API src

Found 1159 results.

Related terms

Energy-Efficient Large-Scale Artificial Intelligence for Sustainable Data Centers

System zur Minimierung des PUE durch Anwendung von Retrofit-Technologien in Kälte-Systemen von Rechenzentren, Teilvorhaben: Kältesystemanalyse und Begleitforschung

Innerhalb versorgungstechnischer Systeme (z. B. Kälteerzeugungssystemen) interagieren verschiedene Energiewandlungstechnologien, die häufig über dezentrale Regelungslogiken gesteuert werden. Deren mangelnde Abstimmung führt zu einem ineffizienten Betrieb der Gesamtsysteme. Den Verantwortlichen sind die Ineffizienzen durch falsche oder starre Sollwerte und Dimensionierungen oft nicht bewusst. Die Komplexität der Zusammenhänge und sich ständig verändernde Einflussfaktoren erschweren zusätzlich das Benchmarking und die Dimensionierung der Komponenten. Im geplanten Forschungsvorhaben wird eine KI-gestützte Optimierungslösung für Kälteanlagen aufgebaut, um eine modellgestützte Bewertung und Entscheidungshilfe für Retrofitmaßnahmen zu entwickeln. Diese Entscheidungshilfe ermöglicht die Analyse und Effizienzsteigerung der Komponenten in Abhängigkeit von den tatsächlichen Betriebsregimen der Anlagen. Entscheidungsvariablen, die im EISKIG-Vorhaben unveränderliche Parameter waren, werden nun optimiert (z. B. maximale Anlagenleistung, zulässige Betriebspunkte). Der Fokus dieses Projekts liegt ausschließlich auf der Versorgungstechnik von Rechenzentren. Zu Beginn wird der IST-Zustand des Energiesystems der Kälteversorgung im Rechenzentrum der Anwendungspartner mittels eines 'Digitalen Zwillings' beschrieben und untersucht. Die Untersuchungen konzentrieren sich auf folgende Energiewandlungskomponenten der Kälteerzeugung: Pumpen, Kompressionskältemaschinen, Wärmeübertrager, Ventile, Rückkühlwerke/Kühltürme (nass, trocken, adiabat), Wärmeübergabestationen. Mit dem digitalen Zwilling lassen sich verschiedene Retrofit-Maßnahmen simulieren und hinsichtlich Wirtschaftlichkeit und Emissionsminderung durch Energiekosteneinsparungen bewerten. Die Anwendungspartner erhalten auf dieser Basis Handlungsempfehlungen für wirtschaftlich umsetzbare Retrofit-Maßnahmen, einschließlich der Gegenüberstellung der IST-Situation mit branchenüblichen Durchschnittswerten.

