Zum Inhalt springen

Aktuelle Forschungs- und Transferprojekte

Agrawissenschaften

Urban Climate Twin

Kurztitel: UCT

Laufzeit: 01.08.2024 - 31.10.2026

Kurzbeschreibung

Das Projekt Urban Climate Twin baut auf den Ergebnissen des Projekts BürgerWOLKE der Stadt Soest auf. Mit dem Projekt wurde eine grundlegende Messinfrastruktur aufgebaut, mit der Daten lokaler Low-Cost-Klimamessstationen (senseBoxen) in einem Dashboard als Open Data bereitgestellt werden. Die bisherige Bereitstellung der Messdaten in einem Dashboard als Open Data entspricht jedoch nicht den Erwartungen aller beteiligten Stakeholder hinsichtlich Qualität und Dienstleistung.

Mit dem Projekt Urban Climate Twin wird angestrebt, eine solide Datengrundlage zu schaffen, auf deren Grundlage die Umsetzung von Klimaanpassungsmaßnahmen, Wirkungsanalysen und die Simulation von Szenarien möglich werden. Dazu zählen insbesondere eine adäquate Dateninfrastruktur und die Bereitstellung von Diensten, die diese Daten u.A. unterstützt durch KI-Methoden passend für potenzielle Anwendungen bereitstellen werden.

Die Schaffung eines digitalen Abbildes der lokalen Stadtklimabedingungen geschieht vor dem Hintergrund, dass die notwendigen Klimaanpassungsmaßnahmenkonzepte fortgeführt werden müssen, was Städte und Kommunen vor kaum leistbare Herausforderungen stellt. Zwar liegen viele regionale Umweltdaten als OpenData vor und werden durch lokale IOT-Daten ergänzt. Die Auswertungen dieser Massendaten stellt die Kommunen jedoch in Zeiten des Fachkräfte- und Ressourcenmangels vor große Hürden. Hier setzt das Projekt UCT an, da es untersucht, wie die Grundlage für eine Datenintegration, Datenplausibilisierung, Datenanalyse und Datenvisualisierung geschaffen werden kann.

Um dieses Ziel des Urban Climate Twin zu erreichen, wird das Projekt durch die Fachhochschule Südwestfalen als Forschungsvorhaben umgesetzt. Im Rahmen des Forschungsprojektes sollen durch Entwicklung und Erforschung neuer Methoden, Technologien und Konzepte die Grundlagen für eine nachhaltige Dateninfrastruktur und Datennutzungsstrategie für einen UCT in Soest entwickelt werden.

Ziel der Forschung ist die Verbesserung der Datenqualität und die Entwicklung von Konzepten neuer Dienste für die Daten der BürgerWOLKE. Eine zentrale Herausforderung liegt in der Optimierung der Datenerhebung. Dies erfordert die Weiterentwicklung der Firmware der senseBoxen, um schematische Messfehler zu eliminieren, sowie die Integration zusätzlicher Daten wie Standort- und Fernerkundungsdaten. Aufgrund der Voruntersuchungen ist zudem davon auszugehen, dass die Messdatenkorrektur noch verbessert werden muss. Als eine Herausforderung adressiert das Forschungsprojekt Urban Climate Twin daher die Sicherstellung der Zuverlässigkeit der Messdaten, welche mithilfe von KI-Modellen erreicht werden soll. Dabei ist die KI-basierte Korrektur der Messdaten ohne vorhandene Referenzdaten (ground truth) eine zentrale Forschungsfrage.

Die Erweiterung bestehender KI-Modelle und die Exploration neuer Modelle stehen hier im Fokus. Dabei sind die Integration dieser Modelle in die Infrastruktur zu evaluieren und solide Referenzdaten bereitzustellen.

Ein weiterer Schwerpunkt des Projekts liegt auf der Untersuchung der Nutzbarmachung der Klimadaten für diverse Bürgeranwendungen. Durch User Research sollen relevante Use Cases identifiziert werden, um einheitliche Konzepte für digitale und physische Umsetzungen zu entwickeln und idealerweise Prototypen zu realisieren.

Leitung / Kontakt

Prof. Dr. Katharina Stahl

Ausführende Stelle

Fachhochschule Südwestfalen, Fachbereich Maschinenbau - Automatisierungstechnik, Soest

Beteiligte Fachbereiche / Firmen / Institutionen
  • Fachbereich Maschinenbau Automatisierungstechnik, Prof. Dr. Frank Hellweg, Prof. Markus Strick, Prof. Dr. Katharina Stahl
  • Projektpartner: Stadt Soest, Abt. Innovation und Digitaler Wandel Datenmanagement und Kommunalstatistik Diplom-Geograph Jürgen Treptow
Drittmittelgeber / Förderung

Weiterleitung der Stadt Soest aus dem Programm „Modellprojekte Smart Cities: Stadtentwicklung und Digitalisierung (436)“ von der KfW Bankengruppe