Geospatial Artificial Intelligence und Geoinformatik: neue Paradigmen in der räumlichen Analyse

Der Begriff Geospatial Artificial Intelligence (GeoAI) beschäftigt uns in der wissenschaftlichen Community der GIScience schon seit einigen Jahren, was zahlreiche Publikationen sowie Workshops und Konferenztracks zeigen. Der Begriff GeoAI ist ein Baustein der Spatial Data Science und versucht mit Hilfe von neuen Methoden, Algorithmen und datengetriebenen Technologien intelligentere geographische Informationen zu erzeugen (Janowicz et al., 2019). GeoAI umfasst Methoden, die sich mit hochentwickelten Computerlösungen für die Analyse von dynamischen geographischen Phänomenen beschäftigen. Die rasante Ent­wicklung im Bereich GeoAI wird durch die Entwicklungen im Bereich Big Data, Hardware (z. B.: GPU) und High-performance Computing, die dabei helfen, AI-Modelle zu entwickeln, trainieren und auszurollen, befeuert. Theoretische Grundlagen für GeoAI sind u. a. Artificial Neural Networks, Ontologien & Semantik, Geospatial Knowledge Graphs, Machine Learning und Deep Learning. Da diese Technologien – insbesondere Machine Learning und Deep Learning – nicht speziell für die Beantwortung geographischer Fragestellungen entwickelt worden sind, bedarf es hier zusätzlichen Forschungsaufwand, um diese Methodiken um die räumliche Dimension zu „erweitern“.

In diesem Artikel werden wir den Themenkomplex GeoAI anhand von mehreren Beispielen beleuchten. Dabei handelt es sich um Forschungsprojekte, die bei der Forschungsgruppe Geoinformatik des Instituts für Geodäsie der TU Graz, gemeinsam mit einer Reihe von nationalen und internationalen Partnerinstitutionen, gerade bearbeitet werden.