Katastrophen: Algorithmus optimiert Wiederaufbau

Um Stadtverwaltungen und Hilfskräften nach Katastrophen wie Überschwemmungen, Erdbeben oder Wirbelstürmen beim Aufbau einen besseren Überblick zu geben, wie die einzelnen Reparaturentscheidungen zusammenhängen, haben Forscher der Lehigh University in Pennsylvania mit AMIGO einen neuen Algorithmus entwickelt. [...]

„In der Wiederaufbauphase nach einer Katastrophe könnte es eine große, sehr wichtige Brücke zu reparieren geben und es würde ein Jahr lang dauern, um sie wieder zu voller Funktionalität zu bringen“, meint Paolo Bocchini. „Während dieses Zeitraums könnte man aber auch vier kleinere Brücken wieder aufbauen, was einen größeren Effekt darauf haben könnte, die Stadt wieder auf die Beine zu bringen. Aber wie findet man heraus, welche Entscheidung optimal ist?“, fasst er die Grundproblematik zusammen.
Der Algorithmus AMIGO ist das erste System, das verschiedenste Faktoren in Betracht ziehen kann. Bisherige Berechnungsmodelle konnten zwar vorhersagen, was bei einer oder fünf Brücken funktioniert, aber nicht, welche Maßnahmen bei 100 Brücken notwendig sind, betont der Forscher. Um die Wirksamkeit ihrer Methode zu prüfen, simulierten Bocchini und sein Kollege Aman Karamlou ein Erdbeben in San Diego und griffen jene 80 Brücken heraus, die am stärksten betroffen sein würden.
Die Anzahl an Möglichkeiten für kurz- und längerfristigen Wiederaufbau waren sehr groß, aber AMIGO fand eine Reihe von Entscheidungen, die so gut wie perfekt waren – und es brauchte dafür nur etwa 25 Durchgänge. Den Forschern gelang es dadurch, nicht nur die Lösung zu optimieren, sondern auch die Konvergenzgeschwindigkeit zu erhöhen und dadurch schneller die verschiedenen Reparaturvarianten durchzuspielen.
„In der Zeit nach einer Katastrophe muss die Regierungsspitze schwierige Entscheidungen treffen. Die Auswirkungen von jeder Entscheidung wird auf so viele andere Bereiche einwirken, dass es wichtig ist, nicht nur ein System im Auge zu behalten – wie etwa das Verkehrswesen – sondern darauf zu achten, wie alle Systeme zusammenarbeiten“, so Bocchini abschließend über die Pläne, den Algorithmus auch über das Verkehrswesen hinausgehend anzuwenden.

Mehr Artikel

News

Große Sprachmodelle und Data Security: Sicherheitsfragen rund um LLMs

Bei der Entwicklung von Strategien zur Verbesserung der Datensicherheit in KI-Workloads ist es entscheidend, die Perspektive zu ändern und KI als eine Person zu betrachten, die anfällig für Social-Engineering-Angriffe ist. Diese Analogie kann Unternehmen helfen, die Schwachstellen und Bedrohungen, denen KI-Systeme ausgesetzt sind, besser zu verstehen und robustere Sicherheitsmaßnahmen zu entwickeln. […]

Be the first to comment

Leave a Reply

Your email address will not be published.


*