Institut für Raumbezogene Informations- und Messtechnik
Hochschule Mainz - University of Applied Sciences

Big-Data im Dienst von Umwelt und Gesundheit

Millionen von Menschen tragen Umweltsensoren bei sich, etwa zur Messung von Temperatur, Luftfeuchtigkeit oder Luftdruck. Multisensorsysteme spüren potentiell gefährlichen Umweltveränderungen nach. Aktuelle Zukunftsvisionen lassen erwarten, dass wir Umweltveränderungen in zunehmendem Maße quasi in Echtzeit interpretieren, bewerten und anschaulich kommunizieren werden. Im Idealfall kann die Lebensqualität dadurch nachhaltig verbessert oder gesichert werden, z.B. in den Bereichen Gesundheit, Umweltschutz oder Katastrophenvorbeugung.

Ein interdisziplinäres Forscherteam der Hochschule Mainz widmet sich diesen Zielen und greift dabei sog. Big-Data-Verfahren auf, wie sie zurzeit in der Welt schnell wachsender und zunehmend heterogener Massendaten entstehen. In enger Zusammenarbeit entwickeln die Bereiche Geoinformatik im Fachbereich Technik mit dem i3mainz, Institut für Raumbezogene Informations- und Messtechnik und Big-Data-Analytics im Fachbereich Wirtschaft vielversprechende Verfahren im Hinblick auf das Monitoring von natürlichen und durch den Menschen verursachten Umweltveränderungen weiter. Das Vorhaben erforscht die Potentiale aktueller Data-Mining- und Machine-Learning-Verfahren für Fragestellungen mit Raum-Zeit-Bezug. Mit dem Aufbau eines Metalearning-Systems, also der Kombination von Vorhersagen aus mehreren Modellen und neuartigen Visualisierungsmethoden soll der Kreis der möglichen Anwender komplexer Analysen stark erhöht werden.

Ziel des Forschungsvorhabens ist es, innovative Verfahren bereitzustellen, die den Nutzen stark wachsender Datenmengen mit Raumbezug für Wirtschaft und Gesellschaft wesentlich erhöhen. So wird etwa ein Big-Data-Analytics-System für Fragestellungen aus dem Bereich Smart-City entwickelt, das sich auf Analysen unterschiedlicher Sensordaten zu Umwelt- und Gesundheitsfragen konzentriert. Ferner wird der Autonomiegrad optischer Monitoringsysteme für die Präzisionsüberwachung großer Strukturen, wie Windenergieanlagen oder Brücken, auf der Basis von Bildanalyse mithilfe von Deep-Learning-Systemen gesteigert, auf Zuverlässigkeit untersucht und auf Praxistauglichkeit hin getrimmt. Die Anwendbarkeit der Resultate soll durch die Bereitstellung von Prototypen gewährleistet werden.

Eckdaten

Mitteilung vom 11.12.2018
  • – Prof. Dr. Gunther Piller (Fachbereich Wirtschaft der Hochschule Mainz)
Titelbild:
  • Projektgruppe, v.l.n.r.: Nicole Bruhn (i3mainz), Gunther Piller (FB Wirtschaft), Jörg Klonowski und Martin SchlĂĽter (i3mainz), Sabine Hartel-Schenk (HS Mainz), Gerhard Muth (Präsident der HS Mainz), Klaus Böhm (i3mainz)(Foto: Svenja Schwerdtfeger, Hochschule Mainz)

Nachrichten

Am 1./2. Juni 2018 fand an der Uni Luxembourg ein gemeinsamer Workshop des vom FNR und…

Im Rahmen des Moduls "Digitale Bildanalyse" des konsekutiven Masterstudiengangs Geoinformatik und Vermessung findet jährlich eine Exkursion zu einem…