Quellenbasiertes Dossier
Im BetriebMACRO
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.
- Behörde
- Bundesanstalt für Geowissenschaften und Rohstoffe
- Verwaltungsebene
- Bund
- Ressort
- Bundesministerium für Wirtschaft und Energie
- Risikoeinordnung
- Minimales RisikoSelbstauskunft im MaKI-Profil, keine i6eal-Bewertung
- KI-Methode
- Deep Learning · Machine Learning
- Einsatzbereich
- Energie und Umwelt
Governance-Matrix
Veröffentlicht, geplant oder offen
Die Matrix trennt veröffentlichte Angaben, geplante Prüfungen, nicht erforderliche Angaben und unbekannte Felder. Es gibt bewusst keinen Gesamtscore.
Veröffentlichter Kontext
Betroffene Gruppen und Risikomaßnahmen
- Betroffene Gruppen
- Nicht erforderlich
- Risikomaßnahmen
- Nicht erforderlich
- Beschriebene Schadensrisiken
- Nicht erforderlich
Zeitachse
Projekt- und Veröffentlichungsdaten
- Projektstart
- Erstmals veröffentlicht
- Zuletzt veröffentlicht