Entwicklung herunterskalierter NWP-Modelle zur Vorhersage von Frost nach einem hybrid globalen NWP-Downscaling-Ansatz mit hochauflösenden IoT-Daten und regionalen NWP-Modellen wie WRF.
Darüber hinaus entwickeln wir hybride IoT-Frostüberwachungs-Infrastrukturen, die aus drahtlosen Sensornetzen, Drohnen und Wetterstationen bestehen.
Entwicklung einer von ML genuzten Toolchain, um unterschiedliche Batterietypen mit minimalem Aufwand im Hinblick auf den zukünftigen, schnellen Wandel der Batterietechnologien zu bewerten.
Wer bringt Daten in das System ein? Werden alle Anbieter fair behandelt? Haben alle Inhalte eine Chance, entdeckt zu werden? Welche Fairnesskriterien sollten angewandt werden? Gibt es einen Kompromiss zwischen verschiedenen Fairness-Definitionen? Fairness zwischen Anbietern und Verbrauchern?
Erstellung von Nutzerprofilen auf der Grundlage anonymisierter Aktivitätsdaten von Touristen. Empfehlung von Aktivitäten, die zu den Nutzer:innen-Profilen passen unter Berücksichtigung von Faktoren wie Zeit, Wetter, Übertourismus etc.
Nutzung von Reinforcement Learning zur Optimierung der Steuerung von Energierückgewinnung und -verbrauch während der Fahrt. Das Resultat: angepasster Fahrstil zur Optimierung des Energieverbrauchs.
Die Möglichkeiten der digitalen Transformation.
