Hannes Kath, Thiago S. Gouvêa und Daniel Sonntag wurden auf den 14. BUIS-Tagen 2025 – dem VLBA-Symposium in Oldenburg vom 5. bis 6. Juni 2025 – mit dem Best Student Paper Award für ihren Beitrag „A Look Under the Hood of the Xprize Rainforest Competition System“ ausgezeichnet.
Die Konferenz, die im ecos work spaces stattfand und sich auf den Einsatz betrieblicher Umweltinformationssysteme in smarten und nachhaltigen Infrastrukturen konzentrierte, versammelte über 60 Teilnehmende und 32 angenommene Beiträge. Unterstützt vom Zentrum für digitale Innovationen Niedersachsen (ZDIN) sowie dem Oldenburgisch-Ostfriesischen Wasserverband (OOWV) wurden im Rahmen der Veranstaltung herausragende Arbeiten in drei Best-Award-Kategorien prämiert.
Die ausgezeichnete Arbeit beleuchtet das Xprize-Rainforest-Wettbewerbssystem und stellt innovative Werkzeuge wie YAPAT zur Annotation umfangreicher bioakustischer Datensätze vor. Mithilfe von Verfahren wie Active Learning, Transfer Learning und Audio Separation tragen die Forschenden zu einer effizienten Identifikation von Arten und zum Monitoring der Biodiversität bei.
Hannes Kath, Thiago S. Gouvêa und Daniel Sonntag wurden auf den 14. BUIS-Tagen 2025 – dem VLBA-Symposium in Oldenburg vom 5. bis 6. Juni 2025 – mit dem Best Student Paper Award für ihren Beitrag „A Look Under the Hood of the Xprize Rainforest Competition System“ ausgezeichnet.
Die Konferenz, die im ecos work spaces stattfand und sich auf den Einsatz betrieblicher Umweltinformationssysteme in smarten und nachhaltigen Infrastrukturen konzentrierte, versammelte über 60 Teilnehmende und 32 angenommene Beiträge. Unterstützt vom Zentrum für digitale Innovationen Niedersachsen (ZDIN) sowie dem Oldenburgisch-Ostfriesischen Wasserverband (OOWV) wurden im Rahmen der Veranstaltung herausragende Arbeiten in drei Best-Award-Kategorien prämiert.
Die ausgezeichnete Arbeit beleuchtet das Xprize-Rainforest-Wettbewerbssystem und stellt innovative Werkzeuge wie YAPAT zur Annotation umfangreicher bioakustischer Datensätze vor. Mithilfe von Verfahren wie Active Learning, Transfer Learning und Audio Separation tragen die Forschenden zu einer effizienten Identifikation von Arten und zum Monitoring der Biodiversität bei.
