Unser Rückblick auf den Esri European Dev & Tech Summit 2025

[Jan-Tschada]

Integration & Zukunft: Location Services trifft Agentic AI

Das Zukunftshema ist die Integration von Location Intelligence durch die kommenden Model Context Protocol (MCP) Tools. Die Roadmap zeigt klar: Wir bewegen uns in Richtung Agentic AI, auch für GeoAI-Anwendungen. Das eröffnet spannende Möglichkeiten für automatisierte Workflows und intelligente Geoanalysen.

Was ist das Model Context Protocol (MCP)?

Das Model Context Protocol ist ein offener Standard, der es ermöglicht, KI-Modelle kontextsensitiv mit externen Tools, Datenquellen und APIs zu verbinden.

Statt ein Modell isoliert laufen zu lassen, kann MCP:

• Kontext dynamisch erweitern (z. B. naheliegende Geoinformationen, Routing-Informationen, Sensordaten einbeziehen).
• Interaktionen orchestrieren zwischen KI-Agenten und spezialisierten Location Services (Geocoding, Routing, Spatial Analytics).
• Plug-and-Play-Integration für Tools und Datenquellen bieten – ohne proprietäre Schnittstellen.

Warum ist MCP für GeoAI und Developer essentiell?

Mit den kommenden Tools können Developer Agenten bauen, die nicht nur Text verstehen, sondern auch:

• Geoinformationen abfragen und analysieren.
• Geoanalysen automatisiert ausführen.
• Karten rendern oder Datenpipelines starten.

Standardisierung statt Insellösungen
Wir schaffen eine einheitliche Sprache für die Interaktion zwischen KI-Modellen und GIS-Tools.

Beispiel: Ein KI-Agent kann über MCP direkt auf ArcGIS Location Services zugreifen, ohne dass man komplexe API-Logik selbst implementieren muss.

• Flexibilität für Disconnected und Edge-Szenarien
  MCP erlaubt die lokale Bereitstellung von Tools, sodass KI-Agenten auch offline arbeiten können – ideal für Drohnen, Fahrzeuge oder Kriseneinsätze.

• Beschleunigte Entwicklung
  Statt monolithische Integrationen zu bauen, können Developer MCP-kompatible Tools registrieren und sofort nutzen. Weniger Boilerplate, mehr Fokus auf Business-Logik.

• Blaulicht-Routing: Ein KI-Agent kombiniert Echtzeit-Verkehrsdaten mit lokalem für Blaulichteinsätze optimiertes Routing über MCP.

• Offline-Analyse: Auf einem Edge-Device werden komplexe Geoanalysen durch KI-Agents lokal ausgeführt, wenn keine Internetverbindung besteht.

Was die Community besonders interessiert hat

Die Fragen aus der Community spiegeln die aktuellen Herausforderungen wider:

• Retrieval-Augmented Generation (RAG) & Vector Databases
  Best Practices für RAG mit Geoinformationen sind gefragt – wie lassen sich räumliche Daten effizient in bestehende KI-Workflows über MCP integrieren?

• Verwendung von GeoAI in Offline-Umgebungen
  Resiliente Lösungen für Szenarien ohne Netzwerkanbindung sind ein heißes Thema.

• Maßgeschneiderte Routing-Lösungen
  Von individuellen Anforderungen bis hin zu Blaulicht-Routing für Einsatzkräfte – inklusive Betrieb in partially disconnected Umgebungen.

• High Performance Mobile Apps
  Wie lassen sich komplexe mobile Kartenpakete performant bereitstellen, auch mit großen Mengen von Feature- und Raster Datasets?

• Authentifizierung & API-Security
  Von einfachen API Keys bis zur vollumfänglichen OAuth2 Authentifizierung mit Keycloak – welche Architektur passt am besten für skalierbare Lösungen?

Roadmap-Highlights

Die Zukunft von ArcGIS Location Plattform bringt einige spannende Neuerungen:

• ArcGIS Location Platform unser Developer-Angebot für ortsbezogene Anwendungen mit einem flexiblen Geschäftsmodell.
  

  • Data Pipelines bietet eine schnelle und effiziente Möglichkeit, Daten zu erfassen, vorzubereiten und zu verwalten. 

  • Python Notebooks für das Entwickeln von Modellen für maschinelles Lernen und Deep Learning mit mehr als 1800 räumlichen Analysewerkzeugen kombiniert mit Open-Source Python-Bibliotheken.

  • Organisationsaccount für eine bessere Abbildung von Developer-Rollen und nahtlose Integration in bestehende Organisationsstrukturen.

• Runtime Core
  Vollständige Überarbeitung für High Performance Mapping & Geoanalysen mit der neuen High Performance Analytic Engine und direkte Verwendung mit unseren ArcGIS Maps for Native SDKs.

• ArcGIS API for Python
  Integration einer in Rust implementierten Geometry Engine für maximale Performance und Stabilität – wir erwarten mehr davon in den kommenden Releases.

Unser Fazit

Die Nachfrage nach skalierbaren, lokalen und KI-gestützten raumbezogenen Lösungen wächst rasant. Besonders spannend: die Kombination aus Agentic AI, Offline-Fähigkeit und High Performance SDKs.

Der Weg ist klar: Agentic AI wird für zukunftsfähigen Enterprise Plattformen zur Realität, die Developer- und GIS-Teams in Organisationen gleichermaßen unterstützen.

Was war euer Highlight auf dem Summit?
Teilt eure Eindrücke und diskutiert mit uns in den Kommentaren!