Aktuelle GIS Trends

Bedingt durch immer kürzere Innovationszyklen und gigantische Entwicklungsfortschritte in sämtlichen, für die Geoinformatik relevanten Bereichen, ist die Beschreibung von GIS-Trends ein durchaus riskantes Unterfangen. Noch während diese Zeilen geschrieben werden (übrigens nicht per generativer Sprach-KI!), stehen sie in der Gefahr veraltet zu sein. Mit hoher Taktzahl tauchen neue Ideen und GIS-Anwendungen auf, wohingegen vermeintliche Trends wie eine Sternschnuppe am GI-Horizont verglühen. In diesem hochdynamischen Umfeld kristallisierten sich während der letzten 10-15 Jahre technologische Entwicklungen heraus, die das Umfeld für geoinformatische Innovationen ganz wesentlich definieren. Ohne an dieser Stelle auf Details einzugehen, sei auf folgende Parameter verwiesen:

• steigende Computerleistung
• Miniaturisierung von Sensorik
• steigende Datenmenge, -verfügbarkeit und -zugänglichkeit
• Vielfalt und Fortschritte in der Softwareentwicklung
• sich überschlagende Entwicklungszyklen in der künstlichen Intelligenz (KI)
• Größenwachstum der GIS-Community

Überlagert werden diese Entwicklungen von zwei Megatrends, die weit über das Feld der Geoinformatik hinausgehen. Zum einen werden viele soziale Strukturen - von der Arbeits- und Freizeitwelt bis zu unserer Interaktion mit Personen und Institutionen - durch die Digitalisierung und Vernetzung in Echtzeit grundlegen aufgebrochen, neu definiert und etabliert. Einige sprechen an dieser Stelle, besonders in Bezug auf Umwälzungen im Industriesektor, von der Vierten Industriellen Revolution . Zum anderen zwingen verschiedene Krisen, allen voran die Klimakrise, Gesellschaften zu einer anderen, nachhaltigeren Lebensweise. Die von den Vereinten Nationen formulierten Nachhaltigkeitsziele (SDGs ) werden zusehends zum Maßstab von Politik, des Wirtschaftens und Zusammenlebens. Der unmittelbare räumliche Bezug der meisten Nachhaltigkeitsziele, bringt für die Geoinformatik eine Schlüsselrolle mit sich, wie diese Kartenanwendung beispielhaft illustriert:

In der Hunger Map des Welternährungsprogramms der Vereinten Nationen werden sämtliche relevante Informationen unmittelbar kartenbasiert aufbereitet.

Das Österreichische Umweltbundesamt hat eine sehr empfehlenswerte Artikelsammlung zu Digitalisierung und Nachhaltigkeit zusammengestellt. Greifen Sie sich ein Thema heraus und überlegen Sie, welche Rolle der Geoinformatik dabei zukommt. Teilen Sie Ihre Überlegungen im Diskussionsforum mit!

Trotz so mancher Unkenrufe, die der Geoinformatik entweder die Eigenständigkeit als Disziplin absprachen oder das Ende der Geoinformatik vorherzusehen glaubten, erweist sich die Modellierung und Analyse von raumbezogenen Daten als fundamentaler Baustein des Informationszeitalters. Mehr denn je sind GIS-Spezialisten und Fachexperten mit GIS Kenntnissen in den unterschiedlichsten Anwendungsgebieten gefragt. Und mehr noch, die Fähigkeit geographische Konzepte und Methoden zu kennen und anwenden zu können ("spatial literacy") erweist sich in einem momentan stark wachsenden Markt als bedeutende Kompetenz.

Die UNO Initiative Global Geospatial Information Management (UN GGIM ) veröffentlichte im Sommer 2020 die dritte, aktualisierte Version zu den GIS-Trends der kommenden Jahre. Für all diejenigen, die sich für die verschiedenen Trends und einer ausführlichen Analyse ebendieser interessieren, sei das Dokument empfohlen:

• UN GGIM (2020), Future trends in geospatial information management: the five to ten year vision.

Ebenfalls sehr spannende Einblicke in die Zukunft der Geoinformatik geben drei Koryphäen des Fachgebiets, die im Umfeld der UC Santa Barbara (USA) tätig waren bzw. sind: Trisalyn Nelson, Jack Dangermond und Mike Goodchild. Sie teilten im März 2021 ihre Einschätzungen in einem Webinar mit, welches hier nachgesehen werden kann:

Neben diesen beiden, umfangreichen Ressourcen gibt es im Internet eine Vielzahl an Beiträgen, die einen guten Eindruck davon geben, wohin die Reise in Zukunft möglicherweise geht. Deshalb ist diese Lektion, ähnlich wie die vorangegangenen, mit einer Fülle an Links und Beispielen gespickt.

Im Rahmen dieser Lektion werden Sie sehr schnell erkennen, dass "GIS" nicht einfach nur eine etablierte Methode, ein Werkzeug ist, sondern ein hochdynamisches Umfeld darstellt, mit weitreichenden Konsequenzen für den Berufsalltag, den Einsatz von "Geo-Technologien" im Alltag bis hin zu gesamtgesellschaftlichen Prozessen.

Folgende Entwicklungen und Trends wollen wir exemplarisch beleuchten:

GeoWeb und das Wachstum der GIS-Community
Die räumliche Dimension im Internet führt zu immer neuen, innovativen Anwendungen und Geschäftsmodellen.

Räumliche Unternehmens IT
Geschäftsprozesse werden immer häufiger innerhalb eines geographischen Ordnungsrasters etabliert.

Sensorik und Daten
Ortungs-, Mess- und Kommunikationstechnologien erheben und transferieren laufend Daten zum aktuellen Zustand unserer "Umwelt" im weitesten Sinne. Zunehmende Auflösung, Vernetzung und Echtzeit sind dabei die bestimmenden Trends.

Künstliche Intelligenz
Um aus der Unmenge von Daten relevante Informationen ableiten zu können, kommt sogenannter "künstlicher Intelligenz" eine bedeutende Rolle zu.

Skalierbarkeit
Ab in die Wolke mit Infrastruktur, Software und Daten.

Open Source Software & Open Data
GIS-Software ohne Lizenzkosten nutzen und kostenlose behördliche Daten, die online zugänglich sind. Diese Trends versprechen spannende Anwendungen!

Digitale Zwillinge
Von Informationsmodellen zu einem Ökosystem von Anwendungen und Funktionalitäten.

Die Zukunft von GIS
... oder, wer braucht ein GIS, wenn es Google Maps gibt?

Nach Bearbeitung dieser Lektion ...

• können Sie abschätzen in welchen Bereichen sich GIS auch in Zukunft dynamisch weiterentwickeln wird.
• wissen Sie, wo zukünftiges Marktpotential am ehesten vorhanden ist.
• können Sie effektiver Schwerpunkte in Ihrer eigenen Beschäftigung mit GIS setzen.

2.1 GeoWeb und das Wachstum der GIS-Community

Mehrere technologische Entwicklungen rund um 2010 bildeten die Voraussetzung für die Entstehung eines räumlich organisierten, "Online-Ökosystems", welches als "Geospatial Web" oder kurz GeoWeb bezeichnet wurde. Das GeoWeb ist dabei viel weniger eine Technologie, als eine Sammelbezeichnung für neue Nutzungsmuster, die eine geographische Organisation von Informationen, Diensten und Anwendungen im Internet ermöglicht. Die Voraussetzungen für das GeoWeb lassen sich vergleichsweise einfach umreißen: mobile Endgeräte mit kostengünstigen Positionierungs- und weiteren physikalischen Sensoren sowie hohe Rechenleistung, permanente Verbindung mit dem Internet, skalierbare Infrastrukturen in der Cloud und extrem einfache, vordergründig kostenfreie Anwendungen (Apps).

