GIS, Künstliche Intelligenz und Automatisierung am Arbeitsplatz

KelleyArroyo

Verfasst von: <\/SPAN>Steve Snow<\/A><\/H3>

Esri Senior National Government Industry Strategy Specialist<\/P>

Teil 2 einer 7-teiligen Serie zur Erforschung von GIS und Künstlicher Intelligenz<\/STRONG><\/EM><\/P> <\/P>Viele Berufe werden durch die Einführung von Künstlicher Intelligenz (KI) am Arbeitsplatz beeinflusst. Zukünftige Beschäftigungs- und Karriereentscheidungen werden für immer davon geprägt sein, wie anfällig sie für Automatisierung und Computerisierung sind.<\/P>Eine Studie, die sich auf die Auswirkungen von KI und Automatisierung am Arbeitsplatz konzentriert, stammt von der Website Will Robots Take My Job? Diese Website basiert auf einem Bericht von Carl Benedikt Frey und Michael A. Osborne mit dem Titel „The Future of Employment: How susceptible are jobs to computerization?“. Die Autoren schätzen, dass etwa 47 % der US-Beschäftigung bis 2033 durch Automatisierung gefährdet sind.<\/P>Besorgniserregend sind die Auswirkungen der KI-Automatisierung auf geospatiales Personal. Mit der Schnittstelle der Website Will Robots Take my job wurde festgestellt, dass es 4 geospatiale Berufstypen gibt, die bis 2033 voraussichtlich betroffen sein werden. Die folgenden 4 Jobsuchen: Bauingenieure, Geographen, Kartographen und Photogrammetristen sowie Vermessungs- und Kartierungstechniker lieferten interessante Ergebnisse.<\/P>Wie Sie aus den untenstehenden Ergebnissen sehen können, haben Bauingenieure eine wahrscheinliche Ersetzungsrate von etwa 2 % und sind vor Automatisierung sicher. Geographen haben ein höheres Ersetzungsrisiko von 25 %. Bei Kartographen und Photogrammetristen sowie Vermessungs- und Kartierungstechnikern sind die Risiken sehr hoch. Ein möglicher Grund dafür ist, dass es hochgradig wiederholbare Arbeitsabläufe gibt, die sich gut für die Stärken einer Maschine wie GeoAI zur Automatisierung eignen.<\/P>Die Ergebnisse des untenstehenden Bildes unterstreichen den Grund, warum KI-Fähigkeiten in Zukunft als berufliche Kompetenz wichtiger denn je sein werden. Ich werde in Teil 3 dieser Serie mehr über KI und menschliche Teams berichten.<\/P><\/span><\/P> <\/P>

Beispiel 1 Automatisierung heute (ohne GeoAI)<\/H3>
Ein Beispiel für Automatisierung (ohne GeoAI) am Arbeitsplatz ist der niederländische Kadaster, der Nationale Vermessungsbehörde der Niederlande. Der niederländische Kadaster betrachtete ursprünglich die ArcGIS-Automatisierung für ihre 1:50.000 Kartenserie des Landes. Die Serie erforderte typischerweise 28 Kartographen und 5 Jahre, um das System manuell zu aktualisieren. Nach der Implementierung der ArcGIS-Automatisierung (ohne GeoAI) reduzierte die Vermessungsbehörde die Anzahl auf 1 Kartographen mit Abschluss der Serie in 3 Wochen Verarbeitung unter Verwendung eines zu 100 % automatisierten Ansatzes mit einer Infrastruktur von 6 Computern, die jeweils 6 CPUs nutzen. Die Kapitalrendite durch den Einsatz von ArcGIS betrug eine Zeit- und Ressourcenreduzierung von 5000 %. Weitere Informationen finden Sie im Artikel Transforming National Map Production<\/A><\/STRONG>.<\/P>

<\/span><\/H3> <\/P>Beispiel 2 Automatisierung heute (unter Verwendung von GeoAI)<\/H3>
Ein zweites Beispiel für Automatisierung unter Verwendung von GeoAI stammt von der AAM Group für Elektrizitätsversorger in Australien. Das grundlegende Problem war, wie man die manuelle Klassifizierung von Lidar-Punktwolken automatisieren kann. GeoAI wurde verwendet, um den Lidar-Arbeitsablauf über eine große geografische Region zu automatisieren. Nach Erstellung des GeoAI-Arbeitsablaufs in ArcGIS führte die Kapitalrendite zu einer Einsparung von 50.000 Arbeitsstunden und 5 Millionen Dollar beim Projekt! Einer der zusätzlichen Vorteile bei der Verwendung von GeoAI mit ArcGIS war, dass Gebäude und Vegetation ebenfalls von der KI klassifiziert wurden. Darüber hinaus wird das GeoAI-LiDAR-Modell nun auch bei anderen Projekten angewendet. Mehr dazu erfahren Sie im Artikel PointCNN Replacing 50-000 man hours with AI.<\/P><\/span><\/P> <\/P>GeoAI in dynamischen Umgebungen<\/H3>Ein Bereich, in dem GeoAI zukünftig ein Gewinn für geospatiale Organisationen sein wird, liegt in den Bereichen Navigation, Meeresspiegelanstieg, Katastrophen und Vorhersage von Küstenüberschwemmungen bei Stürmen. Das Team aus Mensch und KI kann schnell Merkmalsextraktionen aus littoralen und küstennahen Gebieten durchführen, wo es ständige und schnelle Veränderungen gibt. Die Extraktion der Küstenlinie und der Land-Wasser-Grenze ist für viele Bundes-, Landes- und Kommunalbehörden wichtig. Derzeit ist vieles davon noch ein manueller Prozess, aber ein Team aus Mensch und KI könnte Produkte schnell aktualisieren, um autoritative Informationen für sich rasch verändernde Umgebungen und Situationen bereitzustellen.<\/P><\/span><\/P> <\/P>Lesen Sie Teil 3 von 7: Zusammenarbeit mit der Maschine – KI am Arbeitsplatz<\/A><\/P>

 <\/P>

Weitere Blogs in der Serie: <\/STRONG><\/P>

Teil 1: Zukünftige Auswirkungen von KI auf Kartierung und Modernisierung<\/A><\/P>

 <\/