26.03.2026 –, Posterausstellung
Es existieren derzeit keine offenen Datensätze zu Standorten von Logistikdepots und deren Fahrzeuganzahl – Informationen, die für Netzbetreiber essenziell sind, um die Elektrifizierung des Schwerlastverkehrs und die Netzbelastung zu planen. Wir haben auf Basis von OpenStreetMap und Luftbildern eine Methode entwickelt, um solche Depots zu identifizieren und die Anzahl der zugehörigen Lkw zu schätzen.
Für die Planung der Elektrifizierung von Lkw-Flotten benötigen Netzbetreiber Informationen über die Standorte von Logistikdepots und die Anzahl der dort stationierten Fahrzeuge. Solche offenen Datensätze existieren derzeit nicht. Wir haben daher eine zweistufige Methode entwickelt:
- Identifizierung von Depots und Gewerbegebieten auf Basis von OpenStreetMap-Daten,
- Erkennung von Lkw in Luftbildern mithilfe unseres Objekterkennungsmodells FfE-DETECT.
So können wir Depots lokalisieren und die Anzahl der zugehörigen Lkw schätzen. Diese Daten sind entscheidend für die Abschätzung zukünftiger Netzlasten und die strategische Planung der Infrastruktur.
Daniel studierte Informatik an der EPITA „School of Engineering and Computer Science“ in Paris mit Schwerpunkt auf Künstlicher Intelligenz und Computer Vision.
In seiner Masterarbeit, die er im Team Machine Learning bei Zeiss verfasste, entwickelte er ein KI-Framework zur Analyse von Mikroskopiebildern.
Daniel Godin ist seit 2023 als wissenschaftlicher Mitarbeiter an der FfE München tätig und arbeitet im Bereich Künstliche Intelligenz, Digitalisierung, Software Engineering und Datenanalyse im Team „Geodata Lab & Data Analytics“.
Neben diversen Unterstützungsleistungen in Forschungsprojekten im Bereich Softwareentwicklung und digitaler Innovation wirkt Daniel Godin zudem an der Konzeption und Leitung verschiedener Dienstleistungsprojekte für Verteilnetzbetreiber mit. Ziel dieser Projekte ist die Erzeugung und Bereitstellung verschiedener Datensätze, die für die Netzplanung relevant sind.
- Nach dem Bachelorstudium „Kartographie und Geomedientechnik“ an der Hochschule München folgte ein Masterstudium „Geoinformatik“ an der Universität Augsburg
- Seit 2020 Mitarbeiter im Bereich Modellierung, Simulation, Digitalisierung und (Geo-)Datenanalyse im Team „Geodata Lab & Data Analytics“ an der Forschungsstelle für Energiewirtschaft
- Schwerpunkte liegen im Bereich Full-Stack Entwicklung, Python-Programmierung, Cloud-Infrastruktur (Azure und AWS) sowie Automatisierung und Datenanalyse
- Mitverantwortlich für die Entwicklung von FfE-DETECT – ein Tool zur KI-gestützten Objekterkennung (z.B. PV-Anlagen oder Fahrzeuge) in Fernerkundungsdaten