Business Geomatics
  • Home
  • News
  • Aktuelle Schwerpunkte
    • INTERGEO 2025
    • Kommunale Wärmeplanung
    • XPlanung
    • Location Intelligence
    • Geomarketing & Geodaten
    • Mobile Mapping
    • Thermographie
    • Fernerkundung
    • Gaussian Splatting
    • Leitungsauskunft/Planauskunft
    • Digitaler Zwilling
  • BG-Themenwelt
  • GeoFlash
  • Unternehmensspiegel
  • Archiv
  • Mediadaten
Business Geomatics
  • Home
  • News
  • Aktuelle Schwerpunkte
    • INTERGEO 2025
    • Kommunale Wärmeplanung
    • XPlanung
    • Location Intelligence
    • Geomarketing & Geodaten
    • Mobile Mapping
    • Thermographie
    • Fernerkundung
    • Gaussian Splatting
    • Leitungsauskunft/Planauskunft
    • Digitaler Zwilling
  • BG-Themenwelt
  • GeoFlash
  • Unternehmensspiegel
  • Archiv
  • Mediadaten
Home » News » Standort-Identifikation mittels KI

Home » News » Standort-Identifikation mittels KI

Standort-Identifikation mittels KI

  • 13. Mai. 2022

Wo gibt es nicht nur ausreichend Platz, sondern auch genug Wohlwollen in der Bevölkerung, damit Windenergie-Ausbauprojekte Erfolg haben können? Das untersuchen Sozialwissenschaftler der Universität Oldenburg innerhalb des Forschungsprojekts WindGISKI. Ziel dieses Verbundvorhabens unter Leitung der Universität Hannover ist es, mit Hilfe eines Geoinformationssystems (GIS) und Künstlicher Intelligenz (KI) vielversprechende Flächen einfacher zu identifizieren. Die Oldenburger Arbeitsgruppe „Organisation & Innovation“ um Prof. Dr. Jannika Mattes erforscht in einem kürzlich gestarteten Teilprojekt soziologische Einflussfaktoren und befasst sich mit gesellschaftlichen Hürden, die den Ausbau hemmen.

Das Projektziel von WindGISKI: Ein Geodateninformationssystem (GIS), das die Erfolgswahrscheinlichkeit von Windenergie-Ausbauprojekten vorhersagt. Foto: Pixabay/goldfrapp

„Die sozialwissenschaftliche Forschung hat eine Vielzahl von individuellen und gesellschaftlichen Faktoren identifiziert, die die Legitimität von neuen Technologien wie Windkraftanlagen und die Akzeptanz von Windenergie-Projekten beeinflussen“, erläutert Mattes. „Dazu zählen demografische Faktoren wie das Durchschnittsalter oder der Bildungsgrad der Bevölkerung, aber auch die Erfahrung einer Kommune mit der Windenergie oder das Vertrauen zu Projektentwicklern.“ Aufgabe ihres Teams sei es nun, die wichtigsten Faktoren zu identifizieren und nachzuforschen, inwieweit passende Daten verfügbar sind. Diese sollen dann in das KI-Modell einfließen.

Im zweiten Schritt führt das Team umfangreiche sozialwissenschaftliche Fallstudien an mindestens sechs bereits abgeschlossenen Windenergie-Projekten durch. Mattes will gemeinsam mit Dr. Sebastian Rohe und der Doktorandin Tamara Schnell einerseits sogenannte „Best Cases“ untersuchen, also Vorhaben, die besonders schnell und erfolgreich umgesetzt werden konnten. Andererseits befasst sich die Gruppe auch mit „Worst Cases“ – mit Vorhaben, deren Umsetzung viele Jahre gedauert hat, die konfliktreich waren oder gar eingestellt wurden. Die Forschenden führen Interviews mit Expertinnen und Experten durch, die an den untersuchten Projekten beteiligt waren. „Wir analysieren die soziale Dynamik und die Konfliktlinien dieser Windenergie-Projekte“, erklärt Schnell. „Dadurch erweitern wir den Fokus des Projekts auf den gesamten Planungsprozess von Windenergieanlagen.“ Die sozialwissenschaftlichen Erkenntnisse sollen in die Entwicklung des KI-basierten Geoinformationssystems einfließen.

Dieses Geoinformationssystem soll dabei helfen, vielversprechende Flächen für zukünftige Windenergie-Projekte leichter zu identifizieren. Zudem können Planerinnen und Planer mit dem System herausfinden, welche Hindernisse den Ausbau in spezifischen Flächentypen bremsen könnten. Für die Potenzialflächen soll es konkrete Handlungsempfehlungen für den Planungs- und Beteiligungsprozess geben, die zu einer höheren Akzeptanz führen könnten. All dies soll dazu beitragen, den Ausbau der Windenergie in Deutschland zu beschleunigen.

