{"id":9523,"date":"2025-02-26T10:52:05","date_gmt":"2025-02-26T10:52:05","guid":{"rendered":"https:\/\/wetransform.to\/?post_type=news-and-events&p=9523"},"modified":"2025-02-26T10:52:05","modified_gmt":"2025-02-26T10:52:05","slug":"labelledgreendata4all-lessons-learned","status":"publish","type":"news-and-events","link":"https:\/\/wetransform.to\/de\/neuigkeiten-veranstaltungen\/labelledgreendata4all-lessons-learned\/","title":{"rendered":"Community Building Event: \u201eAnnotierte Daten im Umweltbereich \u2013 Lessons Learned aus dem Projekt LabelledGreenData4All\u201c"},"content":{"rendered":"

K\u00fcnstliche Intelligenz (KI) spielt eine entscheidende Rolle in der doppelten Transformation. Insbesondere im Umweltbereich sind Daten eine der wertvollsten Ressourcen. Durch den Einsatz von KI und Machine Learning (ML)<\/a> k\u00f6nnen Umweltprobleme effizienter analysiert und nachhaltige L\u00f6sungen entwickelt werden. Annotierte Daten sind dabei zentral, da sie f\u00fcr das Training von KI-gest\u00fctzten Modellen unverzichtbar sind und deren Qualit\u00e4t und Aussagekraft ma\u00dfgeblich beeinflussen.<\/p>\n

Das Projekt LabelledGreenData4All <\/a>untersuchte das Potenzial annotierter Umweltdaten und entwickelte strategische Handlungsempfehlungen f\u00fcr deren optimale Nutzung. Das Team der wetransform GmbH<\/a> und des Fraunhofer-Institut fu\u0308r Graphische Datenverarbeitung IGD<\/a> arbeiteten gemeinsam daran, die Innovationskraft annotierter Umweltdatensa\u0308tze anhand von Anwendungsfeldern zu erforschen, um den Einsatz von KI im Umweltbereich effizient und nachhaltig zu gestalten. <\/p>\n

Im "Community Building Event" am 04. Februar 2025 pr\u00e4sentierte das Projektteam die Ergebnisse. Der erste Teil thematisierte den Bedarf, das Potential und die Wirkung annotierter Daten im Umweltsektor. Dem folgte ein technischer Teil, in welchem das im Projekt entwickelte Vorgehensmodell fu\u0308r die Datenannotation vorgestellt wurde. <\/p>\n

Teil 1: Annotierte Daten im Umweltsektor: Welche politischen Handlungsempfehlungen ergeben sich aus Bedarf, Potential und Wirkung?<\/h2>\n

Nach einer Projekteinf\u00fchrung durch Cathleen Mitzschke (Referat Z 2.3 - Digitale Transformation und Beratungsstelle Green IT) wurde die Bedeutung von ML im Umweltbereich mit Fokus auf die Sektoren Biodiversit\u00e4t, Landwirtschaft und Forstwirtschaft durch Franziska Hochenegger (wetransform GmbH) beleuchtet. Insbesondere im Umweltsektor zeigen sich vielf\u00e4ltige Potenziale zur Verbesserung von Effizienz und Nachhaltigkeit. Im Sektor Biodiversit\u00e4t erleichtert ML die Artenerkennung und \u00dcberwachung von Lebensr\u00e4umen und bedrohten Arten, wodurch pr\u00e4zisere Schutzma\u00dfnahmen erm\u00f6glicht werden. In der Landwirtschaft unterst\u00fctzen ML-Methoden die pr\u00e4zise Steuerung von Ressourcen wie Pestiziden und D\u00fcngemitteln und verbessern die Resilienz landwirtschaftlicher Systeme gegen\u00fcber dem Klimawandel. Forstwirtschaftliche Anwendungen umfassen die Wald\u00fcberwachung und fr\u00fchzeitige Erkennung von Gefahren wie Br\u00e4nden und Krankheiten.<\/p>\n

Bezogen auf das Potential zeigte Frau Hochenegger, dass der Einsatz von KI- und ML-Methoden im Umweltbereich signifikante Vorteile bietet und diese sektor\u00fcbergreifend genutzt werden k\u00f6nnen. Politisch gesehen unterst\u00fctzt die datenbasierte Analyse politische Entscheidungstr\u00e4ger*innen im Umwelt- und Naturschutz, insbesondere durch die Bereitstellung fundierter Empfehlungen. Wissenschaftlich und technologisch kann KI ein besseres Verst\u00e4ndnis komplexer Umweltsysteme f\u00f6rdern und Vorhersagemodelle f\u00fcr Umwelt\u00fcberwachung und -schutz optimieren. <\/p>\n

