Geodätisches Kolloquium zum Thema Maschine und Mensch: Einsatz der KI in der Geoinformation

Künstliche Intelligenz in der Geoinformation, das Zusammenwirken von Maschine und Mensch: Dieses Schwerpunktthema hat in der Fachwelt großes Interesse hervorgerufen: Beim diesjährigen Geodätischen Kolloquium an der Hochschule für angewandte Wissenschaften Würzburg-Schweinfurt überstieg die Teilnehmerzahl bei weitem die Erwartungen – obwohl oder gerade weil die Veranstaltung quasi „in letzter Minute“ aufgrund der aktuellen Corona-Lage in die digitale Welt verlagert werden musste.

Prof. Dr. Melanie Brandmeier, Hochschullehrerin im Studienbereich Geo der FHWS, erläuterte einführend einige Basics bezüglich KI, Deep Learning und insbesondere Convolutional Neural Networks (CNNs). In ihrem Fachvortrag „KI im Umwelt- und Forstbereich“ beleuchtete sie zunächst die automatische Detektion von Sturmschäden in Deutschland. Anschließend ging die virtuelle Reise in den tropischen Regenwald: Der Einsatz von KI an Sentinel-1 Zeitreihen und Sentinel-2 Multispektraldaten (Satellitendaten aus dem Copernicus Programm der ESA) zur Klassifizierung der Landnutzung und der kontinuierlichen Bestandsaufnahme der Entwaldung in Amazonien sind ein Beispiel für den Beitrag dieser Verfahren im Umweltbereich.

Es wurde die Performance von State-of-the-Art Architekturen mit neuen, an die Besonderheiten der Satellitendaten angepassten Netzwerken verglichen. Die vorläufigen Ergebnisse des Forschungsprojekts liegen für zwölf Landnutzungsklassen bei einer Gesamtgenauigkeit von knapp achtzig Prozent. Die trainierten Netzwerke können dank einer entwickelten Integration in ArcGIS Pro einfach auf neue Daten angewendet werden. Gerade für den Bereich der Landbedeckungsklassifikation zeichnet sich hier ein enormes Potential ab: Kontinuierliche Erdbeobachtung benötigt automatisierte Abläufe, die in der Fernerkundung aufgrund von z.B. spektralen Unterschieden verschiedener Aufnahmen, atmosphärischen Einflüssen und unterschiedlichen Sensorcharakteristiken (wie beim hier gewählten multi-modalen Ansatz) noch schwierig umzusetzen sind. Ansätze aus dem Bereich Deep Learning sind besonders gut geeignet, da diese Algorithmen an sehr großen Datenmengen lernen und ein hohes Potenzial zur Generalisierung (Übertragbarkeit auf neue Daten) aufzeigen.

Den zweiten Fachvortrag hielt Dr. Robert Roschlaub (Landesamt für Digitalisierung, Breitband und Vermessung) zum Thema „Mit KI und innovativen Daten zur Gebäudeerkennung“. Als Datenquellen stehen lagerichtige Digitale Orthophotos (TrueDOPs) zur Verfügung, die aus den bDOMs (Digitale Oberflächenmodelle aus automatischer Bildkorrelation) abgeleitet werden. Zusätzlich werden tDOMs (zeitliche Veränderungen zwischen zwei bDOM-Epochen) und nDOMs (DOM – DGM: Differenzen zwischen Digitalem Oberflächenmodelle aus der Befliegung und Digitalem Geländemodell aus Bestandsdaten) generiert. Durch Einsatz von CNNs kann so ein Expertensystem zur Baufallerkundung realisiert werden.

Roschlaub stellte zwei Projekte in Bayern vor (Ansbach und Bad Tölz). In Bereich Ansbach standen ca. 68 Tsd. Trainings-Patches zur Verfügung, mit denen im gleichen Untersuchungsgebiet bei ca. 18 Tausend Validierungs-Patches eine Trefferquote von 90 Prozent realisiert werden konnte. Sind Trainings- und Validierungsgebiet nicht identisch, geht die Trefferquote zurück (hier 74 Prozent bei Anwendung der Ansbach Trainingsdaten im Gebiet Bad Tölz), während ein zweites, für ein Viertel Bayerns trainiertes KI-System mit über 600 Tausend Trainings-Patches und 150 Tausend Untersuchungs-Patches eine fast gleichbleibende Erkennungsrate von 90 Prozent in Ansbach und 87 Prozent in Bad Tölz erreichte.

Die Frage nach der Robustheit von KI-Techniken wurde in beiden Fachvorträgen diskutiert. Es zeigte sich deutlich, dass die Trainingsdaten einen entscheidenden Einfluss auf Güte und Qualität der Ergebnisse haben. Quintessenz: Künstliche Intelligenz in der Geoinformation ist heute bereits Realität und kann dazu dienen, qualitativ bessere und schnellere Ergebnisse zu ermöglichen – sei es im Bereich Umwelt- und Naturschutz oder bei der Aktualisierung des Liegenschaftskatasters.

Künstliche Intelligenz, Maschinelles Lernen, Big Data und Geodatenanalysen – diese Schlagworte und die dazu gehörenden Inhalte finden sich auch im Curriculum des zum Wintersemester 2021/22 an der FHWS erfolgreich gestarteten Masterstudiengangs „Geodatentechnologie“ wieder. Prof. Dr. Daniela Wenzel informierte die Teilnehmer des Kolloquiums über weitere Eckdaten: Das Studium umfasst drei Fachsemester, kann sowohl im Winter-, als auch im Sommersemester begonnen werden und ist als Forschungsmaster konzipiert. In Anbetracht der wachsenden Bedeutung von Geodaten bietet dieser Studiengang ausgezeichnete berufliche Möglichkeiten und interessante Arbeitsplätze.

Ein fester Bestandteil des Geodätischen Kolloquiums ist die Auszeichnung herausragender Studienleistungen. Aufgrund der digitalen Veranstaltungsform war eine Prämierung während des Kolloquiums nicht möglich – dies wird aber selbstverständlich nachgeholt. Die Bayerische Vermessungsverwaltung würdigt die Abschlussarbeiten von Elena Pfister („Würzburgs Balthasar Neumann Webanwendung“) und Robert Schmidt („Historische Domstraße Würzburg“). Lukas Decker wird vom Verband Deutscher Vermessungsingenieure (VDV) für seine Bachelorarbeit „Potenzial des Einsatzes von UAV (unbemannten Luftfahrtzeuge) bei Untersuchung zu Trockenheitsschäden an Buchen“ ausgezeichnet und das Bayerische Staatsministerium für Ernährung, Landwirtschaft und Forsten prämiert die Arbeit von Fabian Rösch und Simon Bichler: „Entwicklung eines dezentralen Hochwasserschutzkonzeptes in einem Projektgebiet der Ländlichen Entwicklung auf Grundlage des Handbuchs ‚Hochwasserminderung im ländlichen Raum‘“. Der Harbert Buchpreis des Deutschen Vereins für Vermessungswesen (DVW) geht traditionsgemäß an die/den Jahrgangsbeste(n): In diesem Jahr wird Frau Christina Brief ausgezeichnet.

Das Geodätische Kolloquium ist eine Gemeinschaftsveranstaltung des Studienbereichs Geo (FHWS) und der Fachverbände DVW Bayern, VDV und IGVB.