„Treemap“ Softwarevisualisierung: Die Anordnung der Quader in der Ebene spiegelt technische Aspekte der zu analysierenden Softwarelandschaft wider. Durch Höhe, Fläche und Farbe lassen sich Eigenschaften der Software auf die Visualisierung übertragen
Dank Künstlicher Intelligenz können 3D-Daten jetzt präzise interpretiert werden. KI liefert die nötigen Objektinformationen und erkennt sogar den einen Gullideckel. Ein Gespräch mit Professor Jürgen Döllner vom Potsdamer Hasso-Plattner-Institut
Herr Döllner, Visual Computing – was verbirgt sich dahinter?
Der Bereich Visual Computing hat sehr viele Anwendungsfelder, die gemeinsam haben, dass sie mit geometrischen und grafischen Daten rechnen. Wir erforschen Algorithmen, Datenstrukturen und Systemkerne, die später fast immer Schlüsselaufgaben in innovativen IT-Lösungen übernehmen.
Was haben Visual Computing und KI mit Geometrie und Geodaten zu tun?
Geodaten, eine der größten Datenkategorien überhaupt, haben Eigenschaften, die sich extrem gut mit den Stärken von KI verbinden lassen. Geodaten spiegeln generell Sachverhalte, Phänomene und Strukturen wider, die sich gut „lernen“ lassen, da aus den letzten Jahrzehnten valide und sehr gut klassifizierte Trainingsdaten vorliegen. Die Verbindung von Geodaten und KI führt daher bereits heute zu wesentlich stabileren, präziseren und mächtigeren IT-Lösungen. Und das vor allem vor dem Hintergrund, dass der Großteil aller Daten Raumbezüge aufweist.
Welche Anwendungsszenarien sind da denkbar?
Wir können mit KI immer besser verstehen, wie komplizierte Sachverhalte –
seien es Megacitys oder Mega-Softwaresysteme – tatsächlich in ihrem Inneren strukturiert sind, wie sie sich umordnen und welche Gefahren und Risiken womöglich enthalten sind.
Sie unterstützen unterschiedliche Start-ups. Eines der erfolgreichsten beschäftigte sich mit virtuellen Stadtmodellen. Welche Anwendungen gibt es dafür?
Ein Anwendungsfeld sind digitale Zwillinge für räumliche Umgebung, das heißt für Städte, für Landschaft, für ganze Länder. Bisherige Geodaten enthalten noch keine Objektinformationen. Sie enthalten vielleicht ein Oberflächennetz über eine hochaufgelöste 3D-Punktwolke. Aber diese Daten verraten nichts über das, was es ist. KI schafft jetzt erstmalig einen hochgradig effizienten und semantisch extrem präzisen Zugang zur Objektinformation: Ich kann Straßenschilder erkennen. Ich kann Gullideckel, Bordsteine und Senken in der Straße erkennen. Das ist ein Durchbruch.
Wozu benötige ich diese Daten?
Diese Geodaten dienen der Daseinsvorsorge. Sie werden zum Beispiel von der Polizei, der Stadtplanung oder dem Umweltamt benötigt. Auch Außenwerbungs- und Immobilienwirtschaft greifen darauf zurück.
Neueste Kommentare