API src

Found 9 results.

Other language confidence: 0.5767586071932261

INSPIRE Schutzgebiete in Hessen - Download EPSG 25832

INSPIRE Schutzgebiete in Hessen (PS, Schema Protected Sites Simple, DE7, DE-HE) - Datensatz HMLU/HessenForst über HLNUG - Download EPSG 25832

WFS - Schutzgebiete in Sachsen (Naturschutzgebiete, Naturparke, Nationalparke, Landschaftsschutzgebiete, Biosphärenreservate, Flächennaturdenkmäler)

Die Schutzgebietskategorien Naturschutzgebiet, Naturpark, Nationalpark, Landschaftsschutzgebiet, Biosphärenreservat und Flächennaturdenkmäler nach Naturschutzgesetz werden dargestellt.

WMS - Schutzgebiete in Sachsen (Naturschutzgebiete, Naturparke, Nationalparke, Landschaftsschutzgebiete, Biosphärenreservate, Flächennaturdenkmäler)

Die Schutzgebietskategorien Naturschutzgebiet, Naturpark, Nationalpark, Landschaftsschutzgebiet, Biosphärenreservat und Flächennaturdenkmäler nach Naturschutzgesetz werden dargestellt.

Comparing energy consumption and accuracy in text classification inference

The increasing deployment of large language models (LLMs) in natural language processing (NLP) tasks raises concerns about energy efficiency and sustainability. While prior research has largely focused on energy consumption during model training, the inference phase has received comparatively less attention. This study systematically evaluates the trade-offs between model accuracy and energy consumption in text classification inference across various model architectures and hardware configurations. Our empirical analysis shows that in some contexts the best-performing model in terms of accuracy can also be energy-efficient. While LLMs tend to consume significantly more energy than traditional machine learning models, they show the same or even lower levels of accuracy in our zero-shot classification setting. We observe substantial variability in inference energy consumption (mwh to kWh), influenced by model type, model size, and hardware specifications. Additionally, we find a strong correlation between inference energy consumption and model runtime, indicating that execution time can serve as a practical proxy for energy usage in settings where direct measurement is not feasible. Our findings demonstrate that energy efficiency and accuracy represent distinct evaluation dimensions that do not necessarily align. We argue that sustainable AI development requires systematic evaluation of both performance and resource efficiency. © The Author(s) 2026

Seehundbestände im Niedersächsischen Wattenmeer

WMS - Dienst zur Erfassung des Seehundbestandes im Niedersächsischen Wattenmeer. Der Seehundbestand im Niedersächsischen Wattenmeer wird jährlich ermittelt. Dazu werden in den Sommermonaten (Mai - September) Zählflüge durchgeführt.

Miesmuschelbänke im Niedersächsischen Wattenmeer

Miesmuschelbänke im Niedersächsischen Wattenmeer. Im Rahmen des Miesmuschel Managementplans wurden jährliche Kartierungen der eulitoralen Miesmuschelbänke im Niedersächsischen Wattenmeer durchgeführt. Die Erfassung erfolgte Auswertung von Luftbildern. Blue mussel beds in the Wadden Sea of Lower Saxony. The intertidal blue mussel beds were determined yearly in the scope of the blue mussel management plan. Aerial surveys were carried out and aerial photographs were analysed by using a stereoscope to detect the mussel beds.

Kegelrobbenbestände im Niedersächsischen Wattenmeer

Der WMS - Dienst "Kegelrobbenbestände im Niedersächsischen Wattenmeer" .

Eiderentenbestände im Niedersächsischen Wattenmeer

Der WMS - Dienst "Eiderentenbestände im Niedersächsischen Wattenmeer" enthält alle Kartierungen zum Eiderentenmonitoring die durchgeführt wurden. Hierbei handelt es sich um Beobachtungen zum punktuellen Vorkommen der Eiderente, an dem angegebenen Ort, welcher aus einem Flugzeug beobachtet wurde. Dabei handelt es sich um die Mauser- (Juli/August) und Überwinterungsbestände (Januar/Februar).

INSPIRE Schutzgebiete in Nordrhein-Westfalen

Der Datensatz INSPIRE Schutzgebiete in Nordrhein-Westfalen enthält Regionale Geodaten zu Schutzgebieten im Sinne des INSPIRE Annex I Themas "Schutzgebiete". Die Daten zeigen die Abgrenzungen verschiedener Schutzgebietskategorien aus Bundes- und Ländergesetzen. Die Objektmetadaten enthalten alle Angaben des "simple profile" aus der Datenspezifikation zu "INSPIRE Protected Sites". Die Daten zeigen die Abgrenzungen der Schutzgebiete für Nordrhein-Westfalen. Die Daten sind frei zugänglich. Die Daten sind in Nordrhein-Westfalen aufgrund des § 3 des Landesnaturschutzgesetzes zu erheben. Die Daten wurden für Verordnungen und Landschaftspläne digitalisiert. Die Daten sind in Nordrhein-Westfalen aufgrund des § 3 des Landesnaturschutzgesetzes im Internet bekanntzumachen.

1