KI:STE – KI-Strategie für Erddatensysteme

Objectives and solutions

Das KI:STE-Projekt zielt darauf ab, die neuesten Entwicklungen im Bereich der künstlichen Intelligenz – insbesondere Deep-Learning-Methoden – für die fundierte Analyse von Umweltdaten zu nutzen. Das wissenschaftliche Ziel ist die Umsetzung aktueller KI-Ansätze zur Erkennung und Analyse räumlich-zeitlicher Muster in Umweltdaten in den Themenbereichen Wolken, Schnee/Eis, Wasser, Luftqualität und Vegetation im Rahmen von fünf Dissertationen. Darüber hinaus wird eine technische Plattform geschaffen, um leistungsstarke KI-Anwendungen für Umweltdaten auf portable Weise verfügbar zu machen. Es wird eine Online-KI-Lernplattform mit Schnittstellen zu dieser KI-Plattform eingerichtet. Dieses E-Learning-Angebot richtet sich an die ortsunabhängige Ausbildung von Nachwuchswissenschaftlern und anderen Interessierten. Die, in den fünf Forschungsfeldern entwickelten Konzepte und Methoden, werden als Lehrmaterial verwendet.

Bei KI:STE befassen wir uns mit Themen, die nicht besonders einfach sind: Die Datenmengen sind groß, die Komplexität ist hoch und der Kontext (Wetter und Klima) ist ein ganzes wissenschaftliches Fachgebiet! In Bezug auf maschinelles Lernen in diesem Szenario betrifft eine der wichtigsten Fragen die Optimierung von Modellen hinsichtlich ihrer Größe, ihrer Zuverlässigkeit bei Datenvariationen und für bestimmte Hardware. Diese Frage ist natürlich für jedes KI-Problem wichtig, daher verallgemeinern wir das Thema und laden Sie ein, an unserem Online-Experiment teilzunehmen.

→ Fragen oder Gedanken zu KI in der Umweltanalyse? Dr. Markus Abel und Thomas Seidler freuen sich auf deine Nachricht.