Holz ist eine wichtige und zuverlässige CO2-Senke und gleichzeitig eine nachwachsende Ressource als Grundlage für Bau- und Werkstoffe. Aufgrund der Klimaänderungen ändern sich die Wachstumsbedingungen, die Holzarten reagieren unterschiedlich auf die Herausforderung. Aufgabe der Forschung zur Waldwirtschaft ist es, den Wald nachhaltig zu erhalten, frühzeitig Änderungen zu erkennen und Vorhersagemodelle für Wachstum, Baumarten und Erhaltungsmaßnahmen auf zu stellen. Hierbei helfen Datenfernerkundung und zerstörungsfreie Untersuchungsmethoden. Die Dichteverteilung innerhalb eines gewachsenen Baumstammes erlaubt Rückschlüsse auf die Wachstumsbedingungen und die Eigenschaften des Holzes. Durch eine computertomographische Untersuchung kann die Dichtefunktion als dreidimensionales digitales Modell erstellt und zur weiteren Informationsverarbeitung herangezogen werden. Durch die Verknüpfung mit weiteren Daten, z. B. Klimadaten oder Daten aus Geoinformationssystemen und Fernerkundung, sollen standortspezifische Vorhersagemodelle zur Holzqualität oder zukünftige Waldumbau-, Bewirtschaftungs- und Schutzmaßnahmen im Wald ermöglichen. Holz gewinnt im Bauwesen zunehmend an Bedeutung, da aufgrund der guten Trageigenschaften energieintensive Materialien wie Stahlbeton oder andere mineralische Baustoffe teilweise substituiert werden können. Aufgrund des zunehmenden Einsatzes und schwierigeren Wachstumsbedingungen ist es notwendig, den Rohstoff Holz besser auszunutzen, die Bearbeitungsprozesse zu optimieren und neue Holzarten zu erschließen. Holz ist ein anisotroper, inhomogener Werkstoff, dessen Festigkeitseigenschaften wesentlich von der Faserrichtung, der Dichte und den Holzmerkmalen (Äste, Wachstumsgeschwindigkeit etc.) abhängen. Diese lassen sich mittels Computer-Tomographie (CT) am unbearbeiteten Stamm erkennen. Daraus können digitale Modelle erstellt werden, die die Bearbeitungstechnologie und den Einsatz des Rohmaterials im Bauwerk optimieren. Der Computer-Tomograph mit notwendiger Peripherie dient der Datenakquise im Bereich der Holzforschung als Grundlage für den Aufbau eines CT-Labors. Dieses ist eingebunden in das Center for Data Science an der HNEE zur Weiterverarbeitung der Daten mit KI-Methoden. Das Ziel des CT-Labors ist es, Daten über das Wachstum und den Aufbau des Holzes, vom rohen Stamm bis zum bearbeiteten oder wieder zu nutzenden Balken oder Holzwerkstoff, zu generieren, zu analysieren und Modelle zu entwickeln. Daraus sollen Rückschlüsse und Vorhersagemodelle für den Waldbau, die Holztechnologie und den Holzbau erstellt werden, die einen ressourcenschonenden Umgang mit dem Rohstoff Wald und die Erschließung neuer Holzarten und Anwendungen erlauben.
Ziel dieses Projektes ist die Bestimmung von Landnutzung und -bedeckung aus optischen Satellitendaten für spezifische Zeitpunkte (als Momentaufnahme) oder für längere Zeiträume (z.B. eine Saison). Dafür werden tiefe neuronale Netze entwickelt, welche die spezifischen biogeografischen Eigenschaften der betrachteten Regionen berücksichtigen um eine hohe Generalisierungsfähigkeit zu gewährleisten. Des Weiteren werden raumzeitliche Datenlücken geschlossen, um die Datengrundlage für die entwickelten Methoden zu verbessern, und Daten- und Modellunsicherheiten für die berechneten Karten bestimmt.
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.
Pervasive Computing ist eine zukünftige Anwendungsform von Informations- und Kommunikationstechnologien (IKT), die durch Miniaturisierung und Einbettung von Mikroelektronik in andere Objekte sowie ihre Vernetzung und Allgegenwart im Alltag gekennzeichnet ist. Anders als die meisten heutigen IKT-Produkte (z.B. Handys und Computer) werden Komponenten des Pervasive Computing mit Sensoren ausgestattet sein, über die sie ihre Umgebung erfassen, ohne dass der Benutzer dies aktiv veranlasst. Eine so weitgehende Vision der Durchdringung des Alltags mit mikroelektronischen Komponenten (smart home, wearables, digitales Büro, RFID und Transponder bzw. smart labels, e-paper, Multiagenten-Systeme, Implantate, Automotive und smarter Supermarkt), die immer und überall eingeschaltet und weitgehend drahtlos vernetzt sind, wirft Fragen nach möglichen unerwünschten Nebenfolgen dieser Technologie auf. Hierzu haben das IZT und EMPA (Schweiz) im Auftrag der TA-SWISS eine Studie erstellt, die einen Beitrag zu diesem Diskurs leistet, indem sie mögliche Chancen und Risiken des Pervasive Computing aufzeigt. Dabei liegt der Schwerpunkt auf Risiken für die menschliche Gesundheit und die Umwelt.