2020 Im Fokus 2020: Geospatial Artificial Intelligence - Gutenberg Open Science
←
→
Transkription von Seiteninhalten
Wenn Ihr Browser die Seite nicht korrekt rendert, bitte, lesen Sie den Inhalt der Seite unten
2020
Institut für raumbezogene
Informations- und Messtechnik
Hochschule Mainz
Im Fokus 2020: Neues zu Team und
Geospatial Artificial Transfer, Forschungs-
Intelligence projekten und Ausblick
Das Jahr 2020
am i3mainz
Institut für raumbezogene
Informations- und Messtechnik
Hochschule Mainz
Redaktion
Nicole Vögtlin Bruhn M.A.
Gestaltung
Vanessa Liebler B.A.
Verantwortlich
Prof. Dr. phil. Kai-Christian Bruhn
Prof. Dr.-Ing. Thomas Klauer
Prof. Dr.-Ing. Jörg Klonowski
Inhalt 24 20Geospatial Artificial Intelligence
– Das Potenzial von Künstlicher 46 Forschungsprojekte
Intelligenz in der anwendungsbe-
zogenen Forschung am i3mainz 48 The Nepal Heritage
Documentation Project (NHDP)
30 Automatische Punktwolken-
interpretation für die Pflege der 50 African Red Slip Ware digital
Zukunft: BIM4Care – 3D-Dokumentation für die
multiperspektivische Analyse
32 Mustererkennung mittels Deep einer zentralen Objektgattung
Learning bei der Bildanalyse von der Spätantike
Tachymetrie bis Unmanned
Aerial Vehicle 52 Grabdenkmäler aus Augusta
Treverorum, digital vernetzt
33 Smart City mit KI: Wie mit Hilfe
von Machine Learning die 54 Digitale Edition der Keilschrift-
Parkhausauslastung optimiert texte aus Haft Tappeh
werden kann 56 Metadatenschema und Onto-
35 Objekterkennung in Punktwolken logiemodel für die Aufnahme und
durch Semantik Prozessierung von 3D-Modellen
04 Editorial des Kulturellen Erbes
36 Wissensgesteuerte Simulationen
06 Neues aus dem Institut zur Katastrophenbewältigung 58 Intelligente Datenerfassung, Hal- 66 BAM – Big-Data-Analytics in
tung und Bereitstellung innerhalb Environmental and Structural
08 Willkommen in unserem Team 37 Krebsfrüherkennung durch der Öffentlichen Verwaltung Monitoring
Hyperspektrale KI
10 Auszeichnungen 60 GEMEINSAM – KI-gestütztes 68 bim4cAIre – Shaping the Future
38 Robotergestützte Gebäudemonitoring
12 Verzahnung von Lehre und of Care with the Digital Twin
Objekterfassung mit optischen für das Besuchermanagement
Forschung
Messsystemen 70 Integrated Mining Impact
16 Abgeschlossene und laufende 62 Transferstelle für Digitale Monitoring – i2mon
40 Projektbezogene KI-Landkarte Anwendungen & Offene Daten
Dissertationen
44 Zukünftige Arbeiten 64 Digitale Anwendungen & Offene 72 Ausblick
18 Transfer in Wissenschaft,
Wirtschaft und Gesellschaft 45 Literatur Daten Mainz 74 Impressum
4 5
Editorial
Liebe Leserinnen und Leser,
heute habe ich die Ehre, Ihnen den Jahresbericht des
Instituts für Raumbezogene Informations- und Mess-
technik für das Jahr 2020 vorzustellen. Vielleicht ist
Ihnen aufgefallen, dass wir das Design unseres Be-
richts geändert haben. Das Format ist kleiner, hat aber
neue grafische Akzente und die Texte sind etwas kür-
zer, um Ihnen einen schnelleren Überblick über unsere
Projekte, Aktivitäten und Personalia zu gestatten. Dies
soll symbolisieren, dass das i3mainz in eine neue Ära
eingetreten ist: Prof. Dr. Frank Boochs und Prof. Dr.
Hartmut Müller – beide aktuell als Senior-Professoren
aktiv – haben Ende 2019 die Institutsleitung an die
Kollegen Prof. Dr. Jörg Klonowski (geschäftsführend),
Prof. Dr. Kai-Christian Bruhn und mich übertragen, so-
dass wir hier über das erste Jahr unter neuer Führung
berichten.
Eine weitere Neuerung ist, dass wir jedes Jahr ein
Schwerpunkt-Thema des Instituts vorstellen – dieses
Jahr ist es die Geospatial Artificial Intelligence. Zu-
sammen mit einigen Kolleginnen und Kollegen habe
Thomas Klauer; ich Ihnen unsere Sicht auf dieses zurzeit sehr relevante
Foto: Svenja Schwerdtfeger, Thema Künstliche Intelligenz zusammengestellt, ins-
CC BY-SA 4.0
besondere natürlich mit vertieftem Blick auf raum-
basierte Aspekte. Wir zeigen Ihnen hier ausgewählte
Projekte zu diesem Schwerpunktthema und stellen
darüber hinaus weitere neue Vorhaben und Neuigkeiten
vor. Über QR-Codes bzw. Hyperlinks an den einzelnen
Elementen finden Sie weitere Informationen zu den In-
halten auf unserer Webseite.
Ich wünsche Ihnen viel Freude und Neugier bei der
Lektüre!
Prof. Dr. Thomas Klauer
Mitglied der Institutsleitung
6 7 #Editorial
Neues aus dem Institut
Welche Veränderungen gab es 2020 in unserem Team? Mit
welchen Fragen haben sich unsere Studierenden beschäf-
tigt? Welchen Themen waren wir gemeinsam mit unseren
Partnern in Wissenschaft, Wirtschaft und Verwaltung auf
der Spur?
8 9
Willkommen in
Weiter zum gesamten Team:
i3mainz.hs-mainz.de/team/
unserem Team
Kevin Kaminski
Wissenschaftlicher Mitarbeiter
Vanessa Liebler
Wissenschaftliche Mitarbeiterin
Prof. Dr.-Ing. Markus Schaffert Dr. Hubert Mara
Professor für Geoinformatik Geschäftsführer mainzed
Forschung am i3mainz
Prof. Dr. Rene Wackrow
Professor für Angewandte Geodäsie
10 11 #DasInstitut
Auszeichnungen entsprechende Anfrage hat Timo Homburg bereits
beim Open Geospatial Consortium hinterlegt.
Außerdem wurde ein Beitrag, den er zu sammen
mit weiteren Autorinnen und Au
toren verfasst hat,
zum FIG Artikel des Monats gewählt. Dabei handelt
Herbert-Buchpreis 2020 es sich um den Artikel SPARQLing Geodesy for
Cultural Heritage1.
Den Harbert-Buchpreis erhielten im Jahr 2020 die Stu-
denten Lukas Haas (B.Sc.), Tom Weichold (M.Sc.) und
Andreas Becker (M.Eng.). Der DVW e. V. – Gesellschaft Förderpreis für Bastian Plaß
für Geodäsie, Geoinformation und Landmanagement Bastian Plaß wurde am 10. März mit dem Förderpreis
vergibt den Buchpreis jährlich für hervorragende Prü- 2019/2020 des VDI Verein Deutscher Ingenieure,
fungsleistungen auf dem Gebiet von Vermessung und Rheingau-Bezirksvereins e.V. ausgezeichnet. Die
Geoinformation. Die Akademische Jahresfeier, die in Preisverleihung fand im Rahmen der Jahreshauptver-
normalen Zeiten den festlichen und würdigen Rahmen sammlung 2020 des VDI Rheingau-Bezirksvereins in
der Preisverleihung bildet, musste 2020 corona- der Stadthalle Flörsheim statt. Dieser wird jährlich für
bedingt leider ausfallen. hervorragende Leistungen mit ingenieurtechnischem
Schwerpunkt während des Studiums und in der Ab-
Deutscher Landeskulturpreis 2020 für schlussarbeit verliehen.
