Die Agrarwirtschaft trägt wesentlich zur weltweiten Entwaldung bei. Mit der EUDR-Verordnung (European Union Deforestation Free Regulation) hat die EU eine Gegenmaßnahme in Kraft gesetzt, die den Import bestimmter Agrarprodukte, für die nach dem 31. Dezember 2020 Wälder abgeholzt wurden, verbietet. Dazu gehört unter anderem Kaffee. Mit Hilfe von Fernerkundungsmethoden und stichprobenartigen Bodenkontrollen müssen Kaffeeimporteure ab dem 30. Dezember 2024 nachweisen, dass der importierte Kaffee nicht zur Entwaldung beigetragen hat. Im Forschungsprojekt AI4SusCo entwickeln wir in Zusammenarbeit mit der GRAS Global Risk Assessment Services GmbH technologische Lösungen, die die Kaffee-Zertifizierung effizienter und genauer macht und damit einen wichtigen Beitrag zur nachhaltigen Entwicklung der Kaffeeindustrie sowie dem Erhalt der Regenwälder und der Rettung unseres Weltklimas leistet.
(→mehr erfahren | hier oder Bild klicken)

Das internationale Forschungsprojekt befasst sich mit der Situation der Lebensmittel in Mosambik im Kontext von Katastrophenrisiken und Klimawandel, indem es verschiedene Dimensionen wie Lebensmittelverfügbarkeit, Preise, Märkte und Produkteigenschaften, Marketing und Regulierung sowie Zugänglichkeit, Erschwinglichkeit, Bequemlichkeit und Begehrlichkeit misst. Darüber hinaus wird untersucht, wie sich die Steigerung der landwirtschaftlichen Produktion, die Erhöhung der Einkommen und die Senkung der Lebensmittelpreise auf die Ernährung der Bevölkerung auswirken, und schließlich soll durch die Sensibilisierung für und die Vermittlung von Wissen über bewährte Praktiken ein realer Wandel herbeigeführt werden. Um dies zu erreichen wurden Machine Learning Modellen zur Vorhersage von Attribute wie: Energie- und Wasserversorgung, Bildungsstand und Vermögen entwickelt und daraus ein Gesamtindikator für die Nahrungsmittelversorgung gebildet und mit dem IPC verglichen. Mit der Entwicklung eines PowerBI Dashboards sollen die gesamten Projektergebnisse der verschiedenen Interessengruppen in Form von dynamischen und interaktiven Visualisierungen zur Verfügung gestellt werden.
(→mehr erfahren | hier oder Bild klicken)

Hungerkatastrophen sind in den meisten Fällen auf eine Kombination verschiedener Indikatoren zurückzuführen, wie z.B. schlechte Umweltbedingungen, Ernteausfälle oder von Menschen verursachte Einflüsse wie Korruption oder bewaffnete Konflikte. Ziel des Projekts ist die Entwicklung eines mathematischen Prognosemodells, das die Wahrscheinlichkeit einer Hungersnot derart berechnet, dass eine angemessene Katastrophenhilfe so weit wie möglich sichergestellt werden kann, bevor eine Notsituation eintritt.
(→mehr erfahren | hier oder Bild klicken)