KI-Gebäudeerkennung – Deep-Learning-Modelle zur Aktualisierung der ALKIS-Gebäude (fossgis2024)

Beim Einsatz “Künstlicher Intelligenz” zur Erkennung von Gebäuden in Luftbildern setzt die Landesvermessung Niedersachsen (LGLN) auf Open Source Software und selbst trainierte Deep-Learning-Modelle. Ein eigenes DecSecOps-Team entwickelt und betreibt seit über 4 Jahren eine SaaS-Anwendung zur Unterstützung der Katasterämter. Diese “KI-Gebäudeerkennung” hilft beim Aktualisieren der ALKIS-Daten. Kann sie auch beim Aktualisieren der OSM-Gebäude helfen? Das Landesamt für Geoinformation und Landesvermessung Niedersachsen (LGLN) hat in den letzten Jahren über 10 eigene, agile DevSecOps-Teams aufgebaut. Eines der Teams entwickelt und betreibt “lernende GeoServices”. Diese SaaS-Anwendungen nutzen Fernerkundungsdaten und Machine-Learning-Modelle, um automatisiert Geoinformationen zu gewinnen. Die erste produktive Anwendung ist eine “KI-Gebäudeerkennung”. Diese ersetzt das visuelle Durchmustern der Digitalen Orthophotos (DOP) durch Bearbeitende in den Katasterämtern durch automatisiert erzeugte Hinweise auf neue Gebäude, bauliche Veränderungen oder Abrisse. Auch Niedersachsen muss die Hausumringe der ALKIS-Daten spätestens am 9.6.2024 mit einer Open-Data-Lizenz kostenlos zum Download und per API bereitstellen. Dadurch entstehen neue Nutzungsmöglichkeiten und die Anforderungen an die Aktualität der Daten werden weiter steigen. Durch den Einsatz KI-unterstützter Fachanwendungen möchten wir die hohen Ansprüche an unsere amtlichen Geodaten in Zukunft noch besser erfüllen. Dabei gilt, wie bei allen Eigenentwicklungen des LGLN, Open Source First. Neben den Ergebnissen der KI-Gebäudeerkennung werden daher in Zukunft auch Trainingsdaten, KI-Modelle und sämtlicher Source Code mit freier Lizenz veröffentlicht. Grundsätzlich möchten wir beim Einsatz von “Künstlicher Intelligenz” transparent sein und beleuchten im Vortrag auch die Herausforderungen und Erfolge bei der Entwicklung und dem Betrieb einer KI-Anwendung in der öffentlichen Verwaltung. about this event: https://pretalx.com/fossgis2024/talk/JAS9RR/