Veranstaltungsprogramm

Digitale Zwillinge verfolgen das strategische Ziel verschiedene Organisationen und Fachrichtungen in die Lage zu versetzen, gemeinsame Lösungen zu entwerfen und virtuell zu testen. Das Modell eines digitalen Zwillings setzt sich grundsätzlich aus drei Hauptteilen zusammen:

1. die physischen Produkte im „realen Raum“,
2. die virtuellen oder digitalen Produkte im „virtuellen Raum“ und
3. die Daten- und Informationsverbindungen, die beide miteinander verbinden.[1]

Davon ausgehend, dass bis zu 80% aller Entscheidungen einen örtlichen Bezug haben, ist eine Georeferenzierung auch für Analysen und Simulationen von besonderer Bedeutung.

Seit 2024 entwickelt das Landesamt für Geobasisinformation (GeoSN) unter dem Dach des Digitalen Zwillings Deutschland mit dem Digitalen Zwilling Sachsen ein georeferenziertes 3D-Modell von Objekten der realen Welt. Der Digitale Zwilling Sachsen bildet die verbindliche und zuverlässige Grundlage für alle georeferenzierten Digitalen Zwillinge in Sachsen. Er umfasst die intelligente Vernetzung von Geobasisinformationen, berücksichtigt auch die Methoden zur Analyse dieser Daten und übernimmt damit eine Broker-Funktionalität.

Der Digitale Zwilling Sachsen basiert auf grundlegenden amtlichen Daten, die die Landschaft (Topographie), Liegenschaften (Grundstücke und Gebäude) und deren Bezugssystem beschreiben. Diese amtlichen Daten sind hochwertige und interoperable Geobasisdaten die immer mehr auch in 3D-Formaten bereitstehen und vielfältige Anwendungen zur Planung und Analyse in Verwaltung und Wirtschaft unterstützen. Im Rahmen der gesetzlichen Aufgabe Luftbildservice Sachsen stellt das GeoSN amtliche Luftbild- und 3D-Datenprodukte für den Digitalen Zwilling Sachsen bereit. Dazu gehören Orthophotos, Punktwolken, digitale Oberflächen- und Geländemodelle (DOM, DGM), das 3D-Mesh sowie das 3D-Stadtmodell in der Ausprägung LoD2. Der Beitrag zeigt die Erzeugung der Produkte und deren Bereitstellung über moderne Services. Anhand von Beispielen werden Möglichkeiten der Nutzung in den Bereichen Stadtplanung, Klima und Lärm aufgezeigt.

[1] Michael Grieves: Digital Twin – Manufacturing Excellence through Virtual Factory Replication (Whitepaper). LLC, 2014

Wenn man die Hintergründe und die Motivation für die Weiterentwicklung der Kartierungssoftware erklären will, muss man sowohl auf die Entwicklung der Dokumentationsverfahren als auch auf Digitalisierung der Datenauswertung für Zustandsanalyse, Schadenskartierung, Ausführungspläne und Abrechnungsdokumentation verweisen. In den letzten zwei Jahrzehnten erlebten wir einen Entwicklungsprozess von Mess- und Kameratechnik sowie der dazugehörigen Softwarelösungen für die geometrischen Erfassungsmethoden, der eine stetige Weiterentwicklung von Datenschnittstellen, Datenhandling und Auswertewerkzeugen erfordert. Um die Jahrtausendwende waren 2D Kartierungen auf der Grundlage von digitalen Bildplänen, CAD-Auswertungen oder digitalisierte analoge Vorlagen Stand der Technik. In den letzten 10 Jahren haben sich 3D-Verfahren wie Laserscanning und Structure from Motion (SfM) etabliert, mit dem Ziel der vollständigen dreidimensionalen Erfassung der Objektoberfläche, verbunden mit der Entwicklung von 3D-Kartierungsfunktionalität. Aktuell werden Methoden zur Integration von dreidimensionalen zerstörungsfreien Messverfahren (THz., Bauradar) zur Erweiterung der Analysemöglichkeiten entwickelt. Am Anfang der Entwicklung der Kartierungssoftware als digitale Auswertemethode stand die maßstabsgerechte vektorbasierte Kartierung mit dem Ziel der Mengenermittlung im Vordergrund. Später erfolgte die Individualisierung der Kartierungseinträge mit Datenfeldern für das Aufmaß, frei definierbaren Sachdaten und der Erfassung der Kartierungshistorie. Darauf basierend wurde im nächsten Schritt die Analysefunktionalität für die kombinierte Auswertung von geometrischer Abbildung mit den verknüpften Dateninformationen entwickelt. Mit der Objekthierarchie wurde die projektübergreifende Analyse und Mengenermittlung für große Restaurierungsvorhaben eingeführt . Die GAEB-Schnittstelle1 dient der besseren Integration der digitalen Kartierungsergebnisse in den Prozess von Ausschreibung, Vergabe und Abrechnung (AVA) von Bau- und Restaurierungsleistungen im Sanierungsprozess. Die Integration einer IFC-Schnittstelle führt in der Zukunft zu einer Erweiterung des Anwendungsgebietes der Kartierungssoftware und baut die Brücke zu Heritage BIM. Unter diesen zwei Gesichtspunkten, dem dynamisch fortschreitenden Prozess der Digitalisierung und der Veränderung der Anforderungen der Anwender an den Auswertungsprozess gibt der Beitrag einen Überblick über die Entwicklung der Kartierungssoftware, von ihrem Anfang 1999 bis zum jetzigen Zeitpunkt 2025. Anhand aktueller Forschungs- und Entwicklungsprojekte (FuE) im Bereich der Photogrammetrie und der Scandatenauswertung wird ein Ausblick auf die Integration von zukünftig möglichen digitalen Dokumentationsmethoden und Auswerteverfahren gegeben.

