Künstliche Intelligenz in Geodäsie und Geoinformatik
Potenziale und Best-Practice-Beispiele
Cite this publication as
Wilfried Grunau (Hg.), Künstliche Intelligenz in Geodäsie und Geoinformatik (2022), Wichmann Verlag, Berlin, ISBN: 9783879077182
2935
accesses
accesses
18
quotes
quotes
Descripción / Abstract
Künstliche Intelligenz (KI) verändert zunehmend unsere Arbeits- und Lebenswelt. Drei Viertel der Deutschen kennen den Begriff KI und verbinden damit Technologien wie selbstfahrende Autos, Spracherkennung oder auch autonome Roboter. Viele der KI-Anwendungen basieren zu einem Großteil auf (Geo-)Daten und das wirtschaftliche Potenzial scheint enorm zu sein. Aber welche konkreten Auswirkungen hat KI auf die Geodäsie und Geoinformatik bzw. die Berufsausübung der Geodäten und Geoinformatiker? Welche KI-Technologien setzen Geodäten und Geoinformatiker derzeit bereits ein und wo sind die größten Potenziale?
In diesem Buch erfolgt zunächst eine Einführung in KI. Anschließend wird eine aktuelle Studie dokumentiert, anhand derer die wesentlichen Innovationsbereiche für KI in der Geodäsie und Geoinformatik identifiziert werden. Es schließen sich Best-Practice-Beispiele aus dem gesamten Bereich der Geodäsie und Geoinformatik an, beispielsweise die KI-basierte Detektion von Gebäuden und deren Änderungen gegenüber dem amtlichen Liegenschaftskataster, die Anwendung von Deep Learning auf Punktwolken sowie der Einsatz von künstlichen neuronalen Netzen im Rahmen der Bauwerksüberwachung. Sei es der Einsatz in der Landesvermessung, z. B. bei der semantischen Datenintegration georeferenzierter Fachdatenbestände, die Anwendung von Geo Data Science für die Energiewende am Beispiel der Standortbewertung für Kleinwindenergieanlagen, der große Bereich der Immobilienbewertung oder auch die Entwicklung der Smart Digital Reality bei Hexagon: Dieses Werk zeigt die Anwendungsbreite von KI eindrucksvoll auf. Die Autorenschaft besteht aus einem Team von 34 Experten aus allen Bereichen der Geodäsie und Geoinformatik.
Das Buch wendet sich an Fachleute in den Bereichen Geodäsie, Vermessung, Geoinformatik, Geomarketing, Geographie und weiterer Geowissenschaften. Angesprochen sind zudem Studierende der genannten Bereiche, die sich auf ihre berufliche Zukunft in einem Tätigkeitsfeld vorbereiten möchten, das viel Entwicklungspotenzial bietet. Ebenso gehören zur Zielgruppe Verantwortliche, die KI in ihren Unternehmen einführen oder intensiver nutzen und sich dazu entsprechendes Hintergrundwissen aneignen möchten.
In diesem Buch erfolgt zunächst eine Einführung in KI. Anschließend wird eine aktuelle Studie dokumentiert, anhand derer die wesentlichen Innovationsbereiche für KI in der Geodäsie und Geoinformatik identifiziert werden. Es schließen sich Best-Practice-Beispiele aus dem gesamten Bereich der Geodäsie und Geoinformatik an, beispielsweise die KI-basierte Detektion von Gebäuden und deren Änderungen gegenüber dem amtlichen Liegenschaftskataster, die Anwendung von Deep Learning auf Punktwolken sowie der Einsatz von künstlichen neuronalen Netzen im Rahmen der Bauwerksüberwachung. Sei es der Einsatz in der Landesvermessung, z. B. bei der semantischen Datenintegration georeferenzierter Fachdatenbestände, die Anwendung von Geo Data Science für die Energiewende am Beispiel der Standortbewertung für Kleinwindenergieanlagen, der große Bereich der Immobilienbewertung oder auch die Entwicklung der Smart Digital Reality bei Hexagon: Dieses Werk zeigt die Anwendungsbreite von KI eindrucksvoll auf. Die Autorenschaft besteht aus einem Team von 34 Experten aus allen Bereichen der Geodäsie und Geoinformatik.
Das Buch wendet sich an Fachleute in den Bereichen Geodäsie, Vermessung, Geoinformatik, Geomarketing, Geographie und weiterer Geowissenschaften. Angesprochen sind zudem Studierende der genannten Bereiche, die sich auf ihre berufliche Zukunft in einem Tätigkeitsfeld vorbereiten möchten, das viel Entwicklungspotenzial bietet. Ebenso gehören zur Zielgruppe Verantwortliche, die KI in ihren Unternehmen einführen oder intensiver nutzen und sich dazu entsprechendes Hintergrundwissen aneignen möchten.
Extracto
Índice
- Künstliche Intelligenz in Geodäsie und Geoinformatik
- Ihre Meinung zählt!
