91探花

Das Projekt beinhaltet die grundlegende Kartierung der Zostera-Wiesen in der westlichen Ostsee zur Bewertung und Analyse der Verbreitung. Die Daten tragen zu Karten, Ver枚ffentlichungen, 枚ffentlicher Kommunikation und Management-Entscheidungen, sowie zu gro脽 angelegten Berechnungen des CO2-Bindungspotentiales der Seegraswiesen bei.

Laufzeit: seit 2009

Kontakt am 91探花: Philipp Schubert; pschubert(at)geomar.de, Prof. Thorsten Reusch; treusch(at)geomar.de

Verwendete Daten-Typen: RGB video and nmea-Daten von geschleppten Kamera-Systemen

Die globale Aufnahme von In-situ-Bildern mit dem Underwater Vision Profiler 5 (UVP5) liefert gro脽e Mengen an In-situ-Plankton- und Partikelbildern. Mit PlanktonID kombinieren wir hochmoderne Deep-Learning-Bilderkennungsalgorithmen mit einem Ansatz der Einbeziehung von Citizen Scientists, um den Durchsatz an Bildannotation zu erh枚hen, der f眉r einen effizienten Sensor-zu-Information-Weg erforderlich ist. Die Einbindung von Citizen Scientists f眉hrt auch zu einer direkten Verbreitung der Ergebnisse an die breite 脰ffentlichkeit und tr盲gt zu unseren Outreach-Aktivit盲ten bei.

Laufzeit: seit 2016

Kontakt: Dr. Rainer Kiko; rkiko(at)geomar.de

Verwendete Daten-Typen: Plankton- und Partikelbilddaten, die vor Ort mit dem gewonnen wurden, Annotationen von Planktonbildern durch Citizen Scientists

ARENA 2 laboratory

Das allgemeine Ziel ist es, Werkzeuge bereitzustellen, die den wissenschaftlichen Arbeitsablauf durch die Erleichterung der visuellen Datenexploration direkt verbessern.

Laufzeit: seit 2018

Kontakt am 91探花: Dr. Tom Kwasnitschka; tkwasnitschka(at)geomar.de

Verwendete Daten-Typen: 2-4D Daten, Modellrechnungen, Videos, Fotos

Trassen verfolgende seismoakustische 3D Seekabeldetektion Sensor und Navigationsentwicklung f眉r CATRA: Entwurf und Bau einer ultrahochaufl枚senden seismischen 3D-Mehrkanal-Erfassungsplattform, die in der Lage ist, kleine Objekte (> 20 cm) zu erkennen, die bis zu 2 m tief in Meeressedimenten vergraben sind.

Laufzeit: 2020-2023

Kontakt am 91探花: Dr. J枚rg Bialas jbialas(at)geomar.de

Verwendete Daten-Typen: Seismische Daten (8 kHz)

Untersuchung des ver盲nderten Einflusses der gro脽r盲umigen atmosph盲rischen Zirkulation auf die regionale Klimavariabilit盲t der Ostsee f眉r den Zeitraum 1950-2022.

Laufzeit: 2022 - 2024

Kontakt am 91探花: Dr. Andreas Lehmann; alehmann(at)geomar.de

Verwendete Daten-Typen: Ozeanographische und atmosph盲rische Zeitserien-Rasterdaten; Observational data (ERA5 data; Model-Data, INDEX Data)

Eine der ersten umfassenden photogrammetrischen Vermessungen eines gesamten hydrothermalen Feldes im nord枚stlichen Lau-Becken.

Laufzeit: 2016-2024

Kontakt am 91探花: Dr. Tom Kwasnitschka; tkwasnitschka(at)geomar.de

Verwendete Daten-Typen: Videos, Fotos, Photogrammetrie-Modelle, geologische & Habitat-Karten, Analyse-Ergebnisse

In-situ-Messungen der wichtigsten physikalischen Parameter bei pyroklastischen Eruptionen mit Hilfe von UAVs und widerstandsf盲higen Sensorpaketen.

