Unsichtbare Marktpotenziale mit Kaufkraftdaten erschließen Jetzt zum Webinar anmelden
Eigene Daten zeigen oft nur einen Teil des Bildes. Erfahren Sie, wie Kaufkraft-, Markt- und Regionaldaten zusätzliche Perspektiven auf Kunden, Regionen und Standorte eröffnen. Anhand konkreter Praxisbeispiele lernen Sie, wie sich bislang verborgene Marktpotenziale erkennen und gezielter nutzen lassen.
Jetzt zum Webinar anmelden
Expert-Talk: GEO-PR: "Es geht um Relevanz in KI-Systemen" Video-Podcast ansehen
Wer in ChatGPT, Gemini oder Perplexity sichtbar sein will, darf sich nicht auf die eigene Website verlassen. Denn KI-Systeme prüfen, was andere über eine Marke sagen - auf Fachportalen, Bewertungsplattformen, Vergleichsseiten, Reddit oder YouTube. Hier setzt GEO-PR an. Video-Podcast ansehen

November 2026 · Unser Geburtstagsgeschenk

35 Jahre iBusiness.
Im November alles frei lesen.

Zum Jubiläum öffnen wir alle iBusiness-Inhalte: vom 1. bis 30. November, für alle, ohne Anmeldung und ohne Bezahlschranke.

Alle Inhalte im November kostenlos
Heute frei lesen. Morgen nichts verpassen.

Registrieren Sie sich kostenlos und abonnieren Sie anschließend den iBusiness-Newsletter. So bleiben Sie bei den Themen auf dem Laufenden, die für Sie zählen.

Das Newsletter-Abo erhalten Sie im Rahmen der kostenlosen Registrierung.

Abruf exklusiv für Premium-Mitglieder

Forscher simuliert Schnee grafisch am Computer

10.08.2009 Die Außentemperaturen sind sommerlich, aber Niels von Ferstenberg jubelt über Schnee: Der Dresdner Forscher hat einen Algorithmus entwickelt, mit dem sich virtuelle Landschaften mit deutlich weniger Rechenaufwand und realitischer als bisher beschneien lassen.

 (Bild: TU Dresden)
Bild: TU Dresden
Eine möglichst perfekte Abbildung der Wirklichkeit in virtuellen Computerwelten ist ein Ziel, dem Programmierer in den letzten Jahren immer näher gekommen sind. Sogar höchst komplexe Phänomene wie Rauch, Wasser oder ganze Pflanzen wurden dabei bereits in befriedigender Qualität simuliert. Erstaunlicherweise existiert jedoch in virtuellen Welten wie Second Life   oder wesentlich elaborierteren Computerspielen noch kein einziger brauchbarer Algorithmus, um eine vorgegebene Landschaft virtuell zu beschneien. "Schnee ist eben eines der komplexesten Materialien, die auf der Welt existieren", sagt Niels von Festenberg . Ein Quadratzentimeter Schnee werde von Tausenden von Schneeflocken verschiedener Form und Größe gebildet, und je nach Temperatur und Luftdruck verhalte sich Schnee völlig unterschiedlich im Fallen und im Zusammenhalt der Flocken. Der Mitarbeiter am Institut für Software- und Multimediatechnik der TU Dresden   hat nun im Rahmen seiner Doktorarbeit ein neues Schnee-Modell für virtuelle Landschaften entwickelt.

"Frühere Arbeiten auf diesem Feld modellierten Schnee entweder sehr rechenaufwendig, in dem sie jede einzelne Flocke simulierten, oder vereinfachten das Problem zu weit, indem sie Schnee wie eine durchgehende dicke Decke über die Landschaft legten", erklärt von Festenberg. Für sein Dissertationsprojekt geht der Software-Entwickler einen Mittelweg. Für sein Simulationsmodell analysierte er im ersten Schritt, wie sich Schnee in der realen Welt um komplexe Strukturen herum anlagert. Dabei untersuchte er auch ungewöhnliche Spezialfälle - wie etwa Schnee an einem glatten Straßenschild "festpappt". In einem zweiten Schritt übertrug er die Erkenntnisse auf ein Schneemodell, das topografische Höhendaten verarbeitet und eine ganzheitlich beschneite Szenerie errechnet, die realen Verhältnissen an Detailtreue kaum nachsteht.

Schnee, der auf Zedern fällt
Das sehr komplexe Problem des Beschneiens einer Landschaft könne man dem des realistischen Beleuchtens als verwandt ansehen, erklärt der Dresdner Physiker und Informatiker: "Es gibt eine Art weicher Schatten, wie durch Überlagerungen von reflektiertem und gebrochenem Licht. Schnee, der beispielsweise auf einen Nadelbaum fällt, wird von kleinen Zweigen und Nadeln mehrmals in seinem Fall umgeleitet, bevor er endgültig liegen bleibt." Das Resultat seiner Berechnungen ist ein
komplexes Wahrscheinlichkeitsmodell von Schneemassen-Verteilungen (snow mass probability distribution), das später weiter beeinflusst werden kann, wenn etwa jemand in der simulierten Schneedecke Fussspuren hinterlässt.
Neuer Kommentar  Kommentare:
Schreiben Sie Ihre Meinung, Erfahrungen, Anregungen mit oder zu diesem Thema. Ihr Beitrag erscheint an dieser Stelle.
Verwandte Beiträge zu dieser Analyse
Dienstleister-Verzeichnis Agenturen/Dienstleister zu diesem Thema:

SZENARIS GmbH

High Performing Learning Solutions SZENARIS ist Experte für modernes Lernen in digitalen Lernwelten. Seit über 20 Jahren realisieren wir High-End-Produkte zu anspruchsvollen Lerninhalten mit E-Learning, Extended Reality (XR) und Simulation. Dabei berücksichtigen wir die Bedürfnisse und Systeme unserer Kunden von der Beratung über die Konzeptionierung bis hin zur Implementierung im Unternehm ...

Unternehmensprofil ansehen