Hannover, 20.02.2020

Internationale Konferenz zu „Big Data“ und „machine learning“:
Fachleute diskutieren die Zukunft der Geowissenschaften

Vor welchen Herausforderungen stehen die Geowissenschaften in einer digitalen Welt mit immer rasanter wachsenden Datenmengen? Welche Chancen bietet „Big Data“ den Wissenschaftlerinnen und Wissenschaftlern? Wie lässt sich Künstliche Intelligenz (KI) in der angewandten Forschung nutzen? Mit diesen und anderen Fragen beschäftigt sich die zweitägige internationale Konferenz „Big data and machine learning in geosciences“, die heute (Donnerstag, 20.02.2020) in Berlin beginnt. Mehr als 150 Expertinnen und Experten aus Forschung, Industrie und Behörden diskutieren auf Einladung der Bundesanstalt für Geowissenschaften und Rohstoffe (BGR) bei der Veranstaltung im Bundesministerium für Wirtschaft und Energie (BMWi) über aktuelle Entwicklungen und neue Technologien.

Das Volumen, die Geschwindigkeit und die Vielfalt von Geodaten nimmt derzeit in beispiellosem Tempo zu. So liefern die Sentinel-Satelliten der Europäischen Weltraumorganisation ESA bei ihrer Erdbeobachtung täglich über 10 Terabyte an Daten. Derart große Informationsmengen bieten neue Chancen, insbesondere zur Vorhersage und Bewertung von Naturkatastrophen oder zu einer effizienten und nachhaltigen Landnutzung. Gleichzeitig eröffnet die intelligente Verknüpfung unterschiedlicher Datensätze neue Möglichkeiten, beispielsweise zur Exploration von Rohstofflagerstätten oder Grundwasserressourcen.

In mehreren Vorträgen beleuchten internationale Fachleute den aktuellen Stand von Forschung und Entwicklung auf dem Gebiet der Künstlichen Intelligenz. Ziel der Veranstaltung ist es, Behörden, Forschung und Industrie mit Blick auf geowissenschaftliche Fragestellungen bei der Nutzung von „Big Data“ und der Weiterentwicklung von „machine learning“-Methoden enger zu vernetzen.

Weitere Informationen:
zur Konferenz: www.bgr.bund.de/big_data&ML
Link zum Programm: www.bgr.bund.de/EN/Themen/Geodatenmanagement/Big_data_ML_conf/Programme/programme_node_en.html