| 2329 | KIKompAG - Multi-modale Datenintegration, domänenspezifische Methoden und KI zur Stärkung der Datenkompetenz in der Agrarforschung | KIKompAG - Multi-modal data integration, domain-specific methods and AI to strengthen data literacy in agricultural research | 01/10/2022 00:00:00 | 30/09/2025 00:00:00 | laufend | current | Programmbereich 4 „Simulations- und Datenwissenschaften“ | Research Area 4 „Simulation and Data Science“ | x94x32x83x96x | Ryo, Masahiro; Ghazaryan, Gohar | x2732x2781x | <div class='ntm_PB4'>PB4</div> | | | 2022 | KIKompAG - Multi-modale Datenintegration, domänenspezifische Methoden und KI zur Stärkung der Datenkompetenz in der Agrarforschung KIKompAG - Multi-modal data integration, domain-specific methods and AI to strengthen data literacy in agricultural research Programmbereich 4 „Simulations- und Datenwissenschaften“ Ryo, Masahiro; Ghazaryan, Gohar Drittmittel Research Area 4 „Simulation and Data Science“ current laufend <div class="ExternalClassF0680CEEC07949BC9AE63018F5016489"><div>
<img src="https://www.zalf.de/de/forschung_lehre/projekte/PublishingImages/KIKompAG_F%C3%B6rderhinweis%20EU_horizontal.jpg" alt="Förderhinweis EU" style="margin:5px;width:200px;height:52px;" /><img src="https://www.zalf.de/de/forschung_lehre/projekte/PublishingImages/KIKompAG_F%C3%B6rderhinweis%20BMBF.jpg" alt="Förderhinweis BMBF" style="margin:5px;width:200px;" /><br></div><p></p>
<p>Das Hauptziel von KIKompAg ist die Entwicklung eines kohärenten Konzepts für die Integration von multimodalen Daten, KI- und Simulationsmethoden zur skalenübergreifend Charakterisierung landwirtschaftlicher Systeme und, darauf aufbauend, die Erstellung eines umfassenden Lehrplans, der mehrere Aspekte der Analyse von Agrarökosystemen mit Daten aus multiplen Quellen abdeckt. Das Framework kombiniert modernste Fern- und Naherkundungsprodukte mit verschiedenen Deep Learning- und mechanistischen Modellen sowie diversen ober- und unterirdischen Referenzdatensätzen sowohl für Acker- als auch für Grünland. Wir teilen unser Wissen und unsere Erfahrungen auf breiter Basis mit Nachwuchsforschern, indem wir die erste frei verfügbare Online-Lernplattform aufbauen, auf der jeder systematisch erlernen kann, wie  man multimodale Daten, KI und Simulation für landwirtschaftliche Anwendungen integriert. </p>
</div> <div class="ExternalClassF87B2B5F735944EFA5357C7FEDB2D7C3"><div>
<img src="https://www.zalf.de/de/forschung_lehre/projekte/PublishingImages/KIKompAG_F%C3%B6rderhinweis%20EU_horizontal.jpg" alt="funding notice EU" style="margin:5px;width:200px;height:52px;" />
<img src="https://www.zalf.de/de/forschung_lehre/projekte/PublishingImages/KIKompAG_F%C3%B6rderhinweis%20BMBF.jpg" alt="funding notice BMBF" style="margin:5px;width:200px;" />
<br>
</div><p>The main objective of KIKompAg is to develop a coherent approach for integrating multimodal data, AI and simulation methods to characterise agricultural systems across scales and, building on this, to create a comprehensive curriculum covering several aspects of agroecosystem analysis with data from multiple sources. The framework combines state-of-the-art remote and close sensing products with various deep learning and mechanistic models, as well as diverse surface and subsurface reference datasets for both cropland and grassland. We are sharing our knowledge and experience broadly with early career researchers by building the first freely available online learning platform where anyone can systematically learn how to use integrate multimodal data, AI and simulation for agricultural applications. </p>
</div> KIKompAg <div class="ExternalClassE33B924A-65B4-4418-808A-0D0E5495C8BE"></div> <div class="ExternalClass7A5A9D68-4098-479B-858A-C4C2A5BDD46F"></div> <div class="ExternalClass64C7C487-E888-4B73-A271-05F00C15166F"><ul><li>BMBF-Verbundprojekte</li></ul></div> <div class="ExternalClassF3639D23-54AC-477B-8E9B-DD8CBF38B0AB"><ul><li>VDI/VDE Innovation + Technik GmbH. PT Innovations- und Technikanalysen +</li></ul></div> <div class="ExternalClass32416A55-0217-4B5A-8B3E-CE58D4839F72"></div> | <div class="ExternalClassF0680CEEC07949BC9AE63018F5016489"><div>
