Screenshot: Links in der Karte – können wir am 4. August in Halle mit Regen rechnen? Rechts die Diagramme verschiedener Wetterparameter für Halle (Saale) (Bildquelle [2])
Peter Battaglia von DeepMind hat auf X (ehemals Twitter) angekündigt [1], dass die Google-Wettermodelle von DeepMind und Google Research in einer neuen Version [2] aktualisiert werden. Ich habe es mir mal angeschaut und bin begeistert. Weltweite Wettervorhersagen animiert für die nächsten 14 Tage (Default-Einstellung) und bei Klick auf den interessierenden Standort eine perfekte Ausgabe unterschiedlicher Wetterparameter wie Temperatur, Niederschlagsmenge und Windgeschwindigkeit. Einfach mal ausprobieren, vielleicht am kommenden Wochenende, es lohnt sich.
In letzter Zeit habe ich immer wieder über die KI-gestützte Objekterkennung aus Luftbildern gelesen. Jetzt ist ein neues QGIS-Plugin „AI Segmentation“ [1] von TerraLab im QGIS Plugin Repository [2] erschienen und ich habe es am Wochenende mal getestet. Ich habe vorher noch nie selbst eine KI zur Objekterkennung aus Luftbildern verwendet, es war sozusagen mein erstes Mal 😉
Installation und Anmeldung waren unkompliziert und funktionierten tadellos. Wie beschrieben können Rasterdaten aller Art genutzt werden, ich habe mich für die DOP 20 auf dem Open Data Portal Sachsen-Anhalt entschieden, natürlich mit den GeoBasis_Loader [3] ins QGIS geladen. Dann noch schnell ein Rechteck für den interessierenden Bereich markiert und die Erkennung gestartet, in meinem Fall für Gebäude und Bäume. Die Ergebnisse werden in einem GeoPackage gespreichert und sind so schnell weiter ver- und bearbeitbar.
Screenshot 1: Mein Test bei den Identifikation von Gebäuden Bäumen im Pauslusviertel in Halle (Saale).
Hier meine Test-Ergebnisse:
Auf den ersten Blick plausible Ergebnisse und erstes Staunen, unscharf Ersterfassung möglich, Verfeinerung wünschenswert
Auf den zweiten und kritischen Blick: einige Unschärfen, z. B. bei Gebäuden (nicht exakte Geometrien und fehlende Erkennung von Innenhöfen) und bei Bäumen (teilweise werden Baumschatten als Bäume interpretiert). Bei der manuellen Segmentierung kann man ja einige Fehler quasi händisch ausschließen
Interssant wäre, wie sich das Modell weiter entwickelt und auf welche Ergebnisse andere Verfahren kommen. Wer Lust hat, hier ist das GeoPackage [4], vielleicht könnt Ihr ja mal mit Euern Modellen testen und uns die Ergebnisse mitteilen. Gerade Niedersachsen [5] scheint man da besonders weit zu sein. Danke!
Die Zusammenarbeit von GIS und KI rückt ja folgerichtig immer mehr in unseren Fokus, ich hatte hier schon mehrfach berichtet. Heute ein sehenswertes Demo auf Youtube von birdGIS [1] mit QGIS & Cloude:
Stellt Euch vor, Ihr sitzt vor einem Programm, z. B. QGIS und kommt nicht weiter, versteht eine Funktion oder eine Fehlermeldung nicht oder nicht richtig. Wie schön wäre es doch, genau dann einen Coach an seiner Seite zu wissen? Und, Ihr ahnt es, so was gibt es: CLICKY [1]. Einfacher geht es nicht: Installieren, starten, Hotkeys (<option> und <command>) verwenden, per Mikro Eure Frage stellen, Clicky den Screenshot machen lassen und Euch auf die sogar deutschsprachigen KI-Antworten freuen. Einzige Einschränkung momentan: Es läuft nur auf Mac 😉 Ein Video [4] von Spatial Thoughts [3] zeigt Euch, wie es geht. Dort heisst es:
„Es gibt ein neues KI-Tool, das neu definieren soll, wie Menschen Software lernen und mit ihnen interagieren. Sehen Sie sich das neue Video des ‚Clicky‘ KI-Lehrers in Aktion an, der bei der Fehlerkorrektur hilft und Anleitung bei der Nutzung #QGIS bietet“ [3]
Ich habe CLICKY mal kurz mit QGIS angetestet [5], es klappt wunderbar, sogar auf deutsch (Bitte etwas Geduld bei der ersten Antwort, ca. 18 Sekunden und bitte vernachlässigt mal das Echo, ich schicke später noch mal ein Update)
Hier der Original-Tweet [2] von Farza, dem Erfinder von Clicky:
I built this thing called Clicky.
It's an AI teacher that lives as a buddy next to your cursor.
It can see your screen, talk to you, and even point at stuff, kinda like having a real teacher next to you.
Der 17. Geofachtag 2026 des netzwerk | GIS Sachsen-Anhalt e. V. war ein voller Erfolg. Angezogen von einer der aktuellsten IT-Herausforderungen, auch in der Geowelt, nämlich KI-Künstliche Intelligenz trafen sich mehr als 200 Teilnehmer in Dessau. Noch nie habe ich das Audimax dort so voll gesehen. Ein großes Dankeschön an alle Organisatoren, Mitwirkenden und Besucher!
Auf den Seiten des Netzwerkes [1] könnt Ihr die Fotos vom Geofachtag besichtigen, als Erinnerung oder als ein bisschen nachträgliche „Teilnahme“. An gleicher Stelle werden demnächst auch die Folien der Vorträge online verfügbar sein.
Bis es soweit ist, stelle ich hier meinen Vortrag „QGIS-Plugin-Programmierung mit KI. Ein Erfahrungsbericht.“ [2] hier schon mal direkt zur Verfügung. Meine Message: Auch ohne Kenntnis einer Programmiersprache und auch ohne KI-Experte zu sein lohnt es sich, KI genau dort auszuprobieren. Für mich hieß das im konkreten Fall: Ich bin weder Python-Programmierer noch KI-Spezialist und trotzdem habe ich mittels KI bis heute fünf* produktive QGIS-Plugins erstellt, die durchaus gedownloaded und genutzt werden. Also Leute, …
Einfach machen, neugierig sein & kritisch bleiben, MUT zur KI 😉
Dass die KI für gestandene, anerkannte Projekte gefährlich sein kann, erleben wir nicht zu ersten Mal, eines der bekanntesten Beispiele ist vielleicht der massive Rückgang von Anfragen bei StackOverflow, mittlerweile schon als KI-Exodus [1] bezeichnet. Aber auch aus ganz anderer Richtung kann die KI unser gewohntes IT-Leben negativ beeinflussen. So kämpft OpenStreetMap derzeit mit massiver Serverlast, weil KI-Bots versuchen, die Daten des erfolgreichen OSM-Projektes abzuernten. Details dazu findet Ihr bei Heise.de im unbedingt lesenswerten Beitrag „OpenStreetMap sorgt sich: Tausende KI-Bots erfassen Daten“ [2] von Eva-Maria Weiß. Und wer will kann sich den Beitrag natürlich auch vorlesen lassen [3].