Wirtschaftlich gesehen optimieren ML-Verfahren Prozesse in Land- und Forstwirtschaft, z.B. durch eine effizientere Ressourcenverwaltung und Ernteprognosen, was zur Reduktion von Betriebskosten und zum Erhalt der Biodiversit\u00e4t beitr\u00e4gt. In sozialer und \u00f6kologischer Hinsicht f\u00f6rdert KI die Erreichung der Nachhaltigkeitsziele (SDGs) durch eine effizientere Analyse und strategische Planung.<\/p>\n

Die Wirkungsanalyse weist auf die komplexe Herausforderung hin, die positiven und negativen Effekte von KI bzw. ML-Verfahren in Bezug auf umwelt- und gesellschaftspolitische Ziele in geeigneter Weise auszubalancieren. W\u00e4hrend ML die Verwirklichung von 79% der SDG-Unterziele unterst\u00fctzen kann, sind beispielsweise etwa 35% der Unterziele durch den hohen Energieverbrauch gef\u00e4hrdet.<\/p>\n

Qualita\u0308tsgesicherte und interoperable Daten: Ein Engpass fu\u0308r KI-Anwendungen im Umweltbereich:<\/h3>\n

Trotz des hohen Potentials annotierter Daten existieren signifikante Herausforderungen, die den Zugang zu und die Nutzung von Umweltdaten beeinflussen. Die sektorspezifische Betrachtung zeigte insbesondere, dass sich im landwirtschaftlichen Sektor die Wiederverwendbarkeit annotierter Daten aufgrund der heterogenen Anwendungsf\u00e4lle sowie wenig \u00dcberlappungen in Bezug auf Daten und Methodik sehr schwierig gestaltet. Im forstwirtschaftlichen Sektor ist vor allem das Fehlen von Datenstandards und die geringe Bereitschaft Daten zu teilen problematisch, w\u00e4hrend im Sektor Biodiversit\u00e4t die Heterogenit\u00e4t der Daten sowie die hohen Anforderungen an die Interoperabilit\u00e4t und Integration ausschlaggebend sind. <\/p>\n

Technische, rechtliche und infrastrukturelle Barrieren begrenzen zudem die Verf\u00fcgbarkeit und Interoperabilit\u00e4t von Daten. Besonders in sensiblen Bereichen wie der Forstwirtschaft und der Biodiversit\u00e4t fehlen oft standardisierte, qualit\u00e4tsgesicherte und leicht zug\u00e4ngliche Daten, welche nach den FAIR-Prinzipien<\/a> bereitgestellt werden. Insbesondere ein Mangel an Metadatenstandards und offenen Formaten erschwert die effektive Nutzung von annotierten Umweltdaten. Die nachfolgende Tabelle bietet einen \u00dcberblick \u00fcber die bestehenden Limitierungen und Hindernisse.<\/p>\n

\"LabelledGreenData4All<\/p>\n

Handlungsempfehlungen<\/h3>\n

Basierend auf diesen Ergebnissen wurden Handlungsempfehlungen zur F\u00f6rderung eines robusten, nachhaltigen Daten\u00f6kosystems, das den Umweltsektor unterst\u00fctzt und zugleich die Effizienz, Transparenz und Resilienz in der Nutzung von KI-basierten L\u00f6sungen verbessert, durch Frau Hochenegger vorgestellt. <\/p>\n

Zusammenfassung der Empfehlungen <\/strong><\/p>\n

    \n
  • F\u00f6rderung der Datenkompetenz und Implementierung von Datenmanagement-Richtlinien<\/li>\n
  • Etablierung von Datenr\u00e4umen und Datentreuh\u00e4ndern<\/li>\n
  • Standardisierung als Grundlage f\u00fcr das Datenteilen<\/li>\n
  • Rechtlicher Rahmen f\u00fcr Risikobewertung<\/li>\n
  • Verpflichtendes Teilen von Forschungsdaten<\/li>\n
  • Etablierung von Anreizstrukturen<\/li>\n<\/ul>\n

