20.03, 15:25– (Europe/Berlin), Hörsaal 4 (A.013)
Der Vortrag präsentiert einen methodischen Ansatz zur automatisierten Erstellung von XPlanGML im Raster-Umring-Szenario mithilfe von Machine Learning. Es werden die einzelnen Schritte des Workflows sowie die Einsatzmöglichkeiten von Machine Learning im Detail erläutert.
Der Standard XPlanung sieht eine Umsetzung aller in Deutschland erstellten Planwerke in das Datenaustauschformat XPlanGML vor. Die Frist zur Umsetzung bestehender Planwerke endete im Februar 2023, trotzdem liegen viele Planwerke noch immer nicht als XPlanGML vor. Die einfachste Bereitstellung von XPlanGML ist das sog. Raster-Umring-Szenario, bei dem das Planwerk als Rasterdatei vorliegt und der Geltungsbereich durch einen Vektorumring dargestellt werden muss. In diesem Vortrag wird ein methodischer Ansatz mit Machine Learning zur automatisierten Erstellung von XPlanGML im Raster-Umring-Szenario vorgestellt. Im Vordergrund steht dabei die Erstellung einer georeferenzierten und zugeschnittenen Rasterdatei, welche aus einem einfachen Scan mittels Machine Learning erstellt wird. Die einzelnen Schritte zur Erstellung einer XPlanGML im Raster-Umring-Szenario werden demnach im Detail vorgestellt und gezeigt, wo die Nutzung von Machine Learning möglich ist. Die Arbeiten zu diesem Thema sind noch nicht abgeschlossen und werden aktuell im Rahmen einer Masterarbeit durchgeführt. Die Fragestellung soll dabei mit verschiedenen Open-Source Software-Anwendungen gelöst werden und befasst sich ausschließlich mit Bebauungsplänen.