz, nukleare Sicherheit und Verbraucherschutz. Es wird/wurde ausgeführt durch: Eviden Germany GmbH.Mit dem 'Data Cube', der gegenwärtig im UBA entwickelt wird, stehen die Daten zur Umwelt zukünftig auch maschinenlesbar über Schnittstellen zur Verfügung. Dadurch entstehen neue Möglichkeiten für die datenbasierte Kommunikation und eine (teil-)automatisierte Umweltberichterstattung. Mit dem Projekt sollen neue interaktive Formate - wie Dashboards - für verschiedene Zielgruppen und für aktuelle Themen (z.B. für die künftige Berichterstattung zur Lebensqualität) entwickelt und für die Umweltberichterstattung fruchtbar gemacht werden. Darüber hinaus soll mit dem Projekt untersucht werden, inwieweit KI-Ansätze bzw. Methoden des maschinellen Lernens zu einer effizienteren und aktuelleren Umweltberichterstattung beitragen können (z.B. AI Powered Content Generation, Trend-Detector).
Das Projekt "FH-Kooperativ 2-2022: Entwicklung und Erprobung nachhaltiger Schmierstoffe für elektromechanische Antriebe (ElAnOil)" wird/wurde gefördert durch: Bundesministerium für Bildung und Forschung. Es wird/wurde ausgeführt durch: Hochschule Aalen - Hochschule für Technik und Wirtschaft, Forschungsinstitut für Innovative Oberflächen (FINO), Arbeitsgruppe Weber.
Das Projekt "Strandmüllmonitoring arktischer Küsten mittels fernerkundlicher Methoden und automatisierter Datenauswertung durch künstliche Intelligenz" wird/wurde gefördert durch: Bundesministerium für Umwelt, Naturschutz, nukleare Sicherheit und Verbraucherschutz. Es wird/wurde ausgeführt durch: BioConsult SH GmbH & Co. KG.Deutschland möchte mit der Fortführung der Forschung an einer Methode zur möglichst automatisierten Erkennung von Müll an arktischen Küsten weiterhin die Arktischen Staaten dabei unterstützen, ein arktisweit einheitliches (oder zumindest vergleichbares) Verfahren zu etablieren, das es ermöglicht, den Umweltzustand arktischer Küstenabschnitte hinsichtlich des Vorhandenseins von Müll jetzt und in Zukunft zu erfassen und zu bewerten. Ziel des Projektes ist es, eine Methode zu entwickeln, mittels derer Küsten- und Stranduntersuchungen in der Arktis per Drohne durchgeführt werden können. Bei der Erarbeitung der entsprechenden Methodik liegt der Fokus auf der Ermittlung arktisspezifischer Parameter und der automatisierten Auswertung gewonnener Daten. Die Konzeption soll zunächst an geeigneten Teststränden oder Gebieten in Deutschland erfolgen und dann in der Arktis validiert werden. Des Weiteren sind Konzepte zu erarbeiten, wie beispielsweise arktische Gemeinden, lokale Forschungseinrichtungen oder auch andere Stakeholder wie etwa Reiseunternehmen, die im Arktisraum agieren, die Methode anwenden können. Im Zuge der automatisierten Auswertung soll eine KI entwickelt und trainiert werden, mit der die generelle Detektion von Kunststoffmüll an Küsten und Stränden in der Arktis möglich ist und ggf. auch eine automatisierte Kategorisierung der Müllteile erfolgen kann.
