• English
  • Deutsch
  • Log In
    Password Login
    Research Outputs
    Fundings & Projects
    Researchers
    Institutes
    Statistics
Repository logo
Fraunhofer-Gesellschaft
  1. Home
  2. Fraunhofer-Gesellschaft
  3. Artikel
  4. NiMo 4.0 - Enabling advanced data analytics with AI for environmental governance in the water domain
 
  • Details
  • Full
Options
2024
Journal Article
Title

NiMo 4.0 - Enabling advanced data analytics with AI for environmental governance in the water domain

Other Title
NiMo 4.0 - KI-basierte Datenanalyse im Umweltmonitoring am Beispiel Wasserqualität
Abstract
In the realm of environmental governance, civil servants confront a plethora of diverse datasets, including time series, geospatial vector data, and raster data. However, unlocking the transformative potential of Artificial Intelligence (AI) models to analyze this data poses the challenge of a widening technical proficiency gap in public administration. This paper explores the intersection of expanding environmental datasets and advanced analytics. Through a real-world project lens, our work aims to guide public administration entities, fostering seamless integration of AI-driven analytics and data-driven decision-making. We present a modular technical architecture that proposes pragmatic solutions that have the potential to empower civil servants. This approach contributes to accelerating environmental governance into an era of more informed and efficient, data-driven practices.

; 

Im Bereich der Umweltüberwachung sehen sich Verwaltungen zunehmend mit einer Fülle unterschiedlicher Datensätze konfrontiert, darunter Zeitreihen und räumliche Vektor- und Rasterdaten. Die Erschließung des transformativen Potenzials von Modellen der Künstlichen Intelligenz (KI) zur Analyse dieser Daten stellt jedoch eine Herausforderung dar, da sich die technische Kompetenzlücke in der öffentlichen Verwaltung vergrößert. In diesem Beitrag wird die Schnittstelle zwischen wachsenden Umweltdatensätzen und fortschrittlicher Analytik untersucht. Die vorliegende Arbeit zielt darauf ab, die öffentliche Verwaltung zu befähigen und die nahtlose Integration von KI-gestützter Analyse und datengestützter Entscheidungsfindung zu fördern. Wir präsentieren eine modulare technische Architektur, die pragmatische Lösungen präsentiert, die das Potenzial haben, KI in der Verwaltung einfacher nutzbar zu machen. Dieser Ansatz trägt dazu bei, die Umweltüberwachung einen Schritt in eine Ära informierterer und effizienterer, datengesteuerter Praktiken zu führen.
Author(s)
Budde, Matthias
Hilbring, Desiree  
Fraunhofer-Institut für Optronik, Systemtechnik und Bildauswertung IOSB  
Vogl, Jonathan
Fraunhofer-Institut für Optronik, Systemtechnik und Bildauswertung IOSB  
Dittmar, Daniel
Abecker, Andreas
Journal
Automatisierungstechnik : AT  
DOI
10.1515/auto-2024-0034
Language
English
Fraunhofer-Institut für Optronik, Systemtechnik und Bildauswertung IOSB  
Keyword(s)
  • environmental sensor data management & analytics

  • water quality monitoring

  • business & location intelligence

  • disy Cadenza

  • FROST® server

  • geoAI software infrastructure

  • Umweltdatenmanagement und -analyse

  • Überwachung der Wasserqualität

  • geoAI-Software-Infrastruktur

  • Cookie settings
  • Imprint
  • Privacy policy
  • Api
  • Contact
© 2024