Anna-Lena Zimmer
Plaß erhielt den Preis für seine hervorragenden Stu-
Der Deutsche Landeskulturpreis 2020 ging an unsere
dienleistungen an der Hochschule Mainz und zwei
Studentin Anna-Lena Zimmer. Die Deutsche Landes-
außergewöhnlich gute Abschlussarbeiten.
kulturgesellschaft (DLKG) würdigte damit die hervorra-
gende wissenschaftliche Leistung ihrer Bachelorarbeit
mit dem Thema Erstellung eines GIS Landschaftspflege
für die Flurbereinigungsverwaltungen in Rheinland-Pfalz
und Hessen.
Best Student Paper Award für Timo Homburg
Auf der 19th international semantic web conference
(ISWC) gewann Timo Homburg den Best Student Pa-
per Award.
Timo Homburg hatte gemeinsam mit Prof. Dr. Steffen
Staab von der Universität Stuttgart und Dr. Daniel Janke
von der Universität Koblenz Landau ein Paper mit dem Abbildung oben links: Timo Homburg,
Titel GeoSPARQL+: Syntax, Semantics and System Foto: Svenja Schwerdtfeger, CC BY-SA 4.0
for Integrated Querying of Graph, Raster and Vector
Data eingereicht. 1 Florian Thiery, Timo Homburg, Sophie Charlotte Schmidt, Martina Abbildung oben rechts: Anna-Lena Zimmer,
Trognitz, Monika Przybilla (2020). SPARQLing Geodesy for Cultural Foto: © HVBG
Heritage – New Opportunities for Publishing and Analysing Volun-
Die Ergebnisse aus dieser Arbeit sollen in die nächste teered Linked (Geo-)Data. In Fédération Internationale des Géomè- Abbildung unten: Bastian Plaß,
Version des GeoSPARQL Standards einfliessen. Eine tres, Article of the Month – October 2020. Foto: Svenja Schwerdtfeger, CC BY-SA 4.0
12 13 #Auszeichnungen #i3mainz
Verzahnung von
Abbildung oben:
Lernens zu analysieren und zu interpretieren. In der Darstellung der Ergebnisse des Erreich-
Arbeit wurde ein Visual Analytics-System entwickelt, barkeitsindex für Hauskoordinaten mit
Lehre und Forschung welches den Einfluss einzelner Merkmale auf die Mo-
dellgenauigkeit untersuchte.
maximaler Straßenneigung von 15% in
Goslar. Aus der Master-Projektarbeit
„GIS und demographischer Wandel in
deutschen Mittelstädten – Umfeld-Indizes
GIS und demographischer Wandel und Erreichbarkeiten von Wohn- bzw.
Die Fachrichtung Geoinformatik und Vermessung und Versorgungsorten von Senioren“ von
das i3mainz arbeiten personell und inhaltlich Hand in Im Vorfeld des neu bewilligten Projekts RAFVINIERT Jonathan Albrecht, Dorothea Enners und
Konstantin Geist, CC BY-SA 4.0
Hand. Mitarbeiterinnen und Mitarbeiter des i3mainz entstand eine Master-Praxisprojektarbeit zum Thema
unterstützen die Professorinnen und Professoren GIS und demographischer Wandel in deutschen Mit- Abbildung unten:
in der Lehre und bei der Betreuung Studierender im telstädten. Die Studierenden entwickelten einen Er- Überblick über die digitalisierten Struk-
Rahmen ihrer Abschluss- und Projektarbeiten sowie reichbarkeitsindex für die Städte Kempten und Goslar, turen einer georeferenzierten Karte des
Jahres 1781. Dargestellt werden Glacis
während der Praxisprojekte. Deren Resultate fließen indem sie die Wege zwischen möglichen Wohnorten (grün), Erdgräben (braun), Wassergräben
in die Forschung ein und nicht selten finden sich die von Seniorinnen und Senioren und lebensnotwendigen (blau) und Mauerwerk (schwarz). Praxis-
Studierenden später unter den Mitarbeitenden wieder. Einrichtungen der Städte analysierten. Dabei spielten projekt Christian Unger und Isabelle Birk,
Exemplarisch stellen wir hier einige studentische zu steile Straßenneigungen, Treppen und weitere Bar- CC BY-SA 4.0
Arbeiten vor. rieren eine Rolle (Abbildung S. 13 oben). Beide Hintergrundkarten: © OpenStreet-
Map-Mitwirkende
Smart City GIS für die Verwaltung
Mehrere Arbeiten entstanden im Bereich SmartCity In einer Bachelorarbeit wurde eine Webanwendung
rund um die Doktorarbeit von Alexander Rolwes. In für die Ermittlung des Schulwegs in Rheinland-Pfalz
einer Masterprojektarbeit etwa wurde mit Machine auf der Basis von freien Geodaten und freier Software
Learning-Ansätzen eine prototypische Anwendung entwickelt. So kann beispielsweise eine Aussage über
konzipiert und entwickelt, welche die Parkhausbe- die Übernahme von Fahrtkosten bei der Schülerbeför-
legung in Mainz für den Zeitraum von einer Woche derung, die von der Länge des Schulwegs abhängt,
vorhersagt. Dabei wurden unterschiedliche Einfluss- getroffen werden. In der Arbeit wurden freien Geo-
faktoren, wie das Wetter oder räumlich benachbarte daten von OpenStreetMap auf ihre Qualität und Voll-
Parkmöglichkeiten, berücksichtigt. Das Resultat war ständigkeit untersucht, bewertet und optimiert. Für die
eine auf modernen Technologien basierende Anwen- Entwicklung wurden freie Routenplaner verglichen.
dung zur Vorhersage der Parkhausbelegung sowie
ein auf den Endnutzer abgestimmtes Dashboard zur Historisches GIS
Visualisierung der Vorhersagen mit Raum-Zeit-Bezug.
Dabei untersuchten die Studierenden auch, welche Die digitale Datenverarbeitung im Rahmen des Disser-
Möglichkeiten zur Visualisierung von Vorhersage- tationsprojekts Festung Mainz findet weitestgehend im
unsicherheiten sowie zur Schaffung von Transparenz in der Architektur beheimateten CAD-Umfeld statt.
und Vertrauen gegenüber dem Anwender existieren Zwei Studierende haben im Rahmen ihres Praxispro-
(Abbildung S. 34). jekts für die historischen Pläne der Festungsanlagen
ein qualitätsorientiertes Konzept zur Georeferenzierung
Eine weitere Masterarbeit befasste sich mit dem Thema dieser Planunterlagen entwickelt und eine Auswahl
Vorhersage des Bedarfs bei einem Leihfahrradsystem. davon in ein Geoinformationssystem (GIS) überführt
Dabei kamen Deep Learning-Modelle und der Ansatz (Abbildung S. 13 unten). In enger Kooperation mit
der eXplainable Artificial Intelligence (XAI) zum Ein- dem Stadtarchiv entwickelten sie zudem ein Geo-
satz, um das Verhalten von Modellen des maschinellen datenmodell für die Vektorisierung unterschiedlicher
14 15 #ForschungUndLehre
Ausbaustufen der historischen Festungsanlagen. Ab- sichtigt. Die Auswertung zeigte, dass Low-Cost-Sen-
schließend bearbeiteten sie zwei Fragestellungen auf soren ausreichend dichte und akkurate Punktwolken
Grundlage dieser Daten: die Integration der Informa- für die BIM-Modellierung und zur Analyse von Wohn-
tionen aus Goethes Beschreibung der Belagerung räumen liefern.
der Festung 1793 und deren raumzeitliche Simulation. Digitale Keilschriftforschung und Spatial Humanities
Und die Möglichkeiten parametrisierter 3D-Visualisie-
rung von Festungsabschnitten auf Grundlage offener Am Beispiel digitaler 3D-Modelle von antiken Keil-
Standards. schrifttafeln aus dem Haft Tappeh-Projekt wurde im
Rahmen einer Masterarbeit überprüft, ob Altdaten
Koptergestützte Bildflüge über eine optimierte Prozessierung für die bessere
Lesbarkeit der Keilschriftzeichen aufbereitet werden
Zwei Bachelorarbeiten beschäftigten sich mit den können. Darüber hinaus untersuchten die Studentinnen,
Resultaten aus koptergestützten Bildflügen. Bei der wie analoge Datenprodukte etwa im Museum, in der
Aufnahme und Georeferenzierung der Burgruine Grä- Lehre oder Öffentlichkeitsarbeit eingesetzt werden
fenstein bei Merzalben mit dem terrestrischen Laser- können. Als Grundlage hierfür diente ihnen eine Zusam-
scanner und dem Kopter stand der Vergleich des tech- menstellung aktueller 3D-Druckverfahren, Probedrucke
nischen und finanziellen Aufwands im Vordergrund. und die Ergebnisse einer internationalen Umfrage zum
Um die absolute Genauigkeit rekonstruierter 3D- Thema Anforderungen und Anwendungsmöglichkeiten
Objektpunkte aus Bildflügen ging es bei der zweiten des 3D-Drucks von Keilschrifttafeln (Abbildung S. 14
Arbeit. Die Studentin vermaß ein präzises Festpunktfeld, unten).