Zu Beginn der Entwicklung von sogenannten Geobrowsern, mit Google Earth bzw. Google Maps als herausragende Vertreter, war die Trennung zwischen dem Internet (Web) und dem GeoWeb noch relativ einfach nachzuvollziehen. Mittlerweile ist ein klar abgrenzbares GeoWeb kaum mehr auszumachen. Vielmehr ist der Standort des Nutzers zu einem fixen Datenbestandteil und die Bereitstellung raumbezogener Information und Dienste zum Standard rezenter Webtechnologien geworden, wie dieses einfache Beispiel demonstriert: Klicken Sie auf den Link zu Google Maps . Auf Basis ihrer IP-Adresse oder ihrer Standortdaten wird die Karte auf Ihren Aufenthaltsort zentriert.
Parallel zu diesen Entwicklungen kam es in den letzten Jahren zu einer enormen Expansion sogenannter Sozialer Medien, wodurch riesige Datenmengen entstehen. Diese weisen vielfach einen unmittelbaren (Standort als Bestandteil Nutzerdaten) oder indirekten (z.B. Ortsname im Text) Raumbezug auf und werden damit auch in Zukunft ein wesentlicher Treiber des GeoWebs sein.

Die Durchdringung des Internets mit räumlicher Information, Diensten und Geschäftsmodellen, macht es heute praktisch jedem Nutzer möglich, Teil einer wachsenden GIS-Community zu werden. Dabei verschwimmt die Grenze zwischen Anbietern und Konsumenten immer mehr - es wird in diesem Zusammenhang vielfach von "Prosumern" gesprochen.

Durch die Einfachheit der Kartenerstellung und die Beliebtheit standortbezogener, mobiler Anwendungen, werden aktuell mehr Geodaten und mehr Karten als jemals zuvor generiert. Dahinter stehen in den seltensten Fällen GIS-Spezialisten. Durch das enorm umfangreiche Angebot von Programmierschnittstellen (API) und Baukastensystemen (SDK), können GIS-Funktionalitäten von webaffinen Personen ohne Schwierigkeiten genutzt werden. Dabei gibt es verschiedene Abstufungen hinsichtlich Komplexität und damit erforderlicher Expertise. In den einfachsten Fällen wird eine Karte lediglich als Kontext für die Organisation von raumbezogenen Informationen verwendet. Dieses "Kombinations-Prinzip", dem wir in unzähligen Dashboards, Infografiken und Anwendungen im Internet begegnen, wird als Mash-Up bezeichnet.
Die Kartenanwendung unten zeigt ein solches Beispiel. Punktuelle, räumliche Information wird auf eine Hintergrundkarte referenziert. Damit können visuell, d.h. implizit, räumliche Charakteristika und Beziehungen abgeleitet werden (Standorte der Spielplätze) oder die Daten räumlich analysiert (Dichteberechnung) und beschrieben werden.

Beispiel für ein Karten Mash-Up. Die Daten der Spielplatzstandorte stammen vom OGD-Portal der Stadt Salzburg und müssen nicht lokal gespeichert werden.

Genau wie die oben abgebildeten Standorte von Kinderspielplätzen, können beliebige Daten mit räumlichem Bezug in Web-Kartenanwendungen dargestellt werden. Dabei ist es egal, ob es sich um Fotos (z.B. Flickr ), Hotelstandorte (z.B. bei Buchungsplattformen wie Booking.com oder Tripadvisor ) oder eben Daten von Behörden, Statistikämtern und internationalen Agenturen handelt. Wird ein solcher Datensatz mit einer räumlichen Koordinate versehen, spricht man vom Geo-Tagging.

Neben den unzähligen Mash-Up Karten und Anwendungen etabliert sich momentan der Trend zu so genannten Smart Maps (intelligente Karten). Dabei wird dem Nutzer beim Laden von Daten auf Grundlage einer unmittelbaren Datenanalyse eine passende Visualisierungsform vorgeschlagen. Die resultierenden Karten gehen über die einfache Darstellung der Daten per Punktsssymbol weit hinaus. Typische Visualisierungsformen in diesen intelligenten Karten sind Dichtekarten oder größenproportionale Punktsignaturen.

Beispiel für eine Smart Map: WC Anlagen in Wien (OGD Daten) dargestellt in ArcGIS online .

Der Trend von der einfachen Datendarstellung auf Hintergrundkarten hin zu intelligenten Karten und Analysefunktionalitäten geht einher mit der Integration von immer mehr GIS-Funktionalitäten in Webtechnologien. Beispielhaft für diesen Trend steht die Forcierung von Web-Plattformen wie ArcGIS online von ESRI.
Für Anwender abseits von GIS-Professionisten ergeben sich durch derartige Angebote ausgezeichnete Möglichkeiten, Daten ansprechend zu visualisieren, zu explorieren und zu analysieren.

2.2 Räumliche Unternehmens IT

Ähnlich der immer weiteren Verbreitung von GIS-Komponenten im Konsumenten- bzw. Anwendersektor, spielt räumliche Information (im englischsprachigen Raum meist etwas breiter als Location- oder Spatial Intelligence bezeichnet) in Businessanwendungen eine immer größere Rolle. Der Grund dafür ist augenscheinlich: Firmen sitzen - wissend oder auch nicht - auf Geodatenschätzen: Adressen von KundInnen, Standortdaten, Statistiken von Filialen, Lieferantennetzwerke und vieles mehr. Zum anderen geht momentan ein Umbau ganzer Industrien bzw. Wertschöpfungsketten von statten, der auch als 4. Industrielle Revolution oder Industrie 4.0 bezeichnet wird. Im Zuge dieser radikalen Digitalisierung von Abläufen und der Übertragung von Daten auf sämtlichen Maßstabsebenen (von globalen Lieferketten bis zu vollautomatischen Fertigungsstraßen) werden unvorstellbare Mengen von (Standort-) Daten generiert, deren Verarbeitung und Analyse mit gängigen Methoden nicht mehr zu bewerkstelligen ist. Aus diesen (räumlichen) Datenströmen Kapital zu schlagen, ist das Ziel der Integration von GIS in die Unternehmens-IT. Laut einem Artikel im Wirtschaftsmagazin Forbes aus 2020, erachten mehr als die Hälfte aller Unternehmen Location Intelligence als sehr wichtig oder wichtig für die Erreichung ihrer Geschäftsziele. In Behörden bzw. Verwaltungen liegt dieser Anteil sogar bei 90%.