Gesundheitsrisiken durch Hitze

<p>Sommerlich hohe Lufttemperatur birgt für Mensch und Umwelt ein hohes Schädigungspotenzial. Der Klimawandel führt nachweislich vermehrt zu extremer Hitze am Tag und in der Nacht, wodurch sich die gesundheitlichen Risiken für bestimmte Personengruppen erhöhen können. Für die Gesundheit von besonderer Bedeutung sind Phasen mit mehrtägig anhaltender, extremer Hitze.</p><p>Indikatoren der Lufttemperatur: Heiße Tage und Tropennächte</p><p>Die klimatologischen Kenngrößen „Heiße Tage“ und „Tropennächte“ des Deutschen Wetterdienstes (⁠<a href="https://www.umweltbundesamt.de/service/glossar/d?tag=DWD#alphabar">DWD</a>⁠) werden unter anderem zur Beurteilung von gesundheitlichen Belastungen verwendet. So ist ein „Heißer Tag“ definiert als Tag, dessen höchste Temperatur oberhalb von 30 Grad Celsius (°C) liegt, und eine „Tropennacht“ als Nacht, deren niedrigste Temperatur 20 °C nicht unterschreitet.</p><p>Die raumbezogene Darstellung von „Heißen Tagen“ (HT) und „Tropennächten“ (TN) über die Jahre 2000 bis 2024 zeigt, dass diese zum Beispiel während der extremen „Hitzesommer“ in den Jahren 2003, 2015, 2018 und 2022 in Deutschland verstärkt registriert wurden (siehe interaktive Karte „Heiße Tage/Tropennächte“).</p><p>Zu beachten ist, dass ⁠<a href="https://www.umweltbundesamt.de/service/glossar/h?tag=Heie_Tage#alphabar">Heiße Tage</a>⁠ und ⁠<a href="https://www.umweltbundesamt.de/service/glossar/t?tag=Tropennchte#alphabar">Tropennächte</a>⁠ regional unterschiedlich verteilt und ausgeprägt sein können, wie die Sommer der Jahre 2015, 2018, 2019 und 2022 zeigen. So traten Heiße Tage 2015 erheblich häufiger in Süddeutschland (maximal 40 HT) als in Norddeutschland (2015: maximal 18 HT) auf. Auch Tropennächte belasteten die Menschen im Süden und Westen Deutschlands häufiger: 2015 in Südwestdeutschland (maximal 13 TN). Besonders und wiederkehrend betroffen von extremer Hitze Demgegenüber betraf die extreme Hitze der Sommer 2018 und 2019 sind einige Teilregionen Süd- und Südwestdeutschlands (oberes Rheintal und Rhein-Maingebiet) sowie weite Teile Mittel- und Ostdeutschlands, wie Südbrandenburg und Sachsen (bis zu 45 HT und 13 TN). Während 2022 vor allem die Oberrheinische Tiefebene von Basel bis Frankfurt am Main sowie weitere Ballungsräume in Süddeutschland mit weit mehr als 30 Heißen Tage betroffen waren, lag der Hitzeschwerpunkt des Sommers 2024 mit bis zu 30 Heißen Tagen erneut in Brandenburg und Sachsen, bei nur sehr wenigen Tropennächten. 2025 gab es 11 Heiße Tage (gemittelt über die Fläche Deutschlands).</p><p>Informationen zur interaktiven Karte</p><p>Quellen: ⁠<a href="https://www.umweltbundesamt.de/service/glossar/h?tag=Heie_Tage#alphabar">Heiße Tage</a>⁠ 2000-2025 – ⁠<a href="https://www.umweltbundesamt.de/service/glossar/d?tag=DWD#alphabar">DWD</a>⁠/Climate Data Center, ⁠<a href="https://www.umweltbundesamt.de/service/glossar/t?tag=Tropennchte#alphabar">Tropennächte</a>⁠ 2000-2025 – DWD/Climate Data Center; Daten für 2025 – Persönliche Mitteilung des DWD vom 14.11.2025.</p><p>Die Bearbeitung der interaktiven Karte erfolgt durch das Umweltbundesamt, FG I 1.6 und I 1.7.