Logo des Repositoriums

P314 - INFORMATIK 2021 - Computer Science & Sustainability

https://dl.gi.de/handle/20.500.12116/37601
Auflistung nach:

Auflistung P314 - INFORMATIK 2021 - Computer Science & Sustainability nach Autor:in "Abecker, Andreas"

1 - 2 von 2
  • Textdokument
    2. Workshop Künstliche Intelligenz in der Umweltinformatik
    (INFORMATIK 2021, 2021) Abecker, Andreas; Bruns, Julian; Naumann, Stefan
    In den vergangenen Jahren konnte die Umweltforschung eine zunehmend datengesteuerte Perspektive einnehmen, weil immer leistungsfähigere In-situ-Sensorik mit telemetrischer Datenübertragung, riesige Sensornetze, satelliten- und drohnengestützte Erdbeobachtung und ein fast allgegenwärtiger Internetzugang technisch ganz neue Möglichkeiten eröffnen. Von einigen dieser datengestützten Ansätze wird erwartet, dass sie Visionen einer nachhaltigen Zukunft deutlich unterstützen können. Zum Beispiel, indem sie es ermöglichen, in nachhaltigen intelligenten Städten besser zu leben, die Menschheit mit intelligenterer Landwirtschaft besser zu ernähren, die Umweltverschmutzung oder weltweite Rodung von Wäldern mit besserer Erdbeobachtung zu bekämpfen, oder durch intelligente Steuerung von Prozessen und Vernetzung von Akteuren wichtige Menschheitsfragen wie die Umsetzung der Energiewende, die Realisierung der Kreislaufwirtschaft oder die Bekämpfung und den Umgang mit dem Klimawandel zu unterstützen. Im Workshop KIU werden in diesem großen Themenkomplex neue innovative Ideen vorgestellt, offene Forschungsfragen und Lösungsansätze diskutiert und Anwendungsbeispiele aus den Schnittfeldern von KI und Umweltanwendungen präsentiert.
  • Textdokument
    A meta analysis of the status of AI in environmental computer science
    (INFORMATIK 2021, 2021) Sinwell, Lukas; Bruns, Julian; Budde, Matthias; Abecker, Andreas
    Artificial Intelligence is hyped as one of the key enablers of the future which will help to solve key challenges of humanity. The research field which already addresses many of those challenges is Environmental (Computer) Science. Therefore, it seems like a natural fit to combine both fields. AI can provide algorithms and methods to ease the computations and extend the existing (simulation) models of the environmental sciences. The environmental sciences already have in-depth knowledge of the problems at hand, can evaluate and interpret both the relative importance of input data as well as the results. However, to achieve this synergy, a strong foundation and knowledge of previous work is needed. This work aims to contribute to this foundation by providing a data-driven overview of AI-based research activities in the field of environmental computer science.