Logo des Repositoriums

Auflistung nach Autor:in "Koch, Werner"

1 - 2 von 2
  • Textdokument
    envVisio: Universelle Bereitstellung von Umweltdaten
    (INFORMATIK 2021, 2021) Großmann, Janik; Koch, Werner; Rudolf, Heino
    Bereits während der Arbeit am INSPIRE-Datenmodell „Umweltüberwachung“ wurde deutlich, dass die Datenbereitstellungen entsprechend der Geo-Normen der ISO 191xx für Umweltdaten ungeeignet sind. Die Datenstrukturen der INSPIRE-Anhänge sind phänomenal auf einige Anwendungsfälle zugeschnitten. Komplexe Ursache-Wirkbeziehungen, Zustandsbeschreibungen im Ökosystem und der Umgang mit dynamischen Daten, Strukturen und Anforderungen sind nur ungenügend (wenn überhaupt) abbildbar. Deshalb entwickelte RUDOLF in den letzten Jahren einen völlig neuartigen Ansatz zur Bereitstellung von Daten über die Umwelt: envVisio revolutioniert das Umweltdatenmanagement, denn alle Daten werden einheitlich weiterverarbeitbar bereitgestellt. envVisio wird in [1] ausgearbeitet, aktuell wird vom BMVI die Implementierung gefördert [2]. Die Methode ist in der Praxis mehrfach umgesetzt, am Beispiel der Datenföderierungsschicht DFS des LANUV Nordrhein-Westfalen kann diese präsentiert werden. – envVisio ist ein Meilenstein bei der nachhaltigen digitalen Transformation von Objekten und Prozessen unserer Umwelt.
  • Konferenzbeitrag
    Zum Einsatz von Maschinellem Lernen in der Umweltverwaltung: Der Simplex4Learning Ansatz
    (INFORMATIK 2024, 2024) Abecker, Andreas; Budde, Matthias; Fuchs-Kittowski, Frank; Großmann, Janik; Koch, Werner; Lachowitzer, Jonas; Lossow, Stefan; Rodner, Erik; Rudolf, Heino; Schulze, Paul
    Ziel des im Herbst 2023 gestarteten Forschungsvorhabens Simplex4Learning ist es, die großen und heterogenen Datenbestände der Umweltbehörden für intelligente Analysen mit Methoden des maschinellen Lernens besser zu erschließen und diese Verfahren für Domänenexperten aus dem Umweltbereich ohne vertiefte ML-Kenntnisse praktikabel anwendbar zu machen. Realisiert wird dies (1) durch die Weiterentwicklung der Simplex4Data-Methode zur Datenbereitstellung für ML, ergänzt um (2) AutoML- und MLOps-Funktionalitäten, (3) Funktionalitäten zum Erklären von ML-Ergebnissen, (4) ein ML-Pattern Repository zum Wiederverwenden generalisierter ML-Workflows, all das (5) exemplarisch angebunden an die Datenanalyseplattform Disy Cadenza und das Data Warehouse System Simplex4Data. Der Arbeitsplan des Projekts ist an den konkreten Beispieldaten und Anwendungsfällen von Landesbehörden aus drei Bundesländern orientiert. Der vorliegende Beitrag als „Work-in-Progress“-Bericht skizziert Motivation und Ausgangslage des Vorhabens, den technischen Lösungsansatz und erste Zwischenergebnisse.