Ja
Refine
Year of publication
Document Type
- Article (242)
- Conference Proceeding (201)
- Working Paper (126)
- Journal (Complete Issue of a Journal) (85)
- Master's Thesis (73)
- Bachelor Thesis (50)
- Report (47)
- Book (41)
- Doctoral Thesis (31)
- Part of a Book (21)
Language
- German (563)
- English (398)
- Multiple languages (5)
Keywords
- .NET Remoting (1)
- .NET-Plattform (1)
- 14C-Datierung (1)
- 1D-CNN (1)
- 2 D environment Laser data (1)
- 3D Extended Object Tracking (1)
- 3D Extended Object Tracking (EOT) (1)
- 3D urban planning (1)
- 3D-Druck (1)
- 5-10-40-Bedingung (1)
Institute
- Fakultät Architektur und Gestaltung (15)
- Fakultät Bauingenieurwesen (98)
- Fakultät Elektrotechnik und Informationstechnik (24)
- Fakultät Informatik (72)
- Fakultät Maschinenbau (27)
- Fakultät Wirtschafts-, Kultur- und Rechtswissenschaften (58)
- Institut für Angewandte Forschung - IAF (82)
- Institut für Naturwissenschaften und Mathematik - INM (1)
- Institut für Optische Systeme - IOS (20)
- Institut für Strategische Innovation und Technologiemanagement - IST (15)
Small Island Developing States (SIDS) like Seychelles face challenges in food and energy security, relying heavily on imports for both. Global crises exacerbate these vulnerabili-ties, causing price and supply chain issues. To increase self-sufficiency, Seychelles aims to promote backyard farming, strengthen sustainability, and strive for 100% renewable energy. However, limited land poses challenges. Agrivoltaics, combining solar energy and agriculture, may offer a solution. This examination explores its potential through a survey of backyard farmers on Mahé, focusing on farming practices, energy use, and per-ceptions of Agrivoltaics.
A survey of 29 backyard farmers on Mahé revealed that 58.5% of their land is suitable for Agrivoltaics, highlighting its potential to enhance electricity self-sufficiency, currently at 66%. Bifacial PV modules and interspace or overhead mounting systems are recom-mended, as many local crops could thrive under shading. Farmers value self-sufficiency highly, with 45% open to community projects. Opportunities for Agrivoltaics were rated positively, while barriers scored lower. Establishing a trial site and conducting further research are key steps to advancing this approach.
Seagrass ecosystems provide essential ecological services and are increasingly recog-nized for their potential as sustainable building insulation. While prior studies have examined seagrass insulation in temperate climates, its suitability for tropical con-struction remains largely unexplored. This study assesses the insulation performance, practical challenges, and adoption barriers of seagrass insulation in tropical climates, using building physics simulations and structured expert interviews, with case studies in Seychelles and Auroville, India. Simulation results indicate that seagrass insulation with its high specific heat capacity effectively reduces overheating risks and demon-strates consistently low mould-growth potential under persistently humid tropical conditions. Despite these technical advantages, expert interviews reveal significant non-technical barriers, including negative public perception, regulatory uncertainties, and logistical complexities. Seychelles faces particular hurdles such as limited coastal storage capacity and stringent environmental regulations. In contrast, Auroville emerges as an ideal demonstration site due to its strong sustainability culture and openness to innovative building materials. The study further identifies that integrating seagrass insulation into a structured, regulated supply chain—from sustainable har-vesting and processing to quality assurance—could simultaneously enhance ecosystem conservation and material availability. Implementing a harvesting framework analo-gous to sustainable forestry could ensure environmental protection alongside supply stability. The findings emphasize the urgent need for targeted awareness initiatives, regulatory alignment, and economic feasibility assessments to overcome barriers and enable wider adoption. Overall, this research highlights seagrass insulation as a prom-ising, climate-positive construction material with strong potential under tropical con-ditions, provided that identified logistical, societal, and regulatory challenges are ad-dressed through dedicated research, stakeholder collaboration, and practical pilot pro-jects.
Numerical Diffusion and its Impact on System-Identification for an Industrial Heating Process
(2025)
This paper deals with system-identification for a distributed parameter heating process where a solid substrate is moving through a spatially extended heating zone and heated up by applying hot air to its surface. The temperature distribution inside the substrate is modeled in a spatial plane, where heat conduction is considered in the direction, perpendicular to the direction of movement. In contrast to previous work, where scalar model parameters (e.g.The thermal parameters of the substrate) have been identified, here, the quantities for the heat transfer (heat transfer coefficient and air temperature) are identified as functions yielding a significantly improved fit to the measurement data. This improved system-identification is performed for two early-lumping modeling approaches, which differ in the way the advection term in the governing Partial Differential Equation is discretized: one uses Eulerian coordinates, where the computational grid is stationary, whereas the second employs Lagrangian coordinates where the grid is moving with the substrate. The differences of the two approaches are discussed with the main focus on numerical diffusion. Especially its impact on the system-identification is investigated: Although the fit to the measurement is comparably good in both cases, very different solutions are obtained for the identified functions which, we argue, is due to the optimizer counteracting the smoothing effect of numerical diffusion.
