…und EFTAS gestaltet diese Entwicklung mit.
Ob Landbedeckung, Infrastruktur oder Umweltmonitoring: KI-Methoden eröffnen neue Möglichkeiten, Geodaten effizient auszuwerten und großflächig aktuelle Informationen bereitzustellen. Wie diese Entwicklungen heute bereits in der Praxis eingesetzt werden, zeigt die zweite Auflage des Fachbuchs „Künstliche Intelligenz in Geodäsie und Geoinformatik“ in der VDV-Schriftenreihe.
Mit rund 70 Autorinnen und Autoren aus Wissenschaft, Verwaltung und Wirtschaft bietet das Buch einen umfassenden Überblick über aktuelle Entwicklungen der Geospatial AI und zeigt anhand zahlreicher Praxisbeispiele, wie Künstliche Intelligenz die Geodäsie und Geoinformatik nachhaltig verändert.
Wir freuen uns, dass gleich mehrere Kolleg:innen aus unserem Team daran mitgewirkt haben: Dr. Sönke Müller, Alexandra Bicsan, Philip Rinkwitz und Dr. Nils Wolf sind AutorInnen des Kapitels „Cop4ALL-DE – Ableitung der Landbedeckung Deutschlands unter Verwendung von Deep-Learning-Modellen“. Darin beschreiben sie den Weg zu einer bundesweit einheitlichen Landbedeckung auf Basis moderner KI-Verfahren: Das Projekt Cop4ALL-DE kombiniert hochauflösende Orthofotos, Sentinel-2-Daten des europäischen Copernicus-Programms sowie weitere Geobasisdaten und nutzt speziell entwickelte Deep-Learning-Modelle, um die Landbedeckung Deutschlands automatisiert und flächendeckend abzuleiten.
Einen weiteren wichtigen Baustein KI-gestützter Fernerkundung beleuchtet Dr. Andreas Müterthies in seinem Kapitel „Erhebung und Nutzung von Referenzdaten zum Training und zur Validierung KI-gestützter Monitoringaufgaben für die Land- und Forstwirtschaft“. Denn leistungsfähige KI-Modelle brauchen verlässliche Referenzdaten: Sie bilden die Grundlage für das Training, die Validierung und die Qualitätssicherung automatisierter Auswertungen. Das Kapitel zeigt, wie solche Daten durch Felderhebungen, UAV-basierte Verfahren oder Citizen-Science-Ansätze gewonnen und für Anwendungen wie Anbauflächenklassifikation, Waldschadensdetektion und Holzvolumenerfassung genutzt werden können. Gerade bei großflächigen und dynamischen Monitoringaufgaben entscheidet die Qualität dieser „Ground Truth“ darüber, wie belastbar, nachvollziehbar und übertragbar KI-basierte Ergebnisse sind.
Herzlichen Glückwunsch an unsere Kolleg:innen zur Veröffentlichung ihres Beitrags und vielen Dank an alle Beteiligten für die hervorragende Zusammenarbeit!