Im Vergleich zu einigen früheren Anwendungen, kommt im Unternehmensbereich heute kaum mehr eigenständige GIS-Software zum Einsatz. Vielmehr werden GIS-Funktionalitäten in bestehende Systeme integriert. Dadurch entstehen hybride Anwendungen, die einerseits die Geschäftsprozesse unterstützen und andererseits direkt räumliche Information speichern und verarbeiten können. Beispiele für diese integrierten Lösungen finden sich in großer Zahl. Bekannte Systemanbieter aus der Unternehmens-IT, die GIS-Funktionalitäten mit anbieten, wären SAP oder Oracle . Gleichzeitig geht auch der Trend bei GIS-Softwareherstellern immer mehr dahin, maßgeschneiderte Komplettsysteme für KundInnen bereitzustellen, die einerseits von der Datenerhebung bis zur Visualisierung von Resultaten die ganze Prozesskette abdecken (vertikale Integration) und andererseits eine Verbindung verschiedener Informationssysteme (horizontale Integration) unterstützen. ESRI oder Caliper wären als Beispiele in diesem Zusammenhang anzuführen.

Warum sollten sich Unternehmen außerhalb der GIS-affinen Domänen nun aber tatsächlich der Integration von räumlicher Information in ihre Systeme widmen? In Anlehnung an die Ausführungen von Matthew Lewin in seinem eBook "Geospatial Strategy Essentials for Managers", sei vor allem auf folgende Aspekte verwiesen:

• Erschließung neuer Potenziale in der Wertschöpfung
• Unterstützung von Digitalisierungsstrategien
• Verbesserung des Nutzererlebnisses
• Etablierung einer gemeinsamen Datenbasis

Gehen wir kurz auf die einzelnen Aspekte ein und illustrieren sie anhand von Beispielfällen.

Erschließung von neuen Potenzialen in der Wertschöpfung

Die Wertschöpfung steht bei Unternehmen naturgemäß im Vordergrund. Qualitative Produkte und Dienstleistungen werden am Markt angeboten, um für Kunden einen Mehrwert zu erzeugen, der sich wiederum in finanziellen Gewinn des Unternehmens ummünzen lässt. Ein Bewusstsein für den Wert räumlicher Information eröffnet die Gelegenheit, durch das "Wo?" neue Potenziale für die Wertschöpfung zu erschließen. Dieses Potenzial wird vielfach erst sichtbar, wenn Probleme als räumliches Problem neu formuliert werden. Am besten machen wir das an einem Beispiel fest:

In einem Bergdorf ging nach heftigen Regenfälle eine Mure ab, die schnell einen bestehenden Graben füllte und in weiterer Folge zahlreiche Häuser einer Siedlung beschädigte. Haus- und Grundstückseigentümer sowie Wegeerhalter reichen nun ihre Schadensmeldungen bei einer Versicherung ein. Durch die hohe Schadenssumme und die vielen zu bearbeitenden Forderungen, dauert die Bearbeitung der Fälle bei der Versicherung sehr lange. Folglich müssen auch die Versicherungskunden entsprechend lange auf das Geld warten.

Was passiert nun, wenn diese Situation in ein räumliches Problem umformuliert wird?

Die Versicherung lässt das Areal mit Drohnen befliegen und das Bildmaterial durch KI-gestützte Analyse auswerten. Dadurch kann das Schadensausmaß sehr rasch abgeschätzt werden. Die Verschneidung mit Katasterdaten identifiziert die jeweils betroffenen Besitzer. Auf dieser Basis kann die Plausibilität der Forderungen der Versicherten schnell überprüft und erste Auszahlungen in die Wege geleitet werden.

Zugegebenermaßen ist dieses Beispiel vereinfacht. Jedoch illustriert es das Potenzial räumlicher Information für die Erschließung zusätzlicher Wertschöpfung. Die Versicherung konnte die Fälle sehr viel schneller als gewöhnlich bearbeiten und die Geschädigten mussten weniger lange auf ihr Geld warten.

Unterstützung von Digitalisierungsstrategien

Digitale Technologien und neue Geschäftsmodelle führen aktuell zu einer Umwälzung ganzer Industrien. Unternehmen sind entsprechend gezwungen darauf zu reagieren und eigene Digitalisierungsstrategien zu erstellen. Dieser Trend wurde durch die Corona-Pandemie noch einmal massiv beschleunigt (DMEXCO Studie ). Allerdings führt eine Digitalisierungsstrategie nicht automatisch zu mehr unternehmerischen Erfolg. Gemäß einer McKinsey-Studie aus 2022, berichten 90% der befragten Unternehmen von einer Digitalisierungsstrategie, allerdings führte diese bei einer Minderheit zu einem messbaren Erfolg.
Ein wesentlicher Erfolgsfaktor für Digitalisierungsstrategien ist die gewinnbringende Verarbeitung der zusätzlich generierten Daten. Das Erzeugen und Sammeln von Daten führt erst einmal zu einem Mehraufwand, ohne unmittelbaren Nutzen. Es gilt also, aus Daten relevante Information abzuleiten, die dann zu Erkenntnissen führt und in Innovationen übersetzt werden kann. Genau an dieser Stelle kann die Geoinformatik einen wesentlichen Beitrag leisten. Nachdem ein Großteil der Daten einen direkten oder indirekten Raumbezug aufweist, sind die passenden Werkzeuge und das entsprechende Knowhow entscheidend, um für das Unternehmen einen Mehrwert zu schaffen.

Im Zuge einer Digitalisierungsoffensive beginnt ein Elektrizitätsversorger seine Kunden mit so genannten Smart-Meters auszustatten. Dadurch erhofft er sich einen tagesaktuellen Überblick über den Stromverbrauch und bessere Steuerungsmöglichkeiten in seinem Netz. Die Integration von GIS-Funktionalitäten in seine digitale Geschäftsanwendung hilft ihm diejenigen Haushalte zu identifizieren, die für ein erstes Ausrollen der Smart-Meters am besten geeignet ist. Gleichzeitig kann der Energieversorger sofort berechnen, welche Anfahrtswege (und damit Kosten) für das Ablesen der Zählerstände eingespart werden. Im operativen Betrieb erlaubt ein Dashboard, in dem die Versorgungsinfrastruktur mit den Daten aus den Smart-Meters und weiteren, relevanten Geschäftszahlen verbunden wird, eine laufende Systemüberwachung und -optimierung.

Durch die Integration räumlicher Information in die Digitalisierungsaktivitäten kann ein Mehrwert für das Unternehmen geschaffen werden, der sich letztendlich auch betriebswirtschaftlich rechnet.

Verbesserung des Nutzererlebnisses

Räumliche Information erlaubt es Unternehmen ihren Kunden ein möglichst optimales Nutzererlebnis zu bieten. Der Konkurrenzkampf zwischen Anbietern von Services und Produkten findet längst auf der Ebene der so genannten Customer Experience (CX) statt. Je besser diese ist, umso höher die Kaufwahrscheinlichkeit.
Ein möglichst positives Nutzererlebnis führt zu höherer Kundenzufriedenheit und trägt folglich unmittelbar zum Unternehmenserfolg bei. Wenn Unternehmen verstehen, in welcher Situation sich ihre Kunden befinden und die Produkte und Dienstleistungen dahingehend adaptieren, ist die Wahrscheinlichkeit einer nachhaltigen Kundenbindung sehr hoch. Beim Stichwort "Situation" kommt - wenig überraschend - die Geoinformatik ins Spiel. Über den Standort eines Nutzers kann sehr viel über seine Situation herausgefunden werden: vom aktuellen Wetter über die Abfahrtszeiten des Öffentlichen Verkehrs an der nächstgelegenen Haltestelle, Einkaufsmöglichkeiten und Angebote zur Freizeitgestaltung, bis zum prognostizierten Zeitpunkt einer Paketzustellung. Erhöhen derartige Informationen die Interaktion mit dem Kunden und verbessern sie das Nutzererlebnis, trägt Geoinformation zu einem wichtigen Wettbewerbsvorteil bei.

