Podcast »Von grau zu grün: Wie Deutschland seinen Wasserstoffbedarf decken kann«
Bibliographic record
Abstract
»Wir gehen davon aus, dass Deutschland langfristig etwa ein Viertel des Wasserstoffbedarfs aus heimischen, erneuerbaren Energien decken wird. Die übrigen drei Viertel werden aus dem europäischen und nicht-europäischen Ausland importiert werden.« Wasserstoff gilt als Wunderwaffe im Kampf gegen die Klimaerwärmung. Denn Wasserstoff ist nicht nur leicht zu speichern und zu transportieren - er setzt auch seine Energie frei ohne Klimagase zu hinterlassen. Er verbrennt schlicht zu Wasser. Doch der Weg zur Wasserstoffwirtschaft ist nicht ohne Stolpersteine. Wo steht Deutschland also eigentlich in Sachen Wasserstoff und wie muss es weiter gehen? Wir haben bei ist Professor Mario Ragwitz nachgefragt. Er leitet die Fraunhofer-Einrichtung für Energieinfrastrukturen und Geothermie IEG in Cottbus und Bochum und ist Sprecher des Fraunhofer-Wasserstoff-Netzwerks.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.002 | 0.001 |
| Meta-epidemiology (narrow) | 0.005 | 0.006 |
| Meta-epidemiology (broad) | 0.005 | 0.002 |
| Bibliometrics | 0.003 | 0.005 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.002 | 0.002 |
| Open science | 0.006 | 0.003 |
| Research integrity | 0.004 | 0.008 |
| Insufficient payload (model declined to judge) | 0.079 | 0.017 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; both teacher heads agree on what is shown here.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".