DLR Portal
Home
|
Sitemap
|
Kontakt
|
Barrierefreiheit
Impressum und Nutzungsbedingungen
Datenschutz
Cookies & Tracking
|
English
Sie sind hier:
Home
:
Anwendungen und Projekte
:
Projekte: Data Science
Erweiterte Suche
Earth Observation Center
DFD
IMF
Services
Technologie
Anwendungen und Projekte
Projekte: Atmosphäre
Projekte: Gewässer
Projekte: Landoberfläche
Projekte: Georisiken und zivile Sicherheit
Projekte: Data Science
Copernicus
Laufende Projekte
Abgeschlossene Projekte
Satellitendaten
Mediathek
News / Archiv
Blogs + Features
Stellenangebote
Anwendungen und Projekte: Data Science
HYPER-AMPLIFAI
(02/2024 – 02/2027)
Das HYPER-AMPLIFAI-Projekt ist darauf ausgerichtet, visuelle KI-Grundlagenmodelle durch selbstüberwachtes Lernen mit hyperspektralen Bildern in Einklang zu bringen. Unser primäres Ziel ist es, diese Modelle so zu erweitern, dass sie nahtlos eine größere Bandbreite von Eingabegrößen und Kanaldimensionen aufnehmen können.
Mehr
terrabyte
(01/2019 – 12/2026)
terrabyte ist eine innovative High Performance Data Analytics (HPDA) Plattform, die vom DLR und dem Leibniz-Rechenzentrum (LRZ), einer Einrichtung der Bayerischen Akademie der Wissenschaften, betrieben wird. Die Plattform bietet Forschern einen effizienten Zugang zu Erdbeobachtungsdaten, eine leistungsstarke Verarbeitungsumgebung und praktische Werkzeuge für die Datenanalyse. Es wird zur neuen Normalität für Geowissenschaftler, globale und dekadische Beobachtungen, die von mehreren internationalen Satellitenmissionen aufgezeichnet werden, mit modernsten Methoden der Künstlichen Intelligenz (KI) zu kombinieren, um die zahlreichen drängenden Fragen des Klimawandels zu beantworten.
Mehr
ELK (EmissionsLandKarte)
(12/2021 – 12/2024)
Das DLR-Impulsprojekt ELK befasst sich mit der Erstellung konsistenter Kataster für Gas- und Partikelemissionen für den Verkehrssektor, die Energieerzeugung und damit verbundene Sektoren für das Jahr 2019. Die Inventare werden sowohl internen als auch externen Anwendern zur Verfügung erstellt und sind mit Katastern, die zur Unterstützung des Intergovernmental Panel on Climate Change (IPCC) erstellt wurden, kompatibel.
Mehr
EVOLAND
(01/2023 – 12/2025)
Seit 2011 bietet der Copernicus-Landüberwachungsdienst (CLMS) Kernprodukte für die Überwachung des Zustands und der Veränderungen der vegetativen und nicht-vegetativen Bodenbedeckung/Bodennutzung, der biophysikalischen Variablen, der Meere und Seen und der Bedingungen in der Kryosphäre.
Mehr
MultiMiner
(01/2023 – 06/2026)
Das Projekt Multi-Source and Multi-Scale Earth Observation and novel machine learning methods for mineral exploration and mine site monitoring (MultiMiner) entwickelt neuartige Datenverarbeitungsalgorithmen für die effiziente Nutzung von EO-Technologien für die Mineralexploration und die Überwachung von Minenstandorten.
Mehr
SURF
(07/2022 – 06/2025)
(07/2022 – 06/2025)
In den letzten zehn Jahren haben Überschwemmungen mehr als 100 Milliarden US-Dollar gekostet, mehr als 100.000 Menschen kamen ums Leben und eine Milliarde Menschen wurden weltweit obdachlos. Eine schnelle Reaktion kann die durch Überschwemmungen verursachten Schäden erheblich verringern. Die rasche Bereitstellung von Schadensinformationen bei Überschwemmungen ist jedoch eine Herausforderung.
Mehr
RepreSent
(04/2022 – 05/2023)
Überwachte Deep Learning-Techniken in der Erdbeobachtung sind oft auf markierte Daten angewiesen. Es wäre teuer und zeitaufwändig, solche Kennzeichnungen für die riesige Menge an EO-Daten zu erhalten, die die Sentinel-Satelliten des Copernicus-Programms gesammelt haben. Um diesen reichhaltigen Datenbestand effektiv zu nutzen, wird das Projekt "RepreSent" daher die Möglichkeiten des nicht überwachten Lernens nutzen.
Mehr
WeMonitor
(04/2022 – 04/2025)
Das Aufspüren von Erdrutschen und illegalen Müllhalden stellt eine Chance für Erdbeobachtungsmissionen dar. Dies kann am effektivsten mit Methoden der Künstlichen Intelligenz geschehen, die darauf trainiert sind, räumlich-zeitliche Oberflächenanomalien zu erkennen - eine Aufgabe, die auch Herausforderungen mit sich bringt.
Mehr
ML4Earth
(01/2022 – 12/2024)
Die Technische Universität München (TUM) hat in den letzten Jahren eng mit dem IMF zusammengearbeitet, um die größte europäische Forschungskapazität für die Anwendung von maschinellem Lernen in der Erdbeobachtung aufzubauen. Ab 2022 werden wir ein nationales ML4Earth-Exzellenzzentrum mit hoher Sichtbarkeit einrichten. Wir werden uns auf internationaler Ebene mit grundlegenden methodischen Herausforderungen im Bereich AI4EO und deren Anwendung auf die europäische Mission eines digitalen Zwillings der Erde befassen.
