, Hörsaal 1 (Audimax 1)
Um automatisiert Hinweise zur Aktualisierung der ALKIS-Daten zu erhalten, werden bei der Landesvermessung Niedersachsen (LGLN) die Ergebnisse einer „KI-Gebäudeerkennung“ mit den amtlichen Hausumringen verglichen. Dazu wurde eine Reihe von Metriken entwickelt.
Mit denselben Metriken haben wir auch andere frei verfügbare Datensätze (z.B.: OSM) ausgewertet, bestehende Differenzen analysiert und daraus Aussagen über Vollständigkeit, Aktualität und Genauigkeit der jeweiligen Hausumringe abgeleitet.
Im Landesamt für Geoinformation und Landesvermessung Niedersachsen (LGLN) wird eine „KI-Gebäudeerkennung“ entwickelt, um auf Grundlage von digitalen Orthophotos (DOP) den Gebäudebestand im Amtlichen Liegenschaftskataster-Informationssystem (ALKIS) zu aktualisieren.
Dabei müssen systematisch die Differenzen zwischen den von der KI erkannten Gebäuden und den Hausumringen aus ALKIS berechnet werden. Diese Differenzen liefern Hinweise auf Unstimmigkeiten in den ALKIS-Daten. Verwendet man manuell erzeugte Referenz-Daten, erlauben die Differenzen dagegen eine Beurteilung der Qualität der KI-Modelle.
Um die Differenzen zwischen den beiden Datensätzen quantifizieren zu können, nutzen wir eine Reihe von Metriken: Darunter Standards wie Intersection over Union (IoU), Mean Average Precision und F1-Score, sowie Ähnlichkeiten der geometrischen Eigenschaften der Hausumringe. Für die Berechnung dieser Metriken haben wir auf Grundlage von GeoPandas und weiterer Open Source Software ein Python-Package entwickelt, welches wir bereits produktiv einsetzen. Dieses Tool erlaubt uns auch einen Vergleich mit anderen frei verfügbaren Datensätzen (wie z.B. den Gebäuden aus OSM oder Microsofts Building Footprints). Es ist damit möglich, gezielt für ein Gebiet die Übereinstimmung der Hausumringe zwischen den jeweiligen Datensätzen zu messen.
Im Vortrag vergleichen wir die Qualitiät bzw. die Übereinstimmung der Hausumringe der jeweiligen Datensätze anhand von Daten aus Niedersachsen.
Studium in der Mathematik mit Schwerpunkt auf numerische Lineare Algebra.
Beim Wiener Startup Dishtracker als Research Engineer und Head of Computer Vision gearbeitet und Deep Learning Modelle zur Bilderkennung entwickelt.
Beim Laserhersteller Coherent in CUDA ultra schnelle Bilderkennungsalgorithmen implementiert um Anomalien in Echtzeit zu erkennen.
Seit 2023 bei LGLN im KI Team als Softwareentwickler.
Softwareentwickler im KI-Team des Landesamtes für Geoinformation und Landesvermessung Niedersachsen (LGLN)
mike.engel@lgln.niedersachsen.de