M.Sc. Maximilian Kleebauer

Wissenschaftlicher Mitarbeiter

Telefon
+49 561 7294-1585
E-Mail

Werdegang  (M.Sc. Maximilian Kleebauer)

  • 2012 - 2015: Studium der Physik (B. Sc.) an der Philipps-Universität Marburg
  • 2013 - 2019: Studentische Hilfskraft im Dezernat Studium und Lehre an der Philipps-Universität Marburg
  • 2015 - 2017: Studium der Geographie (B. Sc.) an der Philipps-Universität Marburg
  • 2017: Bachelorarbeit mit dem Thema: "Räumliche Modellierung von Hangrutschungen in der Fränkischen Alb und Identifikation sowie Übertragbarkeit ihrer Einflussfaktoren"
  • 2017 - 2020: Studium der Physischen Geographie mit Schwerpunkt Umweltinformationssysteme (M. Sc.) an der Philipps-Universität Marburg
  • 2019 - 2021: Wissenschaftliche Hilfskraft im Bereich Energiemeteorologie und Geoinformationssysteme im Fraunhofer-Institut für Energiewirtschaft und Energiesystemtechnik, Kassel
  • 2020: Masterarbeit mit dem Thema: "Entwicklung eines Verfahrens zur Detektion von Photovoltaik-Anlagen in hochauflösenden Luftbildern"
  • Seit 2021: Wissenschaftlicher Mitarbeiter im Bereich Energiemeteorologie und Geoinformationssysteme im Fraunhofer-Insititut für Energiewirtschaft und Energiesystemtechnik, Kassel
  • Seit 2022: Wissenschaftlicher Mitarbeiter am Fachgebiet Energiemanagement und Betrieb elektrischer Netze der Universität Kassel

Forschungsschwerpunkte  (M.Sc. Maximilian Kleebauer)

  • Geoinformationssysteme
  • Fernerkundung
  • Maschinelle Lernverfahren
  • Energiesystemanalyse

Publikationen  (M.Sc. Maximilian Kleebauer)

2024

  • Kleebauer, M., Zink, C., Krapf, S., Müller, U., Pogacar, S., Kucharczak, L., Petschelt, R., Wetzel, H., & Pape, C. (2024). Barometer der Energiewende für Nordhessen. Fraunhofer IEE. https://doi.org/10.24406/h-477852

  • Kleebauer, M., Braun, A., Horst, D., & Pape, C. (2024). Enhancing wind turbine location accuracy: A deep learning-based object regression approach for validating wind turbine geo-coordinates. IGARSS 2024 - 2024 IEEE International Geoscience and Remote Sensing Symposium, 7863-7867. https://doi.org/10.1109/IGARSS53475.2024.10641018

  • Kleebauer, M., Niemi, A., Putkonen, N., Kiviluoma, J., Boodhraj, K., van Reenen, T., Lindenmeyer, M., Dobschinski, J., & Braun, M. (2024). OASES: Open-Source and Data Strategy Report. Zenodo. https://doi.org/10.5281/zenodo.13365309

  • Franken, L., Horst, D., & Kleebauer, M. (2024). Einfluss von Gebäudemerkmalen und soziodemografischen Faktoren auf die Eignung von Dachflächen für Photovoltaikanlagen mittels SVM-One-Class-Klassifizierung. In J. Wittmann & M. Müller (Eds.), Simulation in Umwelt- und Geowissenschaften (pp. 37–51). Shaker Verlag. https://doi.org/10.2370/9783844096767

  • Kleebauer, M., Marz, C., & Horst, D. (2024). Sentinel-2 Super-resolution with Real-ESRGAN using satellite and aerial image pairs and color correction techniques. In KonKIS - Conference of the German AI Service Centers. https://doi.org/10.13140/RG.2.2.22240.70405

2023

  • Kleebauer, M., Marz, C., Reudenbach, C., & Braun, M. (2023). Multi-resolution segmentation of solar photovoltaic systems using deep learning. Remote Sensing, 15(24), 5687. https://doi.org/10.3390/rs15245687

  • Kleebauer, M., Horst, D., & Reudenbach, C. (2021). Semi-automatic generation of training samples for detecting renewable energy plants in high-resolution aerial images. Remote Sensing, 13(23), 4793. https://doi.org/10.3390/rs13234793

Zurück zur Liste