    Teil 2: ML-Anwendungen mit wenigen Daten<\/h2>\n

    Im Projekt konzentrierte sich das Fraunhofer IGD auf die Evaluierung und Analyse vorhandener Annotationsverfahren sowie ihrer Skalierbarkeit und ihrer Ergebnisqualita\u0308t. Basierend darauf wurde ein Vorgehensmodell fu\u0308r die Datenannotation unter Beru\u0308cksichtigung verschiedener Datenarten und Anwendungsfa\u0308lle entwickelt, welches im Community Building Event<\/em> ausf\u00fchrlich durch Kevin Kocon (Fraunhofer IGD) vorgestellt wurde. <\/p>\n

    Das Vorgehensmodell wurde als Entscheidungshilfe f\u00fcr das Arbeiten mit wenigen Daten bei der Entwicklung von ML-Anwendungen im Umweltbereich entwickelt und anhand von zwei konkreten Anwendungsf\u00e4llen validiert. Die Studie fokussierte sich auf Fernerkundungsdaten (Luftbilder, Satellitenbilder, Punktwolkendaten). Entscheidende Kriterien waren zudem Automatisierbarkeit und Skalierbarkeit. Wirtschaftliche Aspekte wurden bei der Entwicklung des Vorgehensmodells nicht ber\u00fccksichtigt.<\/p>\n

    Schrittweise f\u00fchrte Herr Kocon durch die Studie: Der gew\u00e4hlte Ansatz umfasste die Einrichtung einer technischen Experimentierplattform zur Automatisierung von Datenverarbeitungsprozessen sowie die Evaluierung verschiedener Annotationsmethoden. Letzteres gliederte sich in daten- und modellzentrierte Ans\u00e4tze, welche durch Herrn Kocon kurz erl\u00e4utert wurden. Sie bildeten die Grundlage f\u00fcr die Entwicklung eines Entscheidungsbaums, der, abh\u00e4ngig von der Verf\u00fcgbarkeit gelabelter Daten geeignete Annotationsans\u00e4tze vorschl\u00e4gt.<\/p>\n

    F\u00fcr die anschlie\u00dfende prototypische Umsetzung wurden die komplement\u00e4ren Ans\u00e4tze Pseudo-Labeling und Transfer Learning f\u00fcr die beiden Anwendungsf\u00e4lle ausgew\u00e4hlt und evaluiert. Basierend auf den Ergebnisse der prototypischen Umsetzung zeigte Herr Kocon, dass mit Pseudo-Labeling selbst bei geringer Verf\u00fcgbarkeit von gelabelten Daten qualitativ hochwertige Ergebnisse erzielt werden k\u00f6nnen. Zudem erl\u00e4uterte er, dass Transfer Learning als ressourcenschonende Methode die Trainingszeit erheblich verk\u00fcrzen kann.<\/p>\n

    Entscheidungsbaum als zentrales Ergebnis der Studie<\/h3>\n

    Der Entscheidungsbaum bietet Entwickler*innen von ML-Modellen Handlungsempfehlungen f\u00fcr verschiedene Szenarien, die sich hinsichtlich der Verf\u00fcgbarkeit gelabelter Daten unterscheiden. Anhand der Ergebnisauswertung f\u00fcr die beiden Anwendungsf\u00e4lle zeigte Herr Kocon, dass eine Kombination aus daten- und modellzentrierten Ans\u00e4tzen eine effektive Strategie zur Bew\u00e4ltigung der Herausforderungen bei der Arbeit mit wenigen annotierten Daten darstellen kann. Das entwickelte Vorgehensmodell fungiert somit als praktische Orientierungshilfe f\u00fcr die komplexen Aufgaben guter Modellbildung. <\/p>\n

    Fazit und weiterer Forschungsbedarf<\/h2>\n

    Das vorgestellte Verfahren legt den Fokus auf die Verf\u00fcgbarkeit von Daten. Ein weiteres wichtiges Entscheidungskriterium ist die Qualit\u00e4t der Referenzlabels. Es besteht ein dringender Bedarf an standardisierten Verfahren, um die Qualit\u00e4t von Referenzlabels beurteilen und in die Entscheidungsfindung einbeziehen zu k\u00f6nnen. Dar\u00fcber hinaus wird empfohlen, das Vorgehensmodell zu erweitern, um die Anwendungsf\u00e4lle st\u00e4rker zu differenzieren, weitere Datentypen zu ber\u00fccksichtigen und weitere Entscheidungskriterien wie z.B. Aspekte der Wirtschaftlichkeit und Nachhaltigkeit einzubeziehen.<\/p>\n","protected":false},"excerpt":{"rendered":"

