Data Innovation Community “Smart Infrastructure”

Am 3. März beim 8. SDIL Strategy-Board-Meeting wurde die neue DIC “Smart Infrastructure” beschlossen. Dieses verbindet die Inhalte der bisherigen DICs “Smart Cities” und “Energie” in Form zweier Schwerpunkte dieser neuen DIC. So können bisherige thematische Überlappungen beider DICs zukünftig stärker als Synergien genutzt werden.

Schwerpunkt: “Energie”

Die Energiebranche steht vor einem grundlegenden Wandel. Die Umstellung auf erneuerbare Energien, die von der EU geforderte Installation von Smart Meter, die Entwicklung neuer, kundenzentrierter Geschäftsmodelle: Aus diesen Veränderungen ergeben sich für die Energiebranche ganz neue Herausforderungen an die IT-Infrastruktur. Mittels der Analyse umfangreicher strukturierter und unstrukturierter Daten, wie sie beispielsweise über Apps auf mobilen Endgeräten, Internetportalen und soziale Medien generiert werden, können Energieversorger künftig Geschäftsprozesse optimieren und neue Geschäftsmodelle entwickeln. So ermöglichen Big-Data-Analysen beispielsweise bessere Verbrauchsprognosen, mit denen Versorger den Einkauf von Energie genauer als bisher steuern können. Dank Big Data können auch Tarife besser auf verschiedene Kundengruppen zugeschnitten oder unzufriedene Kunden leichter erkannt werden, was letztlich die Kundenbindung erhöht.
Im Schwerpunkt “Energie” sollen wichtige datengetriebene Aspekte im Bereich Energie erforscht werden, bspw. die bedarfsgesteuerte Einstellung von Tarifen auf Basis von Smart Meter-Daten.
Der Schwerpunkt “Energie” richtet sich daher an alle interessierten Unternehmen und Forschungseinrichtungen, die bzgl. dieser Aspekte gemeinsame Forschung betreiben wollen. Dies schließt sowohl Anwenderunternehmen der Energiebranche mit ein als auch Unternehmee n der Automatisierungsbranche sowie der IT-Branche.

Schwerpunkt: “Smart Cities”

Auch in den Bereichen Stadtentwicklung und Verkehrsmanagement ergeben sich durch die Auswertung von Big Data völlig neue Möglichkeiten. Mithilfe von integrierten Lösungen für die Transportkommunikation und intelligenter Systeme für das Verkehrsmanagement kann der Verkehr in schnell wachsenden dichtbesiedelten Stadtgebieten besser bewältigt werden. Die Menge an Daten, die in Städten unter anderem durch U-Bahnen, Busse, Taxis und Verkehrskameras generiert wird, ist immens. Mit den existierenden IT-Landschaften lassen sich oftmals kaum Vorhersagen oder erweiterte Datenanalysen durchführen, um verschiedene Verkehrs- und Transportszenarien vorausschauend durchzuspielen. Aber nur so lassen sich entsprechende Dienstleistungen und die weitere Städteplanung verbessern. Werden Informationen in Echtzeit analysiert, richtig ausgewertet und in
Kontext mit historischen Daten gesetzt, können Staus und Gefahren im Straßenverkehr frühzeitig erkannt und Verkehrsaufkommen, Emissionen und Fahrzeiten signifikant gesenkt werden.
In der Data Innovation Community “Smart Infrastructure”, Schwerpunkt “Smart Cities” sollen wichtige datengetriebene Aspekte im Bereich des urbanen Lebens erforscht werden, bspw. die Verkehrssteuerung, aber auch die Abfallentsorgung oder auch der Katastrophenschutz.
Der Schwerpunkt “Smart Cities” richtet sich daher an alle interessierten Unternehmen und Forschungseinrichtungen, die bzgl. dieser Aspekte gemeinsame Forschung betreiben wollen, genauso aber auch an öffentliche Stellen. Dies schließt sowohl Anwenderunternehmen mit ein als auch Unternehmen der Automatisierungsbranche sowie der IT-Branche.

DIC-Leitung

Prof. Dr. Veit Hagenmeyer
veit.hagenmeyer@kit.edu
Karlsruhe Institute of Technology
veit-hagenmeyer
Hellmuth Frey
h.frey@enbw.com
EnBW
Zu einer Mitarbeit in der Data Innovation Community oder Teilnahme an deren Treffen kontaktieren Sie bitte das DIC per E-Mail unter infrastructure@sdil.de.
Mitglieder können auf die internen Foren im SAP Jam zugreifen.
 
 

Aktuelle Projekte


E-Scooter Detection

Die NovelSense UG befasst sich mit der Entwicklung innovativer Sensoranwendungen für die Mobilität der Zukunft. Hierbei sollen insbesondere neue Technologien für die infrastrukturseitige Erfassung von Verkehrsdaten entwickelt und erprobt werden. Das Ziel ist die Entwicklung von Hardware und Softwareprodukten für Verkehrsplaner und Infrastrukturentwickler. Im vorliegenden Vorhaben sollen KI-Methoden zum Einsatz kommen, um eine kontinuierliche Erkennung […]

QuestMiner – Erkennung und Bewertung von Anomalien in Grafiken

Eine Anomalie wird im Allgemeinen als Abweichung von der Norm und vom erwarteten Verhalten definiert. Solche Anomalien weisen häufig auf Vorfälle und Konstellationen hin, die sofortige Aufmerksamkeit und Reaktion erfordern. In einem sozialen Netzwerk kann eine Anomalie auf spontane Anziehungskräfte wie Demonstrationen hinweisen. Ihre frühzeitige Erkennung ist entscheidend für die weitere Steuerung. In Bezug auf […]