<img src="https://www.zalf.de/de/forschung_lehre/projekte/PublishingImages/KIKompAG_F%C3%B6rderhinweis%20EU_horizontal.jpg" alt="Förderhinweis EU" style="margin:5px;width:200px;height:52px;" /><img src="https://www.zalf.de/de/forschung_lehre/projekte/PublishingImages/KIKompAG_F%C3%B6rderhinweis%20BMBF.jpg" alt="Förderhinweis BMBF" style="margin:5px;width:200px;" /><br></div><p></p>
<p>Das Hauptziel von KIKompAg ist die Entwicklung eines kohärenten Konzepts für die Integration von multimodalen Daten, KI- und Simulationsmethoden zur skalenübergreifend Charakterisierung landwirtschaftlicher Systeme und, darauf aufbauend, die Erstellung eines umfassenden Lehrplans, der mehrere Aspekte der Analyse von Agrarökosystemen mit Daten aus multiplen Quellen abdeckt. Das Framework kombiniert modernste Fern- und Naherkundungsprodukte mit verschiedenen Deep Learning- und mechanistischen Modellen sowie diversen ober- und unterirdischen Referenzdatensätzen sowohl für Acker- als auch für Grünland. Wir teilen unser Wissen und unsere Erfahrungen auf breiter Basis mit Nachwuchsforschern, indem wir die erste frei verfügbare Online-Lernplattform aufbauen, auf der jeder systematisch erlernen kann, wie  man multimodale Daten, KI und Simulation für landwirtschaftliche Anwendungen integriert. </p>
</div> | <div class="ExternalClassF87B2B5F735944EFA5357C7FEDB2D7C3"><div>
<img src="https://www.zalf.de/de/forschung_lehre/projekte/PublishingImages/KIKompAG_F%C3%B6rderhinweis%20EU_horizontal.jpg" alt="funding notice EU" style="margin:5px;width:200px;height:52px;" />
<img src="https://www.zalf.de/de/forschung_lehre/projekte/PublishingImages/KIKompAG_F%C3%B6rderhinweis%20BMBF.jpg" alt="funding notice BMBF" style="margin:5px;width:200px;" />
<br>
</div><p>The main objective of KIKompAg is to develop a coherent approach for integrating multimodal data, AI and simulation methods to characterise agricultural systems across scales and, building on this, to create a comprehensive curriculum covering several aspects of agroecosystem analysis with data from multiple sources. The framework combines state-of-the-art remote and close sensing products with various deep learning and mechanistic models, as well as diverse surface and subsurface reference datasets for both cropland and grassland. We are sharing our knowledge and experience broadly with early career researchers by building the first freely available online learning platform where anyone can systematically learn how to use integrate multimodal data, AI and simulation for agricultural applications. </p>
</div> | | | <div class="ExternalClass8B379076-F527-45D6-9A91-33DC25FD93AA">Dr. Gohar Ghazaryan; Prof. Dr. Masahiro Ryo</div> | Nendel, Claas | <div class="ExternalClassCC071A46-EFF4-42DF-BEC3-15D22FE01317">Prof. Dr. Claas Nendel</a></div> | | | | | | <div class="ExternalClass64C7C487-E888-4B73-A271-05F00C15166F"><ul><li>BMBF-Verbundprojekte</li></ul></div> | | VDI/VDE Innovation + Technik GmbH. PT Innovations- und Technikanalysen + | <div class="ExternalClassF3639D23-54AC-477B-8E9B-DD8CBF38B0AB"><ul><li>VDI/VDE Innovation + Technik GmbH. PT Innovations- und Technikanalysen +</li></ul></div> | | 2 | 2 | | <div class="ExternalClassEA89D39F-2D58-4D05-A707-2C3038E32F6A"><ul><li>Landschaftsmodellierung</li><li>Künstliche Intelligenz für Digitale Landwirtschaft</li><li>Fernerkundung für die Landwirtschaft</li></ul></div> | <div class="ExternalClassD570D204-EF8B-4F5E-8C34-7D1B269C1A16"><ul><li>Landscape Modelling</li><li>Artificial Intelligence for Smart Agriculture</li><li>Remote Sensing for Agriculture</li></ul></div> |