welches als Kontrolle der photogrammetrisch berech-
neten Punktwolke diente. Bauwerksüberwachung mit terrestrischem
Laserscanner und bildgebender Sensorik
Eine Masterarbeit, welche in Kooperation mit dem
Hessischen Landeskriminalamt entstand, befasste Um die Sicherheit, Stabilität und Funktionalität von
sich mit der photogrammetrischen Rekonstruktion Brückenbauwerken zu gewährleisten, müssen auftre-
von Unfall- und Tatverläufen. Ziel der Arbeit war die tende Deformationen erkannt und überwacht werden.
Optimierung der Prozesse bei der Datenerfassung Mithilfe eines terrestrischen Laserscanners (TLS)
und -auswertung. Dabei wurde auf ein ausgewogenes könnten Deformationen flächenhaft erfasst werden,
Abbildung oben: Verhältnis zwischen Wirtschaftlichkeit und Zuverläs- ohne in die Struktur des Bauwerks einzugreifen. Für
3D-Modell aus Drohnenflug unter Verwen-
dung verschiedener Targets. Masterarbeit
sigkeit der Resultate geachtet (Abbildung S. 14 oben). diesen Vorgang wurde im Rahmen einer Masterarbeit
von Tim Andres und Jannik Schneider: ein potenzieller Workflow für ein Vermessungsbüro
Untersuchungen zum Einsatz kamerage-
3D-Laserscanning und BIM entwickelt.
stützter UAVs bei der Unfall- und Tatort-
vermessung. CC BY-SA 4.0
In einem Masterprojekt mit vier Studierenden im Umfeld Eine Projektgruppe beschäftigte sich mit der Erfas-
des Projekts bim4cAIre wurde eine breite Auswahl sung von Deformationen an einem Bestandbauwerk
Abbildung unten: an Sensoren diskutiert und im Hinblick auf genormte und erprobte das am i3mainz entwickelte bildgebende
Differenz der digitalen 3D-Modelle des
Originals und des 3D-Drucks einer Keil-
Anforderungen für barrierefreies Wohnen bewertet. Messverfahren MoDiTa in der Praxis. Mit Unterstüt-
schrifttafel. Im Bild ein Beispiel im Binder Dabei handelte es sich um Geräte der 3D-Vermessung, zung aus der Fachrichtung Bauingenieurswesen der
Jetting-Verfahren, einem additiven der klassischen Photogrammetrie sowie Low-Cost- Hochschule Mainz wurden die Ergebnisse des Ansatzes
Fertigungsverfahren, mit dem Nachweis Hardware aus der Consumer-Industrie zur Daten- evaluiert. Darauf aufbauend widmen sich weitere Ab-
starker Abweichungen in relevanten
Bereichen der Schriftseite.
erfassung von simulierten Wohnräumen. Für die schlussarbeiten der Vertiefung dieser Thematik.
Grafik: Masterarbeit von Andrea Mertens Evaluation wurden technische Qualitätsparameter,
und Nina Reinhardt, Mainz 2020 Kostenfaktoren und Nutzungsanforderungen berück-
16 17 #ForschungUndLehre
Abgeschlossene Laufende POLAT, SONGÜL
Registrierung von 3D Scans mit Hyperspektralen
Dissertation Dissertationen Scans im Kontext von Umweltanwendungen
Betreuer Prof. Dr. Frank Boochs,
Prof. Dr. Alain Tremeau (Université
Jean Monnet St. Étienne)
Mit der Verteidigung Ihrer Dissertation Mitte Dezember
2020 an der Universität von Burgund in Dijon konnte
Claire Prudhomme ihre Doktorarbeit erfolgreich ab- BRANDT, JULIA ROLWES, ALEXANDER
schließen. Dazu gratulieren wir Claire sehr herzlich! Denkmal versus Natur? Strategien zum Erhalt der Visuelle Methoden und Verfahren zur Analyse räum-
Zitadelle und Festung Mainz im Anwendungsfeld licher Kontextfaktoren in Smart City Use Cases
Inhalt ihrer Doktorarbeit mit dem Titel Knowledge- digitaler Dokumentation unter Berücksichtigung
driven multi-agent simulation engineering for assessing Betreuer Prof. Dr.-Ing. Klaus Böhm,
des Denkmal- und Naturschutzes
the effectiveness of disaster management plans ist die Prof. Dr. Ralf Dörner
Evaluation von Reaktionsplänen im Katastrophenma- Betreuer Prof. Dr. Kai-Christian Bruhn, (Hochschule RheinMain)
nagement. Prof. Dr. Matthias Müller
(JGU Mainz)
Der Schutz der Menschen vor Katastrophen ist eine
wichtige Aufgabe von Regierungen und Experten,
welche zu diesem Zweck Katastrophenmanagement- SCHRÖDER, DANIEL
plänen entwerfen. Die Auswahl des für eine bestimmte HOMBURG, TIMO
Claire Prudhomme, Qualitätsmanagement für die Implementierung
Katastrophe geeignetsten Reaktionsplans erfordert
Foto: Svenja Schwerdtfeger,
eine Evaluation aller vorhandenen Pläne. Dies ist je- Quality Analysis of Geospatial Data Using a eines LIDAR-gestützten Echtzeit-Assistenzsystems
CC BY-SA 4.0
doch aufgrund der hohen Kosten praktischer Übungen SemanticGIS System zur Gefahrenabwehr infolge geometrischer Defor-
und der Besonderheit bestehender Simulationsmodelle mationen in Bergbau, an Infrastruktureinrichtungen
Betreuer Prof. Dr. Frank Boochs,
nicht realisierbar. und natürlichen Objekten
Prof. Dr. Steffen Staab
um das beste Vorgehen für den gewählten An- (Universität Stuttgart) Betreuer Prof. Dr.-Ing. Jörg Klonowski,
Der in dieser Arbeit vorgeschlagene Ansatz kombiniert wendungskontext zu erkennen. Gleichzeitig können Prof. Dr.-Ing. Jörg Benndorf
Techniken des Semantic Web und der Multi-Agenten- die Ergebnisse in das anfängliche Wissensmodell (Technische Universität
Simulation, um Reaktionspläne im Katastrophen- eingespeist werden und erweitern damit die Basis für Bergakademie Freiberg)
management zu evaluieren. Zunächst kommen ex- nachfolgende, komplexere Katastrophenszenarien.
plizites Expertenwissen und Daten zum Einsatz, um
ein Wissensmodell für das Katastrophenmanage- Dieser Ansatz wurde in einer Fallstudie auf der Grund- PLAß, BASTIAN
ment zu erstellen. Auf dieser Grundlage können Si- lage des französischen NOVI-Plans in der Stadt Mont-
Generierung von BIM-Modellen mit Hilfe
mulationsmodelle konzipiert werden. Diese werden bard, Frankreich, erfolgreich angewandt.
multisensoraler Bauwerkserfassung und
mit den Methoden der generativen Programmierung
intelligenter Software-Methoden
in Simulationen überführt, die die Abläufe des je- Betreut wurde Claire Prudhomme von Prof. Dr.