SDSC-BW: Smarte Versandvolumenvorhersage mit KI-Modellen

SDSC-BW: Smarte Versandvolumenvorhersage mit KI-Modellen

. Statt intuitiv mit künstlicher Intelligenz die Versandvolumen vorhersagen, haben sich die Smart Data-Experten des SDSC-BW gemeinsam mit dem Logistik- und Transportunternehmen LGI vorgenommen. Die komplexen Modelle des SDSC-BW konnten sich in der Vergleichsanalyse gegenüber den herkömmlichen Verfahren beweisen und überzeugen. Die Logistics Group International GmbH (LGI) arbeitete bislang mit intuitiven Methoden zur Planung von […]

BigGIS – Fusion der Geo-Big Data

BigGIS – Fusion der Geo-Big Data

Das BigGIS Projekt beschäftigt sich mit Big Data und der Fusion unsicherer, geografischer Daten. Zunehmende Datenmengen und immer komplexere Berechnungsmodelle erfordern schnelle und robuste Verfahren. Dies ist das Thema des BigGIS Projekts, in welchem integrierte Verfahren zum Umgang mit Unsicherheit im (Geo)-BigData-Zusammenhang entwickelt werden. Zusammen mit dem SDIL werden hierbei am Beispiel von Temperaturdaten passende […]

Häfen als intelligente Logistikdrehkreuze

Dieses Projekt ist Teil des Transforming-Transport-EU-Leuchtturmprojekts. Das Transforming-Transport-Projekt wird in einer realistischen, messbaren und replizierbaren Weise die transformativen Effekte zeigen, die Big Data für den Mobilitäts- und Logistikmarkt haben. Transforming Transport vereint Wissen und Lösungen großer europäischer ICT- und Big-Data-Technologieanbieter mit der Kompetenz und Erfahrung wichtiger, europäischer Industrieakteure sowie öffentlicher Stellen im Mobilitäts- und Logistikbereich. […]

Analytics für ein Smart Air Quality Network

Analytics für ein Smart Air Quality Network

Das Projekt Smart Air Quality Network (SmartAQnet), das als Verbundprojekt im Rahmen des datenbasierten FuE-Förderprogramms „Modernitätsfonds“ des BMVI mfund gefördert wird, hat das Forschungsziel, ein Gesamtsystem zur Erfassung, Visualisierung und Vorhersage der räumlichen Verteilung von Luftschadstoffen in städtischen Atmosphären zu entwickeln. Hierzu möchten wir gerne das SDIL als Analyseplattform in verschiedenen Projektphasen nutzen, um verschiedene […]

Verbesserung der Verkehrsflussvorhersage mit Umgebungsmodellen

Verbesserung der Verkehrsflussvorhersage mit Umgebungsmodellen

In den vergangenen Jahren wurde das Intelligent Transport System (ITS) entwickelt, das die Verkehrsflussprognose zum Ziel hat und bei der Planung und Entwicklung von Verkehrsmanagement- und Kontrollsystemen eine wesentliche Rolle spielt. Indem aktuelle Verkehrsflussdaten analysiert werden, soll eine Vorhersage für den Verkehrsfluss getroffen werden. Ein präzises Prognosemodell kann helfen, den Verkehr proaktiv zu bewältigen, sodass […]

Bedarfsanalyse für energetische Baumaßnahmen auf Basis historischer Infrastrukturdaten

Bedarfsanalyse für energetische Baumaßnahmen auf Basis historischer Infrastrukturdaten

Das KIT-FM (Facility Management) hat über mehrere Jahre Daten gesammelt, die von einem immensen Wert sind: einerseits für die Betriebsführung und andererseits für die Planung sowie Durchführung zukünftiger Infrastrukturentwicklung. Diese Daten wurden in einem weitgehend geschlossenen realen System über fast alle Gebäude des Campus Nord (ehemaliges Forschungszentrum) gesammelt. Sie sind daher auch für die Forschung […]

Untersuchung verschiedener Big Data Plattformen hinsichtlich ihrer Performance bei forensischer Datenanalyse

Untersuchung verschiedener Big Data Plattformen hinsichtlich ihrer Performance bei forensischer Datenanalyse

Ein aktuelles von der SAP gestartetes Projekt beschäftigt sich mit forensischer Datenanalyse. Hierbei wird gezielt auf die Analyse sehr großer Datenmengen eingegangen. So weist beispielsweise das LKA Baden-Württemberg pro Fall einen Datenbestand von bis zu 150 TB auf. Der gesamte Datenbestand bezüglich der aktiven Fälle beträgt etwa 500 TB. Performance ist hier ein kritischer Faktor. […]

VDAR: Verteilte Dezentrale Autonome Regelungssysteme für Dezentrale Energiemärkte

VDAR: Verteilte Dezentrale Autonome Regelungssysteme für Dezentrale Energiemärkte

Das VDAR-Projekt stammt aus dem vom Bundesministerium für Bildung und Forschung (BMBF) geförderten Rahmenprojekt „Software Campus“. In diesem Projekt werden primär die Energiedaten aus Stromnetz (z.B. Verbrauchsdaten, Kapazitätsinformationen, etc.) und Strommarkt (z.B. Angebote und Nachfragen, Preisinformationen, etc.) zur Auswertung des Konzepts eines dezentralen Strommarkts analysiert. Im Forschungsvorhaben „VDAR“ wurden Regelungskonzepte erforscht, mit denen das Wirtschaftssystem […]