KIU-2021: 2. Workshop “Künstliche Intelligenz in der Umweltinformatik” im Rahmen der 51. Jahrestagung der Gesellschaft für Informatik, 1. Oktober 2021
Die Publikationen zu allen Vorträgen sind unter Informatik2021 Proceedings erreichbar.
Inhaltsverzeichnis
- Workshop-Thema
- Themen
- Wichtige Rahmendaten und Anmeldung
- Kontakt
- Vorherige Workshops
- Keynote-Speaker
Agenda 1. Oktober, 2021
09:00 - 09:50 - Block 1 (Chair: Andreas Abecker)
- 09:00 - 09:10: Editorial - Andreas Abecker, Julian Bruns, Stefan Naumann
- 09:10 - 09:50 Keynote: Uncertainty in Machine Learning for Environmental Research - Nicole Ludwig
09:50 - 10:00 - Pause
10:00 - 10:40 - Block 2 (Chair: Stefan Naumann)
- 10:00 - 10:20 Digitalisierungsworkflow zur Strukturierung und Standardisierung von Instandhaltungsinformationen von Windenergieanlagen - Marc-Alexander Lutz, Katharina Beckh, Jörg Kindermann, Juliane Schneider, Julia Walgern, Alisa Staack, Sebastian Pfaffel und Stefan Faulstich Link zum Vortrag
- 10:20 - 10:40 Modellierung eines Photovoltaik-Fehlererkennungsansatzes unter Berücksichtigung von maschinellem Lernen - Jaqueline Altkrüger, Harkiran Sahota, Philipp Akharath, Volker Herbort und Henrik te Heesen
10:40 - 10:50 - Pause
10:50 - 11:30 - Block 3 (Chair: Julian Bruns)
- 10:50 - 11:10 Spatial Interpolation of Air Quality Data with Multidimensional Gaussian Processes - Paul Tremper, Till Riedel und Matthias Budde
- 11:10 - 11:30 Exploration and systematic assessment of the resource efficiency of Machine Learning - Achim Guldner, Sandro Kreten and Stefan Naumann Link zum Vortrag
11:30 - 11:40 - Pause
11:40 - 12:20 - Block 4 (Chair: Stefan Naumann)
- 11:40 - 12:00 Integration von KI-Algorithmen in Umweltinformationssysteme mittels SensorThings API - Philipp Hertweck, Hylke van der Schaaf, Desiree Hilbring, Weis Jonas, Tanja Liesch und Matthias Budde Link zum Vortrag
- 12:00 - 12:20 Paving the road to a circular textile economy with AI - Katharina Rudisch, Sebastian Jüngling, Ricardo Carrillo Mendoza, Ulrike Woggon, Ina Budde, Mario Malzacher and Karsten Pufahl
12:20 - 13:20 - Mittagspause
13:20 - 14:00 - Block 5 (Chair: Stefan Naumann)
- 13:20 - 13:40 Adaptives luftqualitätsgewichtetes Fahrradrouting mittels Land-use Regression auf Basis offener Daten - Julian Janßen, Paul Tremper and Till Riedel
- 13:40 - 14:00 Deep learning shows declining groundwater levels in Germany until 2100 due to climate change - Andreas Wunsch, Tanja Liesch, Stefan Broda Link zum Vortrag
14:00 - 14:10 - Pause
14:10 - 14:45 - Block 6 (Chair: Andreas Abecker)
- 14:10 - 14:30 A meta analysis of the status of AI in environmental computer science - Lukas Sinnwell, Julian Bruns, Matthias Budde und Andreas Abecker Link zum Vortrag
- Offene Diskussion
14:45 - 15:00 - Abschluss
- Abschluss und Schlussworte durch die Organisatoren
Workshop-Thema
Die Umweltinformatik befasst sich interdisziplinär mit der Analyse und Bewertung von Umweltsachverhalten. Aus informationstechnologischer Sicht spielen dabei beispielsweise Simulationen komplexer Systeme, Geographische Informationssysteme (GIS) und räumliche Datenanalyse, Messnetze und Sensordatenverarbeitung sowie Fernerkundung und Bildverarbeitung eine große Rolle. Außer in der Wissenschaft findet die Umweltinformatik ihre wichtigsten Anwendungen in der öffentlichen Verwaltung (Natur- und Umweltschutz, Umweltdatenportale, Katastrophenschutz, Verbraucherschutz, Wassermanagement etc.), aber auch in der Wirtschaft (betriebliche Umweltinformationssysteme). Enge Bezüge und teilweise Überlappungen ergeben sich auch zur Agrar-, zur Hydro-, zur Energie- und zur Gesundheitsinformatik sowie im Bereich Green IT.