weiligen Managementplans wiedergeben. Die dabei Christophe Cruz und Dr. Ana Roxin von der Universität Betreuer Prof. Dr. Thomas Klauer,
erzielten Ergebnisse werden mit Clustering, einer von Burgund sowie von Prof. Dr. Frank Boochs von der Prof. Dr. Uwe Rüppel (Technische
Methode des unbeaufsichtigten Lernens, bewertet, Hochschule Mainz. Universität Darmstadt)
18 19 #ForschungUndLehre #DissertationZu SciPort RLP, dem Forschungsportal des Landes
Transfer in Wissen- Linked Pasts Symposium
(Kai-Christian Bruhn, Steering Committee)
Rheinland-Pfalz, mit den Publikationen des i3mainz:
rlp-forschung.de/public/facilities/400/publications
schaft, Wirtschaft und Oldenburger 3D Tage
Gesellschaft (Frank Boochs, Sessionchair)
Internationale Konferenz der CAA Inside
Information (Kai-Christian Bruhn, Reviewer)
BIM-Workshop an der Hochschule Mainz Abbildung:
Technologiertransfer Kyambogo University,
(Bastian Plaß, Mitorganisator) Uganda: Workshop im Inter-
Als Forschungsinstitut einer Hochschule für ange- national Office, Foto: Hoch-
wandte Wissenschaft genießt am i3mainz der Tech- Trimble TIMMS und X7 Vorführung an der schule Mainz, CC BY-SA 4.0
nologietransfer einen hohen Stellenwert. Im Rahmen Hochschule Mainz (Bastian Plaß, Organisator)
unserer Forschungsprojekte, die weiter hinten vor-
gestellt werden, suchen wir gemeinsam mit unseren Workshop Gesundheitsorientierte Stadt- und
Partner aus Wirtschaft, Verwaltung und Wissenschaft Verkehrsplanung, Technische Universität Darm-
nach Lösungen für aktuelle Herausforderungen. stadt (Markus Schaffert, Experte)
Wissenstransfer zwischen den Institutionen: International Conference on 3D Vision
Regional bis International (Anita Sellent, Program Committee member)
Wissenschaft lebt vom Austausch zwischen den Ins- Als Gutachter und Reviewer traten die Professorinnen
titutionen, auch jenseits gemeinsamer Projekte, etwa und Professoren des i3mainz in verschiedenen Berei-
durch Austauschprogramme für Studierende, mittels chen in Erscheinung:
Organisation oder Teilnahme an Kongressen oder
durch Beratung. Viele unserer Professorinnen und ASIIN Programmakkreditierung Hochschule
Professoren nehmen beratende Funktionen ein: Bochum. ASIIN e.V. ist eine Akkreditierungs-
agentur für Studiengänge der Ingenieurwissen-
Frank Boochs ist Mitglied im Kuratorium des schaften, Informatik, Naturwissenschaften
Fraunhofer-Instituts für Physikalische Mess- und Mathematik (Hartmut Müller, Kai-Christian
technik IPM in Freiburg Bruhn, Gutachter)
Kai-Christian Bruhn ist Mitglied des Wissen- Verschiedene Förderlinien der Deutschen
schaftlicher Beirats der Zentrale des Deutschen Forschungsgemeinschaft (DFG)
Archäologischen Instituts in Berlin (Kai-Christian Bruhn, Gutachter)
Markus Schaffert ist Mitglied der European EU-HORIZON 2020 Marie-Sklodowska-Curie
Academy of Landuse and Development in Zürich Individual Fellowships (Thomas Klauer, Gutachter)
Auf zahlreichen Workshops und Kongresse ist das EU Erasmus+ zur Förderung von allgemeiner
i3mainz mit der ganzen Bandbreite seiner Themen und beruflicher Bildung, Jugend und Sport in
durch Vorträge vertreten. Organisatorisch beteiligt Europa (Hartmut Müller, Mitglied; Klaus Böhm,
waren wir bei den folgenden Veranstaltungen: Gutachter)
20 21 #TransferAbbildung oben:
Survey Review, Editorial Board gemeinsamer Projekte, wie etwa ARS3D, wenden Aufnahme der Fotos für die
(Hartmut Müller, Mitglied) Guido Heinz und Anja Cramer verschiedene Verfahren SfM-Auswertung;
der digitalen Dokumentation des kulturellen Erbes an. Foto: Sven Kaulfersch,
Journal of Surveying Engineering der American Das Verfahren Structure from Motion (SfM) zur geo- CC BY-SA 4.0
Society of Civil Engineers metrischen Erfassung von Oberflächen wird wegen
Abbildung unten:
(Martin Schlüter, Reviewer) der kostengünstigen Hard- und Software in unter- Auswertung in der Software
schiedlichen, den Messaufgaben angepassten Abläu- Agisoft Metashape zur Do-
Internationale Fachzeitschrift Survey Review fen eingesetzt. Im Zuge des Umzugs des RGZM in den kumentation der Demontage;
(Martin Schlüter, Reviewer) Neubau, welcher Archäologisches Zentrum Mainz Abbildung: Anja Cramer,
RGZM, CC BY-SA 4.0
heißen wird, wurden Wandmosaiken per SfM geome-
zfv – Zeitschrift für Geodäsie, Geoinformation trisch dokumentiert, um die Position der Einzelplatten
und Landmanagement (Martin Schlüter, Reviewer) zueinander zu bestimmen, bevor sie in den Ausstel-
lungsräumen demontiert wurden. Im Zusammenhang
Zeitschrift Remote Sensing mit der Anfertigung von wissenschaftlichen Kopien
(Frank Boochs, Reviewer) wurde der Einsatz von SfM in weiteren Bereichen un-
tersucht. Am RGZM werden wissenschaftliche Kopien
Das i3mainz berät da und dort auch regional und un- zum Beispiel aus Kunstharz gefertigt und u. a. mit Hilfe
kompliziert. So unterstützte Kevin Kaminski etwa Stu- von Fotos von Hand koloriert. Anstelle der Fotos wurde
dierende im Masterprojekt Urbane Nischen der JGU bei nun der Einsatz einer digitalen, hochauflösend texturier-
der Einrichtung eines WebGIS zur Visualisierung ihrer ten 3D-Kopie getestet. Die Restauratoren waren mit
Projekte und bei der Implementierung interaktiver Karten. der digitalen Alternative sehr zufrieden.
Auch international ist das i3mainz vernetzt. Dank guter Ein anderes Thema, mit dem sich das RGZM seit vielen
Kontakte von Frank Boochs zu der Universität Burgund Jahren beschäftigt, ist die Konservierung von antikem
etwa, die zu einer Reihe von kooperativen Promotionen Nassholz und die damit einhergehende Formverände-
führten, kommen jedes Jahr Praktikantinnen und rung. 2020 wurden 10 Holzproben mit einem neuen
Praktikanten von dort ans i3mainz. Eine davon ist Claire Tränkungsmittel konserviert. Vor der Tränkung erfolgte
Prudhomme, welche Ende 2020 erfolgreich promo- eine hochgenaue dreidimensionale Digitalisierung der
viert wurde. Oberflächenform. Diese 3D-Daten bilden die Grundlage
für eine Analyse und Interpretation der Formverände-
Anfang Februar 2020 begleitete Hartmut Müller eine rung nach Beendigung der Konservierung und erneuten
Gruppe der Hochschule Mainz auf eine zweiwöchige 3D-Aufnahme.
Exkursion nach Afrika. Sie besuchten Partnerhoch-
schulen in Uganda und Ruanda, um den Austausch Das i3mainz in mainzed
der afrikanischen und deutschen Studierenden und
Kooperationen zwischen den Hochschule zu fördern Das Mainzer Zentrum für Digitalität in den Geistes- und
(Abbildung S. 19). Kulturwissenschaften, kurz mainzed, lebt den Transfer-
gedanken mit dem Schwerpunkt Wissensaustausch.
Kooperation mit dem RGZM Es hat sich dem Feld der Digital Humanities und der
Bündelung der digitalen Kompetenzen insbesondere
Eine sehr enge Kooperation verbindet das i3mainz am Wissenschaftsstandort Mainz verschrieben. Das
seit über 20 Jahren mit dem Römisch-Germanischen Netzwerk lebt von analogen Formaten der Interaktion
Zentralmuseum – Leibniz-Forschungsinstitut für Ar- und Kommunikation, die 2020 Corona-bedingt nicht
chäologie (RGZM) in Mainz. Neben der Unterstützung oder nur digital durchgeführt werden konnten. Ein
22 23 #TransferSchwerpunkt der Arbeiten des i3mainz im mainzed galt im Rahmen der Kinder-Uni mit Eltern und Kindern der
dem Themenfeld Data Literacy in den Geistes- und Mainzer Eisgrubschule über die Chancen und Tücken
Kulturwissenschaften. Diese wurden in enger Abstim- des Internets, die Nutzung von Smartphones und von
mung mit den Aktivitäten an der Johannes Gutenberg- Sozialen Medien sprechen. Beim Online-Hackathon
Universität ausgebaut. des Hochschulforums für Digitalisierung nahmen Kai-
Christian Bruhn und Torsten Schrade als Mentoren teil.
