SFB TRR 391: Raum-zeitliche Statistik für die Energie- und Transportwende

Grunddaten zu diesem Projekt

Beschreibung

Der Sonderforschungsbereich/Transregio TRR 391 modelliert, schätzt und prognostiziert raum-zeitliche Prozesse in ökonomischen und technischen Anwendungen. Er nutzt die formale Ähnlichkeit relevanter statistischer Probleme für methodische Synergien und entwickelt Schlüsseltechniken für die Analyse raum-zeitlicher Daten, die effiziente datenbasierte Entscheidungen bei der Energie- und Verkehrswende ermöglichen. Die Reduzierung von CO2-Emissionen und der Übergang zu erneuerbaren Energien sind wichtige globale Herausforderungen. Dabei betreffen Entscheidungen zur Organisation der Energie- und Verkehrswende viele Aspekte unseres zukünftigen Lebens. Damit diese Maßnahmen gesellschaftlich akzeptiert werden, müssen ihre positiven Auswirkungen mögliche negativen Folgen zum Beispiel auf Beschäftigung, Mobilität, Versorgung mit Gütern oder Energiekosten überwiegen. Um diese Herausforderungen zu bewältigen, müssen Entscheidungen auf sicheren empirischen Erkenntnissen beruhen, damit ihre Auswirkungen auf ganze Volkswirtschaften, internationale Organisationen und den Alltag der Menschen genau vorhergesagt werden können. Die zunehmende Digitalisierung liefert hierfür stetig wachsende Datenmengen, die an vielen Orten und Zeitpunkten erhoben werden. Die Gewinnung relevanter und zuverlässiger Erkenntnisse aus solchen umfangreichen Raum-Zeit Daten stellt die Statistik vor große Herausforderungen. Diese erfordert nicht nur eine genaue Modellierung der verschiedenen Arten zeitlicher und räumlicher Abhängigkeiten, sondern auch die Entwicklung neuartiger statistischer Ansätze und maschineller Lernverfahren. Im TRR 391 entwickeln wir innovative statistische Methoden für die Analyse von Raum-Zeit Daten zur Unterstützung datenbasierter Entscheidungsfindung in wichtigen technologischen und wirtschaftlichen Bereichen. Anhand eines breiten Spektrums hochrelevanter prototypischer Anwendungen aus den Bereichen Energie und Verkehr verfolgen wir eine gemeinsame Perspektive, identifizieren formale methodische Ähnlichkeiten und nutzen so Synergien für die Entwicklung grundlegender statistischer Theorien und neuer Methoden für Raum-Zeit-Daten. Dieser interdisziplinäre Ansatz erlaubt uns, innovative datenanalytische Lösungen für konkrete Problemstellungen zu konstruieren, die einerseits den aktuellen Stand der Technik substanziell verbessern und andererseits neue methodische Entwicklungen anstoßen. Unter anderem werden unsere Ergebnisse die Entscheidungsfindung durch neue Simulationswerkzeuge zur Modellierung von Transportlogistik, durch präzise Vorhersagen der Produktion von Wind- und Solarenergie und durch eine zuverlässigere Steuerung von elektrischen Energienetzen unterstützen. Sie werden zu einem besseren Verständnis des individuellen Energieverbrauchs und Mobilitätsverhaltens beitragen, die Auswirkungen von umweltpolitischen Entscheidungen auf Energiepreise aufzeigen und die Steuerung von Logistik- und Lieferkettennetzen verbessern.