Projekt

WindGISKI

Zielsetzung: Die Hauptziele des Vorhabens sind die Entwicklung und Evaluation eines KI-basierten GIS zur Ausweisung von Potenzialflächen für WEA(Windenergieanlagen), welches einerseits den Identifikations- und Bewertungsprozess möglicher Potenzialflächen systematisiert und automatisiert und dadurch andererseits die Anzahl und Güte zukünftig ausgewiesener Potenzialflächen verbessert. Das KI-basierte GIS soll letztlich dazu beitragen, dass in Zukunft die vorhandenen Flächenpotenziale für WEA (Greenfield- und Repoweringpotenziale) umfangreicher und effizienter gehoben werden können und dadurch die installierte Gesamtleistung von WEA in Deutschland signifikant gesteigert werden kann.


Wissenschaftliche und/oder Technische Arbeitsziele des Vorhabens

Ziel-ID & Kurzbezeichnung Z.1: Detailliertes Feinkonzept im erweiterten, interdisziplinären Projektkonsortium
Ausführliche
Beschreibung
  • Überarbeitete/erweiterte Zielgrößen- und Merkmalsdefinitionen, die gleichzeitig der o.g. Zielsetzung gerecht werden und datenseitig flächendeckend abbildbar bleiben (fk-wind)
  • Datenbank- und Simulationsentwürfe (siehe 3.), die gleichzeitig den Performance- und Genauigkeitsansprüchen des Vorhabens gerecht werden (Nefino)
  • Evaluations- und Pilotierungskonzepte, die die Güte der zu entwickelnden KI mittels Feldforschung über die Test- und Validierungsdaten hinaus bewertbar
    machen (UOL)

 

Ziel-ID & Kurzbezeichnung Z.2: Zur Zielgrößen- und Merkmalsdefinition passende flächendeckende Erfassung der Datengrundlage
Ausführliche
Beschreibung
  • Erfassung der aktuellen und historischen Flächenkulisse für Onshore-WEA auf Ebene der Regionalplanung sowie auf kommunaler Ebene in Deutschland (Nefino)
  • Erfassung von aktuellen und historischen Klageverfahren und -gründen in Zusammenhang mit Onshore-WEA und Flächen (IPH)
  • Flächendeckende Erfassung einer Vielzahl möglicher Einflussfaktoren auf die Güte von Potenzialflächen aus diversen Disziplinen (Nefino)

 

Ziel-ID & Kurzbezeichnung Z.3: Aufbau einer für Simulations- und KI-Anwendungen geeigneten, GIS-fähigen Datenbankstruktur
Ausführliche
Beschreibung
  • Performante Simulationen flächenspezifischer Energieertragspotenziale sowie der Dimensionen des Immissionsschutzes (Schall, Schattenwurf und Bedrängungswirkung),  die eine flächendeckende Generierung von flächenspezifischen Merkmalen zulassen (ISD)
  • Flächendeckende Abbildung avifaunistischer Konfliktrisiken (ARSU)
  • Zuweisung der Vielzahl interdisziplinär verorteter Merkmale zu den Vorranggebieten der aktuellen und historischen Flächenkulisse (TNT)

 

Ziel-ID & Kurzbezeichnung Z.4: Entwicklung und Validierung einer performanten, dem Einsatzzweck dienlichen KI
Ausführliche
Beschreibung
  • Besseres Verständnis über die komplexen Zusammenhänge zwischen den diversen Merkmalen einer Fläche und ihrer Güte für WEA (IPH)
  • Besseres Verständnis über die windenergiefördernden sowie -hemmenden Merkmale historisch ausgewiesener Vorranggebiete (TNT)
  • Implementierung einer KI-basierten und erklärbaren (d.h. transparenten) Bewertung der Güte einer beliebigen Fläche für WEA (TNT)

 

Ziel-ID & Kurzbezeichnung Z.5: Durchführung einer Evaluation der KI mittels Expertenbefragungen und Fallstudien im Feld
Ausführliche
Beschreibung
  • Vergleich der Prognosegenauigkeit zur Flächengüte zwischen KI-basierten und aus Expertenbefragungen abgeleiteten Scoringmodellen (fk-wind)
  • Verständnis über Einflussfaktoren, Interaktionsdynamiken und Prozesse im Zusammenhang mit WEA-Projekten, die aus sozialwissenschaftlicher Perspektive zu Diskrepanzen zwischen der prognostizierten und realen Güte von Flächen für WEA führen können (UOL)
  • Validierte Simulationen des Energieertrags, der Akustik, des Schattenwurfs sowie der avifaunistischen Konfliktrisiken (ISD)
  • Abgleich der durch die KI identifizierten Flächen mit Potentialflächenanalysen regionaler Raumordnungsprogramme (LEE)

 

Ziel-ID & Kurzbezeichnung Z.6: Heranführung der potenziellen Anwender*innen an KI und das zu entwickelnde KI-basierte GIS
Ausführliche
Beschreibung
  • Entwicklung eines performanten GIS, das die Anwendung von KI- und Expertenbasiertem Scoring auf beliebige Planungsregionen in Deutschland zulässt (Nefino)
  • Anwenderfeedback zur Auswahl neuer Potenzialflächen in ausgewählten Planungsregionen mittels KI-basierter Flächenbewertung (LEE)
  • Handreichungen und Kommunikationskonzept zum Output und zu den Möglichkeiten und Grenzen des KI-basierten GIS für die potenziellen Zielgruppen der Lösung  (Planer*innen, Projektierer*innen) (IPH)