Innovation und Effizienz im Fokus
mundialis setzt auf eine breite Palette modernster KI-Technologien, um Projekte effizienter und innovativer zu gestalten. Im Folgenden geben wir Ihnen einen Einblick in unsere spezifischen Kompetenzen, Anwendungen und experimentellen Ansätze im Bereich der Künstlichen Intelligenz.
Teilautomatisierte Erstellung und Aufbereitung von Trainingsdaten
Die Erstellung qualitativ hochwertiger Trainingsdaten für maschinelles Lernen (ML) und Künstliche Intelligenz (KI) ist oft ein aufwändiger Prozess. Bei mundialis haben wir eine Methodik entwickelt, die speziell für Landbedeckungsklassifikationen Daten aus verschiedenen Quellen wie OpenStreetMap, ALKIS und Open Data der Bundesländer harmonisiert. Durch regelbasierte Kombination entstehen Trainingsdaten für eine definierbare Anzahl von Klassen.
KI-gestützte Bildanalyse
Eine zentrale Anwendung von KI bei der Analyse von Satelliten- und Luftbildern ist die semantische Segmentierung. Dabei wird jedem Bildpixel eine bestimmte Kategorie zugeordnet. mundialis setzt dazu Convolutional Neural Networks (CNN) und Vision Transformer Modelle ein. Diese Technologien unterstützen nicht nur die flächendeckende Klassifikation, sondern auch die objektscharfe Erkennung spezifischer Objektarten.
Nutzung von großen Sprachmodellen (LLMs)
mundialis verwendet eine Kombination aus Large Language Models (LLMs) und Web Scraping Tools, um automatisch thematische Datenbanken aus Online-Ressourcen zu erstellen und zu aktualisieren. Dabei wandeln LLMs die vom Benutzer geschriebenen natürlich-sprachlichen Abfragen in Anweisungen für nachfolgende Web Scraping Abfragen um, die dann ausgeführt werden. Das Ergebnis sind strukturierte, thematische Datenbanken.
Ein weiterer Anwendungsfall ist die Identifikation und Segmentierung von Objekten wie Gebäuden, linienhaften Elementen wie Straßen und flächenhaften Elementen wie Gewässern mit einfachen natürlich-sprachlichen Befehlen. Hier werden diese Anfragen verwendet, um Luft- und Satellitenbilder automatisch zu analysieren. Auf diese Weise können ohne spezielle Kenntnisse Informationen aus den Bildern extrahiert und so gespeichert werden, dass sie für weitere Analysewerkzeuge zugänglich sind. Durch diese Technik wird die Einstiegshürde für diese Art der Informationsextraktion aus Erdbeobachtungsdaten massiv gesenkt.