Veranstaltungen

26.03.2025, 10:00 bis 11:00 Uhr, online

Referenten: Marina Köhn (Umweltbundesamt) und Prof. Dr.-Ing. Guido Dartmann (Umwelt-Campus Birkenfeld, Hochschule Trier)

Frau Marina Köhn vom Umweltbundesamt (UBA) wird eine Einführung in das Thema Green AI geben. Im Anschluss wird Prof. Dr.-Ing. Dartmann vom Umwelt-Campus Birkenfeld der Hochschule Trier einen Einblick in zwei seiner Forschungsprojekte geben. Das Projekt GreenTwin ist ein Beispiel für "Green by AI", da es Künstliche Intelligenz nutzt, um Umweltprobleme aktiv zu lösen. Im Mittelpunkt steht die Entwicklung einer nachhaltigen regionalen Logistik im ländlichen Raum, die besonders auf der letzten Meile zu hohen CO2-Emissionen führt. Durch eine KI-gestützte Marktplatzplattform und den Einsatz eines digitalen Zwillings werden Echtzeitdaten zur Ökobilanz von Lieferungen erfasst und analysiert. KI-basierte Simulationen optimieren die Verkehrsströme und Logistikprozesse, um die CO2-Emissionen zu senken und die Lebensqualität in ländlichen Regionen zu verbessern. Das Projekt zeigt, wie KI direkt zur ökologischen Transformation beitragen kann, indem sie nachhaltigere Logistiklösungen ermöglicht.

Das zweite Projekt, das Prof. Dr.-Ing. Dartmann vorstellt, nennt sich „KIRA“. Dieses Projekt fällt in die Kategorie "Green AI", da es den Energie- und Ressourcenverbrauch von KI selbst thematisiert. Es entwickelt ein Referenzmodell, das die Ressourceneffizienz im gesamten Lebenszyklus von KI-Systemen – von der Datenerhebung bis zur Anwendung – optimiert. Durch die Identifikation und Messung von Energie- und Ressourcenverbräuchen in verschiedenen Phasen der KI-Entwicklung und -Nutzung soll die Belastung, die KI-Systeme selbst verursachen, minimiert werden. KIRA stellt sicher, dass die Potenziale von KI zur Lösung von Umweltproblemen nicht durch den hohen Ressourcenverbrauch der Technologie untergraben werden. Ziel ist es, ressourcenschonende Methoden zu entwickeln und diese transparent und systematisch anwendbar zu machen. Prof. Dr.-Ing Dartmann ist Professor für Umweltplanung/Umwelttechnik und leitet darüber hinaus den Studiengang Angewandte Informatik und Künstliche Intelligenz.

Online Vortrag nur für Beschäftigte des öffentlichen Dienstes (Forschungseinrichtungen, Universitäten, Behörden auf Bundes-, Landes- und kommunaler Ebene).

Anmeldung

07.04.2025 von 09:00 bis 12:30 Uhr online, English

Speaker: Dr. Iurii Savvateev, German Federal Institute for Risk Assessment (BfR)

The workshop will focus on Large Language Model (LLM)-based autonomous agents and their applications across various workflows. It will cover the theoretical foundations, existing frameworks (e.g. Langchain, Langflow etc.), practical examples and use cases, as well as challenges and current limitations. The session will also include dedicated time for discussing the presented materials and exploring future directions in the field. Our speaker Dr. Iurii Savvateev is software developer at the Innovation Centre for Food Chain Modelling and Artificial Intelligence (Information Technology, BfR). His workshop is addressed to researchers and employees aiming to introduce LLMs (e.g. GPT, DeepSeek, Gemini etc.) in their working pipelines or simply interested in the new technological advances.

Anmeldung

08.04.2025, 10:00 bis 11:00 Uhr, online, english

Speaker: Prof. Dr.-Ing. Masahiro Ryo (ZALF) und Stefan Stiller (ZALF)

Prof. Dr. Masahiro Ryo will introduce the potential of foundation models in enhancing predictive capabilities for agricultural systems. A foundation model is a novel type of large-scale machine learning model that is trained on vast amounts of diverse data, often across multiple modalities (e.g., text, images, audio), to develop a broad and adaptable understanding of various tasks. Developing and testing the potential of this approach is still largely explored in agriculture and other domains. Prof. Dr. Masahiro Ryo is a Professor of Environmental Data Science at Brandenburg University of Technology Cottbus-Senftenberg and leads the "Artificial Intelligence for Smart Agriculture" research group at the Leibniz Centre for Agricultural Landscape Research (ZALF) e.V. His research focuses on applying artificial intelligence and machine learning to ecology, biodiversity, and agriculture.

Stefan Stiller will present his research on crop yield prediction across multiple crop and management types using a single model and RGB drone imagery. Predicting crop yields with conventional supervised convolutional neural networks (CNNs)* from drone imagery typically achieves high accuracy within the training field but shows limited transferability to other fields or crop types (i.e., poor generalization). Mr. Stiller will show that self-supervised learning for crop yield prediction using a single model with RGB drone imagery outperformed conventional approaches, demonstrating stronger generalization and robustness across fields. Stefan Stiller won the poster prize at KIDA-KON 2024 with the presentation of these research results. He has a background in data science, artificial intelligence, computer vision, and RGB drone image analysis. He is a doctoral researcher at the ZALF and the BTU.

Online lecture only for employees of the public sector (research institutions, universities, federal, state and local government agencies)

Anmeldung