Ausschreibungseröffnung AI for Green

Windkraft ist eine der Schlüsseltechnologien für eine klimaneutrale Energieerzeugung. Für eine Bewertung der Auswirkungen des Klimawandels auf den Wind sowie deren Folgen für die Windstromerzeugung sind zeitlich und räumlich hoch aufgelöste Klimamonitoring-Datensätze notwendig, die im Rahmen von AI4Wind erarbeitet werden. Dafür werden neuen Methoden, basierend auf künstlicher Intelligenz und machine learning, angewandt. Ein wichtiges Ergebnis werden Planungstools sein, die Betreiber bei Planung und Betrieb von Windparks unterstützen.

SDG-HUB: KI-Basierte Semantische Suche und Visualisierung zur Unterstützung der Nachhaltigen Entwicklungsziele und der Agenda 2030
www.sdghub.at

Um die Zielerreichung der Nachhaltigkeitsziele der Agenda 2030 und der Klimaschutzziele des Pariser Abkommens in Österreich zu unterstützen, baut das Projekt ein Wissensarchiv auf, den sogenannten „SDG-HUB“. Dafür wird die heimische öffentliche Debatte zu Klima und Nachhaltigkeit in Medien und sozialen Medien mit radikalen KI-Technologien wie entitätszentrierten Sprachmodellen zur Wortsinn-Disambiguierung, Beziehungsextraktion und Bias-Erkennung analysiert. So liefert der SDG-HUB konkrete Einblicke in die öffentliche Kommunikation und Argumentationslinien von Bürger*innen und Interessengruppen. Die Ergebnisse liefern einen wichtigen Input (i) für den transdisziplinären Dialog mit verschiedenen gesellschaftlichen Zielgruppen sowie (ii) für das Monitoring der Maßnahmenumsetzung zur Erreichung der Ziele der Agenda 2030 und des Pariser Klimaschutzabkommens.

AI4Trees researches, develops and combines technologies that allow us to understand and explain Climate Change affected tree growth, an essential component for optimizing carbon segregation, biodiversity and climate adaptation in forest ecosystems. State of the art forest monitoring methods such as multi temporal land- and air-borne laser scanning, spaceborne remote sensing, as well as continuous measurements by electronic dendrometers produce a never experienced multitude of input- and evidence data. Exploiting this, a predictive AI-based climate-sensitive tree growth models will be developed applying optimal machine learning strategies. Single tree growth models are destined to be the core components of Decision Support Systems supporting forest management on a local, regional and national level, thus empowering response to minimize potentially harmful consequences for modern societies in line with the UN Sustainable Development Goals.

Warum entscheiden sich Bürger:innen, den Wärmeerzeuger Ihres Hauses zu wechseln und welche Auswirkungen hat es auf die Verwaltung und die Umsetzungsebene, zum Beispiel Energieversorger? Neue Technologien wie Niedertemperaturnetze und Digitalisierung drängen in den Markt, die in Einklang gebracht werden müssen mit gesellschaftlichen und politischen Forderungen nach mehr Nachhaltigkeit und Anpassungsstrategien zur Bewältigung des Klimawandels. In dem Forschungsprojekt erstellen wir Modelle von hypothetischen Bürger:innen als autonome Agenten mit jeweils unterschiedlichen Eigenschaften, differenziertem Entscheidungsverhalten und der Fähigkeit, miteinander zu lernen und mit ihrer Umgebung zu interagieren. Ergebnisse des Projektes sind interaktive Karten-Applikationen, die mögliche Transformationspfade für den Wärme- und Energiesektor unter Berücksichtigung technischer, wirtschaftlicher, sozio-ökonomischer und energiepolitischer Einflussfaktoren zeigen.

Zustandsüberwachungssysteme (Condition Monitoring Systems) sind ein Beitrag für den kostengünstigen und planbaren Betrieb von Windkraftanlagen. Aktuelle Systeme für die Zustandsüberwachung von Windkraftanlagen nutzen vorrangig kabelgebundene Sensoren, welche selber relevante Kosten- und Fehlerquellen darstellen.

Moderne Algorithmen aus dem Bereich des maschinellen Lernens (ML) können multivariate Datenströme zu teilweise geringen Stromkosten auf komplexe Muster überwachen. Dies ermöglicht den Entwurf von energieautonomen kabellosen Sensorknoten für die Überwachung von Windkraftanlagen.

Das Projekt BladeWatch implementiert und nutzt ein Softwaretool zur Abschätzung des Energiebedarfs von kabellosen Sensorknoten bei Verwendung verschiedener Algorithmen. Es überbrückt damit den großen zeitlichen Abstand zwischen neu entwickelten Algorithmen für die Signalanalyse und deren praktische Nutzung für die Entwicklung von Zustandsüberwachungssystemen.

Der Schwerpunkt des Projekts Green-TrAIn-Plan liegt auf der Planung eines umweltfreundlichen Eisenbahnbetriebs. Dazu werden neue, AI-basierte Methoden für die Ressourcenplanung unter Berücksichtigung von Umweltzielen wie der Minimierung des Energieverbrauchs entwickelt. Wesentliches Element werden dabei Simheuristiken sein, die lernen, Ressourcenplanungsprobleme durch die AI-gesteuerte Kombination von Simulation und Optimierung zu lösen. Der Energieverbrauch wird aufbauend auf von den ÖBB bereitgestellten realen Energieverbrauchsdaten derart modelliert, sodass diese Simheuristiken grüne Lokumlaufpläne und Triebfahrzeugführerschichtpläne erstellen und bewerten können.

Intakte Ökosysteme, wie Wälder, sind für Tier und Mensch gleichermaßen wichtig und stellen die Lebensgrundlage unseres Planeten dar. Durch die drohende Klimakatastrophe und das Vordringen des Menschen in natürliche Lebensräume ist die Integrität dieser weltweit gefährdet. Das Projekt BAMBI nutz Kamera-Drohnen gemeinsam mit Künstlicher Intelligenz um Wildtiere automatisch zu beobachten. Ziel dabei ist es durch konstantes und zuverlässiges Monitoring drohende ökologische Probleme frühzeitig zu erkennen.