</p><p>Gesundheitsrisiko Hitze</p><p>Der ⁠<a href="https://www.umweltbundesamt.de/service/glossar/k?tag=Klimawandel#alphabar">Klimawandel</a>⁠ beeinflusst in vielfältiger Weise unsere Umwelt. Klimamodelle prognostizieren, dass der Anstieg der mittleren jährlichen Lufttemperatur zukünftig zu wärmeren bzw. heißeren Sommern mit einer größeren Anzahl an Heißen Tagen und Tropennächten führen wird. Extreme Hitzeereignisse können dann häufiger, in ihrer Intensität stärker und auch länger anhaltend auftreten. Es gibt bereits belastbare Hinweise darauf, dass sich die maximale Lufttemperatur in Deutschland in Richtung extremer Hitze verschieben wird (vgl. Friedrich et al. 2023). Dieser Trend ist in der Abbildung „Anzahl der Tage mit einem Lufttemperatur-Maximum über 30 Grad Celsius“ bereits deutlich erkennbar.</p><p>Die mit der Klimaerwärmung verbundene zunehmende Hitzebelastung ist zudem von erheblicher gesundheitlicher Bedeutung, da sie den Organismus des Menschen in besonderer Weise beansprucht und zu Problemen des Herz-Kreislaufsystems führen kann. Außerdem fördert eine hohe Lufttemperatur zusammen mit intensiver Sonneneinstrahlung die Entstehung von gesundheitsgefährdendem bodennahem Ozon (siehe <a href="https://www.umweltbundesamt.de/daten/umwelt-gesundheit/gesundheitsrisiken-durch-ozon">„Gesundheitsrisiken durch Ozon“</a>). Anhaltend hohe Lufttemperatur während Hitzeperioden stellt ein zusätzliches Gesundheitsrisiko für die Bevölkerung dar. Bei Hitze kann das körpereigene Kühlsystem überlastet werden. Als Folge von Hitzebelastung können bei empfindlichen Personen Regulationsstörungen und Kreislaufprobleme auftreten. Typische Symptome sind Kopfschmerzen, Erschöpfung und Benommenheit. Ältere Menschen und Personen mit chronischen Vorerkrankungen (wie zum Beispiel Herz-Kreislauf-Erkrankungen) sind von diesen Symptomen besonders betroffen. So werden während extremer Hitze einerseits vermehrt Rettungseinsätze registriert, andererseits verstarben in den beiden Hitzesommern 2018 und 2019 in Deutschland insgesamt etwa 15.600 Menschen zusätzlich an den Folgen der Hitzebelastung (vgl. Winklmayr et al. 2022). Modellrechnungen prognostizieren für Deutschland, dass zukünftig mit einem Anstieg hitzebedingter Mortalität von 1 bis 6 Prozent pro einem Grad Celsius Temperaturanstieg zu rechnen ist, dies entspräche über 5.000 zusätzlichen Sterbefällen pro Jahr durch Hitze bereits bis Mitte dieses Jahrhunderts.</p><p>Der Wärmeinseleffekt: Mehr Tropennächte in Innenstädten</p><p>Eine Studie untersuchte die klimatischen Verhältnisse von vier Messstationen in Berlin für den Zeitraum 2001-2015 anhand der beiden Kenngrößen „Heiße Tage“ und „Tropennächte“. Während an den unterschiedlich gelegenen Stationen die Anzahl Heißer Tage vergleichbar hoch war, traten ⁠<a href="https://www.umweltbundesamt.de/service/glossar/t?tag=Tropennchte#alphabar">Tropennächte</a>⁠ an der innerhalb dichter, innerstädtischer Bebauungsstrukturen gelegenen Station wesentlich häufiger (mehr als 3 mal so oft) auf, als auf Freiflächen (vgl. <a href="https://www.umweltbundesamt.de/sites/default/files/medien/4031/publikationen/uba_krug_muecke.pdf">Krug &amp; Mücke 2018</a>). Eine Innenstadt speichert die Wärmestrahlung tagsüber und gibt sie nachts nur reduziert wieder ab. Die innerstädtische Minimaltemperatur kann während der Nacht um bis zu 10 Grad Celsius über der am Stadtrand liegen. Dies ist als städtischer Wärmeinseleffekt bekannt.