Pressemitteilung: Neue Algorithmen erklären Unregelmäßigkeiten im All und auf der Erde

• Spezielle Algorithmen spüren Fehler im Betrieb von Schienen- und Stromnetzen oder Satelliten auf.
• Sie können auch die Ursache des technischen Problems erkennen.
• Die neuen Erkenntnisse können Wartung und Betrieb von kritischer Infrastruktur verbessern und sie resilienter gegen Störungen machen.
• Das DLR-Institut für Datenwissenschaften hat das Projekt CausalAnomalies geleitet und Algorithmen entwickelt.
Zahllose Sensoren überwachen schon heute den Betrieb unserer Strom- und Schienennetze auf der Erde und unserer Satelliten im All. Sie erfassen beispielsweise Daten über die Position, Batterieladung, oder Temperatur von verschiedenen Bauteilen. Im Problemfall zeigen diese Daten an, wenn beispielsweise eine Weiche gestört ist oder ein Satellit zu wenig Batteriespannung hat. Das Aufspüren von Abweichungen im technischen Betrieb wird Anomaliedetektion genannt. Das Deutsche Zentrum für Luft- und Raumfahrt (DLR) entwickelt im Projekt CausalAnomalies Softwareprototypen für insgesamt sechs Anwendungsfelder auf der Erde, in der Luft und im All.
Das Besondere: Die neuen Prototypen erkennen nicht nur, ob ein Problem auftritt, sondern spüren in den Datenströmen auch die Problemursache auf. Im Bahnverkehr könnten die Algorithmen den Grund für eine Weichen- oder Stellwerkstörung erkennen. Zugverspätungen und überflüssige Reparaturen könnten damit eingedämmt werden. (....)

Der vollständige Inhalt dieser Pressemitteilung wird auf unserer Seite nicht angezeigt.
Zum Lesen der Mitteilung klicken Sie bitte auf den folgenden Link:

-> Pressemitteilung: Neue Algorithmen erklären Unregelmäßigkeiten im All und auf der Erde

Quelle: Deutsches Zentrum für Luft- und Raumfahrt e. V. (DLR)

Stichwörter: Deutsches Zentrum für Luft- und Raumfahrt e. V. (DLR), Algorithmen zur Anomaliedetektion, Unregelmäßigkeiten im All, Unregelmäßigkeiten auf der Erde, KI‑gestützte Fehlererkennung, Satellitenüberwachung DLR, technische Systemüberwachung, Anomalieerkennung Raumfahrt, Datenanalyse Algorithmen, Frühwarnsysteme Technik, Sensorüberwachung Infrastruktur, KI‑Forschung DLR, Anomaliedetektion Satelliten

Kategorie(n): Forschung & Transfer