Laufzeit: 2018-2024

Kontakt am 91探花: Dr. Tom Kwasnitschka; tkwasnitschka(at)geomar.de

Verwendete Daten-Typen: Vehicle-Telemetrie, In-situ-Daten

Visuelle Kartierung und quantitatives maschinelles Sehen in der Tiefsee. Insbesondere wird das Projekt die automatisierte visuelle Kartierung des Meeresbodens anhand von Fotos oder Videos vorantreiben, einschlie脽lich der Schritte Kamera-Kalibrierung, Auffinden korrespondierender Punkte in Unterwasserbildern, Unterwasser-Multi-View-Geometrie, Bildregistrierung, visuelle Lokalisierung, Sch盲tzung der Oberfl盲chengeometrie des Meeresbodens und originalgetreue Farbkorrektur, um die n盲chste Generation von Meereskartierungs- und Messanwendungen zu erleichtern.

Laufzeit: 2019-2024

Kontakt am 91探花: Dr. Kevin K枚ser; kkoeser(at)geomar.de

Verwendete Daten-Typen: Marine Bilddaten

TechOceanS wird neun innovative Technologien und Methoden f眉r die Tiefsee-Sensorik, die Probenahme und die Analyse an Bord sowie die KI-gesteuerte Bildverarbeitung und -眉bertragung entwickeln.

Laufzeit: 2020-2024

Kontakt am 91探花: Dr. Kevin K枚ser; kkoeser(at)geomar.de

Verwendete Daten-Typen: Marine Bilddaten, Daten verschiedener (neuartiger) Sensoren

CASCADIA CO2 unterst眉tzt Voruntersuchungen f眉r eine m枚gliche CO2-Speicherung in marinen Basaltkomplexen. Basierend auf vier Komponenten von Ozeanboden-Seismometer-Untersuchungen erg盲nzt das Projekt fehlende Informationen 眉ber Scherparameter in marinen Basaltkomplexen.

Laufzeit: 2022-2024

Kontakt am 91探花: Dr. J枚rg Bialas jbialas(at)geomar.de

Verwendete Daten-Typen: Marine Weitwinkel-Seismik-Daten ( Kompressions- und umgewandelte Scherwellen )

Mit Marispace-X soll ein digitaler maritimer Datenraum geschaffen werden, der auf der Datenhoheit, Sicherheit, Interoperabilit盲t und Modularit盲t von Gaia-X basiert. Marispace-X bietet neue Wege in der maritimen Big-Data-Verarbeitung und in der Analyse von Sensordaten 眉ber Edge-, Fog- und Cloud-Computing. Das 91探花 fokussiert sich in MARISPACE auf die Entwicklung von smarten AUVs die Bilddaten automatisch auswerten k枚nnen und dazu 3D Informationen erstellen und nutzen.
 

Laufzeit: 2021 - 2024

Kontakt am 91探花: Dr. Timm Schoening; tschoening(at)geomar.de

Verwendete Daten-Typen: Bathymetrie, Bilder & Videos, Fernerkundung (Fotos & Radar), Zeitseriendaten

ProBaNNt zielt darauf ab, die Entscheidungsf盲higkeit auf verschiedenen Ebenen zu verbessern und ein umfassendes Instrument zur Unterst眉tzung von Offshore-Kampagnen zur Kampfmittelbeseitigung (EOD) zu entwickeln. Das Projekt integriert die nachhaltige Konvergenz, Nutzung und Analyse vorhandener EOD-Daten mit neuen Datenerfassungstechniken wie der 3D-Photogrammetrie. All diese Informationen werden in die EOD-Entscheidungssoftware integriert, um die praktikabelste R盲umungsoption f眉r ein bestimmtes Munitionsobjekt an einem bestimmten Ort vorzuschlagen.

Laufzeit: 2021 - 2024

Kontakt am 91探花: Torsten Frey; tfrey(at)geomar.de

Verwendete Daten-Typen: Marine image data (photomosaics and digital terrain models), high frequency sonar 鈥渃amera鈥� data, munition clearance data

Das Projekt Ghostnetbusters befasst sich mit der automatischen Aufsp眉rung verloren gegangener Fangger盲te, so genannter Geisternetze, anhand von Meeresbodendaten. Diese Daten werden als Training f眉r eine KI zur automatischen Identifizierung von Geisternetzen verwendet, um die Suche nach verlorenen Fangger盲ten und damit deren Bergung erheblich zu beschleunigen.