Das Projekt "Open Source Entwicklungstools für Stadtentwicklung: Klimafolgenanpassung mit kooperativen KI-gestützten Entscheidungsprozessen" wird/wurde gefördert durch: Deutsche Bundesstiftung Umwelt. Es wird/wurde ausgeführt durch: Hochschule Bonn-Rhein-Sieg.Zielsetzung: Das Forschungsprojekt OpenSKIZZE befasst sich mit zentralen umwelt- und klimabezogenen Herausforderungen in städtischen Gebieten und konzentriert sich insbesondere auf die Verbesserung städtischer Freiraumplanung und Bauprojekte durch den Einsatz künstlicher Intelligenz. Angesichts der zunehmenden Auswirkungen des Klimawandels, wie extreme Temperaturen und zunehmende Dürren, ist es dringend erforderlich, städtische Gebiete widerstandsfähiger zu machen. Das Projekt identifizierte eine wesentliche Lücke in der aktuellen Praxis: die unzureichende Integration von Umweltdaten und klimatologischen Erkenntnissen in die frühen Phasen der Planungs- und Bauprozesse. OpenSKIZZE ist bestrebt, diese Lücke durch die Entwicklung eines offenen, KI-gestützten Assistenzsystems zu schließen. Das System soll Planer und Architekten dabei unterstützen, Projekte von Beginn an so zu gestalten, dass sie den klimatischen Bedingungen besser standhalten und gleichzeitig die Lebensqualität im urbanen Raum steigern. Durch die Integration fortschrittlicher Algorithmen, maschinellem Lernen und detaillierter Strömungsmechaniksimulationen ermöglicht OpenSKIZZE eine genauere Vorhersage und Bewertung der Klimaauswirkungen in städtischen Gebieten. Auf diese Weise können die Auswirkungen von Bauvorhaben und Gebäudeplatzierungen auf Kaltluftkorridore besser geplant und Wärmeinseln effektiver vermieden werden, was nicht nur zu einer Reduzierung des CO2-Ausstoßes führt, sondern auch die städtische Artenvielfalt fördert und die Lebensbedingungen verbessert der Bewohner. Ein konkretes Beispiel für den Einsatz des OpenSKIZZE-Systems ist die Neugestaltung einer mittelgroßen Baustelle in der Stadt Bonn, die unter Berücksichtigung von Aspekten wie der Luftzirkulation optimiert wird. Das OpenSKIZZE-Projekt zielt daher darauf ab, einen nachhaltigen und ganzheitlichen Ansatz für die Stadtplanung und -entwicklung zu etablieren, der nicht nur aktuelle, sondern auch zukünftige klimatische Herausforderungen berücksichtigt. Die Bereitstellung des Assistenzsystems als offene Software fördert zudem eine breite Zugänglichkeit und Nutzung, die die Umsetzung umweltfreundlicher und klimaangepasster Stadtprojekte auf breiter Basis ermöglicht.
Das Projekt "PROaktive Steuerung von WAsserVErteilungssystemen" wird/wurde gefördert durch: Deutsche Bundesstiftung Umwelt. Es wird/wurde ausgeführt durch: Universität Duisburg-Essen, Abteilung Bauwissenschaften, Institut für Wasserbau und Wasserwirtschaft.Zielsetzung: Klimatische Veränderungen beeinflussen die verfügbare Wassermenge und -qualität in Talsperren, was deutliche Auswirkungen auf die Sicherheit der Trinkwasserversorgung und auf die Ökosysteme der Stauseen und den Landschaftswasserhaushalt hat. Klimaprognosen deuten für Gebiete wie den Harz auf einen Anstieg von Niederschlägen im Winter und häufigere Trockenperioden im Sommer hin, was stärker schwankende Wasserstände bedeutet. Zur Anpassung im Management der Talsperren und deren Ökosystemen mangelt es jedoch oft an präzisen Vorhersagen und den nötigen Instrumenten, um risikobasierte Entscheidungen über notwendige dynamische Betriebsstrategien zu treffen. Vor diesem Hintergrund soll im Rahmen des Projekts ein vorhersagebasiertes, mengen- und gütegewichtetes Entscheidungsunterstützungssystem für Talsperren entwickelt werden, welches auf datengetriebenen Modellen basiert und am Beispiel des Systems der Harzwasserwerke implementiert wird. Das Projekt konzentriert sich darauf, durch die Nutzung moderner Technologien und Methoden der Künstlichen Intelligenz (KI), wie LSTM-Netzwerke (Long Short-Term Memory) und Ensemble-Methoden, zuverlässige Vorhersagen des Wasserbedarfs und -dargebots zu erstellen. Diese Vorhersagen werden in ein hydrodynamisches Optimierungsmodell integriert, um eine flexible und belastbare Entscheidungsunterstützung im Ereignisfall zu ermöglichen. Hierdurch sollen die verschiedenen Bewirtschaftungsziele wie Hochwasserschutz, Versorgungssicherheit, Ökosystemleistungen, Landschaftswasserhaushalt und Energieerzeugung bestmöglich erfüllt werden. Die Kombination von Echtzeit-Sensoren, Open-Source-Datensätzen und fortschrittlichen Datenanalyse-Tools ermöglicht es, komplexe und dynamische Prozesse zu simulieren und in Echtzeit Informationen bereitzustellen. Im Sinne der nachhaltigen Klimawandelanpassung werden so proaktive Maßnahmen zur Unterstützung der Versorgungssicherheit, des Hochwasserschutzes sowie des Landschaftswasserhaushaltes ermöglicht. Die Implementierung des Demonstrators im System der Harzwasserwerke soll die Vorteile einer proaktiven Steuerung demonstrieren und eine multikriterielle Bewertung im Vergleich zu herkömmlichen Methoden ermöglichen. Der Fokus liegt nicht nur auf einem hohen Technology Readiness Level, sondern auch auf der Handhabung von Unsicherheiten und der Berücksichtigung verschiedener Vorhersagehorizonte. Diese sind für die verschiedensten wasserwirtschaftlichen Zielsetzungen von entscheidender Bedeutung.
