Digitale Karten bilden schon heute überwiegend die Grundlage für die Planung neuer Verkehrswege oder Kabeltrassen. Die Erstellung solcher Karten ist komplex: Eine herkömmliche Landkarte des Bauareals muss mit den für die Planung notwendigen Informationen angereichert werden. Wo stehen Bäume, Laternen, Abfalleimer? Welcher Straßenbelag ist verbaut? Sind möglicherweise Schienen zu berücksichtigen? Solche Informationen werden in Vor-Ort-Begehungen und mithilfe von 3D-Messtechnik erhoben, von Fachleuten manuell gesichtet, interpretiert und in die Karten eingepflegt – ein sehr zeitaufwändiger Prozess. Eine am Fraunhofer IPM entwickelte KI-basierte Lösung erlaubt nun erstmals, eine automatisierte Dateninterpretation und die Integration der Informationen in intelligente Karten. Diese Karten bilden die Grundlage vollautomatisierter Planungsprozesse.

Datenschatz: weltweit einzigartiger Trainingsdatensatz für Städtebau und Architektur

Wie gelingt es der Software, Häuser, Schilder, Bäume oder Bordsteinkanten in Kamerabildern und Scannerdaten zu erkennen, von anderen Objekten abzugrenzen und zu klassifizieren? Das Fraunhofer IPM-Team kombiniert dazu klassische geometrie- und merkmalbasierte Objekterkennung mit Methoden des Deep Learning. Deep Learning basiert auf künstlichen neuronalen Netzen (KNN), die für bestimmte Erkennungsaufgaben trainiert werden. Dieser Ansatz aus dem Bereich des Machine Learning gehört zu den Methoden der künstlichen Intelligenz. Für das Training der KNN wurde ein weltweit einzigartiger, umfassender Trainingsdatensatz speziell für den Kontext Infrastrukturplanung entwickelt. Er enthält mehr als 30 Objektklassen inklusive unterschiedlicher Tages- und Jahreszeiten, spezifischer Lichtverhältnisse bis hin zu regionalen Besonderheiten.

Tiefes Verständnis von 3D-Daten ist entscheidend

Als Vorbereitung für die automatisierte Interpretation der Messdaten werden die 2D-Kameradaten und 3D-Scandaten zunächst fusioniert, sodass neben geometrischen Informationen auch Farbe und Textur von Oberflächen im Datensatz enthalten sind. Damit wird es z. B. möglich, unterschiedliche Baumarten oder Oberflächen wie Asphalt, Kies oder Gras zu unterscheiden. »Wir kommen ursprünglich von der Hardwareseite«, sagt Professor Dr. Alexander Reiterer, der das Projekt am Fraunhofer IPM verantwortet. »Unsere Laserscanner gehören zu den schnellsten der Welt. Wir haben über die Jahre ein tiefes Verständnis bezüglich der Qualität der Daten aufgebaut und wir wissen, wie wir mit möglichen Fehlerquellen umgehen müssen.« Dieses Datenverständnis sowie neu aufgebaute Kompetenzen im Bereich KI sind die Grundlage für das Software-Tool, das semantisch angereicherte, intelligente Planungskarten vollautomatisch aus Messdaten erstellt – ein bis vor Kurzem schlicht undenkbarer Prozess, für den die Wissenschaftlerinnen und Wissenschaftler nun als »KI-Champion BW« ausgezeichnet wurden.