Skip to main content
CORDIS - Forschungsergebnisse der EU
CORDIS
CORDIS Web 30th anniversary CORDIS Web 30th anniversary

Development of a Decision Support System for Improved Resilience & Sustainable Reconstruction of historic areas to cope with Climate Change & Extreme Events based on Novel Sensors and Modelling Tools

Article Category

Article available in the following languages:

KI hilft, das europäische Kulturerbe zu bewahren

Mit Hilfe von Technologien mindern von der EU finanzierte Forschende die Risiken für antike Denkmäler und Kulturstätten.

Klimawandel und Umwelt icon Klimawandel und Umwelt
Gesellschaft icon Gesellschaft

Die Stätten des europäischen Kulturerbes, die von den Anfängen der Zivilisation bis heute reichen, repräsentieren und ehren die gemeinsame Geschichte und die gemeinsamen Ideale Europas. Die Auswirkungen des Klimawandels und anderer Faktoren auf diese kulturellen Schätze sind jedoch schwer zu verstehen und zu messen. „Im Rahmen des Projekts HYPERION wurden innovative Instrumente entwickelt, um die Widerstandsfähigkeit historischer Gebiete im Hinblick auf soziale, ökologische und wirtschaftliche Aspekte zu stärken. Diese digitalen Innovationen werden unser Wissen proaktiv erweitern, um zukünftige Katastrophen besser bewältigen zu können“, erklärt der Projektkoordinator Dr. Angelos Amditis, Forschungs- und Entwicklungsdirektor des Institute of Communication and Computer Systems der Nationalen Technischen Universität Athen.

Gefährdetes Erbe

Der Grund für die Investition von fast 6 Mio. EUR in das Projekt wird schnell klar, wenn man sich die Art der alten Monumente ansieht, auf die sich das Projekt konzentriert hat. Die ausgewählten Stätten sind besonders anfällig für Umweltgefahren, beispielsweise extreme Wetterereignisse, Erdbeben und Vulkanausbrüche. HYPERION hatte daher zum Ziel, die Auswirkungen extremer Wetterbedingungen, des Zahns der Zeit und intensiver geologischer Phänomene auf Denkmäler des Kulturerbes in Pilotprojekten auf Rhodos (Griechenland), in Venedig (Italien), Tønsberg (Norwegen) und Granada (Spanien) zu testen und besser zu verstehen. Das Forschungsteam führte atmosphärische Modellierungen durch, um stättenspezifische Schweregradkriterien in Bezug auf klimatische Stressfaktoren zu bestimmen. Die wichtigsten verwendeten meteorologischen Parameter waren Windgeschwindigkeit und Windrichtung, Umgebungstemperatur, relative Luftfeuchtigkeit und Niederschlag. Zuvor erhobene Klimadaten stammen aus dem Archiv EURO-CORDEX, einem international koordinierten Rahmenwerk zur Erstellung verbesserter regionaler Klimawandelprojektionen für alle Landregionen weltweit.

Künstliche Intelligenz hilft Forschenden bei der Erkennung und Analyse von Bedrohungen für historische Monumente und Stätten

Das HYPERION-Team bezog seine Informationen aus verschiedenen Quellen wie Literatur, Erhebungen, Satellitenbildern und In-situ-Sensoren. Auf diese Weise konnten die strukturelle Beschaffenheit von Stätten des Kulturerbes und die damit verbundenen Unsicherheiten sowie die Auswirkungen des Klimawandels genauer bestimmt werden. Die Forschenden brachten Sensoren an historischen Monumenten und Stätten des Kulturerbes an und setzten fahrzeuggestützte Drohnen, flächendeckende Satellitendienste und Instrumente zur Einbindung der Bevölkerung ein, um die Datenerfassung zu verbessern. Künstliche Intelligenz spielte eine wesentliche Rolle bei der automatischen Erkennung von Bedingungen durch Multi-/Hyperspektral-Bildanalyseverfahren am Boden. Im Rahmen des Projekts wurden durch den Einsatz modernster unbeaufsichtigter und beaufsichtigter Deep-Learning-Modelle (DL) auf der Grundlage von Convolutional Neural Networks (Modelle künstlicher Intelligenz, die auf das Erkennen und Interpretieren visueller Muster spezialisiert sind) erfolgreich hochauflösende Satellitenbilder erstellt. Die Bilder stammten von verschiedenen Satelliten und deckten eine Fläche von etwa 17 bis 33 km2 ab. Sie waren für die Erkennung von Veränderungen des Bodens und der Bodenbedeckung an den vier Untersuchungsstandorten des Projekts von entscheidender Bedeutung. Der Einsatz von KI hat den Prozess der Erkennung von Veränderungen vereinfacht und ermöglichte es HYPERION, das Vorhandensein von undurchlässigen Materialien wie Asphalt oder Beton zu ermitteln, die die Aufnahme von Regenwasser verhindern und das Risiko von Hochwasser durch Niederschlagwasser erhöhen. KI ermöglicht also die Automatisierung einer ansonsten personalintensiven Aufgabe, wodurch die Anwendung dieser Technologie machbar wird und so eine kontinuierliche Überwachung und nicht nur gelegentliche Bewertungen ermöglicht.

Einbindung der Gemeinschaft und zukünftige Politikgestaltung

Laut Dr. Amditis war das Herzstück des Projekts jedoch die Entwicklung der Holistic Resilience Assessment Platform (Plattform zur ganzheitlichen Resilienzbeurteilung). „Die HYPERION-Plattform ermöglicht die Integration verschiedener Analyse- und Modellierungsinstrumente. Ein solch wichtiges Instrument kann die lokalen Behörden effizient dabei unterstützen, fundierte und schnellere Entscheidungen für den nachhaltigen Wiederaufbau historischer Gebiete zu treffen“, erklärt er. Ein weiteres Instrument, das im Laufe des Projekts entwickelt und in die HYPERION-Plattform eingebettet wurde, ist das Community Engagement Tool (Instrument für die Einbindung der Gemeinschaft), das als mobile Anwendung verfügbar ist. Mit diesem Instrument können Bewohner- und Besucherschaft historischer Städte Anzeichen von Schäden an Stätten des Kulturerbes fotografieren, sie auf eine globale Karte pinnen und mit anderen teilen und so dazu beitragen, dass potenzielle Gefahren für Europas Kulturgüter gemeldet werden. „Die HYPERION-Plattform kann Fachleuten für das kulturelle Erbe dabei helfen, die Auswirkungen früherer Restaurierungsprozesse zu verstehen und Entscheidungen zu treffen, um Phänomene wie die Materialdegradation zu vermeiden und die Widerstandsfähigkeit unserer Monumente zu verbessern“, fasst Dr. Amditis zusammen und erklärt, dass dies eines der wichtigsten Ergebnisse des Projekts sei.

Schlüsselbegriffe

HYPERION, KI, Deep Learning, Convolutional Neural Networks, Satellitenbilder, Einbindung der Gemeinschaft, kulturelles Erbe, antike Monumente, Stätten des Kulturerbes, extremes Wetter, Stadtplanung

Entdecken Sie Artikel in demselben Anwendungsbereich