Geo AI

Geo AI verbindet Künstliche Intelligenz mit Geoinformationssystemen (GIS) und Fernerkundungsdaten. Damit lassen sich räumliche Daten in einem Umfang und mit einer Genauigkeit auswerten, die mit klassischen GIS-Methoden nicht erreichbar sind: Aus Satelliten-, Luft- und Drohnenbildern, LiDAR-Punktwolken und Zeitreihen werden Objekte, Klassen und Kennzahlen mit Koordinate.

Drei Kernkomponenten tragen das: Computer Vision für Objekterkennung und Segmentierung auf Luft- und Satellitenbildern, 3D-Punktwolken-Analyse für LiDAR- und Photogrammetriedaten und räumliche KI für Vorhersagen, Optimierung und Change Detection.

Windkraftanlagen-Kataster aus Satellitenbildern. In einem Proof of Concept mit Esri hat ein U-Net 280.000 Satellitenbildkacheln von je einem Quadratkilometer ausgewertet und 3.300 Windkraftanlagen mit Standort und Typ erfasst – die Grundlage für die Flächenplanung neuer Anlagen. Trainiert auf 500 Bildern. Zum Use Case →

Autobahnscans: von der Punktwolke zum CAD-Modell. Mobile LiDAR-Scans zweier deutscher Autobahnen (Erfassungsgenauigkeit ±1 cm) haben wir automatisch klassifiziert und daraus CAD-Modelle abgeleitet – Fahrbahnmarkierungen, Bordsteine, Bauwerke. Neue Scans sind in Stunden klassifiziert statt in Wochen manueller Arbeit. Das Projekt wurde mit dem Geospatial World Excellence Award 2021 in der Kategorie Excellence in Transport Infrastructure ausgezeichnet. Die Punktwolken-Technologie aus diesem Projekt wird heute von Pointly weitergeführt; vergleichbare Vorhaben setzen wir gemeinsam um. Punktwolken klassifizieren → · CAD-Modelle generieren →

Automatisierte Waldinventur aus LiDAR. Aus Punktwolken vom Flugzeug und vom Boden entstehen einzelne Bauminstanzen mit Position, Höhe und Kronenausdehnung – direkt als Kartenebenen nutzbar. Für die RAG, die Bergbaufolgen über Jahrzehnte überwacht. Das Verfahren wird gemeinsam mit Pointly fortgeführt. Zum Use Case →

Borkenkäferbefall automatisch kartieren. Ein neuronales Netz erkennt abgestorbene Bäume auf Luftbildern mit 0,2 m Auflösung und erreicht 98,6 % Recall bezogen auf die Trainingslabels. Befalls-Hotspots werden als Heatmap sichtbar. Zum Use Case →

Photovoltaik-Module erkennen und kartieren. 47.818 digitale Orthofotos aus den offenen Geodaten des Landes NRW, 0,1 m Auflösung, vier Spektralbänder, ausgewertet mit Mask R-CNN – damit schließt sich die Informationslücke, wo erneuerbare Erzeugung tatsächlich schon installiert ist. Zum Use Case →

Weitere Projekte: Fahrbahnzustand der A70 über drei Erfassungsjahre prognostizieren · Betonrisse pixelgenau segmentieren (97 % True-Positive-Rate) · LKW in Orthofotos erkennen (über 99 %) · Instanzsegmentierung auf Punktwolken mit bis zu 10 Mio. Punkten · Feldschadenbewertung per Drohne · Ertragsvorhersage über 20.000 Standorte · Personendichten aus Bilddaten schätzen · Raum-Zeit-Analyse von CO2-Emissionen · räumliche Standortoptimierung

Alle Geo-AI-Projekte ansehen →

• Fernerkundung und Bildauswertung: Objekterkennung, Segmentierung und Klassifikation auf Satelliten-, Luft- und Drohnenbildern – multispektral, hyperspektral und thermal.
• 3D-Punktwolken (gemeinsam mit Pointly): Klassifikation, semantische Segmentierung und Vektorisierung von LiDAR- und Photogrammetriedaten – aus der Punktwolke werden Objekte, Linien und Flächen, mit denen weitergearbeitet werden kann. Diese Projekte bearbeiten wir zusammen mit unserem Schwesterunternehmen Pointly, bei dem die Punktwolken-Technologie liegt.
• Anlagen- und Energiekataster: flächendeckende Erfassung von Windkraftanlagen, Photovoltaik und Infrastruktur aus Fernerkundungsdaten – mit Standort, Typ und Zustand.
• Verkehrswege und Bauwerke: Bestandserfassung aus mobilen Scans, Ableitung von CAD-Modellen, Zustandsbewertung auf Bilddaten, Prognose des Fahrbahnzustands aus Zustands- und Verkehrsdaten.
• Forst und Vegetation: Inventur einzelner Bäume, Vitalitätsmonitoring, Befallserkennung, Baumartenkartierung und Biomassebestimmung.
• Räumliche Analyse, Optimierung und Betrieb: Standort- und Netzoptimierung, Personendichten, Raum-Zeit-Analysen, Change Detection über Sentinel-Archive und cloud-native Verarbeitung mit Cloud-Optimized GeoTIFF, STAC und PDAL – damit eine Auswertung von der Fläche auf die Region skaliert.

Die meisten KI-Vorhaben scheitern nicht am Modell, sondern am Übergang in den Betrieb. Wir decken die gesamte Kette selbst ab. Sie brauchen keinen zweiten Partner für die Industrialisierung.

• Data Consulting – Fragestellung und Datenlage klären
• Data Lab – Prototyp an Ihren Daten
• Data Operations – Produktivbetrieb mit MLOps
• Data Infrastructure – skalierbare Cloud-Architektur, Hosting in DE und EU

Wir sind nach ISO/IEC 27001:2022 zertifiziert (TÜV Rheinland, Reg.-Nr. 01 153 2300149). Verarbeitung und Hosting erfolgen in Deutschland und der EU. Kundendaten nutzen wir ausschließlich für das vereinbarte Projekt und nicht für das Training eigener Modelle. Zertifikat und TOM-Dokumentation stellen wir Ihrem Einkauf auf Anfrage zur Verfügung.

Bei Geodaten kommen zwei Punkte hinzu. Luft- und Straßenaufnahmen können personenbezogene Daten enthalten, die wir anonymisieren, bevor sie in Training oder Auswertung gehen – und wo es um Personen geht, arbeiten wir mit Dichteschätzung statt mit Identifikation. Und die Lizenzbedingungen kommerzieller Satelliten- und amtlicher Luftbilddaten regeln häufig auch, wer die daraus abgeleiteten Ergebnisse nutzen und weitergeben darf; diese Frage klären wir mit Ihnen schon vor der Modellierung. Für die Anforderungen des EU AI Act bieten wir unseren KI-Compliance Check an.

Ob Luftbildauswertung, Punktwolken-Klassifikation oder ein Kataster über eine ganze Region: Wir starten mit einer Bewertung Ihrer Datenlage, nicht mit einem Angebot.

Kontakt aufnehmen → · KI-Reifegrad kostenlos messen