Identifizierung und Priorisierung von Schadstoffen an Bundeswasserstraßen
In dem Projekt werden mithilfe von Machine Learning eine große Bandbreite molekularer Effekte von Umweltchemikalien und Mischungen vorhergesagt, zusammengefasst und visualisiert. Die Trainings-Daten stammen aus der Datenbank "Toxcast", die eine große Menge an Informationen über in vitro-Effekte von Chemikalien bereithält, jedoch durch große Datenlücken für ökotoxikologische Fragestellungen i.d.R. schwer nutzbar ist.
- Behörde
- Bundesanstalt für Gewässerkunde
- Verwaltungsebene
- Bund
- Ressort
- Bundesministerium für Verkehr
- Risikoeinordnung
- Minimales RisikoSelbstauskunft im MaKI-Profil, keine i6eal-Bewertung
- KI-Methode
- Machine Learning
- Einsatzbereich
- Forschung
Veröffentlicht, geplant oder offen
Die Matrix trennt veröffentlichte Angaben, geplante Prüfungen, nicht erforderliche Angaben und unbekannte Felder. Es gibt bewusst keinen Gesamtscore.
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.