</p><p>Hitzeperioden</p><p>Von besonderer gesundheitlicher Bedeutung sind zudem Perioden anhaltender Hitzebelastung (umgangssprachlich „Hitzewellen“), in denen ⁠<a href="https://www.umweltbundesamt.de/service/glossar/h?tag=Heie_Tage#alphabar">Heiße Tage</a>⁠ in Kombination mit Tropennächten über einen längeren Zeitraum auftreten können. Sie sind gesundheitlich äußerst problematisch, da Menschen nicht nur tagsüber extremer Hitze ausgesetzt sind, sondern der Körper zusätzlich auch in den Nachtstunden durch eine hohe Innenraumtemperatur eines wärmegespeicherten Gebäudes thermophysiologisch belastet ist und sich wegen der fehlenden Nachtabkühlung nicht ausreichend gut erholen kann. Ein Vergleich von Messstellen des Deutschen Wetterdienstes (⁠<a href="https://www.umweltbundesamt.de/service/glossar/d?tag=DWD#alphabar">DWD</a>⁠) in Hamburg, Berlin, Frankfurt/Main und München zeigt, dass beispielsweise während der ⁠<a href="https://www.umweltbundesamt.de/service/glossar/h?tag=Hitzesommer#alphabar">Hitzesommer</a>⁠ 2003 und 2015 in Frankfurt/Main 6 mehrtägige Phasen beobachtet wurden, an denen mindestens 3 aufeinanderfolgende Heiße Tage mit sich unmittelbar anschließenden Tropennächten kombiniert waren&nbsp;(vgl. <a href="https://www.umweltbundesamt.de/sites/default/files/medien/4031/publikationen/uba_krug_muecke.pdf">Krug &amp; Mücke 2018</a>). Zu erwarten ist, dass mit einer weiteren Erwärmung des Klimas die Gesundheitsbelastung durch das gemeinsame Auftreten von Heißen Tagen und Tropennächten während länger anhaltender Hitzeperioden – wie sie zum Beispiel in den Sommern der Jahre 2003, 2006, 2015 und vor allem 2018 in Frankfurt am Main beobachtet werden konnten – auch in Zukunft zunehmen wird (siehe Abb. „Heiße Tage und ⁠<a href="https://www.umweltbundesamt.de/service/glossar/t?tag=Tropennchte#alphabar">Tropennächte</a>⁠ 2001 bis 2020“). Davon werden insbesondere die in den Innenstädten (wie in Frankfurt am Main) lebenden Menschen betroffen sein. Eine Fortschreibung der Abbildung über das Jahr 2020 hinaus ist aktuell aus technischen Gründen leider nicht möglich.&nbsp;</p><p><em>Tipps zum Weiterlesen: </em></p><p><em>Winklmayr, C., Muthers, S., Niemann, H., Mücke, H-G, an der Heiden, M (2022): Hitzebedingte Mortalität in Deutschland zwischen 1992 und 2021. Dtsch Arztebl Int 2022; 119: 451-7; DOI: 10.3238/arztebl.m2022.0202</em></p><p><em>Bunz, M. &amp; Mücke, H.-G. (2017): ⁠<a href="https://www.umweltbundesamt.de/service/glossar/k?tag=Klimawandel#alphabar">Klimawandel</a>⁠ – physische und psychische Folgen. In: Bundesgesundheitsblatt 60, Heft 6, Juni 2017, S. 632-639.</em></p><p><em>Friedrich, K. Deutschländer, T., Kreienkamp, F., Leps, N., Mächel, H. und A. Walter (2023): Klimawandel und Extremwetterereignisse: Temperatur inklusive Hitzewellen. S. 47-56. In: Guy P. Brasseur, Daniela Jacob, Susanne Schuck-Zöller (Hrsg.) (2023): Klimawandel in Deutschland. Entwicklung, Folgen, Risiken und Perspektiven. 2. Auflage, 527 S., über 100 Abb., Berlin Heidelberg. ISBN 978-3-662-6669-8 (eBook): Open Access.</em></p>

