Regionale Strategische Energieplanung
2023-2024
Prof. Dr. Sascha Koch
Professur für Informatik mit dem Schwerpunkt Datenanalyse
Mail:
Mail:
Artikel und Bücher
Paulau, P.; Hurka, J.; Middelberg, J.; Koch, S. (2024):
Centralised monitoring and control of buildings using open standards. ISPRS Annals of the Photogrammetry, Remote Sensing and Spatial Information Sciences
, doi: 10.5194/isprs-annals-X-4-W4-2024-169-2024 , Weblink
Fincken, M.; Elbeshausen, M.; Schnabel, M.; Koch, S. (2024):
Machine Learning für flächendeckende Geothermie-Potentialanalysen
im Kontext der geodatenbasierten Wärmeleitplanung. 36. Oldenburger Rohrleitungsforum
Schnabel, M.; Elbeshausen, M.; Erdmann, S.; Koch, S. (2024):
Participatory Processes in Geodata-Based Thermal Energy Planning. Innovations and challenges of the energy transition in smart city districts
, doi: 10.1515/9783110777567
Moritz Elbeshausen; Karl-Kiên Cao; Jan Buschmann; Marvin Schnabel; Vogt, T.; Steinberger-Wilckens, R.; Sascha Koch (2024):
Regional Strategic Energy Planning (ReStEP). GeoDPA24 - International Conference on Geoinformation, Data, Processing and Applications
Hurka, J.; Paulau, P.; Middelberg, J.; Koch, S. (2023):
Bidirectional integration of a KNX equipped energy efficiency test bench building with the OGC SensorThings standard. KNX Scientific Conference 2023, Barcelona
, Weblink
Vorträge
Paulau, P.
; Hurka, J. ; Middelberg, J. ; Koch, S.
:
Centralised monitoring and control of buildings using open standards.
8th International Conference on Smart Data & Smart Cities (SDSC), Athen,
Juni 2024
Weblink
Projekte
Gefördert durch: Niedersächsisches Ministerium für Wissenschaft und Kultur
Die globalen Klimaschutzziele können als Chance angesehen werden, eine nachhaltige regionale Entwicklung voranzutreiben, indem lokale Energieressourcen stringenter genutzt und sowohl ökologische als auch ökonomische Vorteile generiert werden. Mit ... mehr
Personen
Prof. Dr. Sascha Koch (Leitung) Moritz Elbeshausen, M.Sc. (05.2023-) Marvin Schnabel, M.Sc. (01.2024-)
Prof. Dr. Sascha Koch (Leitung) Moritz Elbeshausen, M.Sc. (05.2023-) Marvin Schnabel, M.Sc. (01.2024-)
Gefördert durch: Bundesministerium für Bildung und Forschung
Das Projekt – „CoSAIR – Collaborative Spatial Artificial Intelligence in Realtime“ wird aus Mitteln des Bundesministeriums für Bildung und Forschung im Rahmen des Programms „Forschung an Fachhochschulen“ zur Schaffung, Verstetigung und B... mehr
Personen
Prof. Dr. Sascha Koch (Leitung) Oliver Kahmen, M.Sc. (04.2022-07.2022) Tobias Neiß-Theuerkauff, M.Sc. Prof. Dr.-Ing. habil. Dr. h.c. Thomas Luhmann Mareike Fincken, M.Sc. (09.2023-)
Prof. Dr. Sascha Koch (Leitung) Oliver Kahmen, M.Sc. (04.2022-07.2022) Tobias Neiß-Theuerkauff, M.Sc. Prof. Dr.-Ing. habil. Dr. h.c. Thomas Luhmann Mareike Fincken, M.Sc. (09.2023-)
WärmewendeNordwest
2020-2025
Gefördert durch: Bundesministerium für Bildung und Forschung
Das Projekt – „WärmewendeNordwest – Digitalisierung zur Umsetzung von Wärmewende- und Mehrwertanwendungen für Gebäude, Campus, Quartiere und Kommunen im Nordwesten“ (kurz WWNW) - wird aus Mitteln des Bundesministeriums für Bildun... mehr
Personen
Prof. Dr. Sascha Koch (Leitung) Mareike Fincken, M.Sc. (03.2024-08.2024) Marvin Schnabel, M.Sc. (01.2022-) Dr. Pavel Paulau (07.2022-) Moritz Elbeshausen, M.Sc. (11.2022-)
Prof. Dr. Sascha Koch (Leitung) Mareike Fincken, M.Sc. (03.2024-08.2024) Marvin Schnabel, M.Sc. (01.2022-) Dr. Pavel Paulau (07.2022-) Moritz Elbeshausen, M.Sc. (11.2022-)
Abschlussarbeiten
Räumliche Auswertung energetischer Altbausanierungen am Beispiel eines Förderprogramms der Stadt Oldenburg (2023/3)
Kooperationspartner
Kurzfristige Kursvorhersagen von Bitcoin anhand unterschiedlicher Faktoren wie der medialen Stimmung (2023/3)
Kooperationspartner
Konzeption und Entwicklung einer branchenspezifisch parametrisierbaren Methode für die Bewertung von Unternehmensstandorten (2023/3)
Kooperationspartner
Konzeption und Entwicklung eines Neuronalen Netzes zur Erkennung von Baumkronen auf Luftbildern für die Planung von Glasfasernetzen (2023/2)
Kooperationspartner
Konzeption und Implementierung von Deep Reinforcement Learning zur Raumkonditionierung von Bestandsgebäuden (2023/1)