    K\u00fcnstliche Intelligenz (KI) spielt eine entscheidende Rolle in der doppelten Transformation. Insbesondere im Umweltbereich sind Daten eine der wertvollsten Ressourcen. Durch den Einsatz von KI und Machine Learning (ML) k\u00f6nnen Umweltprobleme effizienter analysiert und nachhaltige L\u00f6sungen entwickelt werden. Annotierte Daten sind dabei zentral, da sie f\u00fcr das Training von KI-gest\u00fctzten Modellen unverzichtbar sind und deren […]<\/p>\n","protected":false},"author":1,"featured_media":7917,"menu_order":0,"comment_status":"closed","ping_status":"closed","template":"","meta":{"_acf_changed":false,"inline_featured_image":false,"footnotes":""},"categories":[87,133,129],"tags":[96,97,233],"class_list":["post-9523","news-and-events","type-news-and-events","status-publish","has-post-thumbnail","hentry","category-neuigkeiten","category-projekte","category-veranstaltungen","tag-environmental-data-de","tag-interoperabilitaet","tag-projekte"],"acf":[],"yoast_head":"\nCommunity Building Event: \u201eAnnotierte Daten im Umweltbereich \u2013 Lessons Learned aus dem Projekt LabelledGreenData4All\u201c - wetransform<\/title>\n<meta name=\"description\" content=\"Im LabelledGreenData4All werden Bedarf und Potenziale annotierter Datens\u00e4tze ermittelt. Das Projektteam pr\u00e4sentierte seine Erkenntnisse.\" \/>\n<meta name=\"robots\" content=\"index, follow, max-snippet:-1, max-image-preview:large, max-video-preview:-1\" \/>\n<link rel=\"canonical\" href=\"https:\/\/wetransform.to\/de\/neuigkeiten-veranstaltungen\/labelledgreendata4all-lessons-learned\/\" \/>\n<meta property=\"og:locale\" content=\"de_DE\" \/>\n<meta property=\"og:type\" content=\"article\" \/>\n<meta property=\"og:title\" content=\"Community Building Event: \u201eAnnotierte Daten im Umweltbereich \u2013 Lessons Learned aus dem Projekt LabelledGreenData4All\u201c\" \/>\n<meta property=\"og:description\" content=\"Im LabelledGreenData4All werden Bedarf und Potenziale annotierter Datens\u00e4tze ermittelt. Das Projektteam pr\u00e4sentierte seine Erkenntnisse.\" \/>\n<meta property=\"og:url\" content=\"https:\/\/wetransform.to\/de\/neuigkeiten-veranstaltungen\/labelledgreendata4all-lessons-learned\/\" \/>\n<meta property=\"og:site_name\" content=\"wetransform\" \/>\n<meta property=\"og:image\" content=\"https:\/\/wetransform.to\/wp-content\/uploads\/2024\/05\/LabelledGreenData4All-featured.png\" \/>\n\t<meta property=\"og:image:width\" content=\"1200\" \/>\n\t<meta property=\"og:image:height\" content=\"644\" \/>\n\t<meta property=\"og:image:type\" content=\"image\/png\" \/>\n<meta name=\"twitter:card\" content=\"summary_large_image\" \/>\n<meta name=\"twitter:site\" content=\"@wetransformto\" \/>\n<meta name=\"twitter:label1\" content=\"Gesch\u00e4tzte Lesezeit\" \/>\n\t<meta name=\"twitter:data1\" content=\"6\u00a0Minuten\" \/>\n<script type=\"application\/ld+json\" class=\"yoast-schema-graph\">{\"@context\":\"https:\\\/\\\/schema.org\",\"@graph\":[{\"@type\":\"WebPage\",\"@id\":\"https:\\\/\\\/wetransform.to\\\/de\\\/neuigkeiten-veranstaltungen\\\/labelledgreendata4all-lessons-learned\\\/\",\"url\":\"https:\\\/\\\/wetransform.to\\\/de\\\/neuigkeiten-veranstaltungen\\\/labelledgreendata4all-lessons-learned\\\/\",\"name\":\"Community Building Event: \u201eAnnotierte Daten im Umweltbereich \u2013 Lessons Learned aus dem Projekt LabelledGreenData4All\u201c - wetransform\",\"isPartOf\":{\"@id\":\"http:\\\/\\\/wetransform.to\\\/de\\\/#website\"},\"primaryImageOfPage\":{\"@id\":\"https:\\\/\\\/wetransform.to\\\/de\\\/neuigkeiten-veranstaltungen\\\/labelledgreendata4all-lessons-learned\\\/#primaryimage\"},\"image\":{\"@id\":\"https:\\\/\\\/wetransform.to\\\/de\\\/neuigkeiten-veranstaltungen\\\/labelledgreendata4all-lessons-learned\\\/#primaryimage\"},\"thumbnailUrl\":\"https:\\\/\\\/wetransform.to\\\/wp-content\\\/uploads\\\/2024\\\/05\\\/LabelledGreenData4All-featured.png\",\"datePublished\":\"2025-02-26T10:52:05+00:00\",\"description\":\"Im LabelledGreenData4All werden Bedarf und Potenziale annotierter Datens\u00e4tze ermittelt. Das Projektteam pr\u00e4sentierte seine Erkenntnisse.\",\"breadcrumb\":{\"@id\":\"https:\\\/\\\/wetransform.to\\\/de\\\/neuigkeiten-veranstaltungen\\\/labelledgreendata4all-lessons-learned\\\/#breadcrumb\"},\"inLanguage\":\"de\",\"potentialAction\":[{\"@type\":\"ReadAction\",\"target\":[\"https:\\\/\\\/wetransform.to\\\/de\\\/neuigkeiten-veranstaltungen\\\/labelledgreendata4all-lessons-learned\\\/\"]}]},{\"@type\":\"ImageObject\",\"inLanguage\":\"de\",\"@id\":\"https:\\\/\\\/wetransform.to\\\/de\\\/neuigkeiten-veranstaltungen\\\/labelledgreendata4all-lessons-learned\\\/#primaryimage\",\"url\":\"https:\\\/\\\/wetransform.to\\\/wp-content\\\/uploads\\\/2024\\\/05\\\/LabelledGreenData4All-featured.png\",\"contentUrl\":\"https:\\\/\\\/wetransform.to\\\/wp-content\\\/uploads\\\/2024\\\/05\\\/LabelledGreenData4All-featured.png\",\"width\":1200,\"height\":644,\"caption\":\"illustration of a rising graph in a green environment. On the left, a dark-haired woman in a green business suit looks at a tablet. On the right, a man in a grey outfit inspects a clipboard.\"},{\"@type\":\"BreadcrumbList\",\"@id\":\"https:\\\/\\\/wetransform.to\\\/de\\\/neuigkeiten-veranstaltungen\\\/labelledgreendata4all-lessons-learned\\\/#breadcrumb\",\"itemListElement\":[{\"@type\":\"ListItem\",\"position\":1,\"name\":\"Home\",\"item\":\"https:\\\/\\\/wetransform.to\\\/de\\\/\"},{\"@type\":\"ListItem\",\"position\":2,\"name\":\"News & Events\",\"item\":\"https:\\\/\\\/wetransform.to\\\/de\\\/neuigkeiten-veranstaltungen\\\/\"},{\"@type\":\"ListItem\",\"position\":3,\"name\":\"Community Building Event: \u201eAnnotierte Daten im Umweltbereich \u2013 Lessons Learned aus dem Projekt LabelledGreenData4All\u201c\"}]},{\"@type\":\"WebSite\",\"@id\":\"http:\\\/\\\/wetransform.to\\\/de\\\/#website\",\"url\":\"http:\\\/\\\/wetransform.to\\\/de\\\/\",\"name\":\"wetransform\",\"description\":\"Making environmental data useful and accessible\",\"publisher\":{\"@id\":\"http:\\\/\\\/wetransform.to\\\/de\\\/#organization\"},\"potentialAction\":[{\"@type\":\"SearchAction\",\"target\":{\"@type\":\"EntryPoint\",\"urlTemplate\":\"http:\\\/\\\/wetransform.to\\\/de\\\/?s={search_term_string}\"},\"query-input\":{\"@type\":\"PropertyValueSpecification\",\"valueRequired\":true,\"valueName\":\"search_term_string\"}}],\"inLanguage\":\"de\"},{\"@type\":\"Organization\",\"@id\":\"http:\\\/\\\/wetransform.to\\\/de\\\/#organization\",\"name\":\"wetransform\",\"url\":\"http:\\\/\\\/wetransform.to\\\/de\\\/\",\"logo\":{\"@type\":\"ImageObject\",\"inLanguage\":\"de\",\"@id\":\"http:\\\/\\\/wetransform.to\\\/de\\\/#\\\/schema\\\/logo\\\/image\\\/\",\"url\":\"https:\\\/\\\/wetransform.to\\\/wp-content\\\/uploads\\\/2022\\\/07\\\/large-logo-whitebg.png\",\"contentUrl\":\"https:\\\/\\\/wetransform.to\\\/wp-content\\\/uploads\\\/2022\\\/07\\\/large-logo-whitebg.png\",\"width\":1024,\"height\":1024,\"caption\":\"wetransform\"},\"image\":{\"@id\":\"http:\\\/\\\/wetransform.to\\\/de\\\/#\\\/schema\\\/logo\\\/image\\\/\"},\"sameAs\":[\"https:\\\/\\\/x.com\\\/wetransformto\",\"https:\\\/\\\/www.linkedin.com\\\/company\\\/wetransform-gmbh\\\/\"]}]}<\/script>\n<!