27.03.2026 –, HS4 (ZHG 008)
KIBI nutzt offene Geodaten und frei verfügbare KI-Modelle, um geschützte Pflanzengesellschaften automatisiert aus Fernerkundungsdaten zu kartieren. Ziel ist es, aktuelle, landesweite Grünlandinformationen zu gewinnen, die Infrastrukturplanung und das Umweltmonitoring zu erleichtern. Das Projekt entwickelt basierend auf offenen Modellen und stellt Ergebnisse für Rheinland-Pfalz als Open Data bereit.
Das Projekt KIBI (gefördert durch den mFUND des BMDV) erforscht die Nutzung von Open Data und offenen KI-Modellen zur automatisierten Kartierung geschützter Pflanzengesellschaften. Grundlage bilden offene Satelliten- und Luftbilddaten, ergänzt um multispektrale Befliegungen. Ziel ist ein KI-Modell, das eine Kartierung auf Basis von Luftbildern zuverlässig durchführt. Bei der Modelentwicklung werden Herausforderungen wie Datenqualität, Label-Ungenauigkeit und Klassen-Ungleichgewicht adressiert. Die Ergebnisse – Modelle, Datensätze und Karten für Rheinland-Pfalz – werden zukünftig als Open Data veröffentlicht, um Forschung, Verwaltung und Planungspraxis zu unterstützen.
In der Präsentation werden das Projekt KIBI und erste Zwischenergebnisse vorgestellt. Gezeigt wird ein Vergleich der Modellleistung unter Verwendung multispektraler Sentinel-2-Daten oder hochaufgelösten RGB-Orthophotos (DOP). Der Vergleich soll aufzeigen, wie sich die höhere räumliche Auflösung der DOPs gegenüber den zeitlichen Informationen und der größeren spektralen Bandbreite der Sentinel-2-Daten auf die Erkennung geschützter Pflanzengesellschaften auswirkt. Zudem möchten wir Einblicke in das Modellierungs-Setup (Data-Splits, Cross-Validation, Binary- vs. Multiclass-Ansatz) geben, sowie erste Resultate mit räumlicher Visualisierung und Validierung anhand des Habitatstatus vorstellen.
My objective is to contribute to an ecologically sound, economically successful and socially balanced world, in which my kids should grow up in. I believe that simplified access to high-quality geoinformation is one of the most important building blocks, as around 80% of all data worldwide has a spatial reference.
Therefore, with my great team at CISS TDI GmbH we procure and enhance geodata with our own tools and make them available via platforms.
My main area of interest has always been #data. Currently I’m focussing on geospatial information and how they can help building a sustainable and digitized society.
Seit 2019 bin ich Forschungsleiter der CISS TDI GmbH. In den vergangenen sechs Jahren habe ich zahlreiche Forschungsprojekte in den Bereichen Geodatenverarbeitung, -aufbereitung und -dissemination akquiriert und geleitet. Dabei arbeiteten wir vielfach mit offener Software und erweiterten diese bei Bedarf – etwa Lösungen wie QGIS, OpenAPI, PostgreSQL oder GeoServer. Gemeinsam mit der CISS entwickle ich innovative Produkte und Lösungen für die Zukunft und bin stets offen für neue Kooperationen.
PhD Student in Machine Learning for Remote Sensing at Research Centre Jülich/University of Bonn