Das i3mainz in NFDI4Objects
Zu einem wichtigen Kristallisationspunkt für den Aus-
Thematisch damit eng verbunden ist die intensive Mit- tausch zwischen der Hochschule Mainz und Partnern
arbeit des mainzed an der Konsortialbildung im Rahmen aus Wirtschaft und Verwaltung hat sich der Gutenberg
des Aufbaus der Nationalen Forschungsdateninfra- Digital Hub etabliert, ein Zusammenschluss aus re-
struktur (NFDI) und dort im Bereich der Forschungs- gionaler Wirtschaft, Wissenschaft und öffentlichen
daten aus den Geistes- und Kulturwissenschaften. Ziel Institutionen. Alexander Rolwes ist dort als Mitglied in
der Initiative ist es, die Datenbestände von Wissen- den Fokusgruppen Data Science und Smart City aktiv.
schaft und Forschung für das gesamte deutsche Wis- Pascal Neis engagiert sich in den Fokusgruppen
senschaftssystem systematisch zu erschließen, zu ver- Smart City, Public Services und Data Science.
netzen und nachhaltig nutzbar zu machen.
Als Bindeglied zwischen Wissenschaft, Forschung
Im Rahmen von NFDI bündelt das i3mainz seine Ex- und Praxis nehmen die Verbände eine wichtige Rolle
pertise im Konsortium NFDI4Objects. Darüber hinaus ein. Der DVW e. V. – Gesellschaft für Geodäsie, Geo-
ist es über das mainzed an der 2020 erfolgreich ge- information und Landmanagement ist der wichtigste
starteten Initiative NFDI4Culture – Consortium for re- Berufsverband für Geodätinnen und Geodäten in
search data on material and immaterial cultural heritage Deutschland. In den Arbeitskreisen 2 (Geoinformation
beteiligt. Gemeinsam mit zwei weiteren Initiativen aus und Geodatenmanagement) und 4 (Ingenieurgeodäsie)
dem Bereich Geistes- und Kulturwissenschaft haben sind Markus Schaffert und Martin Schlüter gewählte
die Konsortien seit 2018 mehrere Querschnittsthemen Mitglieder.
identifiziert, denen eine besondere Bedeutung in
datengetriebenen Forschungsprozessen zukommt. Die FIG – International Federation of Surveyors ist die
Die Anreicherung digitaler Forschungsgegenstände internationale Vereinigung der Vermessungsingenieure.
mittels standardisierter Metadaten, Normdaten und Dort ist Hartmut Müller Mitglied des Präsidiums und
Abbildung oben links: fachspezifischer Terminologien gehört ebenso dazu leitet die Fachkommission Spatial Information Ma-
Der Gutenberg Digital Hub wie Fragen nach der Provenienz sowie rechtliche und nagement. Den Zusammenschluss digital arbeitender
ist ein Ort des Austauschs ethische Gesichtspunkte. Archäologinnen und Archäologen im Verein Computer-
für die Hochschule Mainz
und deren Partner;
anwendungen und Quantiative Methoden in der Archäo-
Wissenstransfer in die Gesellschaft logie e. V. leitet Kai-Christian Bruhn als Vorsitzender.
Abbildung oben rechts:
Das i3mainz hat unter Die Veranstaltungen, die uns in anderen Jahren als
anderem Medien für NFDI-
4Objects entwickelt;
Plattform für den Austausch mit verschiedenen Grup
pierungen der Gesellschaft zur Verfügung standen,
Abbildung unten: fanden 2020 wegen Corona nicht statt. Dies betrifft
mainzed Männchen auf insbesondere den Wissenschaftsmarkt der Mainzer
einer Veranstaltung
Wissenschaftsallianz, aber auch den Girls‘ Day.
Alle Abbildungen:
Vanessa Liebler Kurz vor Ausbruch der Pandemie konnte Thomas Klauer
24 25 #TransferGeospatial Artificial Intelligence
Raumbezogene Informa-
tionen repräsentieren eine
Schlüsselfunktion, um die
– Das Potential von Künstlicher Komplexität einer immer
vernetzter werdenden Welt
zu erklären. Mit Hilfe von KI
Intelligenz in der anwendungsbe- begegnen Wissenschaftler
am i3mainz solchen Frage-
zogenen Forschung am i3mainz
stellungen, mit Erfolg!
Grafik: Vanessa Liebler,
CC BY-SA 4.0
Das Forschungsinstitut i3mainz der Hochschule Mainz
beschäftigt sich seit seiner Gründung 1998 mit Fragen der
raumbasierten Informations- und Messtechnik. Viele Metho-
den und Technologien wurden seither analysiert, prototy-
pisch in Projekten erprobt, bewertet und weiter entwickelt.
Einem Themenkomplex wird im Rahmen dieses Berichts
mehr Raum gegeben. In diesem Jahr ist es die Künstliche
Intelligenz (KI) mit Raumbezug, welche in einer Reihe von
Projekten am i3mainz weiterentwickelt wird.
26 27 #GeoAI #Fokusthema #i3mainzEin Gebiet der Informatik ist zur Schlüsseltechnologie kann zum heutigen Zeitpunkt nicht beantwortet werden.
geworden: die Künstliche Intelligenz (KI). Der Begriff Die Lücke zwischen diesen Zukunftsvisionen und dem,
wird jedoch nicht einheitlich verwendet, was an der was heute möglich ist, ist jedoch immens: Aktuelle KI-
schwierige Abgrenzung des Teilbegriffs Intelligenz Systeme, schwache KI genannt, lösen sehr spezifische
liegt. Alan Turing veröffentlichte bereits im Jahr 1950 Probleme, etwa das Erkennen von Mustern oder Objek-
den Aufsatz Computer Machinery and Intelligence. ten in Bildern. Sie sind in begrenztem Umfang fähig zu
lernen, aber das vernetzte Denken und Handeln auf
Auf der Dartmouth Conference von 1956, organisiert Basis einzelner Aspekte der Intelligenz ist bisher nicht
vom Informatik-Professor John McCarthy, wurde der oder nur eingeschränkt möglich.
Begriff Künstliche Intelligenz erstmals als akademisches
Fachgebiet eingeführt. Nachdem ein langer Winter
keine nennenswerten Fortschritte in der KI mit sich
brachte, hat sich die KI seit den 2010er Jahren auf
Basis verbesserter Hardware und Infrastruktur rasant
„KI ist die Wissenschaft von Algorith-
weiterentwickelt und wurde zu einem festen Bestandteil men, die es Computern ermöglicht,
der heutigen Informationstechnologie. intelligentes Verhalten abzubilden.“
Die damit verbundenen Zukunftsszenarien ufern in zwei Alan Turing (ca. 1938), Autor unbekannt,
– John McCarthy, 1956
Extremen: Auf der einen Seite stehen diejenigen, für gemeinfrei (Quelle: Wikimedia)
die der große Nutzen dieser technologischen Errungen-
schaft im Vordergrund steht. Sie weisen auch auf die
so genannte technische Singularität¹ hin, den Punkt Aber was ist intelligentes Verhalten und was Künstliche
also, an dem die Maschine den Menschen an Intelligenz Intelligenz? Im Folgenden versuchen wir unsere Auf-
übertrifft. Ihnen gegenüber stehen diejenigen, die vor fassung am i3mainz darzustellen und zeigen Projekt-
möglichen Gefahren warnen, bis hin zu Schreckens- beispiele, die diese Auffassung praktisch erläutern.
szenarien, die auch die Vernichtung der Menschheit
nicht ausschließen. John McCarthy; Foto: pepihasenfuss Wir verstehen KIs als intelligente Informationssysteme,
CC BY-NC 2.0 (www.imagecodr.org) die Daten analysieren und auf Basis spezifischer Metho-
Neben KI tauchen in diesem Zusammenhang weitere den daraus Erkenntnisse gewinnen können. Realisiert
Begriffe, wie Machine Learning (ML) oder Deep Learning Maschinelles Lernen ist ein Oberbegriff für werden kann dies entweder durch Expertensysteme
(DL) auf, die teilweise synonym verwendet werden. die „künstliche“ Generierung von Wissen aus oder durch ML. Expertensysteme ziehen ihre Intelligenz
Erfahrung.