Eine Supermarktkette erhält in Online-Portalen ausgezeichnete Bewertungen. Leider schlagen sich diese jedoch nicht genügend in den Umsätzen nieder. Woran kann das liegen?
Zur Beantwortung dieser Frage wird ein digitaler Plan der Verkaufsflächen erstellt. Zusätzlich werden Besucherströme über Bluetooth und RFID Beacons erhoben. Auf dieser Basis können die Besucherströme durch das Geschäftslokal erhoben und ausgewertet werden. Dies bildet die Grundlage für eine Optimierung beim Layout des Geschäfts und der Platzierung von Waren. Die aktuelle Kundenposition ist auch für das unmittelbare Kundenerlebnis brauchbar: über eine App können beispielsweise zusätzliche Informationen (Allergene, Herkunftsinformationen, Rezepte usw.) abgefragt werden, oder Kunden können zum gesuchten Artikel navigiert werden.

Etablierung einer gemeinsamen Datenbasis

Stellen Sie sich vor, Sie wären für das Management von Mehrparteienhäusern zuständig. Die Aufgabe umfasst sämtliche Abrechnungen (Steuern, Betriebskosten, Versicherungen etc.), die Kommunikation mit den BesitzerInnen und den MieterInnen, die Instandhaltung sowie weitere Serviceleistungen. Für die Bewältigung dieser Aufgaben ist eine Fülle von verschiedenen Daten notwendig. Abrechnungen werden in einer Software für Finanzverwaltung administriert und in einer integrierten Datenbank gespeichert. Hauspläne liegen in einem CAD digital vor. Versicherungspolizzen werden in einem Filesystem verwaltet und die Telefonnummern aller Kontaktpersonen sind in einer Excel-Datei hinterlegt. Klingt kompliziert - ist es auch!
Immer mehr Fachanwendungen, wie - um beim Beispiel einer Hausverwaltung zu bleiben - BIM Systeme nutzen die geographische Koordinate, um verteilte Datensätze zusammen zu führen. Dabei werden alle Daten, unabhängig davon, wo sie physisch liegen, über den gemeinsamen geographischen Bezug verbunden. Die Geographie dient in einem solchen Fall also als Ordnungsraster für heterogene Datenbestände in der Dateninfrastruktur eines Unternehmens.

2.3 Sensorik und Daten

Durch die radikale Reduktion der Kosten für Sensorik entstand in den letzten Jahren eine wahre Datenflut, die quantitativ und qualitativ in den kommenden Jahren weiter wachsen wird. Denken Sie beispielsweise an Ihr Smartphone, das sie um wenige hundert Euro gekauft oder gar kostenfrei zu Ihrem Mobilfunkvertrag erhalten haben. Damit haben Sie Sensoren in der Hosentasche, die noch vor wenigen Jahren einigen wenigen Spezialisten vorbehalten waren.
Neben mobilen Endgeräten sind es vor allem "intelligente Geräte", die als Sensoren dienen und zu einem immer genaueren, digitalen Abbild der Realität beitragen. Was zu Beginn der 1990er Jahre von Mark Weiser noch als Vision für das 21. Jahrhundert formuliert wurde, ist mittlerweile in vielen Ansätzen schon Realität: die intelligente, digitale Verknüpfung von Personen und Geräten, die als Sensoren miteinander verbunden sind. Dieses hoch dynamische Netzwerk mit einer Vielzahl an Knoten wird als Internet of Things bezeichnet. Was für die einen ein Überwachungsalbtraum ist, stellt für die anderen nicht weniger als die Antwort auf sämtliche Probleme, vom Klimaschutz bis zum automatischen Nachkauf des Waschmittels, dar. Wie auch immer man dazu steht, die Anzahl an Sensoren und damit an Daten wird weiter wachsen.

Neben Sensoren, die passiv Daten generieren und übermitteln, geht auch der Trend bei Sensoren, die zur aktiven Datenerfassung eingesetzt werden, Richtung kompakte, kostengünstige Modelle. Große Erwartungen werden dabei vor allem in UAVs, umgangssprachlich als Drohnen bezeichnet, gesetzt. Damit können vergleichsweise kostengünstige Fernerkundungsdaten (von Luftbildbefliegung bis Laserscanning) erhoben und in weiterer Folge zu hochwertigen Geoprodukten, wie beispielsweise hochauflösende Gebäudemodelle, verarbeitet werden. In Modul 3 werden Sie sich noch ausführlich mit der Thematik beschäftigen.

Eng verwandt mit der passiven und aktiven (Geo-) Datenerhebung ist die Frage der Positionierung. Hier waren in der Vergangenheit vor allem GNSS (meist allgemein als GPS bezeichnet) Geräte relevant. Aktuell geht der Trend in diesem Zusammenhang in Richtung kombinierte bzw. alternative Technologien zur Positionierung. Das bedeutet, dass mehrere Sensoren zur Positionsbestimmung kombiniert oder Alternativen zu GNSS verwendet werden. Die damit zu erreichende Genauigkeit ist nur ein Grund für das Hinzuziehen mehrerer Sensoren.
Als viel gewichtigeres Argument wird die Möglichkeit der Indoor-Positionierung und damit Navigation erachtet. GNSS kann in Gebäuden oder urbanen Häuserschluchten nicht oder nur sehr schlecht genutzt werden. Aus diesem Grund greifen immer mehr Endgeräte bzw. Anwendungen auf alternative Sensoren zur Positionsbestimmung zurück. Neben WLAN sind das vor allem Bluethooth und RFID , welches schon länger für das Warentracking in der Logistikbranche verwendet wird.

Die Menge an Daten, die mit bisher beschriebenen Sensoren und Technologien generiert wird, ist gewaltig. Sie zu bewältigen, wird eine der zentralen Herausforderungen der Zukunft. Auch wenn die Kapazitäten der IT-Infrastrukturen stets erhöht werden, reichen sie bei Weitem nicht aus, alle erfassten Daten auch zu speichern, geschweige denn sinnvoll zu verarbeiten. Der "Datenheuhaufen" ist höchst dynamisch und darin die Nadel, also relevante Information, zu finden, ist Aufgabe intelligenter Datenbankarchitekturen und Algorithmen. Dem geographischen Raum kommt hierbei eine wesentliche Rolle als Bezugsraster für den Datenstrom zu.

Mit der Verfügbarkeit und den Technologien zur Verarbeitung der geschilderten Datenmengen gehen Anwendungen und Paradigmen einher, die bis vor kurzem noch eher als Science Fiction gegolten hätten, nunmehr aber das Potenzial haben, Teile des Alltags und der Gesellschaft grundlegend zu verändern. Unter anderem in diesen Bereichen spielt geographische Information eine zentrale Rolle:

• Smart Cities: darunter versteht man die Digitalisierung von städtischen Einrichtungen und Akteuren um die Effizienz in diversen Bereichen zu erhöhen. Besonderer Fokus liegt unter anderem auf der Energieeffizienz, der Verkehrssteuerung oder der Versorgungsinfrastruktur.
• Smart Homes: durch die digitale Vernetzung von Geräten und Steuerungseinrichtungen sollen alltägliche Abläufe in Haushalten optimiert und insgesamt "intelligenter" gestaltet werden. Dabei ist es wichtig zu wissen, wer bzw. was sich zu welchem Zeitpunkt wo befindet. Verlassen Sie beispielsweise die Wohnung wird automatisch das Gas am Herd abgedreht und die Raumtemperatur gesenkt.
  Mehrere, vernetzte Smart Homes können wiederum Teil von Smart Cities sein. Dadurch kann z.B. die Auslastung von Leitungsnetzen, die Versorgung mit Frischwasser oder die Zuteilung von Internetbandbreite optimiert werden.
• Selbstfahrende Autos: als quasi letzter, nicht vernetzter Raum wird das Auto zunehmend in die digitale Umwelt integriert und vernetzt. Um die Vision selbstfahrender Autos überhaupt zu ermöglichen sind, neben einer ausgefeilten Sensorik, hochgenaue Geodaten zur Navigation im Straßenraum notwendig.

