Veranstaltungsprogramm

Der GeoAI-Workshop im Rahmen des Neubrandenburger Geosymposiums 2026 bietet einen fundierten Einblick in die Anwendung von Künstlicher Intelligenz in der Geoinformatik mit ArcGIS als zentraler Plattform. Im Mittelpunkt stehen innovative Ansätze zur Verarbeitung und Analyse georeferenzierter Daten aus verschiedenen Quellen: tabellarische Daten zur Wohnraumplanung, Textdaten aus Dokumenten mithilfe von Large Language Models sowie Bilddaten zur Landbedeckungsklassifikation. Ergänzt wird das Programm durch praxisnahe Workflows im Bereich Deep Learning für die Humangeografie und eine Einführung in die Nutzung von AI-Assistenten und Agenten innerhalb von ArcGIS. Ziel ist es, die Teilnehmenden mit modernen GeoAI-Technologien vertraut zu machen und deren Potenzial für Forschung und Praxis aufzuzeigen.

Das Referat "Weiterentwicklung Geoinformation und Fernerkundung" am Bundesamt für Kartographie und Geodäsie (BKG) bearbeitet und koordiniert zahlreiche Fernerkundungsprojekte, insbesondere im Bereich der Landbedeckung. Dabei ist das Ziel, innovative Verfahren der Auswertung von Fernerkundungsdaten in operationelle Geodatenprodukte zu überführen. Derzeit ist eines der Fokusthemen die Entwicklung von Verfahren zur automatisierten Auswertung von Erdbeobachtungsdaten mit Hilfe von Deep Learning Methoden. Dies geschieht unter anderem in den Projekten Ecosystem Accounting (dt. Ökosystemrechnungen) und EO4ConStat (Earth Observation and AI for Construction Statistics), welche genauer vorgestellt werden sollen.

-

-

Mit EO4Nature entsteht bis 2027 eine nationale, webbasierte Plattform für das Monitoring innerhalb des Aktionsprogramms Natürlicher Klimaschutz (ANK). Im Zentrum steht ein Portal, das ANK-relevante Indikatoren zu Mooren, Flüssen und Auen, Wäldern, Böden sowie Siedlungs- und Verkehrsflächen einheitlich, reproduzierbar und bundesweit bereitstellt.
Technisch kombiniert EO4Nature skalierbare Prozessierungsketten in CODE-DE mit einer modularen Toolbox, die auf Sentinel-Daten, weitere Fernerkundungsdaten und nationale Referenzdaten zurückgreifen. Auf dieser Basis werden Referenzzustände, Trends und Effekte von ANK-Maßnahmen quantifiziert und für Verwaltung, Fachbehörden, Kommunen und NGOs nutzbar gemacht.
Ein geschützter Bereich ermöglicht registrierten Nutzenden das Einbinden eigener Geodaten, individuelle Analysen und automatisierte Berichte. Ein öffentlicher Bereich stellt aufbereitete Indikatorprodukte, Statistiken und ein WebGIS zur interaktiven Visualisierung bereit und unterstützt damit Transparenz und Beteiligung. Die Entwicklung erfolgt im Co-Design mit zukünftigen Anwendenden. Umfangreiche Schulungsangebote senken Einstiegshürden für die Nutzung von Erdbeobachtungsdaten in Monitoring und Planung.
Der Beitrag zeigt anhand erster Dienste und dem bisherigen Design der Plattform, wie EO4Nature nationale Copernicus-Angebote ergänzt, welche Anforderungen aus der Praxis in die Systemarchitektur eingeflossen sind und welche Potenziale sich für ein langfristig tragfähiges, prozessorientiertes Umweltmonitoring in Deutschland ergeben.

Die Zentralanden gehören zu den tektonisch und geomorphologisch aktivsten Regionen der Erde. Die orografische Barriere zwischen dem östlichen Vorland und dem Zentralanden-Plateau bewirkt einen starken Ost-West-Klimagradienten, wobei die höchsten Niederschlagsmengen an den steilen, nach Osten ausgerichteten Hängen auftreten. Häufige Regenfälle während des südamerikanischen Sommermonsuns in Verbindung mit durch Verwerfungen geschwächten Gesteinsformationen treiben Massenbewegungsprozesse wie Erdrutsche und periglaziale Kriechprozesse in großen Höhen an. Die Überwachung dieser Instabilitäten über große Gebiete und lange Zeiträume hinweg ist jedoch mit herkömmlichen CPU-basierten Methoden rechnerisch sehr aufwendig.