Mehr
IMonitor
(10/2021 – 09/2024)
In den letzten Jahren ist auch die Erdbeobachtung (EO) in das Zeitalter von Big Data eingetreten. Satellitenbilder, kombiniert mit anderen Datenquellen (z. B. Finanztrends, Bodeninformationen, Wettermuster), ermöglichen es uns, die Erde in täglicher Auflösung zu überwachen. Häufige Überflüge und Aufnahmen desselben Ortes auf der Erdoberfläche ermöglichen uns, Veränderungen detailgenau und aufgabenspezifisch zu erkennen, zu überwachen und die Auswirkungen zu verstehen.
Mehr
AI4GNSS-R
(10/2021 – 09/2024)
Wie kann GPS für die Beobachtung geophysikalischer Prozesse auf der Erde nutzbar gemacht werden? Das Prinzip „GNSS-R“ nutzt die Signale des bestehenden Globalen Navigationssatellitensystems, welche von der Erdoberfläche reflektiert und wiederum von Satelliten im niedrigen Erdorbit detektiert werden. Es gibt viele Vorteile dieser Methode. Zum einen passieren GPS-Signale dichte Wetterfronten, zum anderen erlaubt die hochgenaue Positionsinformation der GPS-Satelliten die Errechnung eines Phasensignals aus dem direkten und reflektierten GPS-Signal.
Mehr
AI4EO
(06/2021 – 08/2024)
Die Landwirtschaft ist von zentraler Bedeutung im Klimawandel. Sie ist Verursacherin und gleichzeitig massiv von den Änderungen betroffen. Eine Anpassung der Landwirtschaft ist lebensnotwendig. Das Projekt Künstliche Intelligenz für die Erdbeobachtung (AI4EO) hat einen Wettbewerb ausgerufen, um mit KI-Verfahren genauere Agrardaten auf Basis der europäischen Sentinel-Daten zu gewinnen.
Mehr
OpenSearch@DLR 2.0
(01/2023 – 12/2026)
Daten sind der Rohstoff für Forschung, Innovation und Wirtschaft im 21. Jahrhundert. Ein offener, unbeeinflusster und nachvollziehbarer Zugang zu Information ist daher eine Grundvoraussetzung für die freie Entfaltung der digitalen Gesellschaft. Derzeit ist aber insbesondere die Internetsuche hochgradig monopolisiert. Dies beeinflusst den Zugang zu Information und Wissen, behindert Wissenschaft und Wirtschaft und beeinträchtigt Europas digitale Souveränität. Substanzielle und effektive Werkzeuge sowie Infrastrukturen zur unabhängigen Navigation und Nutzung der Digitalsphäre sind daher für die Forschung sowie für Europas Souveränität besonders wichtig.
Mehr
AI-CORE
(11/2019 – 06/2023)
Im November 2019 startet mit AI4CORE ein von der Helmholtz Gesellschaft gefördertes Projekt zur Implementierung von Methoden der künstlichen Intelligenz in der Kryosphärenforschung.
Mehr
Helmholtz AI
(04/2019 – 06/2024)
Mit der Helmholtz Artificial Intelligence Cooperation Unit (HAICU ) baut die Helmholtz-Gemeinschaft ein zukunftsweisendes Netzwerk für angewandte Künstliche Intelligenz (KI) auf. HAICU wird Verfahren der KI beispielsweise für die Analyse komplexer Systeme in den Bereichen Klima, Energie, Verkehr oder Gesundheit entwickeln, umsetzen und verbreiten.
Mehr
MuDS
(03/2019 – 02/2025)
Während die Datenvolumina und -komplexität sowie Echtzeitanforderungen in allen Forschungsbereichen - vor allem auch in den oft datenlastigen Helmholtz-Forschungsbereichen - stark zunehmen, sind Experten für Data Science selten oder fehlen vollständig. Daher ist es dringend nötig, die nächste Generation von Wissenschaftlern an der Schnittstelle von Data Science und verschiedenen Domänenwissenschaften auszubilden.
Mehr
So2Sat
(2017 – 03/2023)
Es wird erwartet, dass im Jahr 2050 drei Viertel der Weltbevölkerung in Metropolen leben werden. Dieser Wandel wird die physischen Dimensionen und Konfigurationen der Städte auf allen Ebenen verändern, was eine enorme Herausforderung für Stadtplaner und Logistiker darstellt. Unser Verständnis der Urbanisierung in diesen Maßstäben basiert jedoch hauptsächlich auf den Bevölkerungszahlen der Vereinten Nationen, die jedoch keine Informationen über die Verteilung, das Muster und die Entwicklung der bebauten Umwelt liefern. So reicht beispielsweise das Wissen über die räumliche Entwicklung sowie die Siedlungsdichte informeller Siedlungen wie Slums oder Flüchtlingssiedlungen in vielen Megastädten bei weitem nicht aus, um eine nachhaltige Planung zu ermöglichen.
Mehr
QSP Big-Data-Plattform
(6/2018 – 12/2021)
Der Fokus des Projekts „Big-Data-Plattform“ (BDP) ist eine methodische „Data-Science“-Plattform für schwerpunktübergreifende Analysen heterogener, verteilter Daten. Hierzu werden Big-Data- und Cloud-Computing-Technologien adressiert. Neben ihrem Einsatz in den großen Datenanwendungen des DLR unterstützt die Plattform Nutzer aus Industrie, Behörden und Öffentlichkeit beim Aufbau komplexer Wertschöpfungsketten und schafft neue Möglichkeiten der Handlung und Planung zum Beispiel in den Bereichen Mobilität, Umwelt und Sicherheit.
Mehr
Copyright © 2023 Deutsches Zentrum für Luft- und Raumfahrt e.V. (DLR). Alle Rechte vorbehalten.