Skip to the content.

GI Logo KIU Logo

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

Agenda

Agenda 1. Oktober, 2021

09:00 - 09:50 - Block 1 (Chair: Andreas Abecker)

09:50 - 10:00 - Pause

10:00 - 10:40 - Block 2 (Chair: Stefan Naumann)

10:40 - 10:50 - Pause

10:50 - 11:30 - Block 3 (Chair: Julian Bruns)

11:30 - 11:40 - Pause

11:40 - 12:20 - Block 4 (Chair: Stefan Naumann)

12:20 - 13:20 - Mittagspause

13:20 - 14:00 - Block 5 (Chair: Stefan Naumann)

14:00 - 14:10 - Pause

14:10 - 14:45 - Block 6 (Chair: Andreas Abecker)

14:45 - 15:00 - Abschluss

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

Wichtige Termine

Einreichungen

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

Photo Disy Logo
Dr. Andreas Abecker
Disy Informationssysteme GmbH, Karlsruhe
http://www.disy.net
Photo Disy Logo
Dr. Julian Bruns
Disy Informationssysteme GmbH, Karlsruhe
http://www.disy.net
Photo UmweltCampus Logo
Prof. Dr. Stefan Naumann
Hochschule Trier, Umwelt-Campus Birkenfeld
Institut für Softwaresysteme
Professur für Umwelt- und Nachhaltigkeitsinformatik
http://www.umwelt-campus.de

Programmkomitee

Vorherige Workshops

Hier finden Sie die Informationen, Unterlagen, Vorträge sowie die Publikationen zu den vorangegangenen Workshops.