Klimaatlas NRW - Niederschlag: Precipitation Stripes

Der Datensatz bestehend aus sogenannten Precipitation Stripe-Diagrammen der mittleren jährlichen Niederschlagssumme der folgenden Flächeneinheiten: Gemeinden, Kreise, Regierungsbezirke, Planungsregionen, Großlandschaften und NRW. Die Darstellung als Niederschlagsstreifen beruhen auf der Idee von Ed Hawkings, University of Reading, UK, jeweils umgesetzt durch das Landesamt für Natur, Umwelt und Klima NRW mit den flächenhaften Mittelwerten aus den Temperaturrastern des Deutschen Wetterdienstes, Climate Data Center (CDC). Je höher eine Jahresniederschlagssumme, desto desto dunkel-blauer, je geringer desto brauner. Die Zeitreihe beginnt 1881 und endet 2025. Die Zeitreihe beginnt 1881 und endet 2025. In jeder .zip-Datei befindet sich das Streifendiagramm als .jpeg-Datei oder .pdf -Datei. Zusätzlich werden die Mittelwerte 1881-2025 als CSV-Tabelle bereitgestellt, ebenso wie eine Übersichtstabelle der jeweiligen Minimal- und Maximalwerte der jeweiligen Gebietskulisse.

Klimaatlas NRW - Temperatur: Warming Stripes

Der Datensatz enthält die Warming Stripe-Diagramme der mittleren jährlichen Lufttemperatur der folgenden Flächeneinheiten: Gemeinden, Kreise, Regierungsbezirke, Planungsregionen, Großlandschaften und NRW. Die Darstellung als Temperaturstreifen beruhend auf der Idee von Ed Hawkings, University of Reading, UK, jeweils umgesetzt durch das Landesamt für Natur, Umwelt und Klima NRW mit den flächenhaften Mittelwerten aus den Temperaturrastern des Deutschen Wetterdienstes, Climate Data Center (CDC). Je wärmer eine Jahresmitteltemperatur, desto dunkel-roter der Streifen, je kühler, desto dunkel-blauer. Die Zeitreihe beginnt 1881 und endet 2025. In jeder .zip-Datei befindet sich das Streifendiagramm als .jpeg-Datei oder .pdf -Datei. Zusätzlich werden die Mittelwerte 1881-2025 als CSV-Tabelle bereitgestellt, ebenso wie eine Übersichtstabelle der jeweiligen Minimal- und Maximalwerte der jeweiligen Gebietskulisse.

CDC (Climate Data Center)

Free access and download to of a growing selection of DWD’s climate data. Via CDC Search you will find data for direct download and interactive access to station data. The interactive mode gives graphical and tabular previews of the German station data. In addition, all data sets remain accessible from our ftp server for direct download

Energieforschungsplan EVUPLAN, Weiterentwicklung der Kennzahl Server Idle Energy Coefficient (SIEC) zur Sichtbarmachung des unnötigen Energieverbrauchs von Servern

a) Zielstellung, fachliche Begründung: Um den klimapolitischen Forderungen nachzukommen, Energie sparsam und effizient einzusetzen, muss das Maß der Energieeffizienz in Rechenzentren möglichst allumfassend bestimmbar sein. Während sich Kennzahlen über die Energieeffizienz der gebäudetechnischen Anlagen bereits etabliert haben, sind Kennzahlen, die Auskunft über den effizienten Betrieb der IT geben, unzureichend vorhanden, aufwendig zu erheben und in der Praxis nicht etabliert. Die Kennzahl 'Server Idle Energy Coefficient' (SIEC) könnte diese Lücke schließen, da mit ihr zwischen produktiver und nichtproduktiver Leistung unterschieden werden kann und sie somit neue Effizienzpotentiale aufzeigen könnte. Die Hauptaufgabe des Vorhabens liegt darin, die Anwendbarkeit der Kennzahl SIEC zu untersuchen, Grenzen aufzuzeigen und Verbesserungen vorzuschlagen. b) Output: Das Vorhaben hat folgende Schwerpunkte 1: Analyse und Weiterentwicklung der Kennzahl SIEC. Inbesondere die Methode zur Ermittlung der nichtproduktiven Leistung eines Serves im Leerlaufmodus soll umfassend untersucht und wenn möglich angepasst werden. 2: Erprobung der Kennzahl SIEC in der Praxis in fünf Rechenzentren, die sich vorzugsweiße in Art, Größe und typischer Auslastung unterscheiden. Auf Grundlage der Ergebnisse sollen Handlungsempfehlungen für die Umsetzung von Effizienzmaßnahmen gegeben werden. 3: Ergebnisse werden in einer Broschüre fesgehalten und zur Information von Marktakteuren veröffentlicht. 4: Konzeptentwicklung zur Verwendung der Kennzahl SIEC in geeigneten Normen für Rechenzentren, insbesonder für die EN 50600 und ISO 30134. Auf drei Begleitkreistreffen sollen die Ergebnisse des Vorhabens mit der Fachöffentlichkeit diskutiert werden.

Ein interaktiver KI-Assistent zur Analyse und Optimierung von Energiesystemen, Teilvorhaben: Industriegerechte Anwendung für Rechenzentren

