Kategorie 1: AI for Green
Forschung im Bereich der Künstlichen Intelligenz/Artificial Intelligence (KI/AI) kann wesentlich dazu beitragen, den Klimawandel einzudämmen und die Umwelt zu schützen.
Innovative Algorithmen und AI-Systeme bergen beispielsweise großes Potenzial bei der Anpassung an die Folgen des Klimawandels – sie ermöglichen präzisere Entscheidungsgrundlagen für Schlüsselsektoren wie Energie, Produktion, Land- und Forstwirtschaft oder das Katastrophenmanagement.
In der Kategorie „AI for Green“ können Projekte, Prototypen aus der angewandten Forschung oder Innovationen einreichen, die zwei Ziele gleichermaßen adressieren: AI-Technologien werden neu- oder weiterentwickelt und durch ihren Einsatz wird ein signifikanter Beitrag zu den Klimazielen (Österreichs) geleistet. Dies erfolgt durch Reduktion des Ressourcen- und Energieeinsatzes, Vermeidung von Treibhausgasemissionen, und/oder Erhalt von Naturräumen und Ökosystemen.
Nominierte der Kategorie 1
AtmoI4REN-4Cast
Hauptantragsteller: GeoSphere Austria – Bundesanstalt für Geologie, Geophysik, Klimatologie und Meteorologie, Wien
Das Projekt AtmoI4REN-4Cast zielt darauf ab, den Sektor der erneuerbaren Energien mit Wetter- und Stromproduktionsprognosen, Prognosen zum Klimawandel und Folgenabschätzungen mithilfe von KI-Methoden zu unterstützen. Die Lösungen decken einen zeitlichen Horizont von Nowcasting bis hin zur Subsaison und einen räumlichen Horizont von regionaler Ebene bis hin zu einzelnen Windkraftanlagen/Solarmodulen ab. Der Schwerpunkt liegt auf der Darstellung von Extremereignissen, starken Ausläufern der Verteilungen, und der Folgenabschätzung des Klimawandels für erneuerbare Energien.
OPED
Hauptantragsteller: TU Graz – Institut für Fahrzeugtechnik, Steiermark
Elektrische Fahrzeugantriebe werden mittels Optimierungsmethoden der künstlichen Intelligenz und digitalen Zwillingen ausgelegt, um konkurrierende Ziele wie Energieeffizienz und Kosten bestmöglich auszureizen. Das führt zu verbesserten Produkteigenschaften bei reduzierten Kosten und deutlich verkürzter Entwicklungszeit.
RELY
Hauptantragsteller: TU Wien – Institut für Energietechnik und Thermodynamik, Wien
In RELY werden Reinforcement Learning (RL) Algorithmen zur Steuerung hochkomplexer Prozesse in Energiesystemen entwickelt. Durch den innovativen Einsatz von Digital Twins zum Training dieser Algorithmen wird deren Zuverlässigkeit erhöht. Die entwickelten Methoden werden auf einer reversiblen Pumpturbine im Labormaßstab erprobt und sind skalierbar auf diverse stromerzeugende Einheiten. Die Algorithmen eröffnen immenses Flexibilitätspotential, das im Energiesystem der Zukunft essentiell ist.