-- \/ Yoast SEO Premium plugin. -->","yoast_head_json":{"title":"Community Building Event: \u201eAnnotierte Daten im Umweltbereich \u2013 Lessons Learned aus dem Projekt LabelledGreenData4All\u201c - wetransform","description":"Im LabelledGreenData4All werden Bedarf und Potenziale annotierter Datens\u00e4tze ermittelt. Das Projektteam pr\u00e4sentierte seine Erkenntnisse.","robots":{"index":"index","follow":"follow","max-snippet":"max-snippet:-1","max-image-preview":"max-image-preview:large","max-video-preview":"max-video-preview:-1"},"canonical":"https:\/\/wetransform.to\/de\/neuigkeiten-veranstaltungen\/labelledgreendata4all-lessons-learned\/","og_locale":"de_DE","og_type":"article","og_title":"Community Building Event: \u201eAnnotierte Daten im Umweltbereich \u2013 Lessons Learned aus dem Projekt LabelledGreenData4All\u201c","og_description":"Im LabelledGreenData4All werden Bedarf und Potenziale annotierter Datens\u00e4tze ermittelt. Das Projektteam pr\u00e4sentierte seine Erkenntnisse.","og_url":"https:\/\/wetransform.to\/de\/neuigkeiten-veranstaltungen\/labelledgreendata4all-lessons-learned\/","og_site_name":"wetransform","og_image":[{"width":1200,"height":644,"url":"https:\/\/wetransform.to\/wp-content\/uploads\/2024\/05\/LabelledGreenData4All-featured.png","type":"image\/png"}],"twitter_card":"summary_large_image","twitter_site":"@wetransformto","twitter_misc":{"Gesch\u00e4tzte Lesezeit":"6\u00a0Minuten"},"schema":{"@context":"https:\/\/schema.org","@graph":[{"@type":"WebPage","@id":"https:\/\/wetransform.to\/de\/neuigkeiten-veranstaltungen\/labelledgreendata4all-lessons-learned\/","url":"https:\/\/wetransform.to\/de\/neuigkeiten-veranstaltungen\/labelledgreendata4all-lessons-learned\/","name":"Community Building Event: \u201eAnnotierte Daten im Umweltbereich \u2013 Lessons Learned aus dem Projekt LabelledGreenData4All\u201c - wetransform","isPartOf":{"@id":"http:\/\/wetransform.to\/de\/#website"},"primaryImageOfPage":{"@id":"https:\/\/wetransform.to\/de\/neuigkeiten-veranstaltungen\/labelledgreendata4all-lessons-learned\/#primaryimage"},"image":{"@id":"https:\/\/wetransform.to\/de\/neuigkeiten-veranstaltungen\/labelledgreendata4all-lessons-learned\/#primaryimage"},"thumbnailUrl":"https:\/\/wetransform.to\/wp-content\/uploads\/2024\/05\/LabelledGreenData4All-featured.png","datePublished":"2025-02-26T10:52:05+00:00","description":"Im LabelledGreenData4All werden Bedarf und Potenziale annotierter Datens\u00e4tze ermittelt. Das Projektteam pr\u00e4sentierte seine Erkenntnisse.","breadcrumb":{"@id":"https:\/\/wetransform.to\/de\/neuigkeiten-veranstaltungen\/labelledgreendata4all-lessons-learned\/#breadcrumb"},"inLanguage":"de","potentialAction":[{"@type":"ReadAction","target":["https:\/\/wetransform.to\/de\/neuigkeiten-veranstaltungen\/labelledgreendata4all-lessons-learned\/"]}]},{"@type":"ImageObject","inLanguage":"de","@id":"https:\/\/wetransform.to\/de\/neuigkeiten-veranstaltungen\/labelledgreendata4all-lessons-learned\/#primaryimage","url":"https:\/\/wetransform.to\/wp-content\/uploads\/2024\/05\/LabelledGreenData4All-featured.png","contentUrl":"https:\/\/wetransform.to\/wp-content\/uploads\/2024\/05\/LabelledGreenData4All-featured.png","width":1200,"height":644,"caption":"illustration of a rising graph in a green environment. On the left, a dark-haired woman in a green business suit looks at a tablet. On the right, a man in a grey outfit inspects a clipboard."