Zusammenfassung

Das Kanalnetz in Deutschland weist einen hohen Sanierungsbedarf auf. Damit rückt die Reduktion von Treibhausgasemissionen auch in der Sanierungsplanung zunehmend in den Fokus. Ziel dieser Arbeit ist die Entwicklung einer ökobilanzbasierten Methodik zur abschätzenden Bewertung des Treibhauspotenzials von Kanalsanierungsverfahren. Dafür integriert sie verfahrensspezifische CO2e-Faktoren als skalierbare Kennwerte für strategische Planungsprozesse. Die Methodik wurde iterativ entwickelt, auf Grundlage von Erkenntnissen aus der Literatur zur sektorübergreifenden Entwicklung von Emissionsfaktoren und der Bilanzierung realer Sanierungsmaßnahmen. Sie sieht die Bilanzierung repräsentativer Sanierungsmaßnahmen gemäß DIN EN ISO 14040/44 vor, wobei Leistungsverzeichnisse als Primärdaten in eine modular strukturierte Sachbilanz überführt werden. Die modulspezifischen Emissionen (in kg CO2e/m sanierter Kanal) werden abhängig von ihrem Beitrag zum Gesamttreibhauspotenzial und dessen Korrelation mit der Nennweite differenziert in CO2e-Faktoren überführt: (A) rein nennweitenabhängig, (B) mit zusätzlichen Parametern oder (C) als pauschale Durchschnittswerte. Die resultierenden Faktoren können aggregiert und über die Sanierungslänge skaliert werden. Die Anwendbarkeit der Methodik wurde anhand von sieben Sanierungsmaßnahmen der Berliner Wasserbetriebe demonstriert: fünf Maßnahmen zur Erneuerung in offener Bauweise sowie je eine zur geschlossenen Bauweise mit Pipe Eating und zur Renovierung mittels Schlauchlining. Die Bilanzierung erfolgte mithilfe eines erweiterten Tools zur Modellierung von Scope-3-Emissionen im Kanalbau. Für die offene Bauweise konnten Skalierungszusammenhänge zur Ableitung von CO2e-Faktoren analysiert werden: Für die Haupttreiber Rohre, Verbau und Boden zeigte sich eine gute Skalierbarkeit über die Nennweite, während bei Straßenarbeiten zusätzliche Parameter des Straßenaufbaus berücksichtigt werden mussten. Die Emissionen der Schachtsanierung erwiesen sich als nicht-skalierbare Einzelgröße und wurden, genauso wie die emissionsärmeren Nebenmodule, als pauschaler Durchschnittswert erfasst. Beim Schlauchlining ermöglichte die Nutzung einer Umweltproduktdeklaration eine kontinuierliche Skalierung der Emissionen in Abhängigkeit vom Materialbedarf bzw. der Nennweite. Die entwickelte Methodik bietet einen praxistauglichen Ansatz zur Abschätzung von Klimawirkungen verschiedener Sanierungsstrategien. Durch Erweiterung der Datengrundlage kann sie perspektivisch belastbare CO2e-Faktoren hervorbringen. Damit leistet die Arbeit einen Beitrag zur Integration ökologischer Kriterien in die strategische Sanierungsplanung.

Zusammenfassung

The deliverable D3.2 “Scalability and edge computing optimization” presents the updates of the heterogeneous IoT data sources encountered in the three pilots of the AD4GD project. The first pilot concerns the water quantity and quality in the lakes located in Berlin, Germany. The second pilot studies the biodiversity in the region of Catalonia. Finally, the third pilot is dedicated to the air quality. All the pilots are using IoT data and different components and building blocks were developed during the AD4GD project. The updates of these components are described in this deliverable. Furthermore, the SIMPL middleware initiative is also discussed in the deliverable D3.2. The edge computing is an important part of the Internet of Things in the context of the AD4GD project: this topic is presented in a dedicated chapter where different Key Performance Indicators (KPIs) related to edge computing are specified. Finally, some actions to improve these KPIs are proposed, followed by several recommendations.

Zusammenfassung

This document presents the final form of the work done in WP 4 and previously partially presented in D4.1 and D4.2, the Dataspace architecture, the data catalogue and metadata system and the data trustworthiness framework. Like in D4.2, the text follows the components’ architecture defined by D6.1, focussing primarily on new work done since D4.2:

Component 2 – Evaluation of Connector Solutions and Deployments
Component 9 – Data catalogue and Metadata
Component 11 – Data Trustworthiness Framework

In terms of tasks, this deliverable predominantly discusses work in WP4 “Satellite and Green Deal Data Space Integration”, including tasks 4.2 “Green Deal Data Space Implementation”, 4.3 “Green Data Space integration with third-party services” and 4.4 “Ground truthing and data trustworthiness framework”. It also has overlap with and incorporates work from the three pilot projects within WP6 and the machine learning work being done in WP5.

Zusammenfassung

This deliverable builds upon D5.1 and outlines progress in applying Artificial Intelligence and High-Performance Computing within the AD4GD project. It details the use of AI models in pilot studies, such as water level prediction in Berlin lakes and connectivity mapping in Catalonia, highlighting the AI models ability to process complex environmental data efficiently. The document also presents the development of user-friendly interfaces that make these advanced tools accessible to non-expert stakeholders, promoting informed decision-making. Additionally, it reports on the integration of HPC resources to support AI model training and execution, enhancing performance and scalability. The deliverable concludes with reflections on the benefits, limitations, and future directions of these technologies in AD4GD pilots.

Möchten Sie die „{filename}“ {filesize} herunterladen?

Um unsere Webseite für Sie optimal zu gestalten und fortlaufend verbessern zu können, verwenden wir Cookies. Durch die weitere Nutzung der Webseite stimmen Sie der Verwendung von Cookies zu. Weitere Informationen zu Cookies erhalten Sie in unserer Datenschutzerklärung.