Das Projekt "Schwerpunktprogramm (SPP) 2115: Synergie von Polarimetrischen Radarbeobachtungen und Atmosphärenmodellierung (PROM) - Verschmelzung von Radarpolarimetrie und numerischer Atmosphärenmodellierung für ein verbessertes Verständnis von Wolken- und Niederschlagsprozessen; Polarimetric Radar Observations meet Atmospheric Modelling (PROM) - Fusion of Radar Polarimetry and Numerical Atmospheric ..., Charakterisierung von orographisch beeinflusster Bereifung und sekundärer Eisproduktion und deren Auswirkungen auf Niederschlagsraten mittels Radarpolarimetrie und Dopplerspektren (CORSIPP)" wird/wurde gefördert durch: Deutsche Forschungsgemeinschaft. Es wird/wurde ausgeführt durch: Deutsche Forschungsgemeinschaft.Niederschlag ist eine wichtige Komponente des hydrologischen Kreislaufs. Um zu verstehen, wie sich der Wasserhaushalt in einem sich erwärmenden Klima verändert, ist ein umfassendes Verständnis der Niederschlagsbildungsprozesse erforderlich. In den mittleren Breiten wird der meiste Niederschlag unter Beteiligung der Eisphase in Mischphasenwolken erzeugt, aber die genauen Interaktionen zwischen Eis, flüssigem Wasser, Wolkendynamik, orografischem Antrieb und Aerosolpartikeln während der Eis-, Schnee- und Regenbildung sind nicht gut verstanden. Dies gilt insbesondere für Bereifungs- und Sekundäre Eisproduktion (SIP) Prozesse, die mit den größten quantitative Unsicherheiten in Bezug auf die Schneefallbildung verbunden sind. Die Lücken in unserem Verständnis von SIP- und Bereifungsprozesse zu schließen, ist vor allem für Gebirgsregionen entscheidend, die besonders anfällig für Änderungen des Niederschlags und des Wasserhaushalts, wie z.B. des Verhältnisses zwischen Regen und Schneefall, sind. In diesem Antrag wird ein Forschungsprojekt vorgeschlagen, das sich dem Verständnis von Bereifungs- und SIP-Prozessen in komplexem Terrain widmet. Dazu werden wir ein innovatives, simultan sendendes und simultan empfangendes (STSR), scannendes W-Band-Wolkenradar zusammen mit einer neuartigen In-situ-Schneefallkamera eine ganze Wintersaison lang in den Rocky Mountains von Colorado, USA betreiben. Die Instrumente werden Teil der Atmospheric Radiation Measurement (ARM) Surface Atmosphere Integrated Field Laboratory (SAIL) Kampagne sein, bei der ein Ka-Band und ein X-Band Radar eingesetzt werden. Durch die Kombination von spektralen polarimetrischen und Multifrequenz-Doppler-Radarbeobachtungen mit empirischen und Bayes'schen Machine Learning Verfahren werden wir Bereifungs- und SIP-Ereignisse identifizieren und deren Einfluss auf die Schneefallrate quantifizieren. Dies erfordert die Erweiterung des Passive and Active Microwave radiative TRAnsfer Modells (PAMTRA) mit zusätzlichen polarimetrischen Variablen und modernsten Berechnungen von Streueigenschaften. Durch die Nutzung der umfangreichen kollokierten Messungen während SAIL wird es ermöglicht, die beobachteten Prozessraten mit Umweltbedingungen wie Temperatur, Luftfeuchtigkeit und Flüssigwasserpfad sowie mit der Wolkendynamik in Beziehung zu setzen. Darüber hinaus werden wir einen besonderen Fokus auf den Einfluss von vertikalen Luftbewegungen legen, die unter orographischen Bedingungen häufig auftreten. Zusammengenommen wird das vorgeschlagene Projekt unser Verständnis von Bereifungs- und SIP-Prozessen in komplexem Gelände verbessern.
