Logo des Repositoriums
 

Integration von KI-Algorithmen in Umweltinformationssysteme mittels SensorThings API

dc.contributor.authorHertweck, Philipp
dc.contributor.authorvan der Schaaf, Hylke
dc.contributor.authorHilbring, Desiree
dc.contributor.authorWeis, Jonas
dc.contributor.authorLiesch, Tanja
dc.contributor.authorBudde, Matthias
dc.date.accessioned2021-12-14T10:57:19Z
dc.date.available2021-12-14T10:57:19Z
dc.date.issued2021
dc.description.abstractKünstliche Intelligenz oder Maschinelles Lernen wird zunehmend in der Umweltdomäne eingesetzt. Eine offene Frage dabei ist, wie entwickelte Algorithmen flexibel in Umweltinformationsysteme integriert werden können. Dieser Artikel befasst sich mit dieser Frage und untersucht den Einsatz des offenen Standards SensorThings API des Open Geospatial Consortiums (OGC) für die Integration von KI-Algorithmen in eine Geodaten-Infrastruktur. Die entwickelte Methode trägt mittels Container-Technologie dem Einsatz unterschiedlicher Technologien und unabhängigen Entwicklergruppen in verteilten Systemen Rechnung. Entwickelt und erprobt wird diese Methode im Projekt NiMo 4.0. Hierfür dient als Beispiel ein Prognose-Algorithmus für die räumliche Vorhersage von Nitrat-Daten.de
dc.identifier.doi10.18420/informatik2021-024
dc.identifier.isbn978-3-88579-708-1
dc.identifier.pissn1617-5468
dc.identifier.urihttps://dl.gi.de/handle/20.500.12116/37687
dc.language.isode
dc.publisherGesellschaft für Informatik, Bonn
dc.relation.ispartofINFORMATIK 2021
dc.relation.ispartofseriesLecture Notes in Informatics (LNI) - Proceedings, Volume P-314
dc.subjectNitratmonitoring
dc.subjectUmweltinformatik
dc.subjectSensorThings API
dc.subjectKünstliche Intelligenz
dc.subjectAlgorithmenintegration
dc.subjectContainer
dc.subjectDocker
dc.titleIntegration von KI-Algorithmen in Umweltinformationssysteme mittels SensorThings APIde
gi.citation.endPage312
gi.citation.startPage301
gi.conference.date27. September - 1. Oktober 2021
gi.conference.locationBerlin
gi.conference.sessiontitle2. Workshop Künstliche Intelligenz in der Umweltinformatik (KIUI-2021)

Dateien

Originalbündel
1 - 1 von 1
Lade...
Vorschaubild
Name:
B1-7.pdf
Größe:
537.5 KB
Format:
Adobe Portable Document Format