Deep Learning für die flächenhafte, dynamische Ableitung von Grundwasserstandsinformationen Referenznummer der Bekanntmachung: 204-10120967
Auftragsbekanntmachung
Dienstleistungen
Abschnitt I: Öffentlicher Auftraggeber
Ort: Hannover
NUTS-Code: DE929 Region Hannover
Land: Deutschland
E-Mail:
Internet-Adresse(n):
Hauptadresse: https://www.bgr.bund.de
Abschnitt II: Gegenstand
Deep Learning für die flächenhafte, dynamische Ableitung von Grundwasserstandsinformationen
Erarbeitung von belastbaren Flächeninformationen zum Grundwasserstand durch den Einsatz von Machine Learning/Deep Learning (ML/DL)-Methoden
Ziel ist es, einen zeitgemäßen, wissenschaftlich fundierten und zugleich praxisorientierten Ansatz zur Ableitung von Grundwasserstandsinformationen auf Bundesebene im Maßstab 1:250.000 zu entwickeln und zu evaluieren. Dafür soll ausgehend von einer umfassenden Literaturrecherche, über die systematische Erfassung und Integration von Daten, hin zur Entwicklung und Evaluierung von Deep Learning-Ansätzen die methodischen Grundlagen erarbeitet werden, die die Integration in ein an der BGR bestehendes Fachinformationssystem (Grundwasserstandsvorhersage an Einzelmessstellen) ermöglichen.
Abschnitt III: Rechtliche, wirtschaftliche, finanzielle und technische Angaben
Der den Vergabeunterlagen beigefügte Vordruck „Eigenerklärung zu den Ausschlussgründen“ ist zu unterschreiben und dem Angebot beizufügen.
Der den Vergabeunterlagen beigefügte Vordruck „Eigenerklärung VO-2022-833“ ist zu unterschreiben und dem Angebot beizufügen.
Der den Vergabeunterlagen beigefügte Vordruck „Eigenerklärung Unternehmensangaben“ ist zu unterschreiben und dem Angebot beizufügen.
Die zum Einsatz vorgesehene/n Fachkraft bzw. Fachkräfte müssen zusammen im Team mindestens über folgende Erfahrungen verfügen:
- vertiefte Kenntnisse in der Anwendung von Deep Learning-Methoden in Bezug auf Grundwasser, z.B. LSTM, CNN
- Kenntnisse in der Anwendung von Explainable AI-Ansätzen
- vertiefte Kenntnisse in der Analyse und Interpretation von Grundwassserhydraulik- und Grundwasserhaushalts-Daten
- Erfahrung in der Regionalisierung von punktuellen Messdaten
- Erfahrung in der Anwendung von Methoden der Datenimputation
- Erfahrung in der Verarbeitung großer meteorologischer und klimatischer Datensätze
- Programmierung im mathematisch-physikalischen Kontext (geowissenschaftlich), insbesondere Python und state-of-the-art KI-Methoden
- Vertiefte Kenntnis der regionalen Geologie und Hydrogeologie Deutschlands
- Leitung interdisziplinärer Forschungsprojekte
Der Bieter hat mit seinem Angebot nachzuweisen, dass er über die notwendige Infrastruktur (Hardware, Software) für eine erfolgreiche Datenverarbeitung (hier insbesondere leistungsfähige GPUs) und für den Umgang mit großen Datenmengen (z.B. netcdf) verfügt.
Abschnitt IV: Verfahren
Abschnitt VI: Weitere Angaben
Ort: Bonn
Land: Deutschland