Mit der Idee von Smart Cities und vernetzten Systemen sind Fragen zu Privatsphäre und Datenschutz unmittelbar verbunden. Im Responsible Sensing Lab in Amsterdam wird daran geforscht, unter welchen ethischen Gesichtspunkten Sensortechnologien eingesetzt werden kann.
Wenn Sie genügend Zeit und Technologieinteresse besitzen, sehen Sie sich die verschiedenen Beispiele durch und überlegen Sie, welche räumlichen Implikationen damit verbunden sind.

2.4 Künstliche Intelligenz

Mit dem Schlagwort "Künstliche Intelligenz" werden aktuell alle möglichen Versprechen, Dystopien und Innovationen verknüpft. Die neuesten Entwicklungen, mit ChatGPT von Open AI als prominentestes Beispiel, füllen momentan Magazinseiten und sorgen für hitzige Debatten. Dahinterliegende Konzepte und Algorithmen, viele davon auch mit Anwendungen in der Geoinformatik, sind zum Teil schon mehrere Jahrzehnte alt. Neu sind heute die enorm gesteigerten Rechenleistung und die Verfügbarkeit unvorstellbar großer Datenmengen. Grund genug, sich ein paar Minuten dem Thema zu widmen.

Künstliche Intelligenz (KI) ist nicht einheitlich definiert und je nach Hintergrund, werden verschiedene Dinge darunter verstanden. Der Begriff wurde erstmals in den 1950er Jahren von John McCarthy und Kollegen eingeführt. Dabei wurde das Ziel verfolgt, menschliche Lern- und Entscheidungsprozesse zu abstrahieren und für Maschinen verarbeitbar zu modellieren.
Ähnliches wird auch heute, mehr als 60 Jahre später, verfolgt. Treiber sind neben Forschungseinrichtungen und der Rüstungs- und Sicherheitsindustrie vor allem Firmen, deren Geschäftsmodell in der Verarbeitung riesiger Datenmengen liegt. Zu nennen sind IBM, Microsoft, Amazon, Google oder Facebook - samt deren Pendants beispielsweise in China .

Klicken Sie auf das Bild, um es in voller Größe zu sehen. Den Artikel zum Bild können Sie in der MIT Technology Review lesen.

Das meiste, was heute unter künstlicher Intelligenz gehandelt wird, sind Algorithmen für maschinelles Lernen (Machine Learning) und eine Untergruppe davon, die als Deep Learning bezeichnet werden. Damit funktionieren sowohl Empfehlungen bei Amazon und Netflix, als auch Anwendungen zur Gesichts- und Spracherkennung, Robotik, Medizin, Zeitreihenanalyse oder Foto- und Videobearbeitung.
Maschinelles Lernen orientiert sich in der Funktionsweise an menschlichen, kognitiven Prozessen, die in sogenannten neuronalen Netzen modelliert werden. Dabei geht es nicht um das Auswendiglernen großer Informationsmengen, sondern um das Erkennen von Abhängigkeiten, Gesetzmäßigkeiten und Mustern. Als Menschen "wissen" wir beispielsweise, wie ein Gesicht aussieht - es befindet sich an der Vorderseite des Kopfes, besteht stets aus zwei Augen, einer Nase, einem Mund usw. Wir müssen deshalb nicht alle Gesichter auswendig lernen, sondern können auch bei einem gänzlich fremden Menschen sofort erkennen, dass er ein Gesicht hat.

Maschinelles Lernen wird gemeinhin in überwachtes (supervised), unüberwachtes (unsupervised) und bestärkendes (reinforcement) Lernen unterteilt. In der ersten Kategorie werden Daten in einem Testsatz markiert und klassifiziert, wodurch der Algorithmus weiß, nach was er suchen muss - ähnlich einem Spürhund. In der zweiten Kategorie werden die Daten ohne menschliche Vorklassifikation statistisch auf Cluster und Abhängigkeiten untersucht. Das bestärkende Lernen funktioniert nach dem Versuch-und-Irrtum Prinzip. Dabei werden alle möglichen Pfade beschritten und diejenigen "belohnt", die einen näher zum Ziel bringen.

Ein wesentliches Ziel in der Anwendung künstlicher Intelligenz besteht im Extrahieren relevanter Informationen aus vermeintlich unspezifischem Datenrauschen. Der räumliche Kontext bietet sich als zusätzliches Ordnungssystem dafür an. Illustrieren wir dies an einem kurzen, einfachen Beispiel:

In diesem Bild sehen Sie im Wesentlichen die gleichen Objekte: Sonnenliegen, Schirme, Wasser, den Himmel, braun-grauen Untergrund und Palmen. Trotzdem können Sie auf den ersten Blick das linke Bild als gebaute Umgebung und das rechte als natürlichen Landschaftsausschnitt identifizieren. Warum ist das so?
Geometrische Eigenschaften wie Form und Größe sowie Lagebeziehungen von Objekten definieren den räumlichen Kontext und helfen Objekte bzw. Objektgruppen zu identifizieren. In einem GIS können diese Eigenschaften formalisiert beschrieben werden. Auf Basis der geographischen Lage lassen sich zudem weitere räumliche Datenschichten in die Analyse mit einbeziehen.

Die Bedeutung künstlicher Intelligenz für die Geoinformatik ist in vielen Bereichen groß. In Zukunft werden viele Aktivitäten entlang der geoinformatorischen Wertschöpfung durch KI-Anwendungen ersetzt. Nichtsdestotrotz sei darauf hingewiesen, dass es immer noch Problemstellungen gibt, die Sie nach diesem Modul zwar einfach lösen können, welche Machine Learning Algorithmen aber zum Teil überfordern - eine Gruppe von Forschern des Uber Konzerns demonstrierten dies anhand einer Koordinatentransformation.
Die folgenden vier Beispiele von KI-Anwendungen in der Geoinformatik stehen exemplarisch für ein wachsendes Feld und zeigen die Möglichkeiten in diesem Bereich auf.

Datenakquise

Ein hochgenaues Abbild der Umgebung ist für viele Anwendungsfälle entscheidend. Danke großer Fortschritte in der Sensortechnologie werden Daten in noch nie dagewesener Auflösung erzeugt. Um diese Datenmengen sinnvoll verarbeiten und vor allem um die relevanten Informationen extrahieren zu können, kommt künstliche Intelligenz zum Einsatz.