Die Industrie steht vor wachsenden Herausforderungen im Energiemanagement: steigende Komplexität der Energiesysteme, ungenutzte Datenmengen, Fachkräftemangel, hohe Energiekosten und zunehmende regulatorische Anforderungen. Effizienzpotenziale bleiben oftmals ungenutzt, da notwendige Analysen zu spät oder nur mit hohem Aufwand durchgeführt werden. Das Projekt etaGPT setzt hier an und nutzt KI-basierte Assistenzsysteme, insbesondere Large Language Models (LLMs), um die Analyse und Optimierung von Energiesystemen zu beschleunigen. Ziel ist es, Energiemanager durch schnellere, präzisere Auswertungen zu unterstützen und die Umsetzung von Energieeffizienzmaßnahmen zu vereinfachen. Die Anwendung fokussiert dabei die drei Hauptbereiche: 1. Identifikation von Effizienzmaßnahmen 2. Umsetzung von Maßnahmen 3. Visualisierung und Reporting Durch praxisnahe Lösungen und die Einbindung von Industriepartnern wird die Umsetzungsgeschwindigkeit gesteigert, ohne die Umsetzungsqualität zu beeinträchtigen. Innovationspunkte wie Offline-Fähigkeit, energieeffizienter Betrieb, modellagnostische Lösungen sowie ein hybrider Ansatz sorgen für flexible, skalierbare und datensichere Anwendungen, die die Energiewende unterstützen und die Wettbewerbsfähigkeit der Industrie stärken.

System zur Minimierung des PUE durch Anwendung von Retrofit-Technologien in Kälte-Systemen von Rechenzentren

Globale Abschätzung von Wassermangel in Karstregionen in Zeiten des globalen Wandels

Karst entsteht sich durch die Verwitterung von Karbonatgestein und erzeugt starke oberflächliche und unterirdische Heterogenität von hydrologischen Speicher und Fließprozessen. Ungefähr 7% bis 12% der Erdoberfläche besteht aus Karstgebieten und etwa ein Viertel der Weltbevölkerung ist ganz oder teilweise abhängig von Trinkwasser aus Karstgrundwasserleitern. Für die nächsten Jahrzehnte, Klimamodelle prognostizieren einen starken Temperaturanstieg und eine Abnahme von Niederschlagsmengen in vielen Karstregionen der Welt. Trotz dieser Vorhersagen gibt es nur wenige Studien, die die Auswirkungen des Klimawandels auf die Karstwasserressourcen abschätzen. Die ist hautsächlich auf das Fehlen von Messdaten und die inadäquate Abbildung von Karstprozessen in derzeit angewandten Ansätzen zur großskaligen Modellierung zurückzuführen. Das Ziel der beantragten Nachwuchsgruppe ist, die notwendigen Daten und Ansätze zur erstmaligen Abschätzung der gegenwärtigen und zukünftigem Verfügbarkeit von Wasserressourcen in Karstgebieten zur Verfügung zu stellen. Um dieser Herausforderung gerecht zu werden, sind signifikante Fortschritte (1) zum Verständnis der Heterogenität von Karstregionen und zu deren Einarbeitung in hydrologische Modelle, (2) zum Upscaling von Beobachtungen auf der Einzugsgebietsskale für Anwendungen von Simulationsmodellen im globalen Maßstab, und (3) zum Vergleich der gegenwärtigen und zukünftigen Verfügbarkeit von Wasserressourcen mit gegenwärtigen und zukünftigen Wasserbedarf von Nöten. Im vorgeschlagenen Projekt sollen neuartige Ansätze zur Messung und Analyse hydrologischer Daten an fünf experimentellen Messgebieten, die in 5 verschiedenen Klimaregionen über den Globus verteilt sind (AU, D, ES, MX, UK), eingesetzt werden, um die Einflüsse der Heterogenität von Karstgebieten auf oberflächennahe Fließprozesse zu erkunden. Mittels einer neu entwickelten Karstdatenbank, welche beobachtete Zeitreihen von Karstquellenabflüssen enthält, und Rezessionsanalyse sollen die Heterogenität von Grundwasser und Abflussprozesse in verschiedenen Regionen der Welt charakterisiert werden. Dieselbe Datenbank, erweitert durch zusätzlich Abflussdaten auf Flussgebietsskale des Global Runoff Data Center (GRDC), soll zur Entwicklung eines neuen Ansatzes zur Einbindung der neu gewonnenen Erkenntnisse in ein großskaliges Simulationsmodell speziell für Karstregionen angewandt werden. Dieses Modell soll letztendlich dazu benutzt werden, um (1) gegenwärtige und, gekoppelt mit Klimaszenarien, zukünftige Verfügbarkeit von Wasserressourcen in Karstgebieten zu erkunden, um diese (2) mit gegenwärtigen und zukünftigen Wasserbedarf zu vergleichen und von Wassermangel bedrohte Regionen zu identifizieren.

1 2 3 4 5114 115 116