Laufzeit: 2023 - 2024

Kontakt am 91探花: Mia Schumacher; mschumacher(at)geomar.de

Verwendete Daten-Typen: Hydroakustische Daten (Side Scan, MBES), Satelliten-Bilder

Immersive Visualisierung von hyperpolarisierten MRT-Scans.

Laufzeit: 2022-2025

Kontakt am 91探花: Dr. Tom Kwasnitschka; tkwasnitschka(at)geomar.de

Verwendete Daten-Typen: MRT Scans, Annotationen, Interaktive Benutzer-Daten

Munition im Meer stellt eine Bedrohung f眉r das Leben und die Arbeit von Menschen in K眉stenregionen weltweit dar. Mit seinen intelligenten und autonomen Navigationsroutinen, die auf magnetischen In-situ-Messungen beruhen, hat SAM das Potenzial, die R盲umung von UXO (UneXploded Ordnance) auf See zu beschleunigen.

Laufzeit: 2023-2025

Kontakt am 91探花: Dr. Marc Seidel; mseidel(at)geomar.de

Verwendete Daten-Typen: 3D magnetische Daten, Zeitserien-Daten, AUV Navigations-Daten

Ziel ist die Verwendung von KI-Modellen zur effektiven Quantifizierung von Beziehungen zwischen verschiedenen Planktonbildern,um die Vergleichbarkeit zwischen verschiedenen Bildgebungssystemen zu erleichtern.

Laufzeit: 2023-2026

Kontakt am 91探花: Veit Dausmann; vdausmann(at)geomar.de, Jan Taucher; jtaucher(at)geomar.de

Verwendete Daten-Typen: Marine Bilddaten (Zooplankton)

Seismische und elektromagnetische Charakterisierung und 脺berwachung einer CO2-Sequestrierungsstelle in marinen Basaltkomplexen. Seismische und elektromagnetische 2D- und 3D-Untersuchungen des Meeres werden in einer gemeinsamen Analyse und Untersuchung hinsichtlich einer m枚glichen Lagerst盲tte f眉r Giga-Tonnen CO2 eingesetzt.

Laufzeit: 2023-2026

Kontakt am 91探花: Dr. J枚rg Bialas jbialas(at)geomar.de

Verwendete Daten-Typen: 2D and 3D Multikanal und vier-Komponenten marine seismische Daten, 2D and 3D kontrollierte elektromagnetische Daten

Wir legen die Annahme zugrunde, dass weltweit verf眉gbare Geodaten zu Oberfl盲chenmerkmalen (z. B. digitale H枚henmodelle, Landoberfl盲chenmodelle, Schelfbathymetrie und GRACE-Datens盲tze) in Verbindung mit Klimadaten zur Vorhersage des weitgehend verborgenen Offshore-Vorkommens von S眉脽wasser-Aquiferen an der K眉ste genutzt werden k枚nnen. Unser Ziel ist es, ein zuverl盲ssiges maschinelles Lernverfahren zu entwickeln, das den komplexen hydrologischen Mechanismus der Offshore-Grundwasserentstehung und -erhaltung ber眉cksichtigt. Am Ende erwarten wir ein Instrument, mit dem wir globale Wahrscheinlichkeitskarten f眉r die Lage der S眉脽-/Salzwassergrenze an der K眉ste (ein Ersatz f眉r OFG) erstellen k枚nnen, die an zuk眉nftige Klimaszenarien angepasst werden k枚nnen.