Die Umweltinformatik betrachtet in aller Regel sehr komplexe Prozesse in Ökosystemen, deren Verhalten (noch) nicht vollständig bekannt und verstanden ist, deren Verhalten nur approximativ oder vereinfachend modelliert, simuliert oder vorhergesagt werden kann und bei deren Beobachtung häufig relevante Größen unbekannt sind oder nur geschätzt werden können. Zusätzlich müssen bei der Betrachtung von Ökosystemen noch weitere Systeme, die aus Informatiksicht nicht einfach zu behandeln sind, wie z.B. Wetter, betrachtet werden, da diese ebenfalls direkte und indirekte Einflüsse ausüben. Entscheidungen in Anwendungsfällen (wie z.B. Planungsverfahren, Notfallmanagement, Politikgestaltung) sind in der Regel schwierige Abwägungen und erfordern Fach- und Erfahrungswissen. Die entsprechenden Fragestellungen haben vielfältige Wechselwirkungen zu hoch aktuellen und enorm wichtigen Themen wie z.B. Klimawandel, Energiewende, Biodiversität und Nachhaltigkeit, aber auch zu großen Technologietrends wie Smart Cities, Smart Agriculture, Smart Mobility oder Smart Grids.
Die Anwendungen von Methoden und Technologien der KI drängt sich also auf. Für den Workshop KIU-2021 laden wir Forscher, Entwickler und Anwender ein, gemeinsam ihre Fragestellungen, Lösungsansätze und Ergebnisse zu intelligenten IT-Ansätzen für Umweltanwendungen zu diskutieren.
Aus technischer Sicht betrachten wir die gesamte Breite intelligenter Software-Ansätze, also aus symbolischer und subsymbolischer KI, intelligenter Datenanalyse, maschinellem Lernen usw.
Aus Anwendungssicht betrachten wir alle Themenfelder der Umweltinformatik sowie angrenzende Gebiete mit hoher Umweltrelevanz wie Green IT, Smart Agriculture usw.
Themen
Wir laden ein zur Einreichung von Full Papers (für mündliche Präsentationen) oder Short Papers (für Poster Präsentationen) zu folgenden Themen (nicht ausschließliche Liste):
| KI-Technologien für die Umwelt, zu Themen wie: | Umweltanwendungen mit KI-Unterstützung, zu Themen wie: |
|---|---|
| Big / Smart / Linked / Open Data Bildverarbeitung & Fernerkundung Data Mining, Machine Learning, Deep Learning Digital Twins ELSI-Aspekte zur Umwelt-KI, Responsible AI Explainable AI Human-Centered AI Multiagentensysteme Multimodale Interfaces, AR, VR und KI Robotik Semantische Technologien Soft Computing / Computational Intelligence Spatial Data Mining, Spatio-Temporal Data Analytics Sprachverarbeitung Unsicherheit & Vagheit Wissensbasierte Systeme Übergreifend: Energie- und Ressourcenverbräuche durch KI-Training und -Anwendung … |
Betriebliche & behördliche Umweltinformationssysteme Biodiversität Computational Sustainability Erneuerbare Energien & Energiewende Green IT und Energiemanagement Katastrophenschutz & -management (aus Umweltsicht) Klimawandel Nachhaltige Produktion, Kreislaufwirtschaft Natur- & Umweltschutz Ressourcenschutz & Landmanagement Smart Agriculture , Smart forestry(aus Umweltsicht) Smart City, Smart Mobility (Umweltaspekte) Umweltbildung Verbraucherschutz (Umweltaspekte) Wasser 4.0 … |
Keynote-Speaker
Wir freuen uns Frau Dr. Nicole Ludwig als Keynotespeakerin begrüßen zu dürfen. Sie leitet die Early Career Forschungsgruppe für Maschinelles Lernen in Nachhaltigen Energiesystemen am Exzellenzcluster Maschinelles Lernen der Universität Tübingen.
Uncertainty in Machine Learning for Environmental Research
Advances in metering infrastructure, data collection and storing have led to data-driven research approaches such as machine learning to become more prevalent in environmental and sustainability research. However, probabilistic approaches which handle uncertainty in the available data and models are still underrepresented. This underrepresentation is prevalent in environmental research, in addition there are different uncertainties influence the models we design and their output. For example, the data sets we have at hand are not always equally well distributed in space and time; some areas might have lots of data points (high resolution in space) while others might have more frequent data (high resolution in time). When working with a mixed data set, probabilistic measures can help clarify where the models are certain about the results and where they are uncertain. Additionally, many research questions we want to answer, such as the optimal location for a wind turbine, rely on weather and climate data input. As weather and climate are a chaotic system and thus only predictable to a certain extent, accounting for this uncertainty is crucial for reliable forecasts and any decision making based on them. In this talk, we will address some of the open issues with uncertainty in space and time in the input data and output of probabilistic machine learning models at the example of forecasting in sustainable energy systems.