LiDAR Sensoren stellen eine Möglichkeit dar die Umgebung schnell und präzise zu erfassen und in Form einer Punktwolke abzubilden. Die auf diese Art und Weise entstanden Echtzeit-Karten bilden die Grundlage für viele Anwendungszwecke insbesondere aber in Umsetzung autonomer Fahrzeuge, seien es klassische Autos oder Roboter für Spezialanwendungen. Hierfür kommen unterschiedliche Simultaneous Localization and Mapping (SLAM) Verfahren, in den letzten Jahren vermehrt LiDAR Inertial Odometrie (LIO), welche Laserscans mit IMU Messdaten mit höherer Frequenz kombiniert, wie beispielsweise im FAST-LIO2 Algorithmus, zum Einsatz. Diese Verfahren, wie auch FAST-LIO2, nutzen keine vorher definierte Grundkarte, sondern bauen eine globale Karte erst während der Laufzeit des Algorithmus auf. Dies hat zwar den Vorteil, dass die Umgebung vorher unbekannt sein kann, es führt aber auch dazu, dass insbesondere wenn die Länge der zurückgelegten Wege größer werden die Genauigkeit abnimmt.

In diesem Beitrag wird ein System vorgestellt, welches es ermöglicht eine vorher kreierte globale Punktwolke von der befahrenen Umgebung zu integrieren und so einen globalen Abgleich zu schaffen und eine darauf basierte Korrektur vorzunehmen. Dafür wird der jeweils neueste Laserscans mittels einem Iterative Closest Point (ICP) Algorithmus in der globalen Karte verortet und so das Ergebnis von FAST-LIO2 fortlaufend angepasst. Erste Testläufe in einem Innenbereich mit einem mobilen Roboter, ausgestattet mit einem Livox Mid-360, zeigen eine deutliche Verbesserung in der Positionsbestimmung, im Vergleich zu der ausschließlichen Nutzung von FAST-LIO2, insbesondere an Positionen, die weiter entfernt von der Startpostion der Fahrstrecke liegen.

In dieser Session erfahren Sie, wie das Reality Mapping in Kombination mit künstlicher Intelligenz neue Perspektiven für die Analyse und Interpretation räumlicher Daten eröffnet.
Mithilfe von Drohnen-, Luft- oder Satellitenbildern lassen sich Umgebungen präzise erfassen und daraus aktuelle 2D- und 3D-Datenprodukte generieren.

Durch den Einsatz KI-gestützter Verfahren wie Deep Learning und Objekterkennung können daraus relevante Informationen automatisiert extrahiert werden – etwa zur Klassifikation von Landnutzung, zur Identifikation von Gebäudestrukturen oder zur Überwachung von Veränderungen in der Landschaft. Dies unterstützt fundierte Entscheidungsfindungen in Bereichen wie der Raumplanung, dem Umweltmonitoring oder dem Katastrophenmanagement.

Teilnehmende erhalten einen praxisnahen Einblick in die verwendeten Softwarelösungen, Tools und Workflows und lernen, wie sie eigene Reality-Mapping-Projekte gezielt planen, erfolgreich umsetzen und die daraus gewonnenen Ergebnisse umfassend analysieren können.