Mobile-Menu

Simplex4Learning Maschinelles Lernen, der Umwelt zuliebe

Von Chiara Maurer 1 min Lesedauer

Anbieter zum Thema

Disy Informationssysteme GmbH
BMBF - Bundesministerium für Bildung und Forschung Pressereferat
G DATA CyberDefense AG
Materna Information & Communications SE
PDV GmbH

Das BMBF-Forschungsprojekt Simplex4Learning soll die Anwendung von KI- und Machine Learning-Methoden in Umweltbehörden erleichtern. Ziel ist ein praxistauglicher Ansatz, der die Anwendung von KI-Algorithmen im Bereich umweltbezogener Fragestellungen erleichtert und verbreitet.

Das Projekt „Simplex4Learning“, soll neue Ansaätze liefern, Umweltdaten durch KI effizienter zu nutzen.(© dimarik – Getty Images via Canva.com)
Das Projekt „Simplex4Learning“, soll neue Ansaätze liefern, Umweltdaten durch KI effizienter zu nutzen.
(© dimarik – Getty Images via Canva.com)

KI-Methoden, insbesondere Machine Learning, können ökologische Phänomene und komplexe Zusammenhänge, wie sie bei der Ursachen-Wirkung-Forschung in Waldökosystemen auftreten, besser verstehen. Ein neuen Forschungsprojekt unter der Leitung von Disy adressiert den Mangel an KI-Expertise in Umweltbehörden und zielt darauf ab, diese Methoden breiter anwendbar zu machen.

Das Forschungsprojekt „Intelligente Umweltdatenanalyse durch automatisiertes maschinelles Lernen für Fachanwender“ (Simplex4Learning) startete im Oktober 2023 und läuft bis März 2026. Es wird im Rahmen der „KMU-Innovationsoffensive IKT“ vom Bundesministerium für Bildung und Forschung (BMBF) gefördert. Das Projektkonsortium umfasst die Disy Informationssysteme GmbH, Simplex4Data GmbH und die Hochschule für Technik und Wirtschaft Berlin. Assoziierte Partner unterstützen das Vorhaben mit Umweltdaten und Anwendungsfällen.

Das 30-monatige Projekt soll neue Ansätze für die vertiefte Analyse von Umweltdaten bieten. Dr. Andreas Abecker, Leiter Forschung und Innovation bei Disy erklärt: „Viele Kunden können mangels praktikabler Werkzeuge nur mit großem Aufwand sowie viel mathematischem und softwaretechnischem Hintergrundwissen KI-Verfahren zur vertieften Analyse ihrer Daten nutzen. Hier wollen wir speziell mit Machine Learning neue Ansätze bieten.“

Praxistauglicher Ansatz

Im Rahmen des Forschungsprojekts soll ein praxistauglicher Ansatz für die Analysesoftware disy Cadenza entwickelt werden. Dieser Ansatz ermöglicht es Anwendern, über eine Analyse-Erweiterung Daten und Aufgaben an trainierte KI-Modelle zu senden und die Ergebnisse in ihrer Analyseumgebung zu visualisieren.

Die Bereitstellung von Umweltdaten für das maschinelle Lernen ist dabei entscheidend. Der Simplex-Ansatz, entwickelt von Simplex4Data, ermöglicht eine einheitlich strukturierte Datenhaltung, die unabhängig von spezifischen Anwendungsfällen ist. Dies erleichtert die Integration in bestehende (Geodaten-)Infrastrukturen.

(ID:49834586)

Jetzt Newsletter abonnieren

Wöchentlich die wichtigsten Infos zur Digitalisierung in der Verwaltung

Mit Klick auf „Newsletter abonnieren“ erkläre ich mich mit der Verarbeitung und Nutzung meiner Daten gemäß Einwilligungserklärung (bitte aufklappen für Details) einverstanden und akzeptiere die Nutzungsbedingungen. Weitere Informationen finde ich in unserer Datenschutzerklärung. Die Einwilligungserklärung bezieht sich u. a. auf die Zusendung von redaktionellen Newslettern per E-Mail und auf den Datenabgleich zu Marketingzwecken mit ausgewählten Werbepartnern (z. B. LinkedIn, Google, Meta).

Aufklappen für Details zu Ihrer Einwilligung

Weiterführende Inhalte