Zweck des Blogs
KI kann einen tiefgreifenden Einfluss darauf haben, wie wir unsere Arbeit erledigen. Dieser Blog soll erklären, warum wir KI in der GIS-Ausbildung einsetzen wollen und welche nächsten Schritte zu gehen sind.
Es ist eine Serie von 4 Blogbeiträgen:
Was mit KI möglich ist – Kundenbeispiele außerhalb der Ausbildung
Bevor wir uns den Bildungsanwendungen zuwenden, ist es immer gut, zu überprüfen, was die Industrie, der private oder öffentliche Sektor tut. Nachfolgend einige Beispiele für bestehende Anwendungen, die verdeutlichen, dass dieses Thema in Lehrpläne integriert werden muss, da diese Fähigkeiten für die Arbeitswelt von morgen benötigt werden.
Nachfolgend finden Sie Beispiele für gängige Arbeitsabläufe sowie spezifische GIS-Kundenbeispiele. KI-Tools integrieren sich in GIS-Arbeitsabläufe, um die Effizienz zu steigern, und ArcGIS macht es einfach, KI-Funktionen zu implementieren, da sie bereits Teil des Systems sind. Es ist wichtig zu verstehen, dass KI kein Produkt ist, sondern eine Sammlung von Fähigkeiten, die im gesamten ArcGIS angewendet werden können.
- Daten extrahieren und generieren
- Verwendung vortrainierter Modelle zur Lösung räumlicher Probleme
- Pixelklassifikation und Objekterkennung mit Deep Learning
- Automatisierung und Skalierung der Erstellung und Bearbeitung räumlicher Daten aus verschiedenen Quellen
- Nutzung von NLP (Natural Language Processing), um räumliche Daten aus unstrukturiertem Text zu erstellen
- Einsatz von Deep Learning bei Bildern, Videos und Punktwolken zur Extraktion von Merkmalen und Klassifizierung von Objekten
- Kundenbeispiele:
- Finnisches Forstzentrum - verbesserte Datenqualität zur Vorbereitung auf Automatisierung, Einsatz von KI zur Durchführung genauer Forstinventuren ohne Feldinspektionen und Sicherstellung genauer und zugänglicher Daten, siehe Geschichte hier.
- Fairfax County, VA – Einsatz von GeoAI zur Erkennung von Hemlocktannen zur Bekämpfung von Schädlingsbefall, siehe Geschichte hier.
- Alaska – Einsatz von GeoAI zur Kartierung unkartierter Gemeinden, siehe hier.
- Integration in Feldarbeitsabläufe (mobil)
- Die Integration von KI-Techniken könnte ein wirkungsvoller Weg sein, die mobile Datenerfassung im Feld zu automatisieren.
Kundenbeispiele:
- Stadt Tempe Graffiti-Entfernung - Stadtfahrzeuge sind mit Kameras ausgestattet, die Bilder möglicher Graffiti aufnehmen und in die Cloud streamen. Die Bilder werden dann mit Objekterkennungsmodellen analysiert. Wenn Graffiti erkannt wird, werden die Mitarbeiter über aktuelle Vorfälle per Ereignisbenachrichtigung informiert, siehe Geschichte hier.
- Stadt Vilnius, Litauen - setzt Drohnen und KI-Funktionen ein - KI-Modelle scannen Drohnenaufnahmen, um den Zustand von Straßen, Gehwegen und anderen öffentlichen Bereichen zu erfassen. Bewegungsdaten auf der Karte geben den Planern in Vilnius eine Möglichkeit, die Infrastruktur der Stadt zu analysieren und zu verändern, siehe Geschichte hier.
- Daten analysieren
- Geodaten effektiv interpretieren, um wertvolle Erkenntnisse zu gewinnen
- Musteranalyse/Clustering durchführen
- Vorhersagen und Klassifikationen durchführen
- Zeitreihenanalyse und Prognosen durchführen
- Kundenbeispiele:
- Cobb County, GA - nutzte 2017 Machine Learning zur Analyse mehrjähriger Einzelunfall-Daten mit festen Objekten im Landkreis und stellte fest, dass Hangneigung und Krümmung die wichtigsten Faktoren waren. Nun können sie Verkehrsverbesserungen gezielt in diesen Bereichen vornehmen, um das Risiko zu mindern. Siehe Video hier.
