API src

Found 3005 results.

Similar terms

s/kp/KI/gi

Smarte Pull-Logistik und -Wiederverwendung von Elektro- und Elektronikaltgeräten durch frühe und KI-basierte Zustandserkennung, optimale Entsorgungsentscheidung und ressourcenschonende Stückgut-Logistik, Teilvorhaben: Endnutzer Use Cases zu Kleingeräten z.B. Kaffeemaschinen

Sonderforschungsbereich (SFB) 1502: Regionaler Klimawandel: Die Rolle von Landnutzung und Wassermanagement, Teilprojekt D05: Tiefe generative Netzwerke zur Erkennung von anomalen Ereignissen im Wasserkreislauf

Ziel des Projektes ist es, extreme Ereignisse in simulierten Wasserkreislaufkomponenten zu identifizieren, indem neuartige tiefe generative Netzwerke entwickelt werden, die anomale Ereignisse in simulierten Daten erkennen. Da die Erkennung von anomalen Ereignissen datengetrieben ist, werden sie nicht immer mit Extremen wie Dürren zusammen auftreten. Wir werden daher neuartige Methoden auf Basis von Deep Learning entwickeln, die die Auswirkungen von anomalen Ereignissen, wie landwirtschaftliche Dürren, vorhersagen. Darüber hinaus werden wir die entwickelten Ansätze nutzen, um die Auswirkungen anthropogener Treiber auf anomale Ereignisse zu untersuchen.

Fischgemeinschaften und Temperaturanforderungen nach OGewV

Diese Einteilung folgt nicht den Kriterien der klassischen Fließgewässerzonierung (Fischregionen), sondern orientiert sich an den Vorzugstemperaturen der Fischarten. Die in den Fließgewässern Sachsens vorkommenden Fischarten wurden in Bezug auf ihre Temperaturansprüche in drei Artengruppen (Arten des Salmoniden-Rhithrals, Cypriniden-Rhithrals und Potamals) eingeteilt und die Zuordnung der Fischgemeinschaften/Fischgewässertyp in Abhängigkeit von ihren Gesamtanteilen in den Referenz-Fischzönosen vorgenommen.

Amtliches Festpunktinformationssystem (AFIS)

Hinweis: Seit dem 9. Dezember erfasst der LGV die AFIS/ALKIS/ATKIS Daten bundeseinheitlich in der AdV-Referenzversion 7.1 im AFIS-ALKIS-ATKIS-Anwendungsschemas (AAA-AS) Version 7.1.2. Bei Fragen zu inhaltlichen Veränderungen wenden Sie sich an das Funktionspostfach: geobasisdaten@gv.hamburg.de Im Rahmen der Modellierung der Geoinformationen des amtlichen Vermessungs-wesens (AFIS-ALKIS-ATKIS-Modell = AAA-Modell) werden die amtlichen Nachweise des Raumbezuges im Amtlichen Festpunktinformationssystem (AFIS®) digital geführt. Der Inhalt und die Struktur des Nachweises der Festpunkte richten sich nach den bundeseinheitlichen Festlegungen des AFIS®. Mit der Einführung am 01.01.2013 werden derzeit die Höhenfestpunkte (HFP) des Aufnahmehöhennetzes nachgewiesen. Die Schwerefestpunkte (SFP), Geodätische Grundnetzpunkte (GGP) und SAPOS®-Referenzstationspunkte (RSP) sollen folgen. Als Standardausgaben stehen dem Nutzer die Festpunktübersicht, der Einzelpunktnachweis und die Punktliste zur Verfügung.

Optimierter Betrieb von Solarturm-Receivern, Teilvorhaben: Entwicklung und Verifizierung aktiver nicht-invasiver Temperatursensierung im Hochtemperaturbereich

