Kooperationsmöglichkeiten

Wissenschaftler*innen ermitteln Ansprüche des niedersächsischen Wassersektors an eine Digitalisierung des Wassermanagements. Dafür entwickeln sie einen konzeptionellen Rahmen, innerhalb dessen die weitere Forschung des Zukunftslabors stattfindet. So schaffen sie die Grundlage für einen interaktiven Forschungsprozess.

Ziel des Forschungsprojektes ist es, für die Wasserversorgungsunternehmen und der Wasserwirtschaftsverwaltung Methoden, Vorsorgekonzepte sowie übertragbare praxisnahe Werkzeuge für Extremereignisse zu entwickeln.

Die Wissenschaftler*innen des Zukunftslabors Wasser untersuchen innovative Lösungen für die Be- und Entwässerung von Feldern und Küstengebieten sowie für den Natur- und Wasserschutz. Sie nutzen Sensoren und Algorithmen zur Datengewinnung und -auswertung sowie Modelle zur Simulation von Prozessen.

Ziel ist die Erforschung eines hybriden KI-basierten Modellierungsansatzes für Lithium-Ionen-Batterien. In jüngster Zeit kommt auch im Kontext der klassischen Ingenieurdisziplinen vermehrt maschinelles Lernen zum Einsatz. Insbesondere Deep-Learning-Ansätze bieten schnelle und relativ genaue Modellierungsansätze, die auf dem ernen bestimmter Aufgaben aus Beispielen basieren.

Das Ziel des Projektes ist es, die Ergebnisse aus den Brandversuchen und den FEM Simulationen durch hybride KI-Modelle zu verbinden, umso über die durchgeführten Versuche sowie die gerechneten Simulationsszenarien hinaus generalisierend, beliebige Szenarien und individuelle Lösungen in kürzester Zeit vorhersagen zu können.

EDV-basierte Erfassung der Bewässerungsdaten zur Erstellung einer „digitalen Bewässerungskartei“ zur Unterstützung der Landwirte bei der Dokumentation und Abrechnung der bezogenen Wassermengen und der dabei enthaltenden Wasserdienstleistungen

Modellhafte Kopplung der Prozesse Salz- und Sedimenttransport, Wasserströmung, sowie die Bereitstellung und Visualisierung homogener, konsistenter Eingangs-/Ergebnisdaten auf mehreren räumlichen und zeitlichen Skalen.

Kernziel des Projekts EXDIMUM ist es, das Extremwassermanagement im Spektrum komplexer Herausforderungen zu betrachten. (Einzelheiten siehe Projektseite)

In diesem Projekt adressieren die Wissenschaftler*innen des Zukunftslabors Wasser die Herausforderungen von Extremereignissen, Naturgefahren und des Klimawandels auf drei Ebenen der Digitalisierung: Sensorik und Datenerfassung, KI-Auswertung und Prognose sowie Smart Services und Transfer.

Zustandserfassung mittels KI-gestützter Kamerasysteme für verschiedene Zielparameter (Fließrate, Verkrautung & Verschmutzung von Oberflächenwässern sowie Detektion von Extremereignissen)

Fusion, management, and exploration of heterogeneous data from multiple sources and its integration into model-based operational forecasting and warning systems.

Optimization of drainage operations in the coastal region of northern Germany based on water and energy indicators.

Verbesserung der Kurzfristvorhersage (Nowcasting) von Starkniederschlagsereignissen und der Modellierung der daraus resultierenden Sturzfluten (Flash Floods)

Didaktische Aufbereitung komplexer numerischer Prozesse durch technisch korrekte und anschauliche Visualisierungen

Steigende Energie- und Rohstoffpreise sowie das Wachsen des internationalen Wettbewerbs sorgen dafür, dass interne Abläufe hinsichtlich des Ressourcen- und Energiebedarfs deutlich effizienter gestaltet werden müssen. Neben diesen ökonomischen Aspekten rücken gerade in der aktuellen Zeit die ökologischen Aspekte, wie z.B. die emittierten Treibhausgase immer mehr in den Focus. Aufgrund aktueller gesetzlicher Regulierungen auf nationaler und internationaler Ebene stellen die ökologischen Aspekte nunmehr eine wichtige Grundlage für strategische, unternehmerische Entscheidungen dar.

Developing of Data Products on a basis of micro-services regarding use cases of the water economy.

ML-basiertes Prognosetool, das anhand leicht messbarer Parameter für das urbane Gebiet und Abflüssen in der Vorflut das Risiko für Schadstoffeinträge ermittelt.

Detection of events by the means of Artificial Intelligence algorithms like anomaly detection or concept drift detection in real-time

RiverSnap is a citizen science-based project that employs machine learning/AI to detect/estimate hydraulic parameters such as water level, river course, and vegetation from images captured by smartphones or obtained from other sources.

Entwicklung eines innovativen didaktisch-methodischen Konzeptes für die digitale Lehre

Lokalisierung von VGI Daten zur Extraktion von Flut-bezogenen Informationen

Digitale Technologien ermöglichen innovative Lösungen, um Wasser intelligent und nachhaltig zu verteilen, zu nutzen und zu reinigen. Die Wissenschaftler*innen des Zukunftslabors Wasser entwickeln neue Ansätze für die Feldbewässerung, die Nutzung von Niederschlägen und die Risikoabschätzung von Schadstoffen.