New article!🌍💨💡 Turbine location-aware multi-decadal wind power predictions for Germany using CMIP6 👉 doi.org/10.1017/eds.... ✍️ Nina Effenberger & @nnludwig.bsky.social This uses a global #climate model and shows #wind as a reliable #energy source with turbine location essential for projections.
Nicole Ludwig
@nnludwig.bsky.social
Energy, Climate & Machine Learning (She/ Her) Professor @Uni Augsburg
Am Wochenende fand die Finissage des Projekts IN-ML-OUT im Stadtmuseum Tübingen statt Zum letzten Mal konnten die Besucher:innen das Objekt bestaunen, an Knöpfen drehen und beobachten, wie Windwechsel sich direkt auf Globale Temperaturen auswirken @ml4science.bsky.social
Wer es letzten Freitag nicht ins swt-Kulturwerk geschafft hat, kann alles zur IN-ML-OUT Ausstellung jetzt auf unserer Website nachlesen ⬇️ rhet.ai/2023/10/31/i... Übrigens: die Ausstellung gibts ab dem 16.11.2023 auch im Stadtmuseum Tübingen zu sehen!
IN ML OUT: Windenergie und Künstliche Intelligenz - RHET AI
rhet.ai
Wir sind beim Ausbau der Windkraft deutlich zu langsam und darüber sollten wir eigentlich viel mehr reden. Screenshot via klimadashboard.at/energie/erne...