Das mit insgesamt zwei Millionen Euro geförderte Verbundprojekt WindGISKI hat eine Laufzeit von drei Jahren. Insgesamt acht Forschungseinrichtungen, Unternehmen und Verbände sind an dem Vorhaben beteiligt. Gefördert wird es vom Bundesministerium für Umwelt, Naturschutz, nukleare Sicherheit und Verbraucherschutz (BMUV) im Förderprogramm KI-Leuchttürme. Projektträger ist die Zukunft – Umwelt – Gesellschaft (ZUG) gGmbH. (jr)

www.uol.de

Diesen Artikel teilen:
Facebook
Twitter
LinkedIn
XING
WhatsApp
Email

Archive

  • Dezember 2025
  • November 2025
  • Oktober 2025
  • September 2025
  • August 2025
  • Juli 2025
  • Juni 2025
  • Mai 2025
  • April 2025
  • März 2025
  • Februar 2025
  • Januar 2025
  • Dezember 2024
  • November 2024
  • Oktober 2024
  • September 2024
  • August 2024
  • Juli 2024
  • Juni 2024
  • Mai 2024
  • April 2024
  • März 2024
  • Februar 2024
  • Januar 2024
  • Dezember 2023
  • November 2023
  • Oktober 2023
  • September 2023
  • August 2023
  • Juli 2023
  • Juni 2023
  • Mai 2023
  • April 2023
  • März 2023
  • Februar 2023
  • Januar 2023
  • Dezember 2022
  • November 2022
  • Oktober 2022
  • September 2022
  • August 2022
  • Juli 2022
  • Juni 2022
  • Mai 2022
  • April 2022
  • März 2022
  • Februar 2022
  • Januar 2022
  • Dezember 2021
  • November 2021
  • Oktober 2021
  • September 2021
  • August 2021
  • Juli 2021
  • Juni 2021
  • Mai 2021
  • April 2021
  • März 2021
  • Februar 2021
  • Januar 2021
  • Dezember 2020
  • November 2020
  • Oktober 2020
  • September 2020
  • August 2020
  • Juli 2020
  • Juni 2020
  • Mai 2020
  • April 2020
  • März 2020
  • Februar 2020
  • Januar 2020
  • Dezember 2019
  • November 2019
  • Oktober 2019
  • September 2019
  • August 2019
  • Juli 2019
  • Juni 2019
  • Mai 2019
  • April 2019
  • März 2019
  • Februar 2019
  • Januar 2019
  • Dezember 2018
  • November 2018
  • Oktober 2018
  • September 2018
  • August 2018
  • Juli 2018
  • Juni 2018
  • Mai 2018
  • April 2018
  • März 2018
  • Februar 2018
  • Januar 2018
  • Dezember 2017
  • November 2017
  • Oktober 2017
  • September 2017
  • August 2017
  • Juli 2017
  • Juni 2017
  • Mai 2017
  • April 2017
  • März 2017
  • Februar 2017
  • Januar 2017
  • Dezember 2016
  • November 2016
  • Oktober 2016
  • September 2016
  • August 2016
  • Juli 2016
  • Juni 2016
  • Mai 2016
  • April 2016
  • März 2016
  • Februar 2016

Kategorien

  • 3D Punktwolke
  • 3D-GDI
  • 3D-Laserscanning
  • 3D-Stadt Modelle
  • Advertorial
  • Agrarwirtschaft
  • Asset Management
  • Bathymetrie
  • Baumkataster
  • BIM
  • BIM im Tiefbau
  • Copernicus
  • Corona aktuell
  • Digitaler Zwilling
  • E-Mobilität
  • exclude-home
  • Fernerkundung
  • Forschung & Entwicklung
  • Friedhof- & Grünflächenkataster
  • Gaussian Splatting
  • Geomarketing & Geodaten
  • GIS
  • GNSS
  • Hausanschluss
  • Hochwassermanagement
  • Indoor Navigation
  • INTERGEO 2022
  • INTERGEO 2023
  • INTERGEO 2024
  • INTERGEO 2025
  • InVeKoS
  • JobFlash
  • Kanalmanagement
  • Katasteranwendungen
  • Katastrophenschutz
  • Kommunale Wärmeplanung
  • Kommunales GIS
  • Künstliche Intelligenz
  • Laserscanning
  • Leitungsauskunft/Planauskunft
  • Location Intelligence
  • Luftbilder
  • Mobile GIS
  • Mobile Mapping
  • Monitoring
  • Natur & Umwelt
  • Netzanschluss
  • News
  • Photogrammetrie
  • Smallworld
  • Smart City
  • Smart Energy
  • Solarpotenzialanalyse
  • Starkregen
  • Straßen- & Geoinformation
  • Straßendatenerfassung & Straßenerhaltung
  • Straßenplanung
  • Telematik & Navigation
  • Thermografie
  • Thermographie
  • toppost
  • UAV/UAS
  • Ukraine
  • Unternehmen & Märkte
  • Urbane Sturzfluten
  • Verkehr
  • Vermessung
  • Virtual & Augmented Reality
  • Wald & Forst
  • Wasser/Abwasser/Kanalmanagement
  • Werks- und Liegenschaftsverwaltung
  • Wetterdaten
  • XPlanung
Copyright © sig Media GmbH & Co. KG
  • Kontakt
  • Impressum
  • Datenschutzerklärung
  • AGB
    • Kontakt
    • Impressum