Umweltdaten mit KI-Methoden für intelligente Datenanalysen erschließen
Um die heterogenen Datenbestände der Umweltbehörden mit KI-/Machine-
Learning Methoden besser für intelligente Datenanalysen zu erschließen,
ist das BMBF-Forschungsprojekt Simplex4Learning gestartet. Das
Forschungsteam entwickelt einen Ansatz, um bei der Analyse umweltbezogener
Fragestellungen die Anwendung von KI-Algorithmen in der Breite in die
praktische Anwendung zu bringen.
Methoden der Künstlichen Intelligenz (KI) wie Machine Learning (ML) können
dazu beitragen, ökologische Phänomene und ihr komplexes Zusammenspiel, wie
bei der Ursachen-Wirkung-Forschung in Waldökosystemen, möglichst gut zu
verstehen und zu überwachen. Mit ihnen lassen sich Datenbestände aus
verschiedenen Quellen intelligent auswerten, fehlende Daten mit
Vervollständigungsmethoden generieren, Umweltphänomene prognostizieren
oder räumliche Verteilungen besser verstehen. Ihre Anwendung erfordert
jedoch vertiefte KI-Expertise, die in Umweltbehörden standardmäßig nicht
verfügbar ist. Hier setzt das im Oktober 2023 gestartete Forschungsprojekt
Simplex4Learning an.
Entwicklung eines ML-Framework für die Umweltdatenanalyse
Die Idee ist, dass Anwendende über die Benutzungsoberfläche der
Datenanalysesoftware disy Cadenza Lern- und Analyseaufgaben mit Daten an
eine zu entwickelnde ML-Erweiterung senden, die Zugriff auf zuvor
trainierte ML-Modelle bzw. auf übertragbare ML-Modell-Architekturen hat,
die in einem ML-Repository abgelegt sind. Die ML-Resultate und generierten
Ergebnisse mit Erklärungen können von den Anwendenden durch eine
innovative und bedienungsfreundliche Benutzeroberfläche (UI) in der
Analyseumgebung visualisiert oder in weiterführende Analyseprozesse
eingebunden werden. Durch diesen Ansatz können Anwendende zukünftig aus
disy Cadenza heraus KI-Modelle verwenden, ohne dafür selbst vertiefte
Kenntnisse zur Anwendung von ML-Algorithmen haben zu müssen. So kommen ML-
Methoden in der Breite der praktischen Anwendung und können bei
umweltbezogenen Fragestellungen ihren Nutzen entfalten.
Neue Methode für Datenbereitstellung: der Simplex-Ansatz
Um Umweltdaten für das maschinelle Lernen effizient bereitstellen zu
können, kommt der Datenhaltung eine Schüsselrolle zu. Der im Rahmen des
Projekts weiterzuentwickelnde Simplex-Ansatz des Projektpartners
Simplex4Data GmbH ermöglicht die Datenhaltung in einem einheitlich
strukturierten Datenpool, der unabhängig von zweckgebundenen
Anwendungsfällen ist. Die einheitlich strukturierten Umweltdaten
ermöglichen eine effiziente Integration in vorhandene
(Geodaten-)Infrastrukturen sowie auch in das zu entwickelnde ML-Framework.
Hintergrundinformationen zum BMBF-Forschungsprojekt Simplex4Learning
Das Forschungsprojekt „Intelligente Umweltdatenanalyse durch
automatisiertes maschinelles Lernen für Fachanwender“ (Simplex4Learning)
ist im Oktober 2023 gestartet und läuft bis März 2026. Es wird vom
Bundesministerium für Bildung und Forschung (BMBF) im Rahmen der Maßnahme
"KMU-Innovationsoffensive IKT" (Kennzeichen 01IS23041A/B/C) gefördert. Zum
Projektkonsortium gehören Disy Informationssysteme GmbH, Simplex4Data GmbH
und die Hochschule für Technik und Wirtschaft Berlin. Als assoziierte
Partner sind das Landesamt für Natur-, Umwelt- und Verbraucherschutz
Nordrhein-Westfalen, die Landesanstalt für Umwelt Baden-Württemberg und
der Landesbetrieb Forst Brandenburg eingebunden. Sie unterstützen das
Forschungsvorhaben mit Umweltdaten und Anwendungsfällen.
