Warum die Hecke im Luftbild zum Rasen wird
KI im Freiraum
von: Rolf Koritkowski
Aufmaße, Drohnenaufnahmen und frei verfügbare Luftbilder: Sie bilden die Grundlage für den digitalen Zwilling im Freiflächenmanagement. Er überführt Anlagen in ein virtuelles Abbild. Er bündelt georeferenzierte Flächendaten, zeigt den Pflegestatus und verknüpft Vertragsdaten mit Leistungsnachweisen und Rechnungen. Auftragnehmer wie Auftraggeber profitieren so von Überblick, Transparenz und Planungssicherheit.
Vom Foto zum virtuellen Abbild
So digital das Ergebnis auch wirkt: Ohne Handarbeit geht es bislang nicht. Fachleute definieren, was auf dem Bild zu sehen ist und wo es beginnt und endet – etwa Rasenflächen, Gehölzstreifen, Beete, Hecken sowie Wege- und Treppenanlagen und Spielgeräte. Dazu hinterlegen sie Daten und passende Attribute. Diese Zuordnung ist die Grundlage für das digitale Freiflächenmanagement.
Als gemeinsame Basis dient dabei der Objektartenkatalog Freianlagen der Forschungsgesellschaft Landschaftsentwicklung Landschaftsbau (FLL). So entsteht eine einheitliche Struktur – Außenanlagen werden vergleichbar.
Pilotprojekt: KI in natürlicher Vielfalt auf die Probe gestellt
Lässt sich der Weg zum digitalen Zwilling an dieser Stelle automatisieren und damit effizienter gestalten? Konkret: Kann KI Flächen und Objektarten in Drohnenbildern erkennen und benennen? Diese zentrale Fragestellung hat die WISAG in ihrem Pilotprojekt überprüft.
Unregelmäßige Strukturen, fließende Übergänge, organische Formen und wechselnde Zustände: Freiflächen sind heterogen und verändern sich laufend. Ein Beet sieht im Sommer anders aus als im Frühjahr. Rasen ist mal dicht, mal lückig, mal moosig oder voller Blüten.
Gehölze verändern sich mit Laub, Schnitt und Schatten. Aus der Luft verschwimmen Grenzen, die am Boden eindeutig wirken. So kann eine Hecke im Luftbild wie Rasen erscheinen – je nach Struktur, Farbe und Aufnahmezeitpunkt. Diese Vielfalt erschwert eine automatische Zuordnung durch KI.
KI-Training: Händisch prüfen und korrigieren
Damit KI im Außenraum zuverlässig arbeitet, braucht sie mehr als viele Bilder. Entscheidend ist, dass ein Mensch dem System beibringt, was darauf abgebildet ist. Am Anfang erkennt die KI vor allem ähnliche Pixelmuster, also Bildbereiche mit vergleichbarer Farbe und Struktur. Daraus bildet sie Flächenumrisse. Am Bildschirm sind das geschlossene Linien, die eine Fläche abgrenzen, häufig als Polygone bezeichnet. Diese Umrisse passen im Freiraum oft nicht sofort. Sie müssen nachgezogen, verschoben oder geteilt werden.
Parallel lernt die KI die Zuordnung zu Objektarten im Außenbereich. Der Trainer definiert, ob der abgegrenzte Bereich zum Beispiel eine Rasenfläche oder ein Baum ist. Nach wenigen Fotos wird das System besser und kann einzelne Bereiche eher als eigene Fläche erkennen, inklusive Größenangabe. Trotzdem bleibt menschliche Unterstützung zentral, weil die KI das Zusammenspiel aus Muster, Umriss und Objektart im Freiraum Schritt für Schritt aufbauen muss.
Erkenntnisse aus dem Pilotprojekt
Im Pilotprojekt zeigte sich: Ein schneller Weg zur zuverlässigen Erkennung führt im Außenraum nicht über wenige Beispiele. Die KI lernt zwar, doch für belastbare Ergebnisse braucht es deutlich mehr Trainingsmaterial und entsprechend mehr Prüfarbeit.
Fazit und Ausblick
Das digitale Freiflächenmanagement liefert bereits ohne KI Nutzen: Es veranschaulicht Flächen, verknüpft Daten und Dokumente und schafft Transparenz sowie eine gemeinsame Grundlage für Planung und Nachweis. KI könnte künftig den Prozess hinter dem digitalen Zwilling effizienter machen. Sie könnte dort ansetzen, wo heute viel Detailarbeit steckt: beim Erkennen und Zuordnen von Objektarten.
Damit KI im Außenraum verlässlicher wird, braucht sie Vielfalt, also Trainingsdaten aus unterschiedlichen Anlagen, Jahreszeiten und Pflegezuständen. Denkbar sind Kooperationen, zum Beispiel mit Hochschulen oder weiteren Garten- und Landschaftspflegebetrieben. So lässt sich Trainingsmaterial breiter aufbauen und das KI-Training im Freiraum weiterentwickeln.
