Wasserpegel und Strömungsvorhersagen für den Rhein auf Grundlage von 2D-HN Simulationen
Prognosen zu Fließgeschwindigkeiten und Wassertiefen von Flüssen sind für eine detaillierte Reiseplanung in der Binnenschifffahrt von großer Bedeutung. In einem 2D-HN-Modell von 450 km Rheinstrecke erfordert der operationelle Betrieb des Modells mit täglichen Prognoserechnungen typischerweise erhebliche Rechenressourcen. Daher ist die Entwicklung eines KI-Modells mit Machine Learning Methoden als kostengünstige und effizienten Alternative vorgesehen, das auch auf Workstations gut performt.
- Behörde
- Bundesanstalt für Wasserbau
- Verwaltungsebene
- Bund
- Ressort
- Bundesministerium für Verkehr
- Risikoeinordnung
- Minimales RisikoSelbstauskunft im MaKI-Profil, keine i6eal-Bewertung
- KI-Methode
- Deep Learning · Machine Learning
- Einsatzbereich
- Bau und Infrastruktur · Mobilität
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 25. Aug. 2026 beobachtet. Quellseitige Projekt- und Publikationsdaten bleiben davon getrennt.
Neu im Quellbestand beobachtet - Beobachtungsstatus
- Nicht beobachtet→present