“Ihr nutzt Künstliche Intelligenz in Geoinformationssystemen? Ja, davon habe ich schon gehört. Ihr könnt Objekte auf Luftbildern erkennen, richtig?“. Haben Sie diesen Satz – so oder so ähnlich – auch schon einmal gehört, oder womöglich selbst ausgesprochen? Denn Künstliche Intelligenz (KI) im GIS wird häufig nach wie vor mit eben jener Objekterkennung aus GeoAI gleichgesetzt, womit die KI-Nutzung in GIS begann. Jedoch unterstützt uns KI mittlerweile in einem viel breiteren Spektrum von Workflows und Apps. Betrachten wir doch einmal die aktuell implementierten Möglichkeiten und wagen auch einen Blick in die Zukunft!
KI in ArcGIS
ArcGIS integriert Künstliche Intelligenz (KI) in immer mehr Workflows und bietet Schnittstellen, um geografische Analysen zu verbessern, Prozesse zu automatisieren und AnwenderInnen bei der Entscheidungsfindung zu unterstützen. Neben der etablierten GeoAI macht eine weitere Kategorie der KI-Nutzung von sich Reden: die AI Assistants.
GeoAI: Geospatial AI für raumbezogene Analysen
GeoAI bezeichnet den Einsatz von Künstlicher Intelligenz, insbesondere Machine Learning (ML) und Deep Learning, um zumeist große Mengen geographischer Daten zu analysieren und Muster in räumlichen Daten zu erkennen.
Automatisierte Datenverarbeitung und -analyse
Ein wesentlicher Vorteil der KI in GIS ist die Automatisierung von Aufgaben, die früher manuell und zeitaufwändig durchgeführt wurden. KI kann heutzutage große Mengen an Geodaten schneller als je zuvor verarbeiten. Beispielsweise ermöglicht ArcGIS die Verwendung von Deep-Learning-Modellen zur automatischen Erkennung und Klassifizierung von Objekten in Satelliten- oder Drohnenbildern – diese Anwendungsfälle waren die Geburtsstunde der Kombination von AI und GIS, wie in den einleitenden Sätzen beschrieben wurde.
Ein Beispiel für GeoAI verdeutlicht den Nutzen dieser Technologie: Ein Flughafen kann durch automatisierte Risserkennung in Start- und Landebahnen wertvolle Ressourcen sparen und die Sicherheit der Fluggäste erhöhen. Zunächst werden unzählige Bilder per Drohnenflug aufgenommen, die anschließend in ArcGIS Pro, unserem Expertentool, vollautomatisiert mittels eines DL-Modells aus dem Living Atlas auf Beschädigungen wie Risse im Asphalt analysiert werden. Der Ergebnislayer mit unterschiedlichen Schadenskategorien bietet die Basis für Handlungsempfehlungen des Flughafenbetreibers.
Ganz ähnlich wurde die Technologie beim Bayerischen Staatsministerium für Wohnen, Bau und Verkehr eingesetzt. Hier wurden auf Basis von KI Geo- und Bauwerksdaten analysiert, um den Zustand der Fahrbahnen vorherzusagen. Dadurch können gezielte Maßnahmen zur Instandhaltung ergriffen und Budgets effizienter eingeplant werden, was einen wichtigen Beitrag zum Erhalt unserer Infrastruktur leistet.
Aber Moment mal – im ersten Beispiel haben wir historische Daten betrachtet, während im zweiten eine Prognose erstellt wird. Genau, den KI nutzt man auch zur …
Verbesserung der Vorhersagefähigkeiten
Ein weiterer großer Vorteil von KI in GIS ist die Fähigkeit, präzise Vorhersagen auf der Grundlage räumlicher Daten zu erstellen. Mit Machine-Learning-Algorithmen lassen sich historische Daten analysieren, um zukünftige Entwicklungen besser vorherzusagen. In der Praxis ist dies u.a. besonders nützlich für die Umweltplanung, Katastrophenmanagement, oder auch Predictive Sales bzw. Predictive Maintenance.