In OPTOP werden Design und Betrieb des Receivers als zentraler Schnittstelle der Solar Island eines Solarturmkraftwerks verbessert. Dafür wird innovative Messtechnik in ein Monitoringsystem basierend auf Machine Learning und Digital Twin integriert. Das Projekt OPTOP hat drei Kernthemen: a) Sensorik für Receiver: In einem integralen Messkonzept für den Receiver wird die verbesserte Erfassung der Receiveroberflächentemperatur mittels Infrarotkameras, eine nicht-invasive Erfassung der Fluidtemperatur im Receiver, eine betriebsbegleitende Strahlungsdichtemessung und die kamerabasierte Reflexionsgradvermessung des Receivers implementiert. Die Sensordaten werden gemäß den Prinzipien von Industrie 4.0 und dem IoT aufbereitet und für die Betriebsoptimierung und das Receivermonitoring bereitgestellt. b) Receivermonitoring und intelligente Betriebsstrategien: Basierend auf dem umfassenden Sensorinput und einem parallellaufenden Digital-Twin-Modell des Receivers wird ein Monitoringsystem entwickelt, das mittels Machine-Learning-Methoden ein Überschreiten der Receiver-Betriebsgrenzen im Voraus erkennt und dem Betreiber einen sicheren Betrieb erleichtert. Darauf aufbauend wird mit dynamischen Zielpunkt- und Defokussierstrategien und O&M-Zyklen eine intelligente Betriebsstrategie entwickelt, die den Betrieb der Solar Island sowohl energetisch als auch ökonomisch optimiert. c) Transientes Receiverdesign: Eine Methodik für das Design des Receivers als zentraler Schnittstelle der Solar Island wird entwickelt, welche das integrale System für maximalen Ertrag im transienten Kraftwerksbetrieb optimiert. Dafür wird der Einsatz variabler Flussschemata untersucht, für welche - um die Grenzen des erlaubten Einsatzbereichs nicht zu überschreiten - die umfassende Kenntnis des Receiverzustands im Betrieb basierend auf Sensorik und Digital Twin notwendig ist. Die entwickelte Sensorik und Simulations-Methodik wird im Labor und im Turmsystem Cerro Dominador in Chile implementiert und getestet.

Weiterentwicklung des BirdRecorders mit neuester Sensortechnologie und Erweiterung für nachtaktive Vögel und Fledermäuse zur Minderung von Kollisionen von Vögeln und Fledermäusen an Windenergieanlagen, Teilvorhaben: Multifunktionaler Laserentfernungsmesser

Ziel des Vorhabens ist die Entwicklung und Erprobung eines neuartigen, modularen Bird- und BatRecorders (BBR 2.0) als Antikollisionssystem für den vogel- und fledermausfreundlichen Betrieb von Windkraftanlagen, anpassbar auf beliebige Windparklayouts für Offenland- und Waldstandorte. Basis der Entwicklung des BBR 2.0 Systems ist die Prototypentwicklung des kamerabasierten BirdRecorder-Systems, das im Rahmen eines vom Bundesamt für Naturschutz geförderten Vorhabens entwickelt wurde. Mit einer neuartigen Kombination von scannenden Lidarsensoren und Laserentfernungsmesstechnik mit fest installierten und nachgeführten Kameras im sichtbaren und nahen Infrarot Spektralbereich ist die Detektion und Verfolgung der Flugbahn von tag- und nachtaktiven Vögeln und Fledermäusen im Umkreis von Windenergieanlagen möglich. Mit Methoden der künstlichen Intelligenz erfolgt die Arterkennung von Vögeln und Fledermäusen, um Kollisionen mit Windenergieanlagen weitgehend vermeiden zu können. Mittels Modularisierung des BBR 2.0 Systems wird ein Systembaukasten von Sensoren, Komponenten und Modulen entwickelt, der je nach geforderter Beobachtungssituation am Standort, für den vogel- und fledermausfreundlichen Betrieb von einzelnen WEAs bis zu großen Windparks zusammengestellt, konfiguriert und kontinuierlich betrieben werden kann. Damit können die bisherigen, meist pauschalen Abschaltzeiten von WEAs bedarfsgerecht minimiert werden, um den Ertrag von bestehenden und neuen Windparks zu steigern. Das entwickelte BBR 2.0 wird zusammen mit Partnern in mehreren Windparks in unterschiedlichen Naturräumen erprobt. Das Vorhaben wird von einer projektbegleitenden Arbeitsgruppe begleitet und beraten, in der Vertreter:innen aller relevanten Stakeholder aus dem Bereich Windenergie, Naturschutz und Branchenverbände vertreten sein werden.

