Neugierig auf unsere neue Website? Zweite Beta-Version ist online.
Rückmeldungen gern an webrelaunch@hnee.de!

Hochschule für nachhaltige Entwicklung Eberswalde
•••
Menü
The page you requested has not yet been translated into your language and will therefore be displayed in the default language.

Environmental Big Data Analytics

In der Datenwissenschaft wird probiert aus Daten Wissen zu gewinnen. In dem Fachgebiet Environmental Big Data Analytics machen wir genau das mittels Wald- und Umweltdaten. Ziel ist unser Verständnis von Umwelt datengetriebenen zu verbessern. Dabei werden Computer genutzt um große Datenmengen zu verarbeiten und hinsichtlich Umweltfragen zu untersuchen. Die These ist, dass Computer und Mensch gemeinsam Zusammenhänge aufdecken können, die sonst nicht zugänglich wären. Computer werden dabei vom Menschen angeleitet. Lesen Sie weiter für eine genauere Beschreibung.

Computer sind vermutlich die universellsten und mächtigsten Werkzeuge, die von Menschen entwickelt wurden. In den letzten Jahren haben sie die Fähigkeiten gewonnen Zusammenhänge in riesengroßen Datensätzen zu finden. Ziel dabei ist es, dass der Computer selbständig lernt und eine Aufgabe erfüllt ohne das er explizit und manuell dafür programmiert wurde. Dieses Gebiet heißt Maschinelles Lernen und ist ein Teilgebiet der Künstlichen Intelligenz. Unter Verwendung von Computern können so riesengroße Datensätze verarbeitet werden und gefundene Muster genutzt werden. In Environmental Big Data Analytics wenden wir die Methoden des Maschinellen Lernens und der Datenwissenschaft allgemein auf Umweltdatensätze an. Diese Datensätze können strukturierte Daten enthalten wie in Tabellen als auch unstrukturierte Daten wie Flugbilder, Vogelgesang oder freier Text.

Obwohl man gerne so wenig Daten wie möglich verwenden möchte, müssen oft sehr große Datenmengen verarbeitet (daher spricht man von Big Data). Daten- und rechnergestützte Berechnungen sind die grundlegenden Elemente in dieser Arbeit. Typischerweise wird im datengetriebenen Ansatz zuerst das Problem definiert und abgegrenzt. Innerhalb dieses gesetzten Rahmens finden unterschiedlich Tätigkeiten wie die Sammlung, Erkundung und Vorverarbeitung der Daten statt. Danach werden Modelle entwickelt und evaluiert. Die Modelle werden anschließend produktiv genommen und meistens kontinuierlich überwacht.

Obwohl Computer immer leistungsfähiger werden, ist es dennoch notwendig dem Computer die Lernaufgabe aufzubereiten und den Lernprozess zu kontrollieren und gegenenfalls zu korrigieren. Menschen spezifizieren das Ziel des Lernens und Überwachen den Lernprozess um sicherzustellen, dass alles wie geplant funktioniert. Sie müssen auch entscheiden, ob alles stimmig ist und Sinn ergibt. Mensch und Maschine sollen sich in ihren unterschiedlichen Fähigkeiten ergänzen. Mit Hilfe von Visualisierungen werden die Ergebnisse kommuniziert um die Daten bildlich sprechen zu lassen.

Die vor uns liegenden technischen Möglichkeiten werden uns viele Optionen bieten, die wir gemeisam kritisch begleiten sollten.

Für Anfragen oder weitere Informationen wenden Sie sich bitte an Jens Müller.