Ebenfalls lässt sich eine Vermenschlichung der KI in aus der Nutzung von formalisiertem Fachwissen, etwa
Form von androiden Robotern erkennen, wahrscheinlich in digitalen Regelwerken. Daraus ziehen sie logische
motiviert zum einen durch zahlreiche Filme und Serien Deep Learning bezeichnet eine Methode des Schlüsse und lösen Aufgaben automatisiert und in
mit Robotern als Protagonisten, zum anderen durch maschinellen Lernens. transparenter Weise.
den Wunsch des Menschen, sein künstliches Ebenbild
zu schaffen. Der Begriff ML wird heute oft synonym mit KI genutzt,
weil hier zuletzt die größten Fortschritte erzielt wurden –
In diesem Zusammenhang fällt oft der Begriff Super- was dazu geführt hat, dass Expertensysteme teilweise
Intelligenz², der eine in allen denkbaren Bereichen aus- nicht mit KI assoziiert werden. Menschliche Champions
gebildete Intelligenz umschreibt, deren Fähigkeiten in in Brettspielen, wie Schach oder Go, wurden von ML
physischer und kognitiver Form die des Menschen weit geschlagen, Bilder oder Sprache werden durch unsere
übersteigen. Ob die Entwicklung einer solchen Form Smartphones erkannt und Autos zeigen erste Fähigkei-
der KI, auch starke KI genannt, überhaupt möglich ist, ten, sich ohne Fahrer sicher durch den Straßenverkehr
28 29 #GeoAI #Fokusthema #i3mainzzu bewegen. ML gewinnt Wissen aus Erfahrung und weise 80 Prozent unser Entscheidungen beeinflussen,
kann hierbei durch verschiedene Methoden imple- sind prädestiniert für den Einsatz im KI-Umfeld: Sie
mentiert werden. Es lässt sich einfach klassifizieren liegen in großen Mengen vor und enthalten relevante
in überwachtes und unüberwachtes Lernen: Beim un- räumliche Muster. Wir nutzen diese Daten in vielfältigem
überwachten Lernen weiß das System, vereinfacht ge- Kontext, beispielsweise um Entscheidungen zu stützen,
sagt, nicht, was es erkennen soll. Es erkennt und kate- Vorhersagen zu treffen oder Objekte räumlich zu klas-
gorisiert Muster, ohne zu wissen, welche und wie viele sifizieren. Die Datenmengen – Big Data – werden so
Kategorien es gibt. Beim überwachten Lernen kennt zu Smart Data. Eine weitere Herausforderung, der wir
die KI eine so genannte Grundwahrheit basierend auf uns hierbei am i3mainz stellen, ist die Visualisierung
Trainingsdaten, bei denen Input und Ergebnis bekannt der durch KI gewonnen Muster und Ergebnisse. Ziel ist
sind. So werden Modelle erstellt, die dann in der Lage der Einsatz und die Untersuchung visueller Methoden
sind, auch unbekannte Daten zu verarbeiten. und Verfahren zur Wissensbereitstellung für die Ziel-
gruppe. Interaktive Prototypen nutzen beispielsweise
Ein weit verbreiteter Ansatz des ML ist eine Nachbildung Diagramme oder Karten und erzeugen mit Hilfe von
der Verbindung von Nervenzellen des menschlichen Methoden der AI Vertrauen und Akzeptanz.
Gehirns, die sogenannten künstlichen Neuronalen
Netze (KNN). Wenn ein solches Netz mit zahlreichen Nachfolgend stellen wir Ihnen ausgewählte Projekte
Daten durch wiederholte Zuordnung dieser Daten trai- Im Mai 1997 verlor Garry Kasparov einen mit einem signifikanten KI-Kontext vor, aus denen wir
niert wird, ist es in der Lage, die Zuordnung jedes Mal Wettkampf gegen den IBM-Computer Erkenntnisse über die Anwendbarkeit von KI im Öko-
exakter durchzuführen und den Mechanismus der Zu- Deep Blue; Foto: Owen Williams, The
system räumlicher Daten ziehen und oft einen Mehr-
ordnung auf noch unbekannte Daten zu übertragen. Kasparov Agency.
werte für die Gesellschaft generieren.
Dies kann in einer neuronalen „Schicht“ durchgeführt
werden, oder auch in mehreren Schichten. In diesem Fall
spricht man von Deep Neural Networks oder auch kurz
DL. Neben den beispielhaft genannten KI-Verfahren
existieren viele weitere, die innerhalb unserer Projekt-
vorstellungen genannt werden. Foto von Maximalfocus auf Unsplash
Die Robotik unterstützt die Informationstechnologie im Die Robotik unterstützt die Informations-
Bereich der Software durch Sensoren und Aktoren, um technologie im Bereich der Software durch
Sensoren und Aktoren, um mit der physi-
mit der physischen Welt zu interagieren. Die software-
schen Welt zu interagieren.
gestützten Elemente der Steuerung eines Roboters
werden zum Teil auch der KI zugeschrieben, wobei hier
weniger eine Methodenentwicklung im Fokus steht,
sondern eher die Nutzung hybrider Methoden – inklusive
KI zur Lösung von Problemen in der Robotik.
Am i3mainz werden Methoden der KI in verschiedenen
Anwendungsdomänen genutzt, um vorwiegend raum-
basierte, ingenieurtechnische Herausforderungen intel-
ligent mit lernender Software zu lösen. Dabei kommen
sowohl eigene Entwicklungen zum Einsatz als auch
gängige, offene Frameworks, etwa TensorFlow und
Keras. Raumbasierte Daten, die heute schätzungs-
30 31 #GeoAI #Fokusthema #i3mainzAutomatische Punktwolkeninterpretation Eignung bewertet. Daran anschließend wurde mit Hilfe
der erzeugten 3D-Punktwolke die Eignung der Wohn-
für die Pflege der Zukunft: BIM4Care raumeinrichtung anhand medizinisch-pflegerischer
Kriterien am Beispiel der Barrierefreiheit evaluiert.
Für eine erfolgreiche Umsetzung von Digitalisierungs- Weite Teile der Datenprozessierung konnten bereits
strategien im Zuge von Industrie 4.0, E-Health oder automatisiert werden. Mittels DL soll der Automati-
Smart City stellen intelligente, digitale Gebäude eine sierungsgrad im Laufe des Jahres 2021 weiter erhöht
zentrale Informationsgrundlage dar. Mit diesen soge- werden.
nannten digitalen Zwillingen können Mensch-Gebäude-
Interaktionen stattfinden, Analysen durchgeführt, Be-
stände dokumentiert und Optimierungen simuliert wer-
den. Der Erfassung und nachträglichen Modellierung
baulicher Strukturen wird somit eine bedeutende Rolle
Eine Punktwolke beschreibt eine Menge von
zuteil. Durch moderne Scanning-Technologie kann Einzelpunkten, welche jeweils sowohl 3D-
ein Gebäude erfasst und durch Millionen von Einzel- Koordinaten als auch Farb- oder Intensitäts-
punkten als 3D-Punktwolke beschrieben werden. Wäh- informationen aufweisen.
rend dieser Vorgang bereits sehr effizient abgewickelt
werden kann, stellt die nachträgliche Verarbeitung zu
einem intelligenten Gebäudemodell (BIM) eine in der BIM (Building Information Modeling) be-
Regel manuelle Modellierungsarbeit dar, die in der Grö- schreibt eine Arbeitsmethode der ver-
netzten Planung, Ausführung und Bewirt-
ßenordnung von Smart Cities nicht zu leisten ist. schaftung von Bauwerken. Alle relevanten
Informationen rund um das Bauwerk sind in
Um aus 3D-Punktwolken digitale Gebäudemodelle zu einem digitalen 3D-Modell bauteilbezogen
generieren, forschen Mitarbeiterinnen und Mitarbeiter erfasst und abrufbar.
