Big-Data-Analytics in Environmental and Structural Monitoring (BAM)

Umweltsensoren werden von Millionen Menschen durch ihre persönlichen Lebensbereiche getragen. Multisensorsysteme spüren autonom potentiell gefährlichen Umweltveränderungen nach. Aktuelle Zukunftsvisionen lassen erwarten, dass wir Umweltveränderungen in zunehmendem Maße nicht nur wahrnehmen, sondern in Echtzeit interpretieren, bewerten und anschaulich kommunizieren. Ein interdisziplinär aufgestelltes Forscherteam der Hochschule Mainz widmet sich diesen Zielen und greift dabei Big-Data-Verfahren auf, wie sie zurzeit in der Welt schnell wachsender und zunehmend heterogener Massendaten entstehen. In enger Zusammenarbeit entwickeln die Bereiche Geoinformatik im Fachbereich Technik mit dem Institut i3mainz und Big-Data-Analytics im Fachbereich Wirtschaft vielversprechende Verfahren in Hinblick auf das Monitoring von natürlichen und anthropogenen Umweltveränderungen weiter. Das Vorhaben erforscht die Potentiale aktueller Data-Mining- und Machine-Learning-Verfahren für Fragestellungen mit Raum-Zeit-Bezug. Mit dem Aufbau eines Meta-Learning-Systems und neuen Visualisierungsmethoden soll der Kreis möglicher Anwender komplexer Analysen stark erhöht werden. Um den Transfer der erforschten Grundlagen zu ermöglichen, werden diese in komplementären Anwendungsfeldern prototypisch umgesetzt und evaluiert. So wird ein Big-Data-Analytics-System für Fragestellungen aus dem Bereich Smart-City entwickelt, das sich auf Analysen unterschiedlicher Sensordaten zu Umwelt- und Gesundheitsfragen konzentriert. Ferner wird der Autonomiegrad optischer Monitoringsysteme für die Präzisionsüberwachung großer Strukturen, wie Windenergieanlagen oder Brücken, auf der Basis von Bildanalyse mithilfe von Deep-Learning-Systemen gesteigert, auf Zuverlässigkeit untersucht und auf Praxistauglichkeit hin getrimmt.