Data Science, das Erzeugen von Wissen aus Daten, nimmt in einer zunehmend digitalisierten Welt einen immer größeren Stellenwert ein. Die eingesetzten Methoden sind zahlreich und reichen von der Analyse von großen Datenmengen (Big Data) bis hin zu modernen Verfahren des Data Mining und des maschinellen Lernens. Dies geht einher mit einem zunehmenden Einsatz von diskreten und quantitativen Methoden aus der angewandten Mathematik und Informatik. Hierbei geht es um die Entwicklung und den Einsatz von Optimierungsmodellen und Methoden zur Entscheidungsunterstützung.
Forschungsgruppen
Projekthighlights
Angesichts des hohen Schadensausmaßes von Starkregenereignissen und ihrer zunehmenden Häufigkeit infolge des Klimawandels gilt der Umgang mit starkregenbedingten Überflutungen als eine der zentralen Herausforderungen in der Stadt- und Siedlungsentwässerung.
Im Rahmen des Projektes „AKUT – Anreizsysteme für die kommunale Überflutungsvorsorge“ von Prof. Thielen werden daher innovative Optimierungsmodelle entwickelt, welche bestmögliche Vorsorgekonzepte sowie für deren Umsetzung nötige Anreize zur Bürger-
beteiligung ermitteln.
Dieser Teilbereich des maschinellen Lernens ermöglicht es, eine künstliche Intelligenz (KI) zu trainieren, selbstständig eine bestimmte Problemstellung zu lösen. Dieses gemeinsame Projekt von Prof. Burger und Prof. Grimm nutzt und erweitert dieses Konzept, um den Planungsprozess für die Synthese verfahrenstechnischer Fließbilder zu unterstützen. Hierbei erstellt die KI Fließbilder zu gegebenen Aufgabenstellungen und erhält anschließend ein Feedback, welches den Lernprozess steuert.