am i3mainz an effizienten und möglichst automatisierten 1
Lösungen. Methoden des Deep Learnings (DL) erzielen
insbesondere auf 2D-Bilddaten beeindruckende Klas-
sifikationsergebnisse3 und stellen damit einen erfolg-
reichen Transfer in die 3D-Objekterkennung in Aus-
sicht. Eine entscheidende Stärke von diesen Methoden
ist deren Fähigkeit, aus großen Mengen Trainings-
daten automatisch hierarchische Objektmerkmale zu
2
erlernen4. Dank der zunehmenden Verfügbarkeit er-
Für die häusliche Pflege der Zukunft
schwinglicher Scanning-Technologie kann der Bedarf bewertet unsere Lösung den Wohnraum
nach adäquaten 3D-Trainingsdaten gedeckt und damit automatisch nach Zugänglichkeit und
aktiv die Erweiterung von Deep Learning auf die 3D- Eignung. Dazu wird der Wohnraum samt
Punktwolkenverarbeitung untersucht werden. seiner Einrichtungsgegenstände (1)
gesamtheitlich als 3D-Punktwolke erfasst, 3
(2) anschließend in semantische Regionen
Eine erste Studie des i3mainz fokussiert das Thema strukturiert, (3) darin einzelne Objekte
der Pflege zu Hause unter Berücksichtigung medi- Pflege zu Hause beschreibt die Möglichkeit erkannt und (4) diese nach patientenindivi-
zinischer Anforderungen an die individuelle private zu Hause zu leben, unabhängig von Krank- dueller Eignung bewertet. Die objektbezo-
heit, Alter und finanziellem Hintergrund. genen Bewertungen fließt abschließend in
Wohnraumeinrichtung. Dabei wurden zunächst ver- ein (5) as-built BIM, welches den Prozess
schiedene Scanning-Technologien in einer simulierten nachhaltig dokumentiert.;
4 5
Wohnraumumgebung getestet und deren qualitative Grafik: i3mainz, CC BY-SA 4.0
32 33 #BIM #Segmentierung #Objekterkennung #3DMesstechnik #DL #EHealthMustererkennung mittels Deep Learning Smart City mit KI: Wie mit Hilfe von
bei der Bildanalyse von Tachymetrie bis Machine Learning die Parkhausauslas-
Unmanned Aerial Vehicle tung optimiert werden kann
KI-Methoden zeigen großes Potential auch in der digi- Der Einsatz von Smart City Analytics gewinnt zuneh-
talen Bildanalyse. Besonders die Methode Deep Lear- mend an Bedeutung, da täglich eine enorme Masse an
ning (DL) wurde in den letzten zehn Jahren verstärkt Rohdaten aus dem urbanen Umfeld erzeugt, jedoch
in der Bildverarbeitung von großen Datenmengen und nicht vollends verstanden oder ausgewertet wird. Mo-
In der Inferenz werden unbekannte Bilder
der Erkennung von Mustern mithilfe von Künstlichen klassifiziert und vorhergesagt; bilität gilt als eine der sechs von der EU definierten
Neuronalen Netzen (KNN) eingesetzt. Dabei stehen Grafik: Vanessa Liebler, CC BY-SA 4.0 Dimensionen, für die Handlungsbedarf in Smart Cities
die Verfahren Klassifikation, Objektdetektion und Se- besteht6.
mantische Segmentierung im Fokus.
Eine der damit in Zusammenhang stehenden Heraus-
Am i3mainz wurde ein Workflow zur automatischen Er- forderung ist die Verfügbarkeit von Parkraum. Ein deut-
kennung von Zügen in Bilddatensätzen erfolgreich ge- scher PKW-Nutzer verbringt im Jahr durchschnittlich 41
testet5, um einen Beitrag für mehr Sicherheit im Gleis- Stunden mit der Suche nach einem Parkplatz, Tendenz
bereich zu leisten. Hierbei wurde eine kommerzielle steigend7. Auch die aktuell geführte Debatte über die
Software, MVTec Halcon, eingesetzt, welche ein vor- Einhaltung von Emissionsgrenzwerten in deutschen
trainiertes Convolutional Neural Network (CNN oder Innenstädten verstärkt den Handlungsbedarf8. Stadt-
ConvNet) auf die Problemstellung der Zugerkennung planer, Kommunen und Parkhausbetreiber können
adaptiert. Ein CNN ist ein gefaltetes Neuronales Netz- diese Situation als Chance begreifen, um geeignete
werk, welches das biologische Neuronensystem simu- Maßnahmen zur effizienteren Nutzung der vorhandenen
liert und die Informationen wie das menschliche Gehirn Parkressourcen zu ergreifen. Die Vorhersage von
verarbeitet und erlernt. Es besteht aus verschiedenen Parkhausbelegungen sowie der Einsatz von Informa-
Schichten, die sich in ihrer Anzahl, Tiefe und den im- Validierung der Targetdetection tionssystemen im Kontext von Smart Cities ist auch an
(Schwarz-/Weiß-Target) mit Konfidenz;
plementierten Aktivierungs- sowie Optimierungsfunk- der Hochschule Gegenstand aktueller Forschung9.
Foto: i3mainz, CC BY-SA 4.0
tionen unterscheiden. Bezeichnend für ein ConvNet
sind die Convolutional Layer, die eine mathematische Das Projekt leistet einen Beitrag zur Optimierung der
Faltung der Bildinformationen vornehmen und in der Bewirtschaftung von Parkflächen. Dabei sollen sowohl
Regel von einem Pooling Layer zur Verdichtung der In- für Parkhausbetreiber als auch für Kunden Handlungs-
formationen gefolgt werden. empfehlungen bereitgestellt werden. Konkret umfasst
dies Vorhersagemodelle für die Parkhauseinfahrten
Ein weiterer Anwendungsbereich ist die automatische und der wahrscheinlichen Parkdauer der PKWs. Fer-
Detektion verschiedener Targetdesigns. Die Bilddaten Bewirtschaftung von Parkflächen; ner dient ein Steuerungsalgorithmus zur Prognose der
Grafik: Vanessa Liebler, CC BY-SA 4.0 Ausfahrten in der Zukunft unter Berücksichtigung der
werden von Totalstationen oder durch Befliegungen
mit UAVs, also Unmanned Aerial Vehicle, erfasst. In dieser Vorhersagemodelle.
Anwendung wird zusätzlich das Open-Source Frame-
work TensorFlow / Keras eingesetzt, um ConvNets zu Ziel ist die Gewährleistung von Parkraum für Dauer-
trainieren. Die Bilddaten werden gemäß der Verfahren parker sowie die maximale Bereitstellung für Kurzzeit-
klassifiziert und Targets darin lokalisiert. parker. Für die Prognosen werden bekannte Methoden
aus dem Bereich ML verwendet, wie zum Beispiel Re-
Befliegung der Hochschule Mainz
mit den neu eingesetzten UAV-Targets; gressionen oder KNN. Die genannten Analysen und
Foto: i3mainz, CC BY-SA 4.0 Modelle werden durch Untersuchungen zum Einfluss
#Bildanalyse #Objekterkennung #Klassifikation #ZugDetektion #UAV 34 35 #BigDataAnalytics #SmartCity #RaumbezogeneAnalyse #ML #Mobilität #OffStreetParkingvon räumlichen Kontextfaktoren angereichert. Eine Si- Objekterkennung in Punktwolken durch
gnifikanz dieser Untersuchungen in Smart City Frage-
stellungen wird in der Literatur10 bereits festgestellt.