Der Energiesektor befindet sich in einem tiefgreifenden Wandel, der durch technologische Innovationen und die Notwendigkeit einer nachhaltigen und effizienteren Energieversorgung vorangetrieben wird. Der steigende Anteil fluktuierender erneuerbarer Energien, insbesondere Wind- und Solarenergie, an der Energieerzeugung und die Anbindung neuer flexibler Verbraucher wie Elektroladesäulen und Wärmepumpen führen zu einer zunehmenden Komplexität der Stromverteilnetze und stellen eine große Herausforderung für deren Betrieb und Planung dar. KI-basierte Algorithmen können die Betriebsführung und Planung von Stromverteilnetzen unterstützen, indem sie Echtzeitdaten analysieren und automatisierte Entscheidungen ermöglichen. Diese Algorithmen können eine Vielzahl von Aufgaben übernehmen, u.a. Einspeise- und Verbrauchprognose, Netzzustandsprognose- und Erfassung sowie Überwachung und Wartung der Netzinfrastruktur.
Der Markt für KI-basierte Algorithmen zur Betriebsführung und Planung von Stromnetzen auf Verteilnetzebene ist in Deutschland in den letzten Jahren stark gewachsen. Eine Vielzahl von Start-ups und Unternehmen bieten bereits KI-basierte Algorithmen an, die den Betrieb und die Planung von Stromverteilnetzen optimieren sollen.
Um die Erwartungen, Bedenken und Bedürfnisse der Zielgruppe in Bezug auf den Einsatz von KI-basierten Algorithmen zu erfassen, wurde eine umfassende Zielgruppenbefragung und -analyse durchgeführt. Die Zielgruppenanalyse identifiziert Stromnetzbetreiber:innen, Energieerzeuger:innen, Energieversorger:innen und (Leitwarten-) Softwareentwickler:in/-hersteller:innen als Hauptakteure, die von dem Einsatz profitieren können. Darüber hinaus zeigen die Ergebnisse, dass auf dem deutschen Markt ein hoher Bedarf an KI-basierten Algorithmen zur Betriebsführung und -planung besteht, die Rahmenbedingungen der einzelnen Akteur:innen jedoch unterschiedlich sind.
Diese Masterarbeit untersucht, wie durch eine klimaresiliente Freiraumgestaltung die Entwicklung nachhaltiger und lebenswerte Quartiere im Umfeld von Bahnhöfen als multimodale Mobilitätsknotenpunkte gefördert werden kann. Am Beispiel des Bahnhofsareals Mettmenstetten in der Schweiz werden konkrete ökologische Maßnahmen und innovative Mobilitätslösungen analysiert.
Zunächst werden theoretische Grundlagen zu Klimaresilienz, Vulnerabilität urbaner Räume gegenüber Extremwetterereignissen sowie bewährte Maßnahmen und Technologien zur Stärkung der Resilienz erarbeitet. Dazu zählen u.a. Begrünung, Beschattung, Regenwassermanagement, Flächenentsiegelung und die Nutzung erneuerbarer Energien. Anschließend erfolgt eine Betrachtung von Mono-, Multi- und Intermodalität, aktuellen Mobilitätstrends wie autonomem Fahren, Lufttaxis und Drohnenlieferungen sowie Anforderungen an zukunftsfähige, multimodale Verkehrsknotenpunkte.
Mittels leitfadengestützter Experteninterviews und qualitativer Inhaltsanalyse werden die theoretischen Erkenntnisse auf die lokalen Gegebenheiten im Erspach-Areal Mettmenstetten übertragen. Dabei werden Handlungsempfehlungen für eine klimaresiliente und nachhaltige Quartiersentwicklung unter Berücksichtigung innovativer Mobilitätskonzepte abgeleitet.
Die Entwicklungsprinzipien sehen eine umfassende Neugestaltung des Areals vor, um es zur neuen, einladenden "Empfangspforte" mit urbaner Mischnutzung und Anziehungskraft für Mettmenstetten zu machen. Durch vertikale Nutzungsdurchmischung soll ein breites Angebot an Wohnen, Gewerbe, Dienstleistungen und Freizeiteinrichtungen entstehen.
Die Ergebnisse zeigen, dass eine durchdachte Freiraumgestaltung mit Grünflächen, Beschattung und Regenwassermanagement einen wesentlichen Beitrag zur Stärkung der Klimaresilienz in verdichteten, multimodalen Quartieren leisten kann. Zudem bieten innovative Mobilitätslösungen wie autonome Shuttles, Lufttaxis und Drohnenlieferungen Potenzial, den Verkehr zu entlasten und Flächen für resiliente Freiraumgestaltung zu schaffen.