Laufzeit: 2023-2026

Kontakt am 91探花: Dr. Laura Haffert; lahaffert(at)geomar.de

Verwendete Daten-Typen: 2D hydrogeologische Modell-Daten, DEM, LSM, GRACE, Klima-Daten

Der globale Wandel wirkt sich auf die Verteilung und Aktivit盲t von Meereslebewesen auf lokaler Ebene bis hin zu ganzen Meeresbecken aus, was erhebliche Folgen f眉r die Sauerstoffdynamik im Ozean, die N盲hrstoffkreisl盲ufe und den Transfer von Kohlendioxid aus der Atmosph盲re in die Tiefsee hat. Im Rahmen von IOChange nutzen wir erweiterte Bildbeobachtungen, die autonome Kamera- und Umweltsensorsysteme mit modernsten L枚sungen der k眉nstlichen Intelligenz und 枚kophysiologischen Ans盲tzen verbinden, um ein neuartiges Bild der Dynamik von Zooplankton und Detritalpartikeln (Z&P) in einem sich ver盲ndernden Ozean zu erhalten.

Laufzeit: 2022 - 2027

Kontakt am 91探花: Dr. Rainer Kiko; rkiko(at)geomar.de

Verwendete Daten-Typen: Plankton- und Partikel-Bilddaten

Das Projekt ValidITy zielt darauf ab, eine Software zu entwickeln, die k眉nstliche Intelligenz und Klassifikationsw枚rterb眉cher f眉r das Terrain nutzt, um Objekte in bathymetrischen Messdaten zu erkennen. Ziel ist es, die Kosten der Datenanalyse deutlich zu senken.

Laufzeit: 2023 - 2025

Kontakt am 91探花: Prof. Jens Greinert; jgreinert(at)geomar.de

Verwendete Daten-Typen: MBES-Daten

KIMERA - K眉nstliche Intelligenz f眉r die Kartierung des Meeresbodens und marine Raumplanung

Entwicklung eines Verfahrens zur Vorhersage der Beschaffenheit des Meeresbodens mittels maschinellen Lernens als Grundlage f眉r die marine Ressourcen-Absch盲tzung und zur Habitat-Erkundung.

Laufzeit: 2023 - 2026

Kontakt am 91探花: Dr. Philipp Brandl; pbrandl(at)geomar.de, Dr. Sven Petersen; spetersen(at)geomar.de

Verwendete Daten-Typen: MBES und geologische Daten

SpotKI- Digitale Zwillinge, Robotik, KI und Sensorik fu虉r die 脺berwachung gro脽technischer Anlagen - Safety as a Service

Einsatz eines 鈥濺oboterhunds鈥� SPOT der Firma Boston Dynamics, eine agile autonome Plattform, die fu虉r 脺berwachungsaufgaben optimiert und deren Software-Framework fu虉r die Anbindung von zus盲tzlichen Sensoren vorbereitet ist. 91探花 erg盲nzt diese F盲higkeit mit Sensorik zur hochaufl枚senden Detektion von Spurengasen und der Einbindung von digitalen Zwillingen von ChemParks (NorthDocks GmbH).

Laufzeit: 2023 - 2026

Kontakt am 91探花: Roberto Benavides; rbenavides(at)geomar.de

Verwendete Daten-Typen: Umwelt-Messdaten (vor allem Gase)

Die "Helmholtz School for Marine Science" (MarDATA) is ein Konzept f眉r eine Graduiertenschule der Helmoltz-Gemeinschaft. MarDATA hat das Ziel, eine neue Art von Meereswissenschaftlern zu definieren und auszubilden. Dabei sollen Nachwuchswissenschaftler aus den Computer- und Mathemantikwissenschaften direkt in die Meereswissenschaften integriert werden. Wissenschaftler vom 91探花 und AWI bilden zusammen mit den jeweiligen Partneruniversit盲ten Doktoranden aus.

Laufzeit: 2022 - 2027

Kontakt am 91探花: Prof. Dr. Arne Biastoch; abiostoch(at)geomar.de; Dr. Enno Prigge; eprigge(at)geomar.de

In diesem Projekt werden Methoden entwickelt, die AUV-Sensordaten wie Temperatur, Salzgehalt, Sauerstoff und Tr眉bung des Wassers in (nahezu) Echtzeit analysieren, um das AUV in die gew眉nschten Regionen zu steuern und die Datenerfassung und -qualit盲t zu verbessern. Auf diese Weise soll der Grad der Autonomie der 91探花 Girona500 AUVs erh枚ht werden.

