Zuverlässige Vorhersage mit Open Data
– „Wie sauber ist die Luft von morgen?“
Erlaubt mir die Luftqualität von morgen, mit einem guten Gefühl Joggen zu gehen? Mit Hilfe eines IoT-Data-Science-Setups in der Cloud kann die cimt ag zuverlässig die Luftqualität vorhersagen.
Herausforderungen
Kontinuierlich wachsende Datenbestände aus dem Big Data- und IoT-Umfeld benötigen eine stabile Infrastruktur. Unser Ziel war es, eine sichere und flexible Infrastruktur aufzubauen, die unsere Daten hocheffizient verarbeitet. Doch wie baut man solch eine Infrastruktur auf? Welches Datenmaterial kann überhaupt verwendet werden? Und wie lassen sich die Verfahren des maschinellen Lernens im laufenden Betrieb einsetzen?
Um dies zu untersuchen, haben wir uns einen attraktiven Anwendungsfall mit einem möglichst offenen Datensatz gesucht, um eine geeignete Infrastruktur zu erproben.
Ausgangssituation
Es ist bekannt, dass schlechte Luftqualität in unseren Städten und Ballungsräumen gesundheitliche Belastungen und Risiken mit sich bringt. So gelangen etwa größere Feinstaubpartikel in die Lunge, kleinere sogar in die Blutgefäße. Das kann langfristig zu chronischem Husten, Lungeninfektionen oder Herzkrankheiten führen.
Zwar gibt es in Deutschland offizielle Messstationen, deren Dichte nicht ausreichend ist, um ein genaues Bild über die lokalen Auswirkungen zu liefern. Projekte wie luftdaten.info wollen dem entgegenwirken. Genauere Erläuterungen dazu im Abschnitt “Datengrundlage”.
Auftrag
- Flexible, einfache und leistungsstarke Data-Science-Infrastruktur schaffen
- Best-of-Breed Ansatz unserer Partner-Tools
- Datenbeschaffung: Luftqualität aus IoT Feinstaub-Sensoren + Wetterdaten + Ferienzeiten
- Datenbereinigung und -aufbereitung
- Datenanalyse – Data Insights
- Vorhersagen entwickeln, durchführen und interpretieren
Kostenloses Whitepaper anfordern
Kontakt
Telefon: +49 (0)30 834098-0
E-Mail: oliver.fromm@cimt-ag.de
Twitter: twitter.com/cimtag
Das könnte Sie auch interessieren
- Data Science bei der cimt
- Cimt stärkt Cloud-Expertise mit Partnerschaften
- Betrugserkennung für UTZ certified (Unsupervised Fraud Detection)