Masterarbeit im Bereich Geoinformatik und maschinelles Lernen

Das HeiGIT bietet aktuell gemeinsam mit der Gruppe GEORISK des Deutschen Zentrums für Luft- und Raumfahrttechnik (DLR-DFD-GEO) eine Masterarbeit im Kontext von Machine Learning zur Charakterisierung von Gebäudebeständen im Zusammenhang mit Naturgefahren-Risikomodellen an. Das HeiGIT ist eine gemeinnützige Organisation mit dem Ziel Wissens- und Technologietransfer von fundamentaler Forschung in der Geoinformatik hinzu praktischen Anwendungen zu verbessern. Die GEORISK-Gruppe des DLR entwickelt thematisch relevante Informationsprodukte basierend auf Erdbeobachtungsdaten mit dem Ziel den gesamten Katastrophenmanagement-Kreislauf zu unterstützen.

Naturgefahren-Risikomodelle internalisieren Informationen über Gefahren, die exposierten Elemente und die entsprechende Verwundbarkeit. Aus diesem Grund sind Gebäudebestände essenzielle Komponenten von Risikomodellen und beschreiben Elemente die durch eine Naturgefahr gefährdet werden und für Schäden anfällig sind. Die damit verbundene Verwundbarkeit charakterisiert die Wahrscheinlichkeit Schaden bei einem bestimmten Level an Gefährdungsintensität zu erfahren (was sich ebenfalls in Verlusten niederschlagen kann). Die Zusammenstellung der Gebäudebestände auf einem hohen thematischen und räumlichen Detaillevel ist häufig ein kostspieligster und gleichzeitig sehr notwendiger Bestandteil (in Bezug auf Zeit und Arbeit) der Risikobewertungsverfahren.

Folglich soll das Ziel der Masterarbeit die Beschreibung von Gebäudebeständen basierend auf der Kombination von ubiquitären, multispektralen Satellitenbildern und Vektordaten (OSM-Gebäudegrundrisse) sein. Aus einer methodischen Perspektive wollen wir ein Set von Modellen in einer komperativen, innovativen Art und Weise (d.h. spezielle Verfahren zur Berechnung von Merkmalen, Methoden zur Nachklassifizierung, Graph-Faltungsnetz usw.) für die Stadt Köln implementieren.

Expertise (von Vorteil, keine Vorraussetzung):

  • GIS
  • Programmierungskenntnisse (Python, R)

Vorteile:

  • Erlernen von state-of-the-art machine learning Modellen
  • Multimodale Perspektiven beim Beschreiben von Gebäudeumgebungen
  • Flexible Zeiteinteilung
  • Einblicke in die Arbeit mit GIS Anwendunugen
  • Universitätsbezogene Arbeit für einen gemeinnützigen Zweck

Wir beantworten geren Ihre möglichen Fragen. Bitte kontaktieren Sie Anne Schauß (anne.schauss@heigit.org). Wir freuen uns auf Ihre Bewerbung!

Comments are closed.