In diesem Vortrag bieten wir einen Überblick über moderne KI-Architekturen und deren Anwendung auf Luftbilder zur Oberflächenanalyse städtischer Gebiete. Eine Oberflächenanalyse städtischer Gebiete kann bei verschiedenen Aspekten der Stadtplanung unterstützen, wie z.B. Klima-Analysen, Entsiegelungsmaßnahmen, Reduzierung von Hitzeinseln, Entwicklung einer Schwammstadt, oder Abwasserwirtschaft. Für eine solche Oberflächenanalyse bieten sich Luftbilder, sogenannte True Orthophotos an, die seit einiger Zeit im mindestens 2-jährigen Zyklus regelmäßig erhoben werden und inzwischen bundesweit als Open Data zur Verfügung stehen. Diese Luftbilder können mit verschiedenen Machine Learning-Methoden analysiert werden. In den letzten Jahren wurden bei der KI-gestützten Auswertung von Bildern erhebliche Fortschritte gemacht, auch im Bereich der für die Oberflächenanalyse relevanten semantischen Segmentierung. Während anfangs noch Convolutional Neural Networks (CNNs) eingesetzt wurden, sind heutzutage sogenannte Vision Transformer-Architekturen weit verbreitet. Im Gegensatz zu CNNs können Vision Transformer einen wesentlich größeren räumlichen Kontext bei der Bildanalyse berücksichtigen. Moderne Architekturen können außerdem auch CNNs und Transformer miteinander kombinieren. Wir stellen verschiedene Software-Pakete vor, mit denen moderne KI-Modelle für geographische Daten erstellt und benutzt werden können. In der Anwendung zeigt sich, dass Transformer-basierte Modelle nicht nur mit problematischen Bereichen wie Schattenwurf von Häusern besser zurecht kommen, sondern auch besser auf andere Befliegungszeiten und andere Gebiete übertragbar sind.