Vor gut zwei Jahren standen die Geografen des niedersächsischen Landesamtes für Geoinformation und Landesvermessung vor einer Mammutaufgabe: Neu verfügbare Luftbilder des gesamten Bundeslandes sollten mit bestehenden Katasterkarten zentimetergenau abgeglichen werden. Das Land ist rund 47.600 Quadratkilometer groß, für jeden einzelnen liegen mehrere Aufnahmen vor. „Für einen vollständigen detaillierten Abgleich der Daten würden hunderte Mitarbeiter Jahrzehnte Arbeitszeit benötigen“, sagt Marcel Ziems, der im Landesamt eine Arbeitsgruppe leitet, die einen für deutsche Behörden ganz neuen Weg eingeschlagen hat: Maschinenlern-Algorithmen werten den Bilderschatz aus und sollen dabei sowohl schneller als auch genauer als menschliche Geografen arbeiten. Das Vorhaben gelingt – künftig soll die Technik für alle Bundesländer angeboten werden.
Der Pilotversuch zeigt, wie Maschinenlernen sinnvoll eingesetzt werden kann, um zwar intellektuell herausfordernde, aber hoch repetitive Aufgaben zu lösen. Moderne Kartografie ist bereits jetzt ohne den Einsatz von Algorithmen undenkbar, dank künstlicher Intelligenz werden Karten sehr genau, hochaktuell und dreidimensional.
Die Geografen des Landesamtes taten sich mit Experten von IBM zusammen, um die Objekterkennung auf Luftbildern mittels IBMs Watson-Maschinenlern-Algorithmen zu entwickeln. Zunächst wurden die Bilder dafür auf Cloud-Server geladen, dann korrigierten die Spezialisten gemeinsam die Bilder, um beispielsweise unterschiedliche Aufnahmewinkel auszugleichen. Schließlich lernte Watson, Hausgrundrisse aus den Fotos zu ermitteln.
„Dazu muss die künstliche Intelligenz etwa Dachüberhänge und Vordächer oder Neben- und Hauptgebäude berücksichtigen“, sagt Ziems. Immer wieder mussten einzelne Parameter nachgebessert werden, bis am Ende ein Prozess stand, in dem unterschiedliche Algorithmen die Bilddaten korrigieren, nach Objekten suchen und Grundrisse auswerten und schließlich die Ergebnisse mit den bestehenden Karten abgleichen.
Dabei entdeckte der Algorithmus geometrische Fehler in den Bestandskarten: Gebäude standen in der Realität nicht dort, wo sie in der Karte eingezeichnet waren, sondern um mehrere Meter versetzt. „Wir korrigieren historische Fehler, die bei der Digitalisierung der alten analogen Karten entstanden sind“, sagt Ziems. „Die digitalen Karten wurden teils aus alten Insel- und Flurkarten hochgezeichnet, teils hoch genau mit GPS und anderen modernen Messmethoden erstellt. Sie sind bislang von höchst unterschiedlicher Qualität.“
„Auch für selbstfahrende Fahrzeuge gedacht“
Zudem entdeckt der Algorithmus immer wieder auch Gebäude, die gar nicht im Kataster stehen, weil sie noch nicht erfasst oder einfach ohne Genehmigung gebaut wurden. „Falls der Algorithmus Abweichungen feststellt, guckt wieder ein Mensch auf die Daten und prüft nach. Die künstliche Intelligenz hilft nur, sie arbeitet nicht vollkommen selbstständig“, sagt Ziems.
Die aktualisierten Katasterkarten sollen rechtzeitig für die Ermittlung der neuen Grundsteuer 2025 zur Verfügung stehen – ohne künstliche Intelligenz (KI) wäre dies nicht möglich gewesen. Die Niedersachsen wollen die Software als Service auch für andere Landesämter und Behörden bereitstellen. Für IBM ist das Projekt auch deswegen trotz des erheblichen Entwicklungsaufwands ein großer Gewinn.
Insbesondere für die zeitkritische Pflege von Karten der nächsten Generation sei der Einsatz von künstlicher Intelligenz zwingend erforderlich, sagt Reinhard Köhn, Chefforscher beim deutschen Digitalkartenanbieter Here. „Unsere Kartendatensätze sind auch für selbstfahrende Fahrzeuge gedacht – sie müssen zum einen hochauflösend, zum anderen hochaktuell sein.“
Zunächst werden Karten mittels Maschinenlern-Algorithmen erstellt. Dafür werten die Here-Systeme per KI-Bilderkennung und 3D-Datenanalyse Messwerte von eigens beauftragten, mit Laser- und Kamerasensoren versehenen Fahrzeugen aus. Doch diese Kartendaten veralten sehr schnell:
Wenn etwa eine neue Straße für den Verkehr freigegeben oder ein verändertes Tempolimit festgelegt wird, müssen moderne Fahrzeuge mit Here-Kartensatz in ihren Navigations- und Fahrerassistenzsystemen das möglichst innerhalb von Stunden wissen – ein Karten-Update per Kontrollfahrt würde zu lange dauern.
Deshalb setzt Here auf Algorithmen, die Sensordaten von Fahrzeugen auf der Straße auswerten. Here gehört unter anderem den deutschen Autobauern Audi, BMW und Mercedes. Das Unternehmen bekommt anonymisierte Kamerabilder oder GPS-Daten der Fahrzeuge dieser und anderer Hersteller aus dem laufenden Betrieb. „Unsere Algorithmen prüfen Signale aus verschiedenen Quellen und errechnen dann Wahrscheinlichkeiten“, sagt Köhn. „Wenn zum Beispiel mehrere Fahrzeugkameras ein neues Tempo-60-Schild erkennen und gleichzeitig die GPS-Daten zeigen, dass Autos dort langsamer fahren, gilt dort mit großer Wahrscheinlichkeit ein neues Tempolimit, dass der Algorithmus in die Karte einträgt.“
Auch neu angelegte Straßen oder Umleitungen werden so erkannt. Ab diesem Sommer müssen alle neu entwickelten Fahrzeuge in der EU eine automatische Tempolimiterkennung an Bord haben, damit werden die hochaktuellen Karten für alle Fahrzeuge de facto verpflichtend.
„Alles auf Aktien“ ist der tägliche Börsen-Shot aus der WELT-Wirtschaftsredaktion. Jeden Morgen ab 7 Uhr mit unseren Finanzjournalisten. Für Börsenkenner und -einsteiger. Abonnieren Sie den Podcast bei Spotify, Apple Podcast, Amazon Music und Deezer. Oder direkt per RSS-Feed.