Laufzeit: 2019 - 2023

Kontakt am 91探花: Tim Benedikt von See; tsee(at)geomar.de

Verwendete Daten-Typen: Echtzeit AUV Sensor - Daten

Entwicklung eines Verfahrens zur Erfassung, zum Vergleich und zur Verbreitung von r盲umlich immersiven Visualisierungsworkflows, wie sie im ARENA2-Labor praktiziert werden.

Laufzeit: 2021 - 2024

Kontakt am 91探花: Armin Bernstetter; abernstetter(at)geomar.de

Verwendete Daten-Typen: Bathymetrische Daten, Zeitserien, Bilddaten, Analyse-Ergebnisse, Annotationen, Benutzer-Interaktions-Daten

Mithilfe verschiedener Deep-Learning-Techniken wollen wir eine globale Sedimentationsraten-Karte aus In-situ-Messungen und Vorhersagerrastern erstellen, die die Sedimentationsraten beeinflussen k枚nnten.

Laufzeit: 2021 - 2024

Kontakt am 91探花: Naveen Kumar Parameswaran;  nparameswaran(at)geomar.de

Verwendete Daten-Typen: Vorhersage-Raster (r盲umliche Daten), Sedimentationsraten-Analysen

Ziel des Projekts ist es, geeignete statistische Verfahren zu entwickeln, die eine Korrelation zwischen den vulkanischen Aufzichnungen (bin盲r: Ausbruch-kein Ausbruch) und Klimavariablen erlaubt, um die Hypothese zu testen, dass das Klima den Vulkanismus beeinflusst.

Laufzeit: 2021 - 2024

Kontakt am 91探花: Jos茅 Kling;  jkling(at)geomar.de

Verwendete Daten-Typen: Eruptions - Aufzeichnungen, Zeitserien von Klimavariablen

Dieses Projekt zielt darauf ab, die Merkmale des Erscheinungsbildes von Unterwasserbildern zu identifizieren und zu analysieren, insbesondere in der Tiefsee, wo kein nat眉rliches Licht mehr vorhanden ist. Es werden spezielle Algorithmen f眉r den Abgleich von Merkmalen entwickelt, die sich robust an die Unterwasserbedingungen anpassen, wobei sowohl datengesteuerte Methoden als auch Methoden zur Modellierung der Physik des Unterwasserbildes ber眉cksichtigt werden. Ziel ist es, Algorithmen zu entwickeln, die die Erkennung von Schleifenschl眉ssen in AUV-Tracks erm枚glichen, die Drift in der inertialen Unterwassernavigation visuell korrigieren oder die Anwendung von Struktur-aus-Bewegung in schwierigen Unterwasserumgebungen verbessern.

Laufzeit: 2021 - 2024

Kontakt am 91探花: Patricia Sch枚ntag;  pschoentag(at)geomar.de

Verwendete Daten-Typen: Marine Bilddaten (Simulationen und Fotos), Zeitserien-Daten (Navigationsdaten und andere Sensordaten: optsiche Messungen, zB.: Tr眉bung, Streuung, Absorption)

Innerhalb dieses Projektes soll ein generischer Arbeitsablauf und die dazugeh枚rige Software f眉r die Klassifizierung von geologischen, biologischen und anthropogenen Informationen aus Bildern entwickelt werden. Darauf aufbauend sollen Algorithmen f眉r die automatische Analyse, Segmentierung und Klassifizierung gro脽er mariner Bilddatens盲tze gebildet werden.

Laufzeit: 2019 - 2023

Kontakt am 91探花: Benson Mbani; bmbani(at)geomar.de

Verwendete Daten-Typen: Marine Bilddaten

Dieses Promotionsprojekt befasst sich mit der Analyse und Echtzeit-Realisierung von kognitiven akustischen Multi Input Multi Output (MIMO) Systemen zur Detektion von z.B. Gasblasen unter Wasser.

Kontakt am 91探花: Christian Kanarski; ckanarski(at)geomar.de

Verwendete Daten-Typen: Sensordaten