{"id":18993,"date":"2021-06-02T11:14:00","date_gmt":"2021-06-02T09:14:00","guid":{"rendered":"https:\/\/www.sysbus.eu\/?p=18993"},"modified":"2021-06-01T11:03:04","modified_gmt":"2021-06-01T09:03:04","slug":"satellitengestuetzte-loesungen-treten-mit-ki-in-eine-neue-aera","status":"publish","type":"post","link":"https:\/\/www.sysbus.eu\/?p=18993","title":{"rendered":"Satellitengest\u00fctzte L\u00f6sungen treten mit KI in eine neue \u00c4ra"},"content":{"rendered":"\n

Autor\/Redakteur: Dr. Alen Berta, Executive Consultant im Bereich Space und Head of Advanced Analytics Knowledge Hub der AI und Smart Data Practice bei CGI in Deutschland<\/a>\/gg<\/p>\n\n\n\n

Satellitendaten aus der Erdbeobachtung stehen in immer gr\u00f6\u00dferem Umfang zur Verf\u00fcgung. Eine effiziente Auswertung der Rohdaten erfordert den Einsatz von K\u00fcnstlicher Intelligenz. Nur so k\u00f6nnen schnell relevante Erkenntnisse gewonnen werden.<\/p>\n\n\n\n

\"\"<\/a>
Dr. Alen Berta, Executive Consultant im Bereich Space und Head of Advanced Analytics Knowledge Hub der AI und Smart Data Practice bei CGI in Deutschland (Quelle: CGI)<\/figcaption><\/figure>\n\n\n\n\n\n\n\n

Mit Hilfe von Satelliten ist es mittlerweile m\u00f6glich, zweimal pro Tag ein Foto von jedem Fleck der Erde aufzunehmen. Die gewonnenen Bilddaten nutzen Beh\u00f6rden und Unternehmen aus unterschiedlichsten Branchen wie Versicherungen, Energiewirtschaft oder Transportwesen.<\/p>\n\n\n\n

Energieversorgungsunternehmen und Bahnnetzbetreiber etwa setzen die Bilddaten ein, um B\u00e4ume und Vegetationen zu erkennen, die eine Gefahr f\u00fcr ihre Infrastruktur darstellen. Auch f\u00fcr Pipelinebetreiber im Gas- und \u00d6lsektor sind Daten aus dem All die Basis, um potenzielle Schadensquellen und kritische H\u00f6henver\u00e4nderungen rechtzeitig zu erkennen.<\/p>\n\n\n\n

Satellitengest\u00fctzte L\u00f6sungen k\u00f6nnen vor allem auch f\u00fcr die effiziente und nachhaltige Nutzung von Land- und Bodenressourcen verwendet werden. Sie liefern Informationen f\u00fcr die Stadt-, Verkehrswege- und Gr\u00fcnfl\u00e4chenplanung, f\u00fcr die Landwirtschaft oder f\u00fcr das Wald- und Wassermanagement. Nicht zuletzt helfen satellitengest\u00fctzte Daten auch bei Naturkatastrophen, um Hilfsma\u00dfnahmen zu optimieren, etwa bei Waldbr\u00e4nden, \u00dcberschwemmungen, D\u00fcrren oder Erdbeben.<\/p>\n\n\n\n

K\u00fcnstliche Intelligenz in der Erdbeobachtung<\/strong><\/p>\n\n\n\n

Die Voraussetzung f\u00fcr den universellen Einsatz von satellitengest\u00fctzten Erdbeobachtungsdaten ist die Verf\u00fcgbarkeit pr\u00e4ziser Informationen, die wie im Fall von Naturkatastrophen nahezu in Echtzeit vorliegen m\u00fcssen. Und im Hinblick auf diese Anforderungen sind bei den herk\u00f6mmlichen L\u00f6sungen noch Abstriche zu machen. Aber die Entwicklung schreitet fort und der entscheidende Aspekt dabei ist die Nutzung von K\u00fcnstlicher Intelligenz (KI) und Maschinellem Lernen (ML). Mit KI- und ML-Algorithmen k\u00f6nnen Zusammenh\u00e4nge in Datenbest\u00e4nden identifiziert werden. Dabei wird ein Algorithmus zun\u00e4chst durch Trainingsdaten angelernt, um dann ein Modell f\u00fcr die Nutzung solcher Daten zu generieren. Mit dem KI-Einsatz k\u00f6nnen in der Erdbeobachtung Auswertungen vorgenommen und Vorhersagen getroffen werden, die deutlich pr\u00e4ziser und detaillierter als in der Vergangenheit sind.<\/p>\n\n\n\n\n\n\n\n

Die Nutzung von KI und ML unterst\u00fctzt zum Beispiel die Transformation von Satellitenbildern in detailgenaue und aktuelle Stra\u00dfenkarten, die etwa Ersthelfer bei gr\u00f6\u00dferen Katastrophen wie Erdbeben ben\u00f6tigen. Eine solche L\u00f6sung bietet etwa CGI mit SAT2MAP an. Sie basiert auf ML-Algorithmen, die mit Trainingsdaten angelernt und mit denen Bild-zu-Bild-Transformationen berechnet werden; die Trainingsdaten sollten dabei eine m\u00f6glichst gro\u00dfe Anzahl an Satellitenbildern umfassen. Durch den Einsatz der KI-Technologie bei der Auswertung und Bearbeitung von Satellitendaten k\u00f6nnen somit aktuelle \u00c4nderungen der Stra\u00dfentopologie kurzfristig in Karten abgebildet werden.<\/p>\n\n\n\n

\"\"<\/a>
Umwandlung eines Satellitenbildes zu einer Stra\u00dfenkarte mittels des Machine-Learning-Algorithmus Sat2Map (Quelle: CGI)<\/figcaption><\/figure>\n\n\n\n

