← Back to the registerPublic-sector AI use

MACRO

In diesem Projekt sollen die Grundlagen für die Nutzung des maschinellen Lernens zur maßstabsübergreifenden Regionalisierung hydrogeologischer Flächeninformationen entwickelt und anhand spezifischer Anwendungsfälle getestet werden. Dafür sollen state-of-the-art Methoden des maschinellen Lernens, wie z. B. Extreme Gradient Boosting (XGBoost) und Convolutional Neural Networks (CNNs) untersucht, weiterentwickelt und schließlich zur Generierung von Flächeninformationen eingesetzt werden.

Source checked 18 Jul 2026, 22:41Original MaKI source ↗Data schema ki-verwaltungsradar.internal.v1
MaKI identifierBD20248693535AuthorityBundesanstalt für Geowissenschaften und RohstoffeStatusOperationalOpen original profile ↗
Evidence-backed dossier

MACRO

In diesem Projekt sollen die Grundlagen für die Nutzung des maschinellen Lernens zur maßstabsübergreifenden Regionalisierung hydrogeologischer Flächeninformationen entwickelt und anhand spezifischer Anwendungsfälle getestet werden. Dafür sollen state-of-the-art Methoden des maschinellen Lernens, wie z. B. Extreme Gradient Boosting (XGBoost) und Convolutional Neural Networks (CNNs) untersucht, weiterentwickelt und schließlich zur Generierung von Flächeninformationen eingesetzt werden.

Operational
Authority
Bundesanstalt für Geowissenschaften und Rohstoffe
Administrative level
Federal
Ministry
Bundesministerium für Wirtschaft und Energie
Risk classification
Minimal riskSelf-reported in the MaKI profile, not an i6eal assessment
AI method
Deep Learning · Machine Learning
Application area
Energie und Umwelt
Governance matrix

Published, planned or open

The matrix separates published information, planned reviews, non-required information and unknown fields. It deliberately has no composite score.

Risk classificationMinimales Risiko
Fundamental-rights reviewNicht erforderlich
Data-protection statementNicht erforderlich
Contractor useIntern
Intervention optionsEinbindung von Experten und Fachkräften in die Entscheidungsprozesse
Project linkNot published
Published context

Affected groups and risk measures

Affected groups
Nicht erforderlich
Risk measures
Nicht erforderlich
Described harm risks
Nicht erforderlich
Timeline

Project and publication dates

  1. Project start
  2. First published
  3. Last published
MaKI identifierBD20248693535
Evidence basispublished authority profile
Source state19 May 2026, 10:28