API src

Found 3949 results.

Similar terms

s/kit/KI/gi

Kindertagesstätten Stadt Oldenburg

Standorte der Kindertagesstätten im Stadtgebiet Oldenburg

WMS MRH Länderdaten

Web Map Service (WMS) mit Fachdaten der Bundesländer, die Mitglied in der Metropolregion Hamburg sind oder Teilbereiche der Bundesländer der Metropolregion Hamburg abdecken. Über diesen WMS-Dienst werden Themen wie Moor, Torf, Camping, Windkraftanlagen, Berufsschulen oder Kindertagesstätten und Verwaltungsgrenzen aus unterschiedlichen Bundesländern dargestellt. Je nach Zuständigkeit liefert jedes der an der Metropolregion Hamburg beteiligten Bundeslandes flächendeckend Daten zu den Themen Informationen. Daher liegen teilweise nicht für jedes Bundesland alle Themen vor. Für Schlewsig-Holstein gibt es z.B. derzeit über diesen Weg keine Informationen zu Kindertagesstätten. Der WMS-Dienst ist für die Nutzung im Rahmen der Geodateninfrastruktur der Metropolregion Hamburg. Die Datensatzbeschreibungen zu den einzelnen Themen sind über den Metadatenkataloge der Bundesländer Niedersachsen und Schleswig-Holstein sowie über den Verbundkatalog MetaVer (Hamburg und Mecklenburg-Vorpommern) zu finden. Zur genaueren Beschreibung der Daten und Datenverantwortung siehe Beschreibungen der dargestellten Daten im Metadatenkatalog des Landes. Zur genaueren Beschreibung der Daten und Datenverantwortung nutzen Sie bitte den Verweis zur Datensatzbeschreibung.

Staatliche_Dienste - Kindergärten im Saarland

Der Kartendienst stellt die Standorte der öffentlichen Landesverwaltung und der Kommunen dar.:Standorte von Kindergärten im Saarland wurden vom Geodatenzentrum digitalisiert anhand der Daten Grundlage "Verzeichnis der Kindertageseinrichtungen" vom Statistische Amt des Saarlandes.

KI-Methoden für Betrieb und Wartung von bifazialen PV-Anlagen

Ziel des Projekts KIMBIF ist die Hochrechnung (Extrapolation) und Prognose (Forecast) der Erzeugungsleistung von Photovoltaik(PV)-Anlagen mit bifazialen PV-Modulen. Durch die Nutzung des auf der Rückseite einfallenden Lichts erreicht einen höheren Ertrag im Vergleich zu monofazialen Modulen. Die Einstrahlungsverhältnisse auf der Rückseite eines Modulfeldes sind jedoch so komplex, dass die Leistung einer solchen PV-Anlage mit rein physikalischen Modellen nicht mit vertretbarem Aufwand und der erforderlichen Genauigkeit aus den aktuellen Betriebsbedingungen abgeschätzt oder vorhergesagt werden kann Im Projekt werden daher datengetriebene Modelle mit Methoden der künstlichen Intelligenz (KI-Modelle) für Monitoring und Einspeisevorhersage von bifazialen PV-Systemen entwickelt und in einem großen, kommerziellen PV-Park zur Anwendung gebracht. Diese generischen Modelle sollen zum einen durch Mehrfachadaption die Extrapolation von einer begrenzten, detailliert vermessenen Referenzeinheit (PV-Modulstrang oder PV-Teilfeld) auf den gesamten PV-Park erlauben und zum anderen auf andere PV-Anlagen übertragbar sein. Dies beinhaltet auch Verfahren zur kontinuierlichen Adaptierung der KI-Modelle mittels Life-long Learning, um eine nahezu unmittelbare Nutzung nach dem Betriebsstart einer PV-Anlage mit einer limitierten Datenbasis sowie eine fortschreitend verbesserte Anpassung der KI-Modelle an das reale Betriebsverhalten zu ermöglichen. Die KI-Modelle werden zur Ermittlung der erwarteten aktuellen Leistungswerte für einen PV-Park, für die Anlagenüberwachung zur Fehlererkennung auf der Ebene der Teileinheiten und für die vorausschauende Wartungsplanung (predictive maintenance) eingesetzt. Des Weiteren wird mit dem Modell ein Leistungsvorhersagesystem (z.B. 24h-Forecast) unter Verwendung von Wetterprognosen für eine optimierte Betriebsführung des PV-Parks erstellt und im Betriebsleitsystem implementiert und erprobt.

PROaktive Steuerung von WAsserVErteilungssystemen

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.

Förderung der Bildung für nachhaltige Entwicklung im Bereich der frühkindlichen Bildung

INSPIRE US Kindertagesstätten der Stadt Erfurt

Der Datensatz zeigt die Standorte von Kindergärten und Kinderkrippen der Stadt Erfurt. Es handelt sich um einen Sekundärdatenbestand.

INSPIRE US Kindertagesstätten der Stadt Jena

Dieser Datenbestand stellt die Standorte der Kindertagesstätten der Stadt Jena dar.

Kindertageseinrichtungen Landkreis Lüneburg

Standorte verschiedener Kindertageseinrichtungen im Landkreis Lüneburg

Neue Arzneipflanzen und Wirkstoffe aus Sachsen-Anhalt, Teilvorhaben A

1 2 3 4 5 … 393 394 395