Das Projekt "Schwerpunktprogramm (SPP) 2115: Synergie von Polarimetrischen Radarbeobachtungen und Atmosphärenmodellierung (PROM) - Verschmelzung von Radarpolarimetrie und numerischer Atmosphärenmodellierung für ein verbessertes Verständnis von Wolken- und Niederschlagsprozessen; Polarimetric Radar Observations meet Atmospheric Modelling (PROM) - Fusion of Radar Polarimetry and Numerical Atmospheric ..., Die Detektion von Riming durch die Kombination von polarimetrischen Wetterradarmessungen-, Wettervorhersagemodellanalysen und Wolkenradar-Dopplerdaten, das Projekt POMODORI" wird/wurde gefördert durch: Deutsche Forschungsgemeinschaft. Es wird/wurde ausgeführt durch: Deutsche Forschungsgemeinschaft.Die Bereifung (riming) ist ein Prozess, der unterkühlte Wassertröpfchen effizient in Eis umwandelt. Dieser Prozess hat daher einen signifikanten Einfluss auf die Bildung und Entwicklung von Niederschlag. Bereifung ist mit Fernerkundungsmethoden schwierig zu identifizieren und quantifizieren, und wird in Modellen noch unzureichend parametrisiert. Typischerweise werden nur intensive Bereifungsprozesse in Form von Graupel in Beobachtungs- und Modellstudien berücksichtigt Um ein besseres Verständnis über den Bereifungsprozess zu erhalten, werden in PROM-POMODORI operationelle polarimetrische Messungen aus dem C-Band Wetterradarverbund des DWD mit operationellen DWD ICON-D2 Wettervorhersagen und vertikalen Doppler-Messungen aus den hochauflösenden Wolkenradarmessungen aus JOYCE (Jülich) und vom Meteorologischen Institut der Ludwig-Maximilians-Universität in München, und auch von dem C-Band-Radarverbunds kombiniert. Aus vertikal sondierenden Doppler-Radarmessungen wird über die Fallgeschwindigkeit der Eispartikel der Bereifungsgrad quantifiziert. Der Bereifungsgrad auf Basis der JOYCE Wolkenradardaten wird dann mit den polarimetrischen Messungen aus dem Radarverbund und dem thermo(dynamischen) ICON-D2 Vorhersagen über ein maschinelles Lernverfahren korreliert. In dem man faktisch die Information aus (lokalen) Bereifungs-Retrievals von Doppler-Radarmessungen auf die räumlichen polarimetrischen und thermodynamischen Messfelder überträgt, wird die räumliche Variabilität der Bereifung in Niederschlagswolken für typische Niederschlagssituationen in Teilen Süddeutschlands untersucht. PROM-POMODORI wird die identifizierte Variabilität der Bereifung in Bezug zur ICON-D2-Gitterauflösung betrachten, und dabei untersuchen, wie significant die sub-skalige Bereifungsvariabilität ist. Darüber hinaus wird in PROM-POMODORI untersucht, ob die Güte des Bereifungs-Retrivals genutzt werden könnte, um als Indikator für kritische Flugzeug-Vereisungssituation zu dienen. Dabei werden die Retrieval-Ergebnisse, mit dem DWD ADWICE System verglichen, welches für die Luftfahrt Karten über Regionen mit potentiell kritischem Vereisungspotential zu Verfügung stellt.
| Origin | Count |
|---|---|
| Bund | 1897 |
| Kommune | 1 |
| Land | 68 |
| Wirtschaft | 1 |
| Wissenschaft | 32 |
| Type | Count |
|---|---|
| Ereignis | 3 |
| Förderprogramm | 1774 |
| Text | 115 |
| unbekannt | 76 |
| License | Count |
|---|---|
| geschlossen | 171 |
| offen | 1789 |
| unbekannt | 8 |
| Language | Count |
|---|---|
| Deutsch | 1918 |
| Englisch | 239 |
| Resource type | Count |
|---|---|
| Archiv | 1 |
| Bild | 2 |
| Dokument | 37 |
| Keine | 1748 |
| Unbekannt | 1 |
| Webdienst | 1 |
| Webseite | 193 |
| Topic | Count |
|---|---|
| Boden | 1008 |
| Lebewesen & Lebensräume | 1127 |
| Luft | 867 |
| Mensch & Umwelt | 1968 |
| Wasser | 688 |
| Weitere | 1811 |
