Ein Statement
Konsequent! - Kann dieses Prädikat den Initiativen zur Umsetzung der löblichen Programme zur Digitalisierung der Bundesrepublik Deutschland verliehen werden?
Es steht uns nicht an, diese Frage zu beantworten, aber wir haben uns eine Vorstellung davon erarbeitet, wie wir diese Zielstellung gemeinsam mit künstlichen Intelligenzen in unseren Projekten umsetzen können. Dabei betrachten wir Digitalisierung als die Abbildung realer Objekte und Prozesse mit ihren immanenten Eigenschaften und Wechselwirkungen in Form von digitalen Daten und Algorithmen. In der Konsequenz erwächst für uns daraus der Anspruch, dass intelligente Prozesse die für ihren Ablauf notwendigen Daten selbständig recherchieren und nutzen können. Im Spannungsfeld zwischen diesem Anspruch und dem aktuellen Stand der Digitalisierung entwickeln sich unsere Projekte und Technologien.
CityTwin-DSS
KI-basierte Digitalisierung der Raumbezogenen Planung – ein Projekt
In den Geodateninfrastrukturen der Öffentlichen Hand werden die Informationsangebote themen- und ressortbezogen in Form riesiger kompakter Datenpakete bereitgestellt.
Die Nutzer dieser Dienste haben jedoch fast immer einen ressortübergreifenden und nicht selten auch objektbezogenen Informationsbedarf, der bisher nur mühselig durch eine manuelle Auswertung aller verfügbaren Datenpakete befriedigt werden kann, die sich vom traditionellen Kartenlesen kaum unterscheidet. Der Grund für diesen nicht mehr zeitgemäßen Aufwand ist die fehlende interdisziplinäre und netzweite Verknüpfung der in den einzelnen Datenpaketen enthaltenen "atomaren" Objektinformationen.
Mit dieser Ausgangsposition entwickelte die SRP (Systementwicklung für Raumbezogene Planung GmbH") gemeinsam mit der FHE (Fachhochschule Erfurt, Fachgebiet Vermessung und Geoinformatik) ein wissensbasiertes Entscheidungsunterstützungssystem für raumbezogene Planungen und Analysen mit der Bezeichnung "CityTwin-DSS" (Decision Support System). Ziel dieses Forschungsprojektes war die automatisierte Vernetzung "atomarer" Informationseinheiten (sogenannter Entitäten) aus unterschiedlichen Datenquellen anhand ihrer räumlichen, thematischen und semantischen Beziehungen.
Es ist der Versuch, mithilfe von KI-basierten Methoden des maschinellen Lernens tiefer in die Informationsangebote von Geodateninfrastrukturen einzudringen, deren Daten inhaltlich, räumlich und semantisch zu vernetzen und sie damit den unterschiedlichsten Fragestellungen und maschinellen Verarbeitungsprozessen zugänglich zu machen.
Durch den Einsatz automatisierter Methoden des maschinellen Lernens verfügt dieses System nach Angaben der SRP unter anderem über folgende Fähigkeiten:
- Akquisition relevanter Daten im Internet auf der Basis der semantisch vernetzten Begriffswelt des jeweiligen Anwendungsgebietes (Systemontologie),
- automatisierte Geo- und Objektreferenzierung von Dokumenten anhand der Lageinformationen und der Semantik ihrer Inhalte,
- Regelbasierte Datenvorverarbeitung der Datenpakete für Analysen und Wissensgenerierung,
- selbständige Vernetzung von Entitäten aller Datenpakete unter inhaltlichen, räumlichen und semantischen Aspekten sowie zur dynamischen Generierung des daraus folgenden Datenmodells (Bild 1).
Bild 1: Dynamisch generiertes Datenmodell der CityTwin-DSS-Graph-Datenbank
Ein praktisches Beispiel ist der Informationsbedarf von Planern und Investoren bei der Suche und Bewertung von Wohnungsbaustandorten und der Planung wohnungsnaher Erholungs-und Freizeitangebote:
Für die Beschaffung dieser Informationen wird das System mit den notwendigen Parametern konfiguriert (räumliche Erstreckung des Untersuchungsgebietes, fachliche Inhalte, Planungsziele, etc.). Das vom System auf diese Fragestellung gelieferte Ergebnis mutet auf den ersten Blick an wie eine traditionelle thematische Karte eines beliebigen Geoinformationssystems. Es handelt sich jedoch um die Zusammenschau aller Objekte und der mit ihnen assoziierten Daten aus allen in der Internet-Domäne "berlin.de" erreichbaren Informationsangeboten zum Thema "Berliner Wohnungsbau" und deren Datenpaketen in den Grenzen des Untersuchungsgebietes. Darunter relevante Informationen aus dem ALKIS, dem Umweltatlas, der Spielplatzplanung, der Bebauungsplanung, der Flächennutzungsplanung und dem Landschaftsprogramm. (Bild 2)
Bild 2: Kartographische Darstellung der recherchierten Informationsobjekte im System "CityTwin-DSS" (Rohdaten: Senatsverwaltung für Stadtentwicklung, Bauen und Wohnen Berlin)
Zusätzlich zu den geografischen Informationsobjekten werden auch Dokumente unterschiedlichster Formate domänenweit recherchiert, wenn deren Inhalte dem jeweiligen Informationsbedarf entsprechen, und anschließend als Entitäten mit der Thematik und den Geo-Objekten des Anwendungsfalls verknüpft. Diese Recherche erfolgt mithilfe der Fachontologie des Systems.
Die KI-Funktionalität sorgt dafür, dass die initialen Fachbegriffe, wie "Wohnungsbau", anhand der recherchierten Dokumente durch weitere Begriffe vergleichbarer Bedeutung ergänzt werden. Dadurch erfolgt eine kontinuierliche Erweiterung der Fachontologie und der Wissensbasis des Systems, was den Umfang und die Zielschärfe nachfolgender Recherchen sukzessive verbessert (Bild 3).
Auch die Nutzer vergrößern mit jedem Anwendungsfall das Wissen des Systems und können somit vom Wissen anderer Nutzer profitieren.
Bild 3: Ontologie-basierte Dokumentenrecherche