Bebauungsplan HafenCity 7 Hamburg

Gebiet der Landzunge zwischen Grasbrookhafen und Norderelbe und östlich der Landzunge bis zur San-Francisco-Straße. Das Plangebiet wird wie folgt begrenzt: West- und Nordgrenzen des Flurstücks 2377 (alt: 1963 - Strandhöft und Hübener-kai), über das Flurstück 6596 (alt: 2021 - Marco-Polo-Terrassen), Ostgrenzen der Flurstücke 6596 und 2377, Nordgrenzen der Flurstücke 2068 und 2371 (alt: 1963 - Hübenerstraße), über die Flurstücke 2371 und 2375 (alt: 1963), Ostgrenze des Flurstücks 2375, Ost- und Südgrenzen des Flurstücks 2374 (alt: 1963), Südgrenze des Flurstücks 2373 (alt: 1963), über das Flurstück 2376 (alt: 1963), Südgrenzen der Flurstücke 2376 und 2377 der Gemarkung Altstadt-Süd.

Fahrdynamische Modellierung zur Systemidentifikation mithilfe Künstlicher Intelligenz

Das Projekt zielt darauf ab, die Fahrdynamik eines Schiffs aus Fahrtaufzeichnungen zu charakterisieren und abzuleiten. Im nächsten Schritt wird für das individuelle Schiff ein passender Satz an Koeffizienten für ein Manövriermodell in der Schiffsführungssimulation generiert. Dazu bedarf es der Unterstützung durch Verfahren des maschinellen Lernens. Aufgabenstellung und Ziel Schiffsführungssimulationen für wasserbauliche Maßnahmen und/oder zur Festlegung schifffahrtspolizeilicher Regelungen an den Wasserstraßen erfordern im Vergleich zu Simulationen für Trainings- und Ausbildungszwecke eine höhere Präzision und Detailtiefe der zugrundeliegenden Daten. Das betrifft neben den Umweltdaten, Seekarten, Peilungen, Wetterbedingungen und Tideströmungen insbesondere die Fahrdynamik der zu untersuchenden Schiffe. In den meisten Fällen sind die verfügbaren fahrdynamischen Daten und Informationen nicht umfangreich oder genau genug, um scharfe Aussagen zu wasserbaulichen Maßnahmen oder schifffahrtspolizeilichen Regelungen treffen zu können. Im Sinne der Vorlaufforschung sollen Techniken und Möglichkeiten geschaffen werden, die Fahrdynamik des zu untersuchenden Schiffs oder Schiffstyps mit höherer Genauigkeit und in kürzerer Zeit als bisher zu generieren. Daher wird ein Verfahren entwickelt, das die Koeffizienten der Fahrdynamik in der Schiffsführungssimulation aus Aufzeichnungen einzelner realer Fahrten des jeweiligen Schiffs ermittelt. Bedeutung für die Wasserstraßen- und Schifffahrtsverwaltung des Bundes (WSV) Die Aussageschärfe von Schiffsführungssimulationen zur Überprüfung wasserbaulicher Maßnahmen auf nautische Belange und für wasserpolizeiliche Regelungen wird verbessert. Zusätzlich kann erwartet werden, dass die Akzeptanz der Untersuchungsergebnisse aus einer Schiffsführungssimulation erhöht wird, indem die simulierte Fahrdynamik auf der des realen Schiffes beruht, das in der jeweiligen Schiffsführungssimulation gefahren wird. Untersuchungsmethoden Die Möglichkeiten zur Erstellung und Kalibrierung der Fahrdynamik im Schiffsführungssimulator wird erweitert. Das erfolgt auf Grundlage von Daten und Messwerten, die aus dem Forschungsprojekt ManoevIdent zur Verfügung stehen. Die Erweiterung wird zunächst am See-Schiffsführungssimulator der BAW eingerichtet und getestet, sodass diese Erweiterungen zuverlässig an Seefahrtschulen und Trainingszentren mit einem Schiffsführungssimulator ANS6000 von Rheinmetall eingesetzt werden können.

Bidirektionale Flexibilität durch Flottenkraftwerke in und um Unternehmen, Teilvorhaben: Predictive Maintenance und intelligentes Lastmanagement

KI: Steigerung des Nutzungsgrads von Kunststoffabfällen durch KI-basierte Kombination von manueller Sortierung und Mikro-Automatisierung

1 2 3 4 5 … 299 300 301