Die Nutzung künstlicher Intelligenz (KI) in der Fernerkundung hat sich in den vergangenen Jahren rasant weiterentwickelt und eröffnet neue Perspektiven für das Monitoring in der Land- und Forstwirtschaft. Besonders im Bereich der Klassifikation, Vorhersage und Anomalieerkennung auf Basis multitemporaler Erdbeobachtungsdaten (z. B. Sentinel-2, PlanetScope, UAV-Daten) haben KI-gestützte Verfahren wie Convolutional Neural Networks (CNNs), Long Short-Term Memory (LSTM)-Netze und Random Forests ihre Leistungsfähigkeit unter Beweis gestellt. Derartige Modelle ermöglichen es, große Datenmengen automatisiert auszuwerten und damit Prozesse wie Ernteüberwachung, Waldschadensdetektion oder Landnutzungsänderungen in bislang unerreichter räumlich-zeitlicher Auflösung zu analysieren.

Ein zentrales Element für den Erfolg dieser KI-basierten Modelle ist jedoch die Verfügbarkeit qualitativ hochwertiger Referenzdaten (auch „Ground Truth“). Sie dienen sowohl zum Training der Modelle – also dem Erlernen relevanter Muster – als auch der Validierung, um deren Generalisierbarkeit und Genauigkeit objektiv zu bewerten. Insbesondere in der Land- und Forstwirtschaft gestaltet sich die Erhebung solcher Daten aufgrund der oft großflächigen und heterogenen Landschaften sowie saisonaler Dynamiken als herausfordernd. Gleichzeitig sind Referenzdaten essenziell, um die Black-Box-Charakteristik vieler KI-Modelle zu hinterfragen und ihre Ergebnisse nachvollziehbar und vertrauenswürdig zu gestalten – ein Aspekt, der gerade in der behördlichen und wissenschaftlichen Nutzung zunehmend an Bedeutung gewinnt.

Der Vortrag widmet sich daher der systematischen Betrachtung der Erhebung, Verarbeitung und Nutzung von Referenzdaten im Kontext KI-gestützter Monitoringaufgaben in der Land- und Forstwirtschaft. 

Die moderne Fernerkundung aus dem Weltraum, die heute räumliche Auflösungen von bis zu 15 cm und grundsätzlich tägliche Wiederholungsraten bietet, ermöglicht es, Veränderungen an der Erdoberfläche mit hoher Präzision zu dokumentieren. Dadurch lassen sich die Entwicklung bewaffneter Konflikte, Flüchtlingslager, Bevölkerungs- und Siedlungsentwicklungen in Grenzregionen, der Abriss informeller Slumgebiete und Ähnliches in ihren räumlichen Phänomenen dokumentieren. In diesem Vortrag werden technologischen Potenziale, Gefahren und ethische Bedenken aufgezeigt und kritisch reflektiert. 

Die Integrität des Global Navigation Satellite System (GNSS) ist zunehmend durch absichtliche und unbeabsichtigte Störungen, insbesondere Jamming und Spoofing, bedroht. Solche Angriffe nehmen weltweit zu, verschlechtern oder verhindern die Positionierung
 mittels GNSS Beobachtungen und beeinträchtigen kritische Anwendungen, die auf hochpräzisen RTK- und PPP-Methoden basieren. Zusätzlich erleben wir immer noch Auswirkungen des 11-jährigen Sonnenzyklus. Hohe ionosphärische Aktivität aufgrund des Sonnenzyklus
 beeinträchtigt GNSS-Signale und stellt eine wesentliche Herausforderung für Vermesser dar.  Erfahren Sie, wie Sie Ihre GNSS-Infrastruktur durch  eine umfassende, mehrschichtige Abwehrarchitektur vor Jamming und Spoofing schützen können. Wir zeigen Ihnen praxisnahe
 Strategien, um sich selbst bei schweren Störungen auf GNSS Systeme verlassen zu können. Zusätzlich lernen Sie, wie Sie durch Trimble-Technologien die Auswirkungen hoher Sonnenaktivität reduzieren können. Wir stellen Daten und Analysen vor, wie Sie Ihre Geräte
 effektiv überwachen, Ausfälle minimieren und Ihre Produktivität – trotz atmosphärischer Störungen – nachhaltig steigern können.