Thema: „Annotierte Daten im Umweltbereich – Lessons Learned aus dem Projekt LabelledGreenData4All“
Annotierte Daten bilden die Grundlage für eine gute Modellbildung und dienen als treibende Kraft für die Weiterentwicklung KI-gesteuerter Umweltforschung. Jedoch ist die Verfügbarkeit von qualitativ hochwertigen, harmonisierten annotierten Daten stark eingeschränkt.
Ziel des Projektes LabelledGreenData4All („Nachhaltigkeitspotentialanalyse für die Zweckmäßigkeit und den Aufwand von Datenannotationen für Machine Learning-Modelle“) ist es, für das Umweltressort strategische Empfehlungen zu erarbeiten, in welchen Anwendungsbereichen und mit welchen Daten die größten Potentiale für den Einsatz von Machine Learning (ML) Modellen bestehen. Das Projekt behandelt auch die Frage, wie das Teilen von sogenannten „gelabelten“ bzw. annotierten Umweltdaten aus der Ressortforschung des Bundes unterstützt und wie diese in Datenräumen sektorübergreifend geteilt werden können.
Im Community Building Event am 04. Februar 2025 von 9:00 bis 11:00 möchten wir Ihnen die Ergebnisse des Projektes präsentieren und diese gemeinsam mit Ihnen diskutieren, um weiteren Forschungsbedarf zu eruieren. Wir freuen uns auf einen regen Austausch!
| Zeit | Thema | Präsenter |
| 08:45 – 09:00 | Einwahl der Teilnehmenden | Thorsten Reitz, WE |
| 09:00 – 09:15 | Begrüßung der Teilnehmenden Vorstellung des Projektteams | Franziska Hochenegger, WE |
| 09:15 – 09:30 | Vorstellung Projekt LabelledGreenData4All | Cathleen Mitzschke, UBA
|
| 09:30 – 10:00 | Annotierte Daten im Umweltsektor Welche politischen Handlungsempfehlungen ergeben sich aus dem Bedarf, Potential und Wirkung? | Franziska Hochenegger, WE |
| 10:00 – 10:30 | ML-Anwendungen mit wenig Daten Entwicklung und prototypische Umsetzung eines Vorgehensmodells zum Umgang mit wenigen annotierten Daten für die Generierung von ML-Anwendungen im Umweltbereich
| Eva Klien, IGD Kevin Kocon, IGD
|
10:30 – 11:00 | Diskussion | Alle |
Das Team der wetransform GmbH und des Fraunhofer-Institut für Graphische Datenverarbeitung (IGD) arbeiten gemeinsam daran, die Innovationskraft annotierter Umweltdatensätze sektorübergreifend zu eruieren.
Das auf 12 Monate ausgelegte Forschungsprojekt „Nachhaltigkeitspotentialanalyse für die Zweckmäßigkeit und den Aufwand von Datenannotationen für Machine Learning-Modelle“ aus dem Ressortforschungsplan des Bundesministeriums für Umwelt, Naturschutz, nukleare Sicherheit und Verbraucherschutz wird im Auftrag des Umweltbundesamtes durchgeführt. Forschungskennzeichen: FKZ 3723 11 602 0.
Kontakt
Franziska Hochenegger
wetransform GmbH
fh@wetransform.to