- Douglas County, Nebraska - sparte sechs Monate Personalzeit bei der Analyse zur Identifizierung von ADA-Bordsteinrampen mithilfe von 1-Zoll-Auflösung-Bildern, siehe Geschichte hier.
- Turkcell, Türkei - Ausbau der Telekommunikation mit Machine Learning. Ergebnisse wurden in einer Webanwendung mit ArcGIS Online dargestellt, inklusive eines Zeitschiebers zur Anzeige prognostizierter Zuwächse bei Turkcell-Abonnenten, siehe Geschichte hier.
Warum KI in der GIS-Ausbildung?
Es gibt mehrere Gründe für den Einsatz von KI in der Ausbildung.
- Erhöhte Produktivität – KI kann die Produktivität steigern. Sie kann auf unsere Geodaten trainiert werden und uns helfen, schneller Lösungen für Probleme zu finden. Sie kann unsere Arbeit im GIS voranbringen und dabei eine intuitivere Erfahrung schaffen.
- Die nächste Generation mit KI-Kompetenzen vorbereiten – Studierende müssen KI als Entscheidungs- oder Steuerungswerkzeug erlernen, da KI am Arbeitsplatz eingesetzt wird. Und wenn Organisationen noch keine KI nutzen, kann ein Studierender durch dieses Wissen eingestellt werden – also bringen sie KI ein, um Arbeitsabläufe zu verbessern.
- KI wird unvermeidlich genutzt – Verständnis der Grenzen wichtig – Egal was wir im Unterricht tun oder nicht tun: Studierende werden KI verwenden. Wir sollten sicherstellen, dass sie die Vorteile und Grenzen von KI-Tools verstehen sowie erkennen, dass das menschliche Gehirn (Weisheit) für die Bewertung der Ergebnisse wichtig ist. Ein ethisches Gleichgewicht ist entscheidend.
- Studierende begeistern und auf nächste Schritte vorbereiten – Wenn KI früh eingeführt wird – selbst in Einführungskursen –, erhalten Studierende die Möglichkeit, Fähigkeiten aus anderen Kursen (Wahlfächer, Abschlussarbeiten usw.) einzubringen. Es erweitert ihr Wissen darüber, was möglich ist und was nicht.
Warum ArcGIS?
Für Lehrende mit ArcGIS gibt es viele Gründe, die KI-Tools innerhalb von ArcGIS zu nutzen – besonders da Industrie- und Regierungsorganisationen diese Tools bereits verwenden.
- KI ist bereits in ArcGIS integriert – sie ist verfügbar und wird unterstützt.
- ArcGIS ist für Haupt-GIS-Funktionen mit KI angereichert/verbessert worden – es gibt verschiedene Optionen – GeoAI-Tools/-Arbeitsabläufe sowie AI Assistants je nach Bildungsziel.
- Esri stellt vortrainierte Modelle und Lernressourcen bereit – diese sind auf GIS-Arbeitsabläufe ausgelegt und erleichtern den Einstieg.
- Esri hat starke Leitprinzipien für Trusted AI in ArcGIS – Ressourcen auf der Trust-Website beziehen sich auf Sicherheit, Datenschutz, Transparenz, Zuverlässigkeit und Verantwortlichkeit.
- Esri unterstützt die wissenschaftliche Gemeinschaft – Integration unserer Tools mit offenen AI-Plattformen. Wissenschaft zugänglicher machen.
- Esri und die GIS-Bildungsgemeinschaft bieten Unterstützung / Best Practices an – über Dokumentation, Veranstaltungspräsentationen und Community-Räume.
Ressourcen – wo man Hilfe findet
Bitte sehen Sie sich den nächsten Blog der Serie an: „Was mit KI in der GIS-Ausbildung möglich ist“.
Es gibt viele Ressourcen zum Einstieg. Bitte schauen Sie unten nach und kommentieren Sie gern, was noch hilfreich sein könnte.
If you need to speak to a person, please reach out:
United States
Outside United States
