Natural Language Processing zur Analyse von Textdaten zur Energiewende
Herausforderung/Aufgabe
- Analyse der öffentlichen Kommunikation (z.B. Nachrichten) bezüglich Themen der Energiewende mithilfe von KI-Anwendungen
Lösungsansatz
- Natural Language Processing – Ansatz unter Durchführung von Sentimentanalyse und Topic Modelling
- Entwicklung eines präzisen Large Language Modells zur Erfassung von Tonalität und thematischer Struktur
Anwendung/Praxis
- Untersuchung der Kommunikation bezüglich der Energiewende in internationalen, nationalen und regionalen Nachrichtensendungen
- Zeitliche, quantitative und qualitative Bewertung und Quantifikation medialer Diskurse
- Grundlage für Forschung zu kausalen Effekten der Medienkommunikation auf individuelle Einstellungen und Verhaltensmuster
Beschreibung/Technologie
Am Beispiel der öffentlichen, deutschen Nachrichtensendung „Tagesschau“ analysieren wir themenbezogen Texte, die mithilfe relevanter Schlüsselbegriffe ausgewählt werden. Diese Texte werden anschließend automatisch ausgewertet, um sowohl die behandelten Themen als auch die Tonalität und Emotionalität der Berichterstattung zu erfassen.
Aktueller Stand (TRL)
- Entwicklung des Modells E3M (Energy Economic Ensemble Model): abgeschlossen und einsatzbereit zur Analyse von Nachrichtendaten
- Vorliegen erster Ergebnisse: „Tagesschau“, Zeitraum 2014 – 2025
Zukünftige Entwicklung/Marktpotenzial
- Ausweitung der Analyse auf Nachrichten regionaler Sendungen (deutschlandweit) und US-amerikanischer Programme
- Nutzung der Ergebnisse als Grundlage für kausale Analysen medialer Kommunikation
- Verknüpfung mit experimentellen Ansätzen und empirischen Daten zur Dekarbonisierung des Energie- und Industriesektors
Kooperationsmöglichkeiten
Kooperationspotenziale bestehen mit Forschungseinrichtungen aus den Bereichen Ökonomie, Medien- und Kommunikationsforschung sowie Akteuren aus dem Bereich Datenanalyse und KI. Gemeinsame Projekte könnten sich auf die Auswertung von Medien- und Befragungsdaten, die Entwicklung von Analysewerkzeugen oder die Untersuchung von Meinungs- und Verhaltenswirkungen konzentrieren.
IP-Schutz/Verwertung
Kontakt
Ansprechpartner für Rückfragen oder weiterführende Gespräche:
Mareike Petrosjan (M.Sc.) & Dinesh Korrapati (M.Sc.)
EECON Lab im Energie-Innovationszentrum
Brandenburgischen Technischen Universität Cottbus-Senftenberg
Universitätsstraße 22, 03046 Cottbus
fg-energiewirtschaft@b-tu.de & eeconlab@b.tu.de
Weitere Steckbriefe
- ESC Lab
Herausforderung/Aufgabe
- Kosteneffiziente und nachhaltige Produktion von grünem Wasserstoff
Anwendung/Praxis
- Energiespeicherung
- Transport (Brennstoffzellen)
- Petrochemische Industrie
Lösungsansatz
- Anionenaustauschmembran (AEM)-Technologie
- Kombiniert Vorteile von alkalischer und PEM–Elektrolyse
- Innovativer Stack-Design mit 360 cm2 Einzel-zellenfläche
- Betrieb bei 30 bar für höhere Effizienz
- HPGC Lab
Herausforderung/Aufgabe
- Skalierbarkeit von Leistungselektronik >5 MW
- Effizienzsteigerung im Hochleistungsbereich
Anwendung/Praxis
- Erneuerbare Energien (Photovoltaik-Anlagen)
- Energiespeichersysteme
Lösungsansatz
- Modulare Multi-Level-Umrichter
- Isolierte DC/DC-Wandler
- Dezentrales Steuerungssystem
