KI für Gebäude, Ver- & Entsorgung

In den letzten Jahren hat die Erfassung georeferenzierter Informationen erheblich zugenommen. Regelmäßig werden Daten aus verschiedenen Quellen wie Satelliten, Flugzeugen, Drohnen und Straßenbefahrungen gesammelt. Diese Daten enthalten wertvolle Informationen, die durch den Einsatz von Künstlicher Intelligenz (KI), insbesondere maschinellem Lernen, analysiert und genutzt werden können. Dies ermöglicht die Automatisierung komplexer Prozesse, wie die Aktualisierung von Katasterdaten und die Erstellung von Zustandskarten. Zudem kann KI bei der Identifizierung von Nutzungs- und Vegetationsarten sowie Versiegelungsarten kommunaler Liegenschaften helfen, was für Umwelt- und Klimaanalysen von großer Bedeutung ist.

Kompetenzspektrum: Die Initiative verfügt über umfassende Expertise in den Bereichen maschinelles Lernen, Computer Vision und Geoinformatik. Es unterstützt Projekte, die darauf abzielen, Informationen aus Fernerkundungs- und Geodaten zu gewinnen, die Qualität dieser Daten zu bewerten, Ergebnisse zu aggregieren und die entsprechenden Methoden zu optimieren.

Werkzeuge und Anwendungen: Die Hochschule bietet eine Vielzahl von Werkzeugen zur Analyse von Fernerkundungsdaten an:

• Konvertierung von Bild- und Laserdaten in Orthobilder
• Vortrainierte Modelle zur Erkennung von Versiegelungsflächen aus Luftaufnahmen
• Modelle zur Erkennung von Fahrbahnzuständen und Markierungen aus digitalen Stadtmodellen

Forschungsthemen

1. Automatisierte Informationsgewinnung aus Fernerkundungsdaten:

1. • Entwicklung und Training von KI-Modellen zur Aktualisierung und Überprüfung von Katasterdaten (z.B. Verkehrszeichen, Straßenlaternen, Bäume)
   • Erstellung von Daten für das Erhaltungsmanagement städtischer Infrastruktur (z.B. Fahrbahnzustände)
   • Sammlung klimarelevanter Informationen
   • Verbesserung und Erweiterung bestehender Anwendungen zur Extraktion und Aggregation von Fahrbahnmarkierungen, Fahrbahnzuständen und Versiegelungsflächen
   • Einsatz von Vision-Transformer-Modellen zur Identifikation von Objekten auf Bildern anhand natürlicher Spracheingaben

2. Kostengünstiges Mobile Mapping und Echtzeit-Rendering von 3D-Stadtmodellen:

1. • Entwicklung eines preiswerten, bildbasierten Mobile-Mapping-Systems unter Nutzung von „NeRF-Technologie“ und „Gaussian Splatting“
   • Effizientes Rendering von 3D-Stadtmodellen Optimierung für den Einsatz auf städtischen Fahrzeugen