TU Berlin: KI hebt Nachhaltigkeitspotenzial im Städtebau

Literature advertisement

Wege zur physikalischen Erkenntnis

Diese erweiterte Neuauflage des Buchs „Wege zur physikalischen Erkenntnis“ enthält neben der wissenschaftlichen Selbstbiographie folgende Vorträge:

Die Einheit des physikalischen Weltbildes.
Die Stellung der neueren Physik zur mechanischen Naturanschauung.
Neue Bahnen der physikalischen Erkenntnis.
Dynamische und statistische Gesetzmäßigkeit.
Das Prinzip der kleinsten Wirkung.
Verhältnis der Theorien zueinander.
Das Wesen des Lichts.
Die Entstehung und weitere Entwicklung der Quantentheorie.
Kausalgesetz und Willensfreiheit.
Vom Relativen zum Absoluten.
Physikalische Gesetzlichkeit.
Das Weltbild der neuen Physik.
Positivismus und reale Außenwelt.
Wissenschaft und Glaube.
Die Kausalität in der Natur.
Ursprung und Auswirkung wissenschaftlicher Ideen.
Die Physik im Kampf um die Weltanschauung.
Vom Wesen der Willensfreiheit.
Religion und Naturwissenschaft.
Determinismus oder Indeterminismus.
Sinn und Grenzen der exakten Wissenschaft.
Scheinprobleme der Wissenschaft.
Wissenschaftliche Selbstbiographie.

Hier geht es weiter …



Teilen: 

10.12.2020 12:57

TU Berlin: KI hebt Nachhaltigkeitspotenzial im Städtebau

Maschinelles Lernen im Einsatz für den Klimaschutz

Künstliche Intelligenz und Maschinelles Lernen werden immer häufiger in den verschiedensten Wissenschaftsdisziplinen eingesetzt. „Ihr Potenzial für den Einsatz im Städtebau zur Reduzierung der Treibhausgase wurde allerdings noch nicht gehoben“, berichtet Prof. Dr. Felix Creutzig, Leiter des Fachgebiets Sustainability Economics of Human Settlements an der TU Berlin und Gruppenleiter am Mercator Research Institute on Global Commons and Climate Change (MCC). „In zwei jüngst erschienenen Veröffentlichungen hat mein Team jetzt erstmals eine systematische Übersicht über die Studien durchgeführt, die Big Data und Maschinelles Lernen im Kampf gegen den Klimawandel einsetzen. Wir konnten zeigen, dass Künstliche Intelligenz zur Generierung entscheidender Daten für kohlenstoffarme Stadtplanungslösungen eingesetzt werden kann, die zum einen den lokalen Gegebenheiten entsprechen, aber auch global skalierbar sind.“

Dafür entwickelten die Wissenschaftler*innen eine spezielle, algorithmische Architektur (ML-UP), die die Schnittmenge von maschineller Lernforschung, Stadtplanung und Studien zur Eindämmung des Klimawandels berücksichtigt. Für die politischen Entscheidungsträger vor Ort ist es oft schwer zu beurteilen, welche Infrastrukturmaßnahme oder welche Form der Stadtplanung in ihrer speziellen Region auf dem Weg in eine kohlenstoffarme Zukunft am wirkungsvollsten ist. Aus der Wissenschaft kommen dabei oft unterschiedliche Empfehlungen, die sich nicht selten auf eine bestimmte geographische Situation beziehen. „Was wir brauchen, ist eine systematische, methodisch fundierte Forschung, die es erlaubt, ortsspezifische Klimalösungen auch global anzuwenden, ohne dabei regionale Eigenheiten zu missachten“, so Felix Creutzig.

In der Vergangenheit konzentrierte sich die Anwendung von Künstlicher Intelligenz in Bezug auf Klimaschutz im Wesentlichen auf die technischen Möglichkeiten der Fernerkundung und auf die Effizienzsteigerung von Verkehrsnetzen und Gebäuden. „Aber wir sehen ein hohes Potenzial darin, KI auch strukturell für eine kohlenstoffarme Stadtplanung zu nutzen und haben in den beiden Veröffentlichungen eine entsprechende Architektur für maschinelle Lernsysteme vorgestellt“, so Nikola Milojevic-Dupont, wissenschaftlicher Mitarbeiter von Felix Creutzig.

Für ihre Forschung, wählten die Wissenschaftler*innen die räumliche Dimension als Einstiegspunkt, und verwendeten Daten von OpenStreetMap, um 3D-Stadtmodelle mit sehr hoher räumlicher Auflösung zu generieren. Sie testeten die Vorhersagekraft ihrer Algorithmen an der Häuserstruktur von Berlin und Brandenburg und konnten zeigen, dass selbst geringe zusätzliche Informationen über den Gebäudebestand, beigetragen von Freiwilligen, die Vorhersagekraft der Modelle bedeutend verbessert. So ist es ihnen gelungen, hochauflösende Modelle zu erstellen, die zur Eindämmung des Klimawandels bei der Planung kohlenstoffarmer Städte helfen könnten, ohne regionale Besonderheiten zu vernachlässigen.

„Durch die Berechnung und Modellierung der 3-D-Form von Städten mit einer sehr hohen räumlichen Auflösung in verschiedenen Teilen Europas ist uns ein wichtiger Zwischenschritt zur weiteren Erforschung von Energieeinsparpotenzialen im Wohnungsbau gelungen. Diese Modelle werden es ermöglichen, ortsspezifische Lösungsstrategien zu vergleichen und zu bewerten“, erläutert Nikola Milojevic-Dupont.

Publikationen:
Sustainable Cities and Society: https://www.sciencedirect.com/science/article/pii/S2210670720307423DOI
PLOS ONE :
https://journals.plos.org/plosone/article?id=10.1371/journal.pone.0242010

Weitere Informationen erteilt Ihnen gern:
Prof. Dr. Felix Creutzig
TU Berlin
Fachgebiet Sustainability Economics of Human Settlements
Tel.: 030 314-73331
E-Mail: creutzig@tu-berlin.de

Nikola Milojevic-Dupont
TU Berlin
Fachgebiet Sustainability Economics of Human Settlements
E-Mail: milojevic@mcc-berlin.net


Merkmale dieser Pressemitteilung:
Journalisten, Wissenschaftler
Bauwesen / Architektur, Gesellschaft, Informationstechnik, Meer / Klima, Umwelt / Ökologie
überregional
Forschungsergebnisse, Wissenschaftliche Publikationen
Deutsch


Quelle: IDW