Selbstlernende Sensorsysteme für Natur und Technik

 

Im Rahmen des BMBF Programms Cluster4Future beteiligt sich das TISSS Lab der Johannes Gutenberg-Universität zusammen mit den Partnern Johann Wolfgang Goethe-Universität Frankfurt am Main, Technische Universität Darmstadt, Fraunhofer-Institut für Betriebsfestigkeit und Systemzuverlässigkeit LBF sowie dem Institut für Tierökologie und Naturbildung am Zukunftscluster SENSORITHM Rhein-Main. Das Konsortium ist interdisziplinär zusammengesetzt, um Expertise aus Physik, Biologie, Informatik, Maschinenbau und Sozialwissenschaften zu verbinden. SENSORITHM wird untersuchen, wie intelligente Sensortechnologien Kollisionen mit Vögeln und Fledermäusen mit Windrädern vermeiden helfen und wird selbstlernende Sensorsysteme zur Überwachung technischer Komponenten und Anlagen entwickeln.

Damit kann Sensorithm dazu beitragen, ein Grün-Grün-Dilemma aufzulösen: Einerseits soll die von Windrädern erzeugte erneuerbare Energie den Klimawandel aufhalten und damit letztlich auch die Artenvielfalt sichern, andererseits gefährden die Rotorblätter seltene Vogelarten wie den Roten Milan und verschiedene Fledermausarten. Durch die Einführung intelligenter Sensortechnologien könnte der Zielkonflikt von Klimaneutralität vs. Energiebedarf mithilfe eines bereit aufgestellten Innovationsnetzwerks aufgelöst werden.

TISSS Lab-Leiterin Prof. Dr. Ahrweiler mit ihrem Team wird im Projekt für die sozialwissenschaftliche Analyse und Gestaltung der Vieldimensionalität dieses Innovationsnetzwerks im Spannungsfeld technologischer, ökologischer, wirtschaftlicher, politischer und sozialer Aspekte verantwortlich sein.

So ist zum Beispiel zu erwarten, dass sich Genehmigungsverfahren von Windenergieanlagen verändern und dass das Wissen über neue technologische Möglichkeiten Eingang in politische Diskurse findet. Das Zukunftscluster ist eng mit Partnern aus Industrie, Hochschulen, Instituten, Behörden und Zivilgesellschaft (Umweltschützer*innen, Verbände, NGOs, Schulklassen) verknüpft und wird mit diesen zusammenarbeiten. Das TISSS Lab wird Partizipationsprozesse unterstützen und eine adäquate Einbindung relevanter Stakeholder sicherstellen.

Veröffentlicht am | Veröffentlicht in Allgemein

Neue Publikation des Arbeitsbereiches (in Evidence based HRM)

Ein Artikel in der Zeitschrift Evidence based HRM wurde veröffentlicht: "Siebers, Ü., Herath, D., Bardone, E., Farahbakhs, S., Knudes, S., Madsen, J. Mufti, M., Neumann, M., Richards, D., Seri, R., Secchi, D. (2020). On the quest for defining organizational plasticity. Evidence based HRM: a global forum for empirical scholarship (online first)

Artikel lesen

Workshop des Arbeitsbereichs im Rahmen des Projekts AI NAVI

Im Rahmen des Projekts AI NAVI hat der Arbeitsbereich vom 08. bis 10. Juli einen Workshop im Kloster Nütschau durchgeführt. Im Fokus des Workshops stand der menschliche Umgang mit Komplexität in Entscheidungssituationen und dem Bestreben zur Reduktion derselben. Das Programm umfasste eine Mischung aus formellen Präsentationen, partizipativer Gamification, experimentellen Formaten und inter-aktiven Diskussionen.

Das Projekt "Artificial Intelligence Navigation of Complex Social Landscapes (AI Navi)" untersucht den Einfluss von Künstlicher Intelligenz (KI) auf menschliche Denk- und Entscheidungsprozesse in ver-schiedenen sozialen Bereichen.

Neue Publikation des Arbeitsbereichs: Kommentar der Europäischen Social Simulation Community zur aktuellen COVID-19 Pandemie

Computational Models That Matter During a Global Pandemic Outbreak: A Call to Action

The COVID-19 pandemic is causing a dramatic loss of lives worldwide, challenging the sustainability of our health care systems, threatening economic meltdown, and putting pressure on the mental health of individuals (due to social distancing and lock-down measures). The pandemic is also posing severe challenges to the scientific community, with scholars under pressure to respond to policymakers’ demands for advice despite the absence of adequate, trusted data. Understanding the pandemic requires fine-grained data representing specific local conditions and the social reactions of individuals. While experts have built simulation models to estimate disease trajectories that may be enough to guide decision-makers to formulate policy measures to limit the epidemic, they do not cover the full behavioural and social complexity of societies under pandemic crisis. Modelling that has such a large potential impact upon people’s lives is a great responsibility. This paper calls on the scientific community to improve the transparency, access, and rigour of their models. It also calls on stakeholders to improve the rapidity with which data from trusted sources are released to the community (in a fully responsible manner). Responding to the pandemic is a stress test of our collaborative capacity and the social/economic value of research.

Artikel lesen