- Impressum
- Vorwort
- Inhalt
- 1 Einführung in die künstliche Intelligenz und das maschinelle Lernen
- 1.1 Was ist künstliche Intelligenz
- 1.2 Maschinelles Lernen
- 1.3 Künstliche neuronale Netze
- 2 KI und die Potenziale für die Geodäsie – eine Bestandsaufnahme
- 2.1 Problemstellung und Relevanz
- 2.1.1 Methodik
- 2.2 Umfrageergebnisse
- 2.3 Zusammenfassung
- 3 Mit Deep Learning und amtlichen Daten zur landesweiten Detektion von Gebäuden und Gebäudeveränderungen
- 3.1 Einführung
- 3.2 DL-basierte Architekturmodelle und deren Vergleich
- 3.3 Implementierte Netzwerkarchitektur
- 3.4 Validierung der Untersuchungsergebnisse
- 3.5 Schluss
- 4 Vollautomatische Segmentierung von 2D- und 3DMobile-Mapping-Daten zur zuverlässigen Modellierung von Oberflächenstrukturen mittels Deep Learning
- 4.1 Einleitung
- 4.2 Materialien und Methoden
- 4.3 Ergebnisse
- 4.4 Schlussfolgerungen
- 5 KI-basierte Rekonstruktion von Höhenmodellen aus einzelnen Luft- und Satellitenbildern
- 5.1 Einführung
- 5.2 Prinzip der KI-basierten Höhenrekonstruktion aus Einzelbildern
- 5.3 Aktuelles Potenzial
- 5.4 Schlussfolgerungen
- 6 Ein Deep-Learning-Ansatz zur Klassifikation von Brandflächen in Sentinel-2-Aufnahmen
- 6.1 Einleitung
- 6.2 Daten
- 6.3 Methodik
- 6.4 Ergebnisse
- 6.5 Diskussion
- 6.6 Fazit und Ausblick
- 7 Anwendung von künstlichen neuronalen Netzen im Rahmen einer routinemäßigen Echtzeit- Bauwerksüberwachung
- 7.1 Einführung
- 7.2 Vorbereitung von KNN-Modellen
- 7.3 Anwendung von erstellten Modellen beim Monitoring
- 7.4 Gemeinsame KNN-Analyse für mehrere Sensoren
- 7.5 Kontrolle einer Durchbiegung mit einem KNN
- 7.6 Kontrolle von Fundamentneigungen mit einem KNN
- 7.7 Fazit und Ausblick
- 8 Silvi-Net – ein CNN-basierter Ansatz zur kombinierten Klassifikation von Baumarten und Totholz aus 2D- und 3D-Daten
- 8.1 Zusammenfassung
- 8.2 Einleitung
- 8.3 Materialien
- 8.4 Methodik
- 8.5 Experimente und Ergebnisse
- 8.6 Diskussion
- 8.7 Schlussfolgerungen
- 9 Die Anwendung von Deep Learning auf Punktwolken, dargestellt am Beispiel der Autobahninfrastruktur Deutschlands
- 9.1 Punktwolken – viel Potenzial, wenig Ausschöpfung
- 9.2 3D Deep Learning in der Praxis: Möglichkeiten, Weichenstellungen und Herausforderungen
- 9.3 Deep Learning für die Autobahninfrastruktur
- 9.4 Die automatische Klassifizierung der Autobahn-Punktwolken
- 9.5 Die automatische Erstellung von CAD-Linien aus Autobahn-Punktwolken
- 9.6 Zusammenfassung und Ausblick
- 10 KI@Verwaltung – Zwei KI-Anwendungsbeispiele aus dem Landesamt für Vermessung und Geoinformation Schleswig-Holstein
- 10.1 Einleitung
- 10.2 KI4Forst – Waldmonitoring mit Satellitendaten und KI
- 10.3 KI4GeoSeDa – KI-basierte Georeferenzierung von Fachdatenbeständen zur semantischen Datenintegration
- 11 KI in der Immobilienbewertung – ein wichtiger Bereich der Geodäsie
- 11.1 Zusammenfassung
- 11.2 Einleitung
- 11.3 Der aktuelle Immobilienmarkt – warum sind Immobilienwerte heute interessanter denn je
- 11.4 Tech in der deutschen Immobilienwirtschaft
- 11.5 Aktuelle Anwendungsbereiche
- 11.6 Internationale Skalierung
- 12 Auswertung von notariellen Kaufurkunden mit maschineller Sprachverarbeitung
- 12.1 Einleitung
- 12.2 Methodische Grundlagen
- 12.3 Informationsrückgewinnung aus notariellen Kaufurkunden
- 12.4 Ergebnisse
- 12.5 Diskussion
- 12.6 Ausblick und Einsatz in der Praxis
- 13 Geo Data Science für die Energiewende am Beispiel der Standortbewertung für Kleinwindenergieanlagen
- 13.1 Einleitung
- 13.2 Begriffsbildung
- 13.3 GIS-basierte Ermittlung des Windpotenzials urbaner Standorte
- 13.4 Klassifikation potenzieller urbaner Standorte für Kleinwindkraftanlagen
- 13.5 Fazit und Ausblick
- 14 Smart Digital Reality bei Hexagon mittels Einsatz künstlicher Intelligenz
- 14.1 Einführung
- 14.2 Sensoren zur Datenerfassung
- 14.3 Punktwolken-Klassifikation
- 14.4 Künstliche Intelligenz in der Fernerkundung
- 14.5 Ausblick und Potenzial
- Abürzungsverzeichnis
- Herausgeber- und Autorenverzeichnis
- Stichwortverzeichnis
- Zum Herausgeber