Bildanalyse

Nicht nur der Straßenraum wird - getrieben vom Trend des autonomen Fahrens - heute mehr denn je vermessen. Noch nie zuvor waren derart viele Erdbeobachtungssatelliten im Weltall wie heute. Auch hier stellt sich die Frage der Verarbeitung und Analyse des Datenmaterials:

Neuronale Netze und Deep Learning Algorithmen haben auch in der Analyse von Fernerkundungsdaten längst Einzug gehalten. Häufig geht es dabei um die Abgrenzung und Identifikation von Objekten oder Gebietseinheiten. Künstliche Intelligenz erlaubt es beispielsweise, Landnutzungsklassifikationen automatisiert umzusetzen:

Landnutzungsklassifikation mittels künstlicher Intelligenz. Eine genaue Beschreibung des Vorgehens finden Sie hier .

Verkehr und automatisiertes Fahren

Verkehrssituationen sind hoch komplex und lassen sich mit Regelsätzen nur unzureichend beschreiben. Durch den kombinierten Einsatz von Drohnentechnolgie, Bildanalyse und künstlicher Intelligenz lassen sich Objekte im Straßenraum erkennen und ihre Trajektorien, also ihre Bewegungen im Raum, vorhersagen.

Künstliche Intelligenz wird auch zunehmend in Fahrzeugen selbst integriert. Das gilt für aktuelle Modelle im Bereich der Fahrer-Fahrzeug Kommunikation (z.B. Spracherkennung) sowie für diverse Assistenzsysteme. Um autonome Fahrzeuge eines Tages tatsächlich flächendeckend einsetzen zu können, ist der Einsatz von KI unerlässlich. Autonome Fahrzeuge sind mit Kameras, Sensoren und Kommunikationssystemen ausgestattet, die Unmengen an Daten erzeugen. Ohne künstliche Intelligenz könnten diese nicht verarbeitet und interpretiert werden, um das Fahrzeug sehen, hören, "denken" und Entscheidungen treffen zu lassen.

Komponenten von KI in autonomen Fahrzeugen. Den Artikel zu diesem Bild können Sie hier lesen.

Agrarwirtschaft

Um den steigenden Bedarf an Nahrungsmitteln bei begrenzter Verfügbarkeit von Agrarflächen und Wasser decken zu können, ist es mitunter notwendig, möglichst effiziente Landwirtschaft zu betreiben. In einem, von Microsoft gesponserten, Forschungsprojekt werden Sensordaten von Farmen gesammelt, um möglichst genaue Vorhersagen zu treffen und Empfehlungen zur Bewirtschaftung geben zu können.

2.5 Skalierbarkeit

Das Auslagern von IT-Infrastruktur, Plattformen oder Software ins Internet, zusammengefasst als Cloud Computing bezeichnet, ist ein Trend, der schon einige Jahre besteht und sich in vielen Alltagsapplikationen, wie Email-Diensten oder Foto- und Videoplattformen, niederschlägt.
Trotz der bereits recht breiten Anwendung ist das Ende der Fahnenstange potentieller Anwendungen und Entwicklungen noch nicht erreicht. Die Corona-Pandemie führte zu einem ungeheuren Schub im Geschäft mit Cloud-Lösungen. Das ZDNet Portal recherchierte die Umsätze der führenden Anbieter mit AWS von Amazon an der Spitze.
Die Technologie des Cloud-Computings an sich ist nicht neu, allerdings haben enorme Rechenkapazitäten und die Verfügbarkeit entsprechender Bandbreiten zur Datenübertragung die Tür für ein neues Geschäftsmodell geöffnet: Von einfachen Anwendungen bis hin zur kompletten IT-Infrastruktur wird alles zu Cloud-Anbietern ausgelagert. Dabei wird nur die Leistung bezahlt, die auch tatsächlich in Anspruch genommen wurde (Pay-as-you-go). Allgemein bekannte Anwendungen aus der Cloud sind Google Drive, Microsoft Office online, Flickr, Dropbox, oder diverse Webmail-Dienste.

Cloud-Computing ist mittlerweile im GIS-Bereich in verschiedenen Facetten - von der Datenhaltung bis zur Auslagerung der gesamten Funktionalität in die Cloud - üblich. Der Unterschied zum herkömmlichen Client-Server Ansatz ist, dass nicht mehr jede Organisationseinheit eine eigene Serverinfrastruktur inklusive der Software betreiben und warten muss, sondern einen maßgeschneiderten Dienst bei einem Cloudanbieter einrichtet und zur Verfügung stellt.
Für die meisten GIS-Anwender macht sich die Etablierung von Cloud-GIS beispielsweise mit der Verfügbarkeit von GIS-Applikationen im Webbrowser bemerkbar. Das heißt, dass für die Speicherung, Analyse und Visualisierung von Geodaten weder ein GIS-Programm zur Bearbeitung noch die Daten lokal vorhanden sein müssen. Ein Webbrowser und eine genügend große Bandbreite genügen.
Für Anbieter von GIS-Dienstleistungen hat die Auslagerung in die Cloud den Vorteil Fixkosten zu sparen und Kapazitätsengpässe zu vermeiden. Der Schweizer Geodatenviewer map.geo.admin ist beispielsweise in die Amazon-Cloud gewandert. Durch die Skalierbarkeit der Infrastruktur kann der Dienst selbst bei sehr hohen Zugriffszahlen ohne Verzögerung angeboten werden:

Präsentation von Hanspeter Christ, Swisstopo

Im Zusammenhang mit sehr rechenintensiven Prozessen ist die Cloud oft die einzige Möglichkeit. So bieten praktisch alle GIS-Softwarefirmen an, KI-Anwendungen, die nur mit enorm hohen Mitteleinsatz lokal umsetzbar wären, in der Cloud laufen zu lassen.

Auch wenn die Erwartungen an die Möglichkeiten und Entwicklungspotentiale von Cloud-GIS hoch sind, gibt es nach wie vor einige ungeklärte Fragen.
Dazu zählen insbesondere die Lokalisierbarkeit und Zuordenbarkeit der Daten in der Cloud und eingeschränkte Möglichkeiten des Transfers zu einem alternativen Cloud-Anbieter (Gefahr des "Lock-In"). Diese Aspekte sind mitunter ein Grund für die teilweise vorhandene Zurückhaltung von Behörden und Gebietskörperschaften voll auf die Dienste von Cloud-GIS zu setzen.

Angesichts der relativ hohen Lizenz- und Infrastrukturkosten von GIS-Systemen, sind, neben dem Rückgriff auf OpenSource Produkte, Cloud-GIS-Dienste vor allem für kleinere Unternehmen mit gelegentlicher GIS-Nutzung eine wirtschaftlich hochinteressante Option, da bei Cloud-Anwendungen nur für die tatsächlich genutzte Leistung bezahlt wird.
Für Anbieter ressourcenintensiver Diensten mit hohen Nutzungsschwankungen bietet Cloud-GIS die Möglichkeit der flexiblen Erweiterung, ohne die eigene IT-Infrastruktur weiter ausbauen zu müssen.

2.6 Open Source Software & Open Data

Open Source (OS) Software und frei verfügbare Daten an sich sind nichts wirklich Neues. Neu ist, dass immer mehr Firmen und Behörden ihre gesamte GI-Infrastruktur auf Open Source Software aufbauen und/oder alle behördlich erhobenen Daten im Internet frei zur Verfügung stellen.