Wichtige Rahmendaten und Anmeldung
- Alle aktuellen Informationen zur Konferenz finden sich auf Konferenzseite
- Der Workshop wird komplett online stattfinden.
- Anmeldung ist möglich unter Registrierung über die Informatik 2021 ; “Early Bird” Tickets sind bis zum 31.07.2021 verfügbar
Wichtige Termine
- Einreichungsfrist: 17.05.2021 (verlängert)
- Camera-ready versions: 30.06.2021
- Workshop: 01.10.2021 (ganztätig, vorläufiger Termin)
Einreichungen
- Die Einreichungen können unter Submission getätigt werden.
- Es können Full-Paper mit einem Umfang von 10-12 Seiten oder Short-Paper mit 4-6 Seiten eingereicht werden. Diese können in deutscher oder englischer Sprache geschrieben werden. Beide Einreichungsarten werden über das gleiche Einreichungsportal verarbeitet. Abhängig von Anzahl, Inhalt und Qualität der Einreichungen wird entschieden, ob die Beiträge als Vortrag oder als Poster vorgestellt werden können. Falls Autoren die Posterpräsentation gegenüber dem Langvortrag auf jeden Fall bevorzugen, sollte der Beitragstitel bitte beginnen mit “Postervorstellung: “ bzw. “Poster Presentation”. Eine solche Posterdarstellung muss aber nicht notwendigerweise ein Short Paper sein. Ebenso kann noch nicht garantiert werden, dass jedes Full Paper als Vortrag präsentiert werden kann.
- Es sind die LNI-Formatvorlagen der GI zu verwenden (siehe unten) .
- Der Begutachtungsprozess wird über einen kombinierten Peer-Reviewing-Prozess und mittels externer Expertinnen und Experten durchgeführt.
- Die Beiträge werden in der Reihe „Lecture Notes in Informatics (LNI)“ der GI veröffentlicht. (u. A. indexiert von Web of Science)
- Der Workshop findet im Rahmen der Informatik2021 in Berlin bzw. digital statt
Formatvorlagen
Es sind die aktuellen LNI-Formatvorlagen der GI zu verwenden, die Einreichung erfolgt als PDF.
Nach Empfehlung der GI haben wir uns entschieden einheitlich Latex als Format-Vorlage zu verwenden. Falls dies zu Problemen führt, bitten wir Sie uns zu kontaktieren.
Kontakt
Bei Fragen können Sie uns gerne unter der e-Mail Adresse kiu@disy.net kontaktieren.
Workshop-Organisation
 |
 Dr. Andreas Abecker Disy Informationssysteme GmbH, Karlsruhe http://www.disy.net |
 |
Dr. Julian Bruns Disy Informationssysteme GmbH, Karlsruhe http://www.disy.net |
 |
 Prof. Dr. Stefan Naumann Hochschule Trier, Umwelt-Campus Birkenfeld Institut für Softwaresysteme Professur für Umwelt- und Nachhaltigkeitsinformatik http://www.umwelt-campus.de |
Programmkomitee
- Dr. Ansgar Bernardi ; Deutsches Forschungszentrum für Künstliche Intelligenz, Kaiserslautern
- Dr. Matthias Budde ; Disy Informationssysteme GmbH, Karlsruhe
- Prof. Dr. Frank Fuchs-Kittowski ; Hochschule für Technik und Wirtschaft, Berlin
- Dr. Desirée Hilbring; Fraunhofer IOSB, Karlsruhe
- Dr. Julian Huber ; FZI Forschungszentrum Informatik, Karlsruhe
- Dr. Christian Jolk ; Ruhr-Universität Bochum, Bochum
- Prof. Dr. Gerlinde Knetsch ; HTW, Berlin
- Dr. Sven Lautenbach ; Universität Heidelberg, Heidelberg
- Dr. Tanja Liesch ; Karlsruher Institut für Technologie, Karlsruhe
- Dr. Martin Memmel ; Deutsches Forschungszentrum für Künstliche Intelligenz, Kaiserslautern
- Prof. Dr. Jens Nimis ; Hochschule Karlsruhe Technik und Wirtschaft, Karlsruhe
- Dr. Steffen Thoma ; FZI Forschungszentrum Informatik, Karlsruhe
Vorherige Workshops
Hier finden Sie die Informationen, Unterlagen, Vorträge sowie die Publikationen zu den vorangegangenen Workshops.