Erste IF-BUND -Projekte gestartet und beim Nationalen Forum für Fernerkundung und Copernicus 2022 vorgestellt
Zwischen dem Deutschen Zentrum für Luft- und Raumfahrt e.V. und dem Bundesministerium des Innern und für Heimat (BMI) wurde ein Rahmenvertrag „IF-BUND - Innovative Fernerkundung für die Bundesverwaltung“ über die Laufzeit 2021-2024 geschlossen. Ziel ist der regelmäßige Transfer von wissenschaftlicher Fernerkundungsexpertise in die Verwaltung. Nutzerorientiere Weiterentwicklungen auf dem Gebiet der Fernerkundung, z.B. in Innovations- und Pilotprojekten, umzusetzen, ist unter anderem ein wichtiger Bestandteil des IF-BUND.
Nun sind die ersten Innovationsprojekte erfolgreich gestartet, nachdem bereits im Vorfeld viele Ideen zwischen verschiedenen Bundesbehörden und dem DLR diskutiert wurden. Diese ersten drei der im folgenden beschriebenen Weiterentwicklungen wurden auch auf dem Nationalen Forum für Fernerkundung und Copernicus vorgestellt.
Fernerkundungsdaten und Künstliche Intelligenz für den Registerzensus (SAT4GWR_IF-Bund)
Im Zuge der Konzeption des Registerzensus prüft das Statistische Bundesamt (StBA), inwieweit neue digitale Daten künftig die Ermittlung der Zensusergebnisse ergänzen können. In dem IF-BUND Innovationsprojekt „Sat4GWR_IF-Bund – Fernerkundung & KI für den Registerzensus“ sollen Algorithmen entwickelt werden, die in der Lage sind, Gebäude und Unterkünfte auf Satelliten- bzw. Luftbildern zu erkennen sowie bestimmte Merkmale abzuleiten. Die Fernerkundungsergebnisse sollen die Plausibilisierung der Gebäudedaten aus dem Gebäude- und Wohnungsregister (GWR) unterstützen. Der zu erwartende Mehrwert für den Registerzensus besteht darin, die bislang avisierten Prozesse bei Aufbau und Pflege des GWR zu ergänzen und damit die Qualität der Gebäudedaten im GWR bzw. im Registerzensus entscheidend zu verbessern. Das gemeinsame Projekt mit StBA und dem BKG wurde im Oktober 2021 gestartet und ist bis Dezember 2024 geplant.
Datenmanagementsystem für große Datenmengen und KI-Anwendungen für das BKG (DatKI4BKG)
Mit dem Projekt „DatKI4BKG - Aufbau eines Datenmanagementsystem (DMS) und Entwicklung KI-basierter Methoden in der Fernerkundung für Anwendungsbereiche des BKG“ bauen BKG und DLR für das BKG Fernerkundungsdatensysteme für große Datenmengen auf und übertragen KI-Anwendungen aus der Forschung in die Verwaltungspraxis. Das Projekt ist im Oktober 2021 gestartet und wird bis April 2024 laufen.
Hierbei werden durch das DLR vor allem zwei Themen bearbeitet: (1) die Konzeption und den Aufbau eines Datenmanagementsystems (DMS) für Fernerkundungsdaten in Form von DataCubes und (2) die Entwicklung und Anwendung KI-basierter Methoden mit Fokus auf Unterstützung der Erstellung des Landbedeckungsmodells (LBM-DE).
Neuer Ansatz zur Abgrenzung zwischen Stadt und Land (Fe4ErsiGG)
Siedlungsstrukturen wie Stadträume, Ballungszentren, suburbane Gebiete und ländliche Regionen auf Basis der räumlichen Nutzungsmuster wie Bebauungs- und Siedlungsdichten realitätsnah mit Methoden der Fernerkundung abzustecken – das ist das Ziel des IF-BUND Innovationsprojektes „Fernerkundung für die Ermittlung siedlungsstruktureller Grenzen und Gebietseinheiten“ (FE4ErSiGG). Das Projekt des Deutschen Zentrums für Luft- und Raumfahrt (DLR) mit einer Laufzeit von einem Jahr startete im Dezember 2021 gemeinsam mit dem Bundesinstitut für Bau-, Stadt- und Raumforschung (BBSR). Als weitere Partner sind das Bundesinstitut für Bevölkerungsforschung (BiB) und beratend das BKG involviert.
Anticipation of Conflicts using information from Satellites (ACIS)
Hauptziel des Projekts „Anticipation of Conflicts using information from Satellites (ACIS)“ ist es, bestehende und zukünftige Konfliktmodelle, die das Kompetenzzentrum Krisenfrüherkennung der Universität der Bundeswehr München (KompZ KFE) im Auftrag des Auswärtigen Amtes entwickelt, mit räumlich und zeitlich angereicherten (Geo-)Informationen zu unterstützen. In der Zusammenarbeit soll durch das DLR überprüft werden, inwiefern sich Satellitendaten und weitere Geodaten in die bestehenden Modelle integrieren lassen und diese im Hinblick auf Kriterien wie Modellperformanz, Nachvollziehbarkeit und Erkenntniswert verbessern.