Seit der Lizenzierung des offenen Betriebssystems Linux vor rund 25 Jahren ist Open Source Software zu einer ernstzunehmenden Alternative zu kommerziellen Produkten herangereift.
Im GIS-Bereich fand diese Entwicklung zuerst in der (Map)Server- und Datenbankinfrastruktur ihren Niederschlag. Darauf aufbauend haben sich in den letzten Jahren einige Open Source Desktop-GIS Anwendungen derart entwickelt, dass sie für den breiten Alltagseinsatz in jeder Hinsicht (z.B. Benutzerfreundlichkeit, Stabilität, Funktionalität) geeignet sind.

Immer mehr Behörden und privatwirtschaftliche Firmen erhoffen sich durch den Einsatz von Open Source GI-Software Einsparungs-, aber auch Innovationspotential. Die Vorteile des Einsatzes von OS-Produkten liegen auf der Hand:

• Kürzere Innovationszyklen durch laufende Weiterentwicklung bei gleichzeitiger Bereitstellung.
• Direkte Kommunikation mit EntwicklerInnen und AnwenderInnen durch Internetforen und Community-Treffen.
• Verteilte Entwicklungskosten
• Keine Lizenzkosten.
• Skalierbarkeit und Flexibilität durch offengelegten Quellcode. Die Produkte können exakt an die eigenen Bedürfnisse angepasst werden (sofern man die nötigen Fähigkeiten dazu besitzt oder zukauft).
• Plattformunabhängigkeit. OS Software ist in der Regel für alle Betriebssysteme konzipiert.

Was einem noch breiteren Einsatz von OS GI-Software momentan noch entgegensteht, sind der Migrationsaufwand, Unsicherheiten bezüglich Support und Stabilität, bestehende Bindungen durch langfristige Verträge und ein vergleichsweise größeres "Vertrauen" in etablierte Systemanbieter.
Die eher kulturellen Vorbehalte gegenüber Open Source Software sind mitunter auf das Selbstverständnis der jeweiligen Anbieter bzw. Bereitsteller zurückzuführen: kommerzielle Anbieter verkaufen ein fertiges Produkt, wohingegen die Verwendung von Open Source Software eher der Teilnahme an einem Projekt gleichkommt.

Momentan sind es vor allem größere Firmen oder Behörden sowie "Ich-AGs" die, ausgehend von unterschiedlichen Motivationslagen, OS GI-Software einsetzen. Bei einer entsprechenden Stabilität der Anwendungen, wird sich dieser Trend in Zukunft bestimmt verstärken und auf breite GIS-Anwenderschichten ausweiten. Um Open Source GI-Software erfolgreich einsetzen zu können, sind jedenfalls eine grundsätzliche Offenheit gegenüber dem Open Source Gedanken und grundlegende GIS- und/oder Programmierkenntnisse nötig.

Eng verbunden mit der Idee der Open Source Software ist die kostenfreie, transparente Bereitstellung von Daten, zusammengefasst unter dem Begriff Open Data.

Was in den USA schon längst gang und gäbe ist, scheint nun auch in Europa langsam aber sicher zu funktionieren. Insbesondere das, in dieser Hinsicht bisher sehr restriktive, Großbritannien avanciert zum Antriebsmotor bei der Bereitstellung behördlicher Daten. Aber auch die Schweiz hat mit der Freigabe aller amtlichen Geobasisdaten im Jahr 2021 für positive Furore in der GI-Community gesorgt.

Nach den Plänen der europäischen Kommission soll durch die Öffnung der behördlichen Datenbestände der Umsatz in der GI-Branche verdoppelt werden.
Die Argumentation klingt einleuchtend: der volkswirtschaftliche Nutzen einer erhöhten wirtschaftlichen Aktivität in der GIS-Branche durch die kostenlose Bereitstellung von Geodaten ist aufgrund des erhöhten Rückflusses an Steuern größer als durch die Einhebung von zum Teil erheblichen Lizenz- und Nutzungsgebühren, die für viele Anwendungen prohibitiv sind. Daneben werden sozialpolitische Aspekte, wie die erhöhte Transparenz und Zugänglichkeit, ins Treffen geführt, die zu mehr Demokratie und Bürgerbeteiligung führen sollen.

Übersicht über Open Data Initiativen

Bereits jetzt setzen einige Staaten, Städte und Behörden die Open Data Idee erfolgreich um, was zu einer Vielzahl sehr innovativer Anwendungen (z.B. als Smartphone App) geführt hat. Als Beispiele können hier das österreichische Portal Offene Haushalt , oder die aktuelle Position der U-Bahn Züge in London (die Daten werden als Open Data von Transport for London zur Verfügung gestellt) genannt werden.

2.7 Digitale Zwillinge

Am Begriff des digitalen Zwillings (Digital Twin) kommt heute kaum jemand mehr vorbei, unabhängig von der Disziplin, in der man arbeitet. Was macht einen solchen digitalen Zwilling nun besonders bzw. worin unterscheidet er sich von einer Geodateninfrastruktur mit aufgesetzter Modellierungs- und Analysefähigkeit?

Viele Schlagworte, die im Kontext der digitalen Zwillinge auftauchen, erinnern stark an den Smart-City-Hype vor einigen Jahren. Und tatsächlich sind auch heute wieder einige Akteure aus der Industrie wesentliche Treiber der Popularisierung und Etablierung von digitalen Zwillingen. Das sollte uns aber nicht davon abhalten, die Bedeutung dieser Entwicklung für die Geoinformatik - und umgekehrt - kurz näher zu beleuchten.
Bei einem digitalen Zwilling handelt es sich im Wesentlichen um eine detaillierte, digitale Repräsentation der Realität, die in Echtzeit aktualisiert wird. In dieser virtuellen Hälfte des Zwillings können Entscheidungen auf Basis von Analysen und Simulationen gefahrlos ausprobiert werden, bevor sie (bei positivem Ergebnis) in der Realität umgesetzt werden. An sich sind digitale Zwillinge nicht auf den physischen Raum beschränkt. Es gibt sie beispielsweise schon längere Zeit im Anlagenbau oder in der Medizin.
Ein weiteres Kennzeichen von digitalen Zwillingen ist die Integration mehrerer Domänensilos, vor allem wenn Systeme mit geographischem Bezug (z.B. Städte oder Naturschutzgebiete) abgebildet werden. Dafür ist es notwendig, dass digitale Zwillinge über die Repräsentation von Objekten hinaus gehen. Auch dahinterliegende Prozesse und die Abhängigkeiten zwischen den Objekten werden explizit modelliert. Damit werden systemische Ansätze ermöglicht, die wiederum Auswirkungen von Interventionen auf mehreren Ebenen erfassen können. So werden beispielsweise wechselseitige Abhängigkeiten (Interdependenzen) in Entscheidungsprozessen einkalkuliert.

In der jüngsten Vergangenheit konnte ein Zusammenlaufen von Entwicklungen beobachtet werden, die nun darin münden, dass GIS-Funktionalitäten im Zentrum von vielen digitalen Zwillingen stehen. Dazu gehört einerseits das Internet der Dinge bzw. Sensornetzwerke, die in Echtzeit Daten generieren und in geographischen Informationssystemen verwaltet werden. Aber auch die fortschreitende Fusion von GIS und Gebäudeinformationssystemen (Building Information Model, BIM) mit entsprechenden 3D Visualisierungs- und Analysefunktionalitäten spielt eine entscheidende Rolle. Neben diesen relativ neuen Entwicklungen bietet die Geoinformatik eine Fülle bewährter Konzepte und Technologien, die zur technologischen Basis digitaler Zwillinge beitragen. Hier sind standardisierte Formate, Protokolle und Schnittstellen zu nennen. Dazu kommen bewährte Werkzeuge für die Analyse, Visualisierung und Simulation großer, mitunter heterogener Datenmengen. Abgesehen davon war die Geoinformatik schon bisher eine Querschnittstechnologie. Terminologien, Konzepte und Anforderungen aus so unterschiedlichen Branchen wie der Energieversorgung, Agrarwirtschaft oder dem Katastrophenschutz und der Immobilienwirtschaft werden bereits seit vielen Jahren in geographischen Informationssystemen umgesetzt.