Eine Voraussetzung f\u00fcr den KI-Einsatz in der Erdbeobachtung ist prinzipiell die Nutzung von L\u00f6sungen mit hoher Rechenleistung, hohem Automatisierungsgrad und effizienten Datenverarbeitungsfunktionen, mit denen aktuelle und valide Informationen zeitnah zur Verf\u00fcgung gestellt werden. Diese Anforderungen adressiert CGI mit GeoData360, einer Plattform f\u00fcr die Bereitstellung von Erdbeobachtungs- und Geo-Services. GeoData360 ist als Platform-as-a-Service konzipiert und bietet eine Big-Data-Verarbeitungsm\u00f6glichkeit f\u00fcr Services, die auf Bildern und Geo-Daten wie Klimadaten oder meteorologische Daten basieren.<\/p>\n\n\n\n

KI im Weltraum<\/strong><\/p>\n\n\n\n

An der Nutzung von KI bei der Erdbeobachtung wird k\u00fcnftig allein schon deshalb kein Weg vorbeif\u00fchren, weil die Datenmengen immer umfangreicher werden, eine manuelle Auswertung wird damit unm\u00f6glich. Nur KI-Systeme k\u00f6nnen aus vielen Rohdaten schnell wertvolle Erkenntnisse gewinnen. Und der KI-Einsatz wird dabei nicht auf Kontrollzentren auf der Erde beschr\u00e4nkt bleiben: KI wird auch verst\u00e4rkt am Edge, das hei\u00dft direkt am Satelliten, eingesetzt werden. Der dezentrale IT-Ansatz Edge Computing h\u00e4lt somit auch in der Satellitentechnik Einzug. Die Datenverarbeitung erfolgt direkt an der Datenquelle, somit m\u00fcssen auch weniger Daten an die Erde zur Analyse \u00fcbertragen werden.<\/p>\n\n\n\n

Ein Beispiel f\u00fcr Edge Computing im Satellitenbereich liefert der Nanosatellit OPS-SAT der europ\u00e4ischen Weltraumagentur ESA, der als Testlabor f\u00fcr Experimente mit neuer Software fungiert, etwa in Bereichen wie KI, Datenkompression oder weltraumgest\u00fctzten Webservices. Ein Experiment dreht sich dabei um die KI-Nutzung bei der Wolkenerkennung; diesen Teil verantwortet die ESA. F\u00fcr die Entwicklung einer KI-basierten L\u00f6sung f\u00fcr die Entscheidung, welche Daten zur Erde \u00fcbertragen werden, ist CGI zust\u00e4ndig. CGI und die ESA werden damit erstmals eine g\u00e4nzlich neue Art der Verbindung von On-Board- und Bodenkontrollsystem-Prozessen konzipieren.<\/p>\n\n\n\n

Es besteht kein Zweifel, dass Erdbeobachtungsdaten einen entscheidenden Beitrag leisten k\u00f6nnen, um aktuelle Herausforderungen der Weltbev\u00f6lkerung zu bew\u00e4ltigen: von der nachhaltigen Nutzung der nat\u00fcrlichen Ressourcen der Erde \u00fcber die Minderung von Umweltauswirkungen auf Infrastrukturen bis hin zu einem der gr\u00f6\u00dften Probleme unserer Zeit \u2013 dem Klimawandel. Und durch KI- und ML-Verfahren k\u00f6nnen umfangreiche Datenmengen aus der Erdbeobachtung analysiert und interpretiert werden, sodass die Menschheit schnellere und pr\u00e4zisere Entscheidungen treffen kann.<\/p>\n","protected":false},"excerpt":{"rendered":"

Satellitendaten aus der Erdbeobachtung stehen in immer gr\u00f6\u00dferem Umfang zur Verf\u00fcgung. Eine effiziente Auswertung der Rohdaten erfordert den Einsatz von K\u00fcnstlicher Intelligenz. Nur so k\u00f6nnen schnell relevante Erkenntnisse gewonnen werden.<\/p>\n","protected":false},"author":1,"featured_media":18996,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"colormag_page_container_layout":"default_layout","colormag_page_sidebar_layout":"default_layout","footnotes":""},"categories":[8,14917,10036],"tags":[4418,9194,8767,10986,6993],"class_list":["post-18993","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-artikel","category-digitalisierung","category-kuenstliche-intelligenz","tag-cgi","tag-karte","tag-machine-learning","tag-ml","tag-satellit"],"amp_enabled":true,"_links":{"self":[{"href":"https:\/\/www.sysbus.eu\/index.php?rest_route=\/wp\/v2\/posts\/18993","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.sysbus.eu\/index.php?rest_route=\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.sysbus.eu\/index.php?rest_route=\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.sysbus.eu\/index.php?rest_route=\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/www.sysbus.eu\/index.php?rest_route=%2Fwp%2Fv2%2Fcomments&post=18993"}],"version-history":[{"count":2,"href":"https:\/\/www.sysbus.eu\/index.php?rest_route=\/wp\/v2\/posts\/18993\/revisions"}],"predecessor-version":[{"id":18998,"href":"https:\/\/www.sysbus.eu\/index.php?rest_route=\/wp\/v2\/posts\/18993\/revisions\/18998"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.sysbus.eu\/index.php?rest_route=\/wp\/v2\/media\/18996"}],"wp:attachment":[{"href":"https:\/\/www.sysbus.eu\/index.php?rest_route=%2Fwp%2Fv2%2Fmedia&parent=18993"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.sysbus.eu\/index.php?rest_route=%2Fwp%2Fv2%2Fcategories&post=18993"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.sysbus.eu\/index.php?rest_route=%2Fwp%2Fv2%2Ftags&post=18993"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}