Neben den zwei genannten gibt es noch zahlreiche weitere Einsatzmöglichkeiten: KI wird im GIS auch eingesetzt bei der …
- …Optimierung von Entscheidungsprozessen, indem sie z.B. große Mengen an Daten analysiert und wertvolle Erkenntnisse liefert, die zuvor möglicherweise unentdeckt geblieben wären,
- … der Musterkennung, indem sie z.B. in großen Datenmengen räumliche Muster und Zusammenhänge in Geodaten zu identifiziert und visuell darzustellt,
- … Echtzeit-Datentanalyse, indem z.B. Echtzeitdaten aus verschiedenen Quellen – etwa Sensoren, GPS-Trackern oder Drohnen – erfasst und sofort analysiert werden, um z.B. die Verkehrssituation oder ein Lagebild im Krisenfall topaktuell im Blick zu haben,
- …Tätigkeit in Mapping & Visualisierung, indem z.B. für eine Landnutzungsanalyse. ArcGIS über Deep-Learning verschiedene Landnutzungsarten wie Landwirtschaft, städtische Gebiete oder Wälder in Satellitenbildern identifiziert werden.
Geht es um sehr rechenintensive Anwendungsfälle, kann die Geo-Welt auch ganz nah an die Hardware heranrücken; beispielhaft sei hier der Connector for City Engine in Omniverse von NVIDIA, einem der führenden Hardware-Hersteller im Bereich KI, genannt.
AI Assistants
Ein noch recht junger Einsatzgebiet von KI in unserer Technologie ist die der Assistenten. Im Gegensatz zu GeoAI liegt hier der Fokus auf der Unterstützung der AnwenderInnen bei der Nutzung des ArcGIS Systems und deren Apps. Hier kommen vor allem Large Language Models (LLM) zum Einsatz, um die Interaktionen zu erleichtern. Hier arbeitet Esri gerade an zahlreichen prototypischen KI-Assistenten, einige von Ihnen sind schon im Beta-Stadium angekommen.
Eingebettete Assistenten
Diese Art von Assistenten steigern die Produktivität bei alltäglichen Aufgaben. Sie bieten Vorschläge an, automatisieren Workflows oder bieten über LLM schlicht eine komfortable Schnittstelle. Beispielsweise bietet Survey123 einen Assistenten, der auf Anfrage direkt einen Umfrageentwurf liefert, z.B. können Sie die Anweisung „Erstelle einen Survey zur Kartierung von Bäumen und ihrem Gesundheitszustand“ eintippen und der Assistent erstellt Ihnen einen entsprechenden Entwurf, ohne dass sie wie bislang über das Menü die Items zusammenklicken müssen.
Andere KI-Assistenten werden in der Zukunft beim Verfassen von SQL-, Python- oder Arcade-Ausdrücken oder beim Smart Mapping in ArcGIS Pro helfen, in Business Analyst bei der Marktplanung oder Standortwahl unterstützen oder einfach als Chatbot für die ArcGIS – Hilfe fungieren.
Allgemeine KI-Assistenten
Neben den eingebetteten Assistenten wird auch an Assistenten gearbeitet, die sehr generisch bei der täglichen Arbeit helfen können. Sie haben vermutlich auch schon einmal den Microsoft Pilot oder ChatGPT genutzt? Stellen Sie sich beispielsweise einen Assistenten vor, der ähnlich wie diese zu nutzen ist; jedoch wäre dieser Assistent in den ArcGIS Hub ihrer Stadt integriert, und Sie könnten ihn zu allen dort verfügbaren Daten und Funktionen befragen und Aufgaben formulieren:
- „Erstelle mir eine interaktive Karte mit TimeSlider des Stadtteils xyz und stelle die Pegelhöhe in einem Säulendiagramm dar“
- Welche Baustellen sind in den kommenden vier Wochen zwischen Punkt A und B geplant? Zeige sie mir in einer Karte und unterscheide zwischen Sperrungen, Umleitungen und Spurverkleinerung.“
Oder wir gehen noch eine Stufe höher und schauen nicht auf einen Hub, sondern zusätzlich auf den Living Atlas und stellen vorher noch die Frage in die Eingabeaufforderung „welche Datensätze liegen weltweit zu Überschwemmungsflächen nach Starkregenereignissen vor?“, um anschließend mit diesen Daten chat-like kontextbezogen weiterzuarbeiten?
Fazit
In diesem Artikel konnte ich nur einen kleinen Einblick in die Entwicklungen geben, die gerade rund um die Integration und Kopplung von KI mit der GIS-Welt mit großer Geschwindigkeit voranschreitet. Es ist faszinierend, was mittlerweile möglich ist; ArcGIS setzt durch die Kombination von GIS und KI neue Maßstäbe in der räumlichen Analyse.
Sicher ist: Die Arbeit wird auch im Geo-Umfeld durch die Nutzung von KI komfortabler und effizienter, aber letztlich ist der Mensch und sein (Sach-) Verstand als letztlich entscheidende Instanz unersetzlich.
POTENTIALE ENTDECKEN