Publireportage

Ein Algorithmus sortiert vier Millionen Luftaufnahmen

Für die Arealstatistik Schweiz werden mehr als vier Millionen Bildkacheln in Klassen eingeteilt.

Für die Arealstatistik Schweiz werden mehr als vier Millionen Bildkacheln in Klassen eingeteilt.

Die Landnutzung der Schweiz wird heute mit einer enormen Menge an Geodatensätzen erfasst. Damit diese schneller ausgewertet werden können, haben Forschende der Fachhochschule Nordwestschweiz FHNW eine künstliche Intelligenz trainiert.

Wer wissen möchte, auf wie vielen Hektaren zum Beispiel im Aargau Gebäude stehen oder Rebstöcke wachsen, wird in den Tabellen des Bundesamts für Statistik (BFS) fündig. Dessen Arealstatistik Schweiz bietet einen Fundus an Informationen. Sie liefert Daten dazu, wie der Boden in der Schweiz genutzt wird und was auf ihm steht, liegt oder wächst. Grundlage dafür sind Luftaufnahmen, die Swisstopo – das Bundesamt für Landestopografie – seit vierzig Jahren regelmässig erstellt. Sie sind so genau, dass man beispielsweise Aufforstungen im Wald, aber auch bauliche Veränderungen einer Siedlung oder den Gletscherschwund erkennt.

Um die einzelnen Areale im Wandel der Zeit vergleichen zu können, hat das BFS ein flächendeckendes virtuelles Netz mit einer Maschenweite von 100 Metern über die Schweiz gelegt. Daraus ergeben sich über vier Millionen Bildausschnitte, die jeweils einen Hektar Fläche unseres Landes zeigen. Fachpersonen des BFS klassifizieren diese Bilder. Sind es Flugplätze, Schwimmbäder oder Einfamilienhäuser, Parkanlagen, Ackerflächen oder Deponien? Es werden 27 Klassen zur Bodenbedeckung (Felder, Wälder, Seen usw.) und 46 Klassen zur Bodennutzung (Siedlung, Landwirtschaft usw.) unterschieden.

Jahre lange Arbeit

«Das erfordert mehrere Jahre Arbeit», sagt Denis Jordan, Professor an der Hochschule für Architektur, Bau und Geomatik der Fachhochschule Nordwestschweiz FHNW. «Es müssen etliche Terabytes an digitalem Kartenmaterial gesichert, ausgewertet und beurteilt werden, zusammen mit Informationen aus anderen Quellen wie etwa Höhenmodellen und Gebäuderegistern.» Dieser Prozess habe mit den bisherigen Methoden einen Arbeitsaufwand von sechs Jahren generiert.

In sechs Jahren passiert aber in der Landschaft viel. Deshalb ist ein wichtiges Ziel, dieses Zeitfenster möglichst zu verkürzen, damit die Daten nicht zu schnell wieder veraltet sind. Jordan hat gemeinsam mit seinem Team und dem Zürcher Geotech-Start-up Exolabs einen Algorithmus für eine künstliche Intelligenz (KI) entwickelt, der den Klassifizierungsprofis beim BFS helfen und einen möglichst hohen Anteil der Bildkacheln automatisch der richtigen Klasse zuordnen soll.

Dafür haben die Forschenden zunächst die Daten aus Luft- und Satellitenbildern, Höhenmodellen und anderen Quellen bezüglich Aufnahmezeit und Geo-Koordinaten abgeglichen. Danach wurden diese Angaben für jede Bildkachel in virtuelle «Schichten» gestapelt. Jede Schicht enthält jeweils eine spezifische Information, zum Beispiel Farbe, Höhe oder Infrarot-Signatur. Dank dieser Stapelung konnte der Algorithmus lernen, welche Schichten aus diesem Stapel nützlich sind, um ein Bild einer bestimmten Klasse zuzuordnen. «So wie wir als Kind Tierarten unterscheiden lernen, muss auch eine KI erst lernen, welche Merkmale für eine Siedlung, einen Bahnhof oder einen Flugplatz sprechen», erklärt Jordan. «Wir haben die KI mit Hunderttausenden Bildkacheln aus der letzten Erfassungsperiode trainiert. Dabei hat sie sich ständig selbst verbessert.»

Selbst aufgestellte Regeln

Dieses Verfahren haben Jordan und sein Team so weit verfeinert, dass die KI nun anhand von selbst aufgestellten Merkmalen und Regeln erkennt, welche Eigenschaften auf einem Bild für eine bestimmte Klasse wichtig sind – zum Beispiel für die Klasse «Reben» eine reihenförmige Anordnung von Pflanzen mit der dafür typischen Infrarot-Signatur. In einem Entscheidungsbaum kommt die KI zu dem Schluss, dass beispielsweise die Anordnung der Pflanzen auf dem Bild am ehesten für den Rebbau spricht.

