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.
- 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
Veröffentlicht, geplant oder offen
Die Matrix trennt veröffentlichte Angaben, geplante Prüfungen, nicht erforderliche Angaben und unbekannte Felder. Es gibt bewusst keinen Gesamtscore.
Betroffene Gruppen und Risikomaßnahmen
- Betroffene Gruppen
- Nicht erforderlich
- Risikomaßnahmen
- Nicht erforderlich
- Beschriebene Schadensrisiken
- Nicht erforderlich
Projekt- und Veröffentlichungsdaten
Diese Daten stammen aus dem aktuellen MaKI-Profil. Sie sind keine i6eal-Beobachtungshistorie.
- Projektstart
- Erstmals veröffentlicht
- Zuletzt veröffentlicht
Beobachtungschronik
Dieses Profil wird seit 19. Juli 2026 beobachtet. Quellseitige Projekt- und Publikationsdaten bleiben davon getrennt.
Noch liegt kein früherer vollständiger Quellstand zum Vergleichen vor. Für dieses Profil beginnt die Beobachtung am 19. Juli 2026.