Arealstatistik Deep Learning (ADELE)

Die Statistik der Bodennutzung und -bedeckung des BFS ist ein unverzichtbares Instrument der langfristigen Raumbeobachtung. Das Ziel dieses Projekts war es, die Technologien der Künstlichen Intelligenz (KI) zu erlernen und zu beherrschen, um die visuelle Interpretation von Luftbildern zur Erkennung von Veränderungen und Klassifizierung teilweise zu automatisieren. Das Projekt wurde zwischen 2017 bis 2021 durchgeführt und ermöglicht seit Juli 2022 die automatische Klassifizierung von etwa einem Viertel der Stichprobenpunkte mit einer Genauigkeit, welche die sehr hohen Anforderungen der öffentlichen Statistik erfüllt.

Unter den Lernmethoden aus dem Bereich der KI für die Bilderkennung eignet sich die Methode des Deep Learning besonders für die Statistik der Bodennutzung und -bedeckung, da in sehr grossen Mengen Trainingsdaten zur Verfügung stehen.

Das Projekt bestand aus zwei Phasen. Zuerst wurde ein Informatikprototyp entwickelt, welcher anschliessend in das Produktionssystem der Arealstatistik implementiert wurde. Die daraus resultierenden Beobachtungen und Bewertungskriterien wurden im Bericht zum Transfer in die Produktion detailliert beschrieben.

Aufgrund der in diesem Projekt gesammelten Erkenntnisse und Erfahrungen sind mittelfristig weitere Entwicklungen geplant, welche nicht nur die Leistung, sondern auch die Integration der KI-Tools in die Produktionsumgebung verbessern sollen.

Die folgenden Ziele wurden erreicht:

• Aufbau der Kompetenzen der Mitarbeitenden im Bereich der Fernerkundung und der KI-Technologien.
• Darlegen künftiger Quellen von Basisdaten und Integration der als geeignet erachtete Daten.
• Ermittlung und Nutzung des Potenzials zur Verringerung des Interpretationsaufwands durch KI-Technologien und künstliche Intelligenz.