Angesichts wachsender humanitärer Herausforderungen können Geoinformationstechnologien sowohl die Krisenreaktion als auch die Resilienz von Gemeinschaften stärken. Unsere Forschung und unsere digitalen Technologien unterstützen humanitäre Arbeit in all ihren Phasen: von Risikoanalysen und Schulungen zum Kapazitätsaufbau, die die Katastrophenvorsorge stärken, über lokale Einbindung und Crowdmapping zur Schließung bestehender Datenlücken, bis hin zu dynamischen Daten- und Routing-Lösungen, die humanitäre Einsätze vor, während und nach Katastrophen unterstützen.
Vorausschauende Hilfe (engl: Anticipatory Action, AA) ist eine innovative Strategie, die den Fokus der humanitären Hilfe von reaktiven zu proaktiven Maßnahmen verlagert: Datenanalysen ermöglichen gezielte Handlungen, bereits bevor eine Katastrophe eintritt. Wir unterstützen Anticipatory Action durch wissenschaftliche Studien, raumbezogene Datenprodukte und Instrumente zur Risikoanalyse sowie durch technische Expertise bei der Entwicklung von Trigger-Workflows und durch den Wissenstransfer an lokale humanitäre Organisationen.
Der Disaster Risk Composer ermöglicht es, vorrangige Gebiete für Anticipatory-Action-Maßnahmen schnell zu identifizieren – mit einem Dashboard, das die räumliche Verteilung des Risikos durch Gefahren wie Überschwemmungen, Dürren und Wirbelstürme visualisiert. Es lassen sich entweder aggregierte globale Datensätze zum Katastrophenrisiko nutzen, die automatisch von uns bereitgestellt werden, oder die Risikoanalysen vollständig mit eigenen Datensätzen anpassen.
Wir unterstützen die Entwicklung von Anticipatory-Action-Workflows durch lokale Datenerhebung, die Analyse historischer Ereignisse, Risikoanalysen und Trigger-Workflows zur Definition von Frühmaßnahmen.
Wir arbeiten eng mit lokalen Organisationen zusammen und bieten Schulungen zum Aufbau von GIS-Kapazitäten an, damit unsere Partner über alle Werkzeuge und Kenntnisse verfügen, um diese Arbeit eigenständig fortzuführen und auszubauen.
Wir vereinfachen Crowdmapping-Maßnahmen durch:
Einfachere Datenerhebung: Unsere Werkzeuge sind mit Open-Source-Frameworks kompatibel und vereinfachen komplexe Datenverarbeitungsaufgaben – von Vulnerabilitätsanalysen bis zu Early Action Protocols.
Fortschrittliche Technologien: Durch den Einsatz von Methoden des maschinellen Lernens verbessern wir Kartierungsprozesse und Datensätze für die humanitäre Arbeit.
Das Sketch Map Tool ist ein intuitives, einfach zu bedienendes Werkzeug für partizipative Kartierung vor Ort. Es ermöglicht die Offline-Erfassung, Digitalisierung und Georeferenzierung von lokalem raumbezogenem Wissen und unterstützt so gemeinschaftliches Kartieren für Katastrophenvorsorge, Stadtplanung und Umweltbeobachtung, auch ohne technische Vorkenntnisse.
MapSwipe ist eine Open-Source-App, mit der humanitäre Organisationen weltweite, ortsunabhängige Kartierungs-Sessions auf Basis von Satelliten- und Straßenbildern koordinieren können. Wir unterstützen MapSwipe durch die Entwicklung und Pflege der Web-App und der Backend-Werkzeuge. Über den humanitären Bereich hinaus wird die App auch für Citizen-Science-Initiativen und Umweltbeobachtung eingesetzt.
Umfassende, aktuelle Daten und flexible Lösungen sind entscheidend für wirksame Entscheidungen im humanitären Einsatz.
Wir schließen Datenlücken, indem wir modernste Methoden des maschinellen Lernens und Deep Learning in unsere Forschung integrieren.
Wir arbeiten eng mit humanitären Organisationen zusammen, um raumbezogene Daten und Routing-Lösungen zu entwickeln, die gezielt auf Logistikbedingungen vor Ort zugeschnitten sind.
Ein globaler Datensatz zu Straßenoberflächen. Dank Deep-Learning-Modellen, die mit Satellitenbildern trainiert wurden, unterscheidet dieser Datensatz befestigte und unbefestigte Straßen weltweit.
Eine Sammlung von Straßenbildern auf Panoramax. Die Bilder werden von Partnerorganisationen vor Ort erfasst und für Objekterkennung, Bildklassifikation und Attributextraktion weiterverarbeitet.
Ein KI-gestütztes, wetteradaptives Routing-System für unbefestigte Straßen, das die Befahrbarkeit von Straßen unter Berücksichtigung der Straßenbeschaffenheit und der Wetterbedingungen vorhersagt.
Eine flexible Routing-Lösung, die das Routing von openrouteservice mit dynamischen, individuellen Vor-Ort-Daten verbindet, um humanitäre und logistische Einsätze zu unterstützen.
Following the catastrophic earthquakes in Venezuela on June 24, 2026,…
The Colombian Red Cross’s Disaster Risk Management (DRM) team works…
HeiGIT has been working with deep learning models and street-level…