},{"@type":"BreadcrumbList","@id":"https:\/\/wetransform.to\/de\/neuigkeiten-veranstaltungen\/labelledgreendata4all-lessons-learned\/#breadcrumb","itemListElement":[{"@type":"ListItem","position":1,"name":"Home","item":"https:\/\/wetransform.to\/de\/"},{"@type":"ListItem","position":2,"name":"News & Events","item":"https:\/\/wetransform.to\/de\/neuigkeiten-veranstaltungen\/"},{"@type":"ListItem","position":3,"name":"Community Building Event: \u201eAnnotierte Daten im Umweltbereich \u2013 Lessons Learned aus dem Projekt LabelledGreenData4All\u201c"}]},{"@type":"WebSite","@id":"http:\/\/wetransform.to\/de\/#website","url":"http:\/\/wetransform.to\/de\/","name":"wetransform","description":"Making environmental data useful and accessible","publisher":{"@id":"http:\/\/wetransform.to\/de\/#organization"},"potentialAction":[{"@type":"SearchAction","target":{"@type":"EntryPoint","urlTemplate":"http:\/\/wetransform.to\/de\/?s={search_term_string}"},"query-input":{"@type":"PropertyValueSpecification","valueRequired":true,"valueName":"search_term_string"}}],"inLanguage":"de"},{"@type":"Organization","@id":"http:\/\/wetransform.to\/de\/#organization","name":"wetransform","url":"http:\/\/wetransform.to\/de\/","logo":{"@type":"ImageObject","inLanguage":"de","@id":"http:\/\/wetransform.to\/de\/#\/schema\/logo\/image\/","url":"https:\/\/wetransform.to\/wp-content\/uploads\/2022\/07\/large-logo-whitebg.png","contentUrl":"https:\/\/wetransform.to\/wp-content\/uploads\/2022\/07\/large-logo-whitebg.png","width":1024,"height":1024,"caption":"wetransform"},"image":{"@id":"http:\/\/wetransform.to\/de\/#\/schema\/logo\/image\/"},"sameAs":["https:\/\/x.com\/wetransformto","https:\/\/www.linkedin.com\/company\/wetransform-gmbh\/"]}]}},"_links":{"self":[{"href":"https:\/\/wetransform.to\/de\/wp-json\/wp\/v2\/news-and-events\/9523","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/wetransform.to\/de\/wp-json\/wp\/v2\/news-and-events"}],"about":[{"href":"https:\/\/wetransform.to\/de\/wp-json\/wp\/v2\/types\/news-and-events"}],"author":[{"embeddable":true,"href":"https:\/\/wetransform.to\/de\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/wetransform.to\/de\/wp-json\/wp\/v2\/comments?post=9523"}],"version-history":[{"count":4,"href":"https:\/\/wetransform.to\/de\/wp-json\/wp\/v2\/news-and-events\/9523\/revisions"}],"predecessor-version":[{"id":9537,"href":"https:\/\/wetransform.to\/de\/wp-json\/wp\/v2\/news-and-events\/9523\/revisions\/9537"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/wetransform.to\/de\/wp-json\/wp\/v2\/media\/7917"}],"wp:attachment":[{"href":"https:\/\/wetransform.to\/de\/wp-json\/wp\/v2\/media?parent=9523"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/wetransform.to\/de\/wp-json\/wp\/v2\/categories?post=9523"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/wetransform.to\/de\/wp-json\/wp\/v2\/tags?post=9523"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}