In Anbetracht der akuten Klimakrise und der nötigen Energiewende gelten Photovoltaik (PV)-Anlagen als eine der vielversprechendsten Alternativen zu den konventionellen Energiequellen. Der Hauptnachteil von PV ist der Bedarf an großen Flächen durch einen geringen Wirkungsgrad. Floating PV (FPV) bietet eine Alternative zu landbasierten Systemen. Das Ziel dieser Arbeit ist es, die technischen Möglichkeiten sowie die rechtlichen, wirtschaftlichen und ökologischen Rahmenbedingungen von FPV in Deutschland aufzuzeigen. In diesem Zusammenhang stellt sich die Frage: Welches Potenzial gibt es für FPV-Anlagen im Süden Baden-Württembergs?
Ein FPV-System besteht im Wesentlichen aus PV-Modulen, Schwimmkörpern, einem Verankerungssystem, Kabeln und Befestigungen sowie Wechselrichtern und einem Spannungsumwandler. Besonders geeignet für den Einsatz solcher Anlagen sind Seen, die über geringe Tiefen, einen festen Grund und ausreichend Landfläche in der Nähe verfügen. FPV-Anlagen bieten den Vorteil eines Mehrertrags durch den Kühleffekt von Wasser. In Deutschland wur-den bereits einige FPV-Projekte umgesetzt wie bspw. auf dem Philippsee in Baden-Württemberg. Rechtlich gesehen dürfen die Anlagen nur auf künstlichen Seen mit einem Abstand von 40 m zum Ufer und einer maximalen Seebelegung von 15 % installiert werden. Die Investitionskosten für FPV-Anlagen sind deutlich höher als die von Freiflächenanlagen. Bei fachgerechter Umsetzung dürften die positiven Umweltauswirkungen überwiegen.
In dieser Arbeit werden die Methoden der Experteninterviews und der Potenzialanalyse mithilfe des Programms PV*SOL premium angewendet. Es wird eine FPV-Anlage auf der Kiesgrube Pfullendorf-Tautenbronn simuliert. Die Anlage weist bei einer Größe von 3,32 ha eine Nennleistung von knapp 7,5 Megawatt Peak (MWp) und einen spezifischen Jahresertrag von etwa 1.000 kWh/kWp auf. Der Anlagennutzungsgrad beträgt 86,40 %. Für die Wirtschaftlichkeitsberechnung werden ein Mittelwertszenario, ein Best-Case-Szenario und ein Worst-Case-Szenario betrachtet. Außerdem wird innerhalb der Szenarien zwischen 100 %, 50 % und 0 % Einspeisung unterschieden. Hinsichtlich der Stromgestehungskosten von 7,82 ct/kWh im Mittelwertszenario können FPV-Anlagen mit anderen Erneuerbaren Energien konkurrieren. Das gilt aktuell jedoch nur für Anlagen mit einem hohen Eigenverbrauch. Es zeigt sich ein dringender Änderungsbedarf des Genehmigungsverfahrens und der 15 %-Regelung sowie ein erheblicher Forschungsbedarf zu den Umweltauswirkungen von FPV-Anlagen.
Autonomous surface vessels are a promising building block of the future’s transport sector and are investigated by research groups worldwide. This paper presents a comprehensive and systematic overview of the autonomous research vessel Solgenia including the latest investigations and recently presented methods that contributed to the fields of autonomous systems, applied numerical optimization, nonlinear model predictive control, multi-extended-object-tracking, computer vision, and collision avoidance. These are considered to be the main components of autonomous water taxi applications. Autonomous water taxis have the potential to transform the traffic in cities close to the water into a more efficient, sustainable, and flexible future state. Regarding this transformation, the test platform Solgenia offers an opportunity to gain new insights by investigating novel methods in real-world experiments. An established test platform will strongly reduce the effort required for real-world experiments in the future.
Numerous studies have demonstrated that energy demand in the building sector, particularly for heating, ventilation, and air conditioning systems, can be reduced by forecasting future indoor temperatures and applying targeted control strategies. Accurate indoor temperature forecasts depend on understanding random variables such as occupancy and the number of active electrical devices. However, detecting these random influences is challenging, leading existing methods to be overly specific, reliant on expensive sensors, and poorly generalizable across different buildings. Moreover, prevalent point forecasting methods fail to account for the uncertainty surrounding future outcomes. In this paper, we propose that instead of attempting to eliminate naturally occurring random disturbances, it is more effective to incorporate these uncertainties into the modeling process. We introduce a deep learning methodology for probabilistic forecasting that predicts future temperatures as a probability distribution, integrating the inherent randomness of the data without requiring direct measurements. The proposed model is based on normalizing flows with flexible Bernstein polynomials and is compared to a Gaussian baseline. This approach enables the estimation of complex distributions via the maximum likelihood principle, with only mild assumptions on its shape. Due to the lack of high-quality real-world data, we use simulated data from various rooms with differing characteristics and evaluate both models in terms of robustness and flexibility. Our results indicate that our model accurately predicts indoor temperature distributions and generalizes well to different and previously unseen rooms. The dataset and code are published along with this paper, to provide reproducible results and benchmark data to the community.