Fincken, M.; Elbeshausen, M.; Schnabel, M.; Koch, S.(2024):
Machine Learning für flächendeckende Geothermie-Potentialanalysen
im Kontext der geodatenbasierten Wärmeleitplanung.36. Oldenburger Rohrleitungsforum
Fincken, M.:
Machine Learning für flächendeckende Geothermie-Potentialanalysen im Kontext der geodatenbasierten Wärmeleitplanung.Künstliche Intelligenz in der Geodäsie und Geoinformation, BILDUNGSWERK VDV, Paderborn,
Juni 2024
Fincken, M.:
Machine Learning für flächendeckende Geothermie-Potentialanalysen im Kontext der geodatenbasierten Wärmeleitplanung.36. Oldenburger Rohrleitungsforum,
Februar 2024
Fincken, M.:
Raumzeitliche multiagentenbasierte Modellierung zur Antizipation von Entscheidungen für Wärmeversorgungstechnologien im Kontext der Wärmeleitplanung.Kleiner Geodätentag,
Dezember 2023
funded by: Bundesministerium für Bildung und Forschung
Über 70 % der deutschen Haushalte werden durch fossile Energien (Erdgas, Öl) mit Wärme versorgt. Daher haben einige Bundesländer die Kommunale Wärmeplanung (KWP) gesetzlich geregelt. Zudem ist am 1.1.2024 ein Bundesgesetz zur Wä... more
funded by: Bundesministerium für Bildung und Forschung
The Project – „CoSAIR – Collaborative Spatial Artificial Intelligence in Realtime“ is funded by the Federal Ministry of Education and Research within the program „Research at Universities of Applied Sciences“ in order to create, consolida... more
funded by: Bundesministerium für Bildung und Forschung
The project - "WärmewendeNordwest - Digitalization for the implementation of heat transition and value-added applications for buildings, campuses, neighborhoods and communities in the Northwest" (WWNW for short) - is funded by the Ge... more