In ihrem Projekt haben die Forschenden der FHNW einen KI-Prototypen entwickelt, der bereits mehr als 85 Prozent aller Bildkacheln korrekt klassifiziert. In einigen Klassen, wie etwa für Wälder und Reben, sind es fast 100 Prozent. Das haben die Vergleiche mit den Auswertungen vom BFS gezeigt. Jordan sagt: «Das Ziel der KI ist hier, den Menschen bei Auswertungen für immer grösser werdende Datenmengen zu unterstützen, jedoch nicht, ihn zu ersetzen.»
Sabine Goldhahn 

Hier gehts zum Arealstatistik-Quiz von Swisstopo


So lernen Klavierschüler die Noten spielend

Die Hochschule für Musik FHNW entwickelt eine App, die Töne erkennt und zeigt, ob man die Note getroffen hat. Ein spielerischer Ansatz, der Musikschülerinnen und -schülern das Lernen erleichtern soll.

Klavierlehrer Jan Gazdzicki unterrichtet seine Schülerin Adèle (8) an der Musikschule Basel mit dem Tony Game.

Klavierlehrer Jan Gazdzicki unterrichtet seine Schülerin Adèle (8) an der Musikschule Basel mit dem Tony Game.

Als Jan Gazdzicki vor drei Jahren an der Musikschule Basel anfing, Klavier zu unterrichten, merkte er schnell, dass viele Anfängerinnen und Anfänger Mühe haben mit dem Notenlesen. Was tun, damit sie nicht die Freude an der Musik verlieren? Der findige Klavierlehrer wandelte das Notationssystem mit Violin- und Bassschlüssel, mit Viertel-, halben und ganzen Noten kurzerhand in eine liebevoll auf Papier gezeichnete Landschaft um. Eine Melodie zu spielen hiess von nun an, sich auf eine spannende Abenteuerreise zu begeben und deren Verlauf mit Klaviertasten zu bestimmen.

Ob sie den richtigen Ton getroffen hatten, zeigte Gazdzicki seinen Schülerinnen und Schülern mit einer Spielfigur an, die er Tony taufte. In Polen, Gazdzickis Geburtsland, heissen Töne «tony». «Natürlich erreicht Tony sein Ziel nicht auf Anhieb auf direktem Weg», sagt Gazdzicki. Aber die Herausforderung macht nun Freude, und mit der Zeit werden die Klavierschülerinnen und -schüler trittsicher.

App erkennt Töne

Die spielerische Methode heisst bis heute Tony Game, doch aus dem analogen Prototypen ist eine digitale Beta-Version geworden, die kurz vor der Vollendung steht. Gazdzicki trug seine an der Musikschule Basel geborene Idee in die Hochschule für Musik der Fachhochschule Nordwestschweiz FHNW. Unter deren Federführung wird derzeit eine App für das Tony Game entwickelt, die in der ersten Jahreshälfte 2020 zum Download bereitstehen soll. Inzwischen wurde und wird sie von verschiedenen Musikschulen fleissig getestet. Finanziert wird das Projekt durch das Förderprogramm Brigde des Schweizerischen Nationalfonds und Innosuisse – der Schweizerischen Agentur für Innovationsförderung. Die App läuft auf Tablets und erkennt über das eingebaute Mikrofon gespielte Töne. Diese lösen blitzschnell die entsprechenden Reaktionen von Tony aus, der wie ein Konzertpianist Frack trägt. Das Spiel besteht aus verschiedenen Levels. Auf der einfachsten Stufe gilt es, sich improvisierend eine grobe Orientierung im Notationssystem anzueignen. Dann müssen vorgegebene Noten korrekt gespielt werden. Schliesslich werden die Schülerinnen und Schüler zu Komponisten und entscheiden selber über den Schwierigkeitsgrad. Der Kompositionskunst sind allerdings Grenzen gesetzt: Ein Akkord, also mehrere Töne gleichzeitig, ist nicht möglich.

Der Clou ist, dass der digitale Klavierlehrer mit nach Hause genommen werden kann. «Ein Computer ist insofern ein besserer Lehrer als ich, als dass er unendlich viel Geduld hat», sagt Gazdzicki und lacht. Tony wird erst müde, wenn der Akku leer ist. Ganz ersetzen, betont Gazdzicki, könne das Game eine Lehrperson in ihrer komplexen Rolle natürlich nicht.

Drei Hochschulen beteiligt

An der Hochschule für Musik FHNW ist Michael Kunkel als Leiter Forschung mit dem Tony Game betraut. «In das innovative, anwendungsorientierte Projekt fliessen gleich mehrere unserer Forschungskompetenzen», sagt er und spricht damit die musikpädagogische Forschung sowie das Entwickeln neuer Musiktechnologie im Forschungsschwerpunkt Kommunikation Mensch & Maschine an. An der App arbeiten zwei weitere Hochschulen der FHNW mit: Spezialisten der Hochschule für Technik FHNW optimieren derzeit den Algorithmus für die Tonerkennung, in einem Studierendenprojekt soll die App für weitere Instrumente fit gemacht werden. Und Studierende der Hochschule für Wirtschaft FHNW steuerten eine Marketingstrategie bei. Das Tony Game wird über Online-Stores zur Verfügung stehen und dereinst möglicherweise den Musikschulen in Lizenz angeboten.
Thomas Röthlin

Artboard 1