Was passiert, wenn Geodaten, Künstliche Intelligenz und junge kreative Köpfe eine Woche lang zusammenkommen? Beim ersten AI Summer Workshop von Esri Deutschland entwickelten Studierende der Universität Münster innerhalb weniger Tage eigene GeoAI-Prototypen für reale Herausforderungen aus Infrastruktur, Umwelt, Immobilienwirtschaft und Stadtentwicklung. Statt trockener Theorie standen praxisnahe Anwendungsfälle, echte Daten und jede Menge Experimentierfreude im Mittelpunkt.
Von Geospatial AI zu realen Anwendungsfällen
Die ersten beiden Tage standen ganz im Zeichen der fachlichen Vorbereitung auf die anschließende Projektarbeit. Gemeinsam mit AI-Expertin Alina Krämer und unseren Produktexpert:innen und Sales Engineers von Esri Deutschland setzten sich die Studierenden zunächst mit den Möglichkeiten, Voraussetzungen und Grenzen von Geospatial AI auseinander. Im Mittelpunkt standen Fragen wie: Welche Daten werden benötigt? Für welche Aufgaben eignen sich AI-Verfahren? Und wie lassen sich diese sinnvoll in bestehende Arbeitsabläufe integrieren?
Am zweiten Tag verlagerte sich der Fokus auf konkrete Anwendungsfelder aus unterschiedlichen Branchen. Die vorgestellten Beispiele zeigten, wie Geospatial AI bereits heute in Bereichen wie Infrastruktur, Telekommunikation, Public Safety oder im kommerziellen Umfeld eingesetzt werden kann. Viele der Ideen, die später in den vier Projektteams weiterentwickelt wurden, nahmen hier ihren Anfang. Statt theoretischer Diskussionen rückte zunehmend die Frage in den Vordergrund, wie sich aktuelle Geospatial-AI-Methoden für reale Herausforderungen nutzen lassen.
Aus Anwendungsfällen werden Projekte
Für die Studierenden entstand dadurch ein deutlich konkreteres Bild möglicher Einsatzszenarien. Statt isoliert über neue Technologien zu sprechen, standen nun reale Herausforderungen aus unterschiedlichen Branchen im Mittelpunkt. Die Diskussionen drehten sich um die Frage, wie Geodaten zusätzliche Informationen liefern können, an welchen Stellen AI-Verfahren bestehende Arbeitsabläufe unterstützen und welche Ansätze unter praktischen Rahmenbedingungen tatsächlich umsetzbar sind.
Aus diesen Gesprächen heraus formierten sich vier Projektteams, die in den folgenden Tagen eigene Ideen weiterentwickelten. Die Themen spiegelten die Vielfalt der zuvor vorgestellten Anwendungsfelder wider.
Die vier Teams widmeten sich folgenden Fragestellungen:
Exploring the Streets of Nördlingen – Road Surface exploration using Deep Learning
Das Projekt zeigt, wie ein Geospatial-AI-Agent Straßenoberflächen aus offenen Luftbildern eigenständig klassifiziert, seine Entscheidungen nachvollziehbar begründet und so ohne Vor-Ort-Erhebung eine skalierbare Datengrundlage für Planung und Instandhaltung schafft.
Project: GeoInspect AI – Using Vision-Language capabilities of AI Tools & Models within ArcGIS Pro to do Property Inspection
Was, wenn eine Immobilie heute nicht mehr dem ursprünglich versicherten Zustand entspricht? Das Projekt zeigt, wie ein Geospatial-AI-Agent aktuelle Luftbilder automatisch auf sichtbare Veränderungen prüft und mögliche Abweichungen gezielt zur menschlichen Bewertung hervorhebt.
Talking Forest – AI Tools & Models: Tree Health Inspections
Was, wenn Ranger Beobachtungen im Wald einfach per Foto und Sprache erfassen könnten? Das Projekt zeigt, wie ArcGIS Survey123 mit AI Assistant daraus automatisch strukturierte, standardisierte Baumkontrollen zu Gesundheitszustand, Schäden und Priorität erstellt – direkt im Feld und über Sprachbarrieren hinweg.
Livability Analysis of Berlin – AI-Assisted District Exploration in Berlin
Welches Berliner Stadtviertel passt wirklich zu meinen Bedürfnissen? Das Projekt zeigt, wie ein dialogbasierter GeoAI-Agent vielfältige Daten zu Mieten, Sicherheit, Infrastruktur, Demografie und Klima auswertet und daraus auf persönliche Fragen passende Stadtteile sichtbar macht.
Zwischen den ersten Ideen und den Abschlusspräsentationen lagen gerade einmal zwei Tage. In dieser Zeit entwickelten die Gruppen in den Räumlichkeiten Institut für Geoinformatik der Universität Münster (IfGi) ihre Prototypen und gestalteten Ihre StoryMaps zur Präsententation. Während dieser Phase wurden die Teams von Mika Dinnus unterstützt. Er ist bei Esri Deutschland als Sales Engineer mit dem Fachgebiet Geospatial AI tätig und stand den Teams als fachlicher Ansprechpartner zur Verfügung.
Der letzte Tag: Austausch mit der Wissenschaft und Projektpräsentationen am IfGi in Münster
Den Abschluss der Woche bildete eine Veranstaltung IfGi. Bevor die Studierenden ihre Projekte präsentierten, standen zwei wissenschaftliche Vorträge auf dem Programm. Eftychia Koukouraki stellte mit „Introducing VISQAM: An ifgi-made dataset with built-in geographic knowledge“ aktuelle Arbeiten rund um den am ifgi entwickelten Datensatz VISQAM vor. Anschließend sprach Brian Pondi über reproduzierbare und interoperable Machine-Learning-Ansätze für Earth Observation Data Cubes.
Im Anschluss präsentierten die vier Gruppen ihre Ergebnisse vor den Forschenden und Gästen. Im Mittelpunkt standen dabei sowohl die für viele überraschend weit entwickelten Prototypen als auch die Herangehensweisen, Entscheidungen und Erfahrungen aus der Projektarbeit. Die Diskussionen zeigten, wie unterschiedlich Geospatial-AI-Methoden eingesetzt werden können und welche Fragen sich bei der praktischen Umsetzung ergeben. Dabei wurde immer wieder deutlich, was alles in kürzester Zeit mit guten Ideen und der Power des ArcGIS-Systems möglich ist.
Zwischen dem Auftakt im Esri-Office in Münster und den Abschlusspräsentationen am ifgi lagen fünf Tage voller Gespräche, Ideen und gemeinsamer Entwicklungsarbeit. Es sind nicht nur vier Prototypen entstanden, sondern auch zahlreiche neue Kontakte zwischen Studierenden, Forschenden und Praktiker:innen. Viele der Gespräche, die am Montagmorgen beim ersten Kaffee begonnen hatten, wurden bis zum Ende der Woche fortgeführt und werden hoffentlich demnächst wieder aufgenommen.
Solche Formate zeigen, wie wichtig es ist, Studierenden frühzeitig Zugang zu modernen GIS-Technologien zu ermöglichen und gemeinsam an Lösungen für gesellschaftliche und wirtschaftliche Herausforderungen zu arbeiten. Ein Dank geht raus an alle, die mitgemacht haben!
Wir freuen uns schon jetzt auf die Fortsetzung im nächsten Jahr!