Wir haben einen leistungsstarken, GPU-basierten Workflow unter Verwendung der optischen Subpixel-Bildkorrelation (Pixeltracking) implementiert, um 20-jährige Zeitreihen aus dem Landsat-7/8/9-Datenarchiv im Bereich von 22° bis 27° südlicher Breite zu verarbeiten.Der Workflow besteht aus zwei Hauptschritten: (1) Identifizierung von Untersuchungsgebieten durch Oversampling der Szenen vor der Korrelation mit einer groben, aber ausreichend dichten Schrittweite und (2) Subpixel-Matching zur präzisen Ableitung von Verschiebungen innerhalb der erfassten Regionen. Um die Datenintegrität sicherzustellen, bilden wir die Korrelationspaare basierend auf der Geometrie des Sonnenstands und filtern anschließend die Pixel nach Wolkenbedeckung, Schnee, Vegetationsveränderungen und topografischen Schatten. Zusätzlich haben wir einen kinematischen Filter angewendet, um Verschiebungen auszuschließen, die nicht mit der Hangausrichtung vereinbar sind. Durch das Stacking von Bilddaten aus mehreren Jahrzehnten konnten wir die Signal-to-Noise-Ratio (SNR) verbessern und Geschwindigkeiten im Bereich von weniger als 0,5 m/Jahr bis zu mehreren Metern pro Jahr erfolgreich nachweisen.

Unsere Ergebnisse verdeutlichen das Ausmaß der Permafrostprozesse und den Einfluss des Ost-West-Klimagradienten auf die Dynamik von Massenbewegungen, indem sie den Übergang vom feuchten Vorland zu den trockenen Hochebenen erfassen. Die Stacking-Methode entfernt effektiv Ausreißersignale, die durch vorübergehende Schneebedeckungen in höheren Lagen verursacht wurden.

Diese 20-jährige Datenserie liefert eine wichtige Grundlage für das Verständnis, wie Prozesse an den Hängen der Anden auf ein sich veränderndes Klima reagieren und inwiefern sie von bereits bestehenden, durch tektonische Spannungen geschwächten lithologischen Bedingungen abhängen. Das GPU-beschleunigte Framework ermöglicht den Übergang von der lokalen Überwachung zur großräumigen kinematischen Analyse in Gebieten mit starkem Relief.

-

Der zunehmende Druck auf die Landwirtschaft, die Produktivität und Ernährungssicherheit zu erhöhen und gleichzeitig Umweltbelastungen zu reduzieren, erfordert einen effizienteren Ein-satz von Wasser und Nährstoffen. Die Präzisionslandwirtschaft (Precision Agriculture) begegnet dieser Herausforderung durch teilflächenspezifische Bewirtschaftung, bei der Betriebsmittel entsprechend der räumlichen und zeitlichen Variabilität von Boden-, Pflanzen- und Umweltbedingungen ausgebracht werden. Diese Dissertation untersucht die Entwicklung von Algorithmen und einer räumlichen Dateninfrastruktur (Spatial Data Infrastructure, SDI) für informationsgetriebene Bewässerung und Düngung, auch bekannt als Variable Rate Fertigation (VRFI).

Ein zentrales Ergebnis dieser Arbeit war die Konzeption und Umsetzung einer cloud basierten SDI auf Basis der Open-Source-Plattform GeoNode. Die SDI integriert Sensordaten, räumliche Datensätze und Entscheidungsunterstützungsergebnisse innerhalb eines standardisierten OGC/ISO-Rahmens. In-situ LoRaWAN-Bodenfeuchtesensoren, Wetterdienste sowie Boden- und Pflanzenkarten wurden angebunden, um einen automatisierten Datenaustausch zwischen einem Decision Support System (DSS) und der Feldtechnik zu ermöglichen. Algorithmen zur Berechnung von Bewässerungs- und Düngermengen sowie zur automatischen Generierung teilflächenspezifischer Applikationskarten wurden entwickelt und in einem cloud basierten, Python-gestützten DSS implementiert. Dieses arbeitet vollautomatisch, erzeugt Applikations-karten innerhalb weniger Sekunden und stellt sie direkt für ein Schlauchwagen-Bewässerungssystem (HIS) bereit.

Das integrierte ICT-System aus Sensornetzwerk, SDI und DSS wurde an Versuchsstandorten in Deutschland, Frankreich und der Türkei eingesetzt. Im abschließenden Feldversuch in der Türkei wurde das System erfolgreich unter Praxisbedingungen betrieben und seine technische Umsetzbarkeit nachgewiesen.

Die Ergebnisse zeigen, dass heterogene Datenquellen innerhalb einer standardisierten SDI automatisiert zu fertigen Applikationskarten zusammengeführt werden können, die direkt von der Feldtechnik genutzt werden. Der entwickelte Ansatz bietet einen praxisnahen Weg zur Umsetzung von VRFI im Ackerbau und verdeutlicht das Potenzial von Open-Source-Technologien und offenen Standards für eine skalierbare Präzisionslandwirtschaft.

-