Bislang wurden die diversen Modelle als Inseln umgesetzt. In räumlichen Modellen (LIM für Land Base Information Model) werden typischerweise verschiedene Informationsschichten zu naturräumlichen oder gesellschaftlichen Themenfelder integriert. Der ESRI Living Atlas wäre ein diesbezügliches Beispiel. Infrastrukturen, wie Versorgungsnetze oder Straßen, werden häufig in Netzwerkmodellen (NIM für Network Information Model) verwaltet. Die Systeme von Smallworld GIS kommen in diesem Bereich vielfach zum Einsatz. Im bereits erwähnten Kontext der Smart Cities wurden ganze Städte oder Teilbereiche, wie das Transportsystem, in so genannten City Information Models (CIM) repräsentiert und analysiert. Hier kommt der eigens entwickelten und vom Open Geospatial Consortium standardisierten Markup Language CityGML eine zentrale Rolle zu. Eng verwandt, aber mit höherem Detailgrad bzw. größerem Maßstab sind Informationsmodelle zu einzelnen Gebäuden bzw. Gebäudekomplexen (BIM für Building Information System). Das nachfolgende Video zeigt die Integration von GIS und BIM:

GIS und Building Information Models (BIM) verschmelzen immer mehr.

Sina Karimi und Ivanka Iordanova von der technischen Hochschule Montreal (Kanada) untersuchten in einer 2021 erschienen Studie die wissenschaftliche Literatur zur Integration von GIS und BIM. Werfen Sie doch einmal einen Blick in diesen Artikel, wenn Sie genügend Zeit und Interesse haben!

Um nun Informationsmodelle wie oben beschrieben miteinander zu verknüpfen bieten sich wiederum geographische Informationssysteme bzw. GIS-Funktionalitäten an. Die folgenden vier Schritte beschreiben einen typischen Lebenszyklus für einen digitalen Zwilling:

1. Datenerfassung und -integration
2. Echtzeitprozessierung und -visualisierung
3. Analyse und Simulation
4. Veröffentlichung und Zusammenarbeit

Der geographische Raum ist ein mächtiger Schlüssel, um Verbindungen zwischen den einzelnen Informationsmodellen herzustellen und übergreifende Prozesse entlang des skizzierten Lebenszyklus zu ermöglichen. Ein derart konzipierter digitaler Zwilling ist weniger ein einzelnes, alleinstehendes System, als vielmehr ein Ökosystem von Anwendungen und Funktionalitäten. Neben der dafür notwendigen Technologie kommt hier der Organisation eine zentrale Rolle zu. Gerade hierfür braucht es Experten, die an der Schnittstelle der verschiedenen Fachanwendungen sozusagen "mehrsprachig" agieren - eigentlich eine perfekte Stelle für UNIGIS-Absolventen.

2.8 Die Zukunft von GIS

Die Frage nach der Notwendigkeit spezialisierter GIS-EntwicklerInnen und AnwenderInnen angesichts der weiten Verbreitung von einfachen Web-Applikationen wie Google Maps, ist natürlich zu Beginn eines UNIGIS-Studiums von größtem Interesse.

Die Frage: "Kann ich das Gelernte dann überhaupt in Wert setzen?" kann zum jetzigen Zeitpunkt auf alle Fälle mit "Ja" beantwortet werden. Dafür gibt es mehrere Gründe:

• GIS ist eine Zukunftsbranche: Technologische und gesellschaftliche Megatrends sind stark von der Digitalisierung geprägt. Damit unmittelbar verbunden ist das Potenzial durch die räumliche Perspektive Nutzen zu generieren. GIS-Fertigkeiten sowie die Fähigkeit Domänen und methodische Ansätze auf Basis der geographischen Koordinate zu verbinden, werden in Zukunft stark gefragt sein (siehe dazu Geospatial Technology Competency Model ).
• Der räumliche Bezug unterstützt die Integration von Daten aus unterschiedlichsten Sensoren und Domänen: egal ob es sich um Sensornetzwerke in einer Smart City, um die Zusammenschau von Datenquellen in einem Dashboard, oder aber um die Überlagerung der physischen Welt mit einer virtuellen Sphäre handelt, in allen Fällen wir der räumliche Bezug bzw. die räumlichen Beziehungen zueinander als gemeinsamer Nenner verwendet. Der Hersteller von höchstwertigen AR-Brillen, Magic Leap , charakterisiert unter anderem deshalb die nächste Entwicklungsstufe des Web als räumlich:
  
• GIS ist ein Wachstumsmarkt: Egal welche Studie zum wirtschaftlichen Potential der GIS-Branche herangezogen wird, überall werden längerfristige Wachstumsraten weit über dem durchschnittlichen Wirtschaftswachstum erwartet. Für 2022-2027 wird für den GI-Bereich ein starkes Wachstum vorausgesagt .
• Je größer die Verbreitung von GI-Technologie ist, umso höher ist der Bedarf an ExpertInnen: Der steigende Bedarf an GIS-ExpertInnen im öffentlichen und staatsnahen Dienst wird auch in Zukunft anhalten. Dazu tragen auf der einen Seite Effizienzsteigerungen bei, die mit der Verwendung von GI-Technologie verbunden sind. Andererseits erfordern rechtliche Vorgaben, wie die zwingende Umsetzung der INSPIRE-Richtlinie, dass sich eine zunehmende Zahl von MitarbeiterInnen mit GIS auseinandersetzt. Daneben entdecken auch immer mehr privatwirtschaftliche Firmen den hohen Mehrwert von GIS. Sei es als Werkzeug für die eigene Fachdomäne (Anwendungsfelder: siehe Lektion 1) oder aber als Grundlage für neue, innovative Geschäftsmodelle.

Unter dem Titel "The Future Looks Bright for Spatial Thinkers" schreibt Jack Dangermond von ESRI über die Zukunftschancen von GIS-Experten.

Die Fülle an GIS-Anwendungsfeldern und der breite Einsatz grundlegender GI-Technologie in nahezu allen Bereichen lässt es schwierig erscheinen umfassend auszubilden. Genügte es vor einigen Jahren vielfach noch eine digitale Karte erstellen zu können, werden mittlerweile oft deutlich komplexere und spezialisierte Anforderungen an professionelle GIS-Anwender gestellt.
Nichtsdestotrotz muss festgehalten werden, dass jede Spezialisierung nur dann sinnvoll erworben und eingesetzt werden kann, wenn die grundlegenden Konzepte der geographischen Informationsverarbeitung internalisiert wurden. Genau diese werden in den kommenden UNIGIS-Modulen behandelt, um eine solide Grundlage für eine weitere persönliche Spezialisierung (z.B. im Zuge des Wahlpflichtfaches) zu schaffen.