Semantik
Mit Hilfe von Visual Analytics sollen Ergebnisse speziell
Das Projekt Knowledge-based object Detection in
für den Domänen-Experten11 bereitgestellt werden, um
ihn und sein Wissen als Schwerpunkt in den Use-Case- Image and Point cloud (KnowDIP) strebt die automa-
bezogenen Workflow des ML zu integrieren. tische Strukturierung von 3D-Punktwolken an. Ziel ist
die Zuordnung semantischer Inhalte zu Geometrien
Im Rahmen dieses Projektes werden zwei Promotionen und einzelnen Objekten innerhalb einer Szene. Implizit
angestrebt. Ein interaktives Dashboard ist bereits dar-
Anwendung der Objekterkennung in einer in den Daten enthaltenes und durch den Trainingsprozess
städtischen Punktwolke;
aus hervorgegangen, welches die Parkhausauslastung erschlossenes Wissen wird durch explizit formuliertes
Grafik: i3mainz, CC BY-SA 4.0
in der Mainzer Innenstadt visualisiert. Wissen in einem vollständig Semantik-getriebenen An-
satz ersetzt.
Die Semantik formuliert verschiedene Wissenszweige
und deren Verknüpfungen, etwa das Wissen über die
Bedeutung der Objekte in den Datensätzen und über
die auf die Daten anzuwendenden Algorithmen. Der
Ansatz enthält auch eine Lernphase, mit deren Hilfe
Prototypische Umsetzung eines sich die Punktwolkenprozessierung an die Vielfalt der
Dashboards zur Vorhersage der Objekte und die Datenmerkmale anpassen lässt. Die
Ergebnis der wissensbasierten Objekt-
Parkauslastung in Mainz; Semantik wird über ein ontologisches Modell ausge-
Screenshot: i3mainz, CC BY-SA 4.0 erkennung; Grafik: i3mainz, CC BY-SA 4.0
drückt. Sie verwendet Standard-Webtechnologien wie
SPARQL-Abfragen.
SPARQL ist eine graphenbasierte Abfrage- Das ontologische Modell beschreibt das digital reprä-
sprache für Abfragen von Inhalten aus dem sentierte Objekt, die Daten aus der 3D-Punktwolke
Beschreibungssystem RDF
und eine Reihe von Algorithmen, welche optimal auf
die zu prozessierende Szene passen. Es ermöglicht
die Auswahl und Ausführung von Algorithmen, die an
Daten und Objekte angepasst sind. Erzielte Verarbei-
tungsergebnisse werden klassifiziert und erlauben,
das ontologische Modell mit Hilfe von SPARQL-Kons-
truktabfragen anzureichern. Die durch SPARQL for-
mulierte Semantik dient auch als Verbindung zwischen
dem Wissen innerhalb des ontologischen Modells und
dem Verarbeitungsbereich. Das erarbeitete KnowDIP
Framework besitzt die Fähigkeit, die Verwendung der
Algorithmen auf einen individuellen Zustand der Ver-
arbeitungskette auszulegen und macht die Lösung an-
passungsfähig, etwa auf Fälle des kulturellen Erbes,
der Rekonstruktion von Bauwerken im Kontext von BIM
sowie für industrielle oder Mapping-Anwendungen.
36 37 #3DMesstechnik #Bildanalyse #SemantikWissensgesteuerte Simulationen zur Krebsfrüherkennung durch
Katastrophenbewältigung Hyperspektrale KI
Ein Ziel des Projekts Semantic GIS war es, das Katas- Krebs stellt nach den Herz-Kreislauf-Erkrankungen
trophenmanagement durch die Integration und Inter- die zweithäufigste Todesursache in Deutschland dar¹2.
pretation heterogener Daten aus den verschiedenen Das Mundhöhlen- oder Pharynxkarzinom zählt als eine
Disziplinen zu unterstützen. Hierfür wurde eine intelli- Variante, an der jährlich rund 10.000 Menschen erkran-
gente Lösung zur Anpassung von Simulationen auf Basis ken. Die derzeit einzige kurative Therapie besteht im
des vorhandenen Wissens entwickelt. Diese Lösung Orale Schleimhautgewebeprobe eines vollständigen Entfernen aller Tumorherde. Dabei stützen
zielt darauf ab, die Effektivität der Pläne im Katastro- Patienten, welche pathologisch mittels
HSI untersucht wurde. Visualisiert ist
sich die Diagnosen auf histopathologische Analysen
phenmanagement durch Simulation zu bewerten und die Sauerstoffsättigung des Gewebes. von operativ entnommenen Gewebeproben13. Da dieser
damit zu verbessern. Grafik: Unimedizin Mainz und i3mainz Ansatz das Gewebe nur punktuell untersucht, können
Tumorgrenzen nicht genau definiert werden. Um diesen
Die Simulationsmodelle sind nicht flexibel genug, um Status quo zu optimieren, wurden Ende des Jahres
verschiedene Arten von Plänen zu simulieren. Um die erste Untersuchungen auf Basis hyperspektraler Bild-
Simulationen anpassen zu können, ist die Zusammen- daten vorgenommen.
führung der Expertise aus den beteiligten Disziplinen
notwendig. HSI nutzt verschiedene Wellenlängenberei- Die hyperspektrale Bildgebung (HSI) hat sich als ein
Visualisierung einer Rettungssimulation che (Spektren), um in das Gewebe einzu- vielversprechendes und nicht invasives Instrument ent-
In der vorgeschlagenen Lösung wird explizites Wissen (grün: Feuerwehrmann, hellblau: Kranken- dringen und damit für den Menschen nicht
wickelt, um Gewebeeigenschaften zu messen, charak-
wagen, dunkelblau: Arzt, andere Farben: sichtbare Informationen zu erfassen. Damit
zur Bewältigung einer Katastrophensituation aus he- eignet es sich besonders für die multivarian- teristische Karzinomsignaturen zu identifizieren und so
Opfer mit verschiedenen Gesundheitszu-
terogenen Geodaten und Notfallplänen extrahiert. ständen) in der Stadt Montbard (Frank- te Datenanalyse durch KI. das Entfernen von gesundem Gewebe zu vermeiden.
Dieses Wissen wird in einem Triplestore gespeichert reich); Screenshot in GAMA-Platform, Die über verschiedene Wellenlängen gewonnenen
und für den Entwurf von Simulationen zur Bewertung CC BY-SA 4.0 Spektraldaten des Gewebes sind einzigartig und wer-
von Plänen verwendet. Die Modellierung der Simulation Die durch HSI erfasste Daten werden in den in einem Hyperwürfel (3D-Bildcube) gespeichert.
erfolgt durch Reasoning, die Programmierung durch einem Hyperwürfel gespeichert. Dabei kön- Basierend auf diesen spektralen Eigenschaften kann
einen intelligenten Prozess. Dieser nutzt die Inhalte nen räumliche und spektrale Informationen
Gewebe beispielsweise in Schleimhaut, Muskel, Fett
kombiniert abgebildet werden.
der Wissensbasis aus dem Triplestore, um das Simu- Ein Triplestore ist eine Datenbank für die und Tumor unterschieden werden. Mit dem Ziel, wäh-
lationsprogramm zu erstellen. Die entwickelte Lösung Speicherung und den Abruf von Triples
rend einer Operation zukünftig automatisch Gewebe
durch semantische Abfragen. Ein Tripel ist
nutzt das Apache-Jena-Framework für die Verwaltung eine Dateneinheit, die aus Subjekt-Prädikat- klassifizieren zu können, wurden verschiedene Analy-
der Wissensbasis und das Reasoning. Sie wurde er- Objekt besteht. semethoden aus dem Spektrum der KI untersucht und
folgreich auf einen Rettungsplan für den Umgang mit bewertet. Neben KNN waren Support Vector Machines
mehr als hundert betroffenen Menschen angewendet. (SVM) und Entscheidungsbäume (Random Forest) Be-
Die Arbeiten zur Bewertung von Katastrophenschutz- standteil der Untersuchung.
plänen wurde mit einer Dissertation im Dezember 2020
abgeschlossen und wissenschaftlich validiert. Eine Klassifikationsgenauigkeit von über 93 Prozent er-
reichten KNN und stellten damit den leistungsfähigsten
Klassifikator dar. Diese Zwischenergebnisse basieren
auf numerischen Werten und dienen als erster Impuls
für die Weiterentwicklung der automatischen Gewebe-
klassifikation unter Nutzung hyperspektraler Bilddaten
und -würfel.
#SemanticWeb #Simulation #MultiAgentenVerfahren #Wissensdatenbank #Katastrophenmanagement 38 39 #Gewebeerkennung #Klassifikation #KNN #ML #HSISie können auch lesen
