Letzte Aktualisierung: 01. September 2016

Information

Big Data Anwendungen zum Planen und Modellieren

Auf dem Kongress Zukunft digital – Big Data des Zukunftsrats der Bayerischen Wirtschaft wurden am 18. Juli 2016 in München in 21 FutureCubes Anwendungsbeispiele von Big Data für die verschiedensten Branchen und Technologiefelder präsentiert. Heute stellen wir Ihnen vier Big Data Anwendungen aus dem Bereich Planen und Modellieren vor.

Der Lehrstuhl für Erneuerbare und Nachhaltige Energiesysteme auf dem Kongress des Zukunftsrats der Bayerischen Wirtschaft

Lehrstuhl für Erneuerbare und Nachhaltige Energiesysteme TU München

Der Lehrstuhl für Erneuerbare und Nachhaltige Energiesysteme der TU München erforscht Methoden zur informationstechnischen Abbildung von Energiesystemen im Sinne der Prozesskette Datenerfassung – Systemanalyse – Potenzialanalyse – Strategieentwicklung – Umsetzung und Betrieb. Der Fokus liegt dabei auf Algorithmen zur Identifikation und Bewertung optimierter Handlungsstrategien und dem Monitoring in der Betriebsphase.

Ein Beispiel ist die Wahl des richtigen Standortes für die nachhaltige Energieerzeugung z.B. aus Windkraft. Hierfür wird als Ergänzung zum Flächennutzungsplan in Bayern ein Energienutzungsplan entwickelt. Erfahren Sie mehr im Video .

Smart City Models

Leonhard Obermeyer Center

Am Leonhard Obermeyer Center der TU München werden 3D- Stadtmodelle für die digitale Planung von „Smart Cities“ entwickelt. Damit wird eine gebäudescharfe Energiebedarfsberechnung ermöglicht. Kommunen können damit die Energieversorgung bedarfsgerechter planen.

Das Projekt Wissensbasierte Brückenkonstruktion macht große Mengen von Bestandsdaten bestehender Infrastrukturbauwerke mittels Verfahren der künstlichen Intelligenz für Konstrukteure neuer Brücke nutzbar. Bei der senosorgestützten Bauprozessoptimierung werden automatisch generierte 3D-Punktwolken evaluiert. So wird eine Prognose von Bauzeiten und –kosten ermöglicht. Mehr im Video .

Siemens AG

Auch die Siemens AG bietet Lösungen zum Thema „Smart Cities“ an. Modelle auf der Basis von Deep Neural Networks können verschiedene Emissionen vorhersagen. Die Prognosemodelle nutzen Daten aus Luftüberwachungs-Sensoren und kombinieren diese mit Wetterdaten. Durch intelligente Verkehrslösungen können Staus dort vermieden werden, wo die Luftverschmutzung bereits groß ist und der Fahrrad- und Fußgängerverkehr attraktiver gemacht werden. So kann die Luftqualität durch verringerte Emissionen verbessert werden.

Automatisierte Analyse von Luftbildern

TerraLoupe GmbH

TerraLoupe analysiert Luftbilddaten großer Landstriche mittels künstlicher Intelligenz. Die Nutzung von Deep-Learning Verfahren ermöglicht es, nun auch relativ kleine Objekte wie Dachfenster oder Straßenschilder in großen Flächen automatisch zu erkennen. Es entsteht eine Plattform zur Digitalisierung der Außenwelt, welche die erkannten Objekte georeferenziert und mit weiteren Informationen zusammenführen kann. Die Technik wird zum Beispiel für hochgenaue Straßenkarten genutzt, die Voraussetzung für Fahrassistenzsysteme und autonomes Fahren sind. Sehen Sie die Anwendung im Video .


Drucken
Ansprechpartner
Ansprechpartner

Dr. Manfred Heublein

Content Sharing
Bitte loggen Sie sich ein, um den Einbettungs-Code für diese Seite zu erhalten.
nach oben