Forschung
An der Schnittstelle von Informatik, Fernerkundung und angewandter KI
Forschungsprofil
Meine Forschung bewegt sich an der Schnittstelle von Geoinformationswissenschaften, Fernerkundung und künstlicher Intelligenz. Im Kern beschäftigt mich die Frage, wie sich moderne Sensortechnologien wie Drohnen, Satelliten und LiDAR mit Methoden des Machine Learning verbinden lassen, um Umwelt- und Ressourcenprobleme nicht nur besser zu verstehen, sondern auch messbar und in der Praxis anwendbar zu lösen.
Ein besonderer Schwerpunkt liegt auf der Detektion und Klassifikation von Objekten in hochauflösenden Fernerkundungsdaten. Konkret geht es um die automatisierte Erkennung von Kleinststrukturen auf Ackerland und in Graslandschaften, etwa Feldhamsterbauten, Steine oder invasive Pflanzenarten. Für diese Arbeiten setze ich sowohl klassische Computer-Vision-Verfahren als auch aktuelle Deep-Learning-Architekturen ein. Die Ergebnisse fließen unmittelbar in die laufende Dissertation ein, die den Titel trägt: „Die Schließung der Granularitätslücke: Eine domänenspezifische multisensorale Methodik zur Charakterisierung agronomischer und ökologischer Mikrostrukturen in der Präzisionslandwirtschaft".
Darüber hinaus beschäftige ich mich intensiv mit Fragen der Geodateninfrastruktur, räumlichen Datenbanksystemen und interoperablen Web-Services nach OGC-Standards. Ein weiteres Forschungsinteresse gilt der Rolle von Citizen Science: Wie lassen sich Bürgerinnen und Bürger als aktive Datenlieferanten für langfristiges Umweltmonitoring einbinden, und wie stellt man die Qualität dieser Daten sicher? Erfahrungen aus über fünf Jahren partizipativer Datenerfassung in mehreren Ländern fließen hier ein.
Forschungsschwerpunkte
GeoAI und UAV-basierte Objekterkennung
Machine Learning und Deep Learning zur automatisierten Objekterkennung in hochauflösenden Drohnendaten. Dabei geht es nicht nur um die reine Klassifikation, sondern um die Frage, wie man Mikrostrukturen zuverlässig in komplexen landschaftlichen Kontexten identifiziert. Anwendungsgebiete reichen von der Präzisionslandwirtschaft über die Stadtplanung bis zum Naturschutz.
Fernerkundung und Umweltmonitoring
Multispektrale, thermische und LiDAR-Daten ermöglichen eine differenzierte Überwachung von Umweltzuständen in hoher zeitlicher und räumlicher Auflösung. Ein Schwerpunkt liegt auf der Integration verschiedener Datenquellen für Aufgaben wie Landnutzungserfassung, Waldmonitoring und die Kartierung invasiver Arten in Schutzgebieten.
Geodateninfrastrukturen
Wie lassen sich räumliche Daten aus unterschiedlichen Quellen so zusammenführen, dass sie für Forschung und Verwaltung tatsächlich nutzbar werden? Diese Frage treibt meine Arbeit an räumlichen Datenbanken, OGC-konformen Web-Services und modernen Web-GIS-Architekturen an. Interoperabilität und nachhaltige Datenhaltung stehen dabei im Mittelpunkt.
Citizen Science
Bürgerwissenschaft kann einen enormen Beitrag zur Umweltforschung leisten, wenn die richtigen Werkzeuge und Anreize vorhanden sind. Meine Erfahrungen reichen von der Entwicklung mobiler Erfassungs-Apps über die Gestaltung von Crowdsourcing-Plattformen bis hin zur Erforschung von Motivationsstrategien, die Freiwillige dauerhaft einbinden. Die Qualitätssicherung solcher Daten ist ein zentrales Forschungsthema.
Informationssysteme für die öffentliche Hand
Viele meiner Projekte sind für oder mit Behörden entstanden: Schnittstellen zu Landesämtern nach ISO- und OGC-Standards, Bodeninformationssysteme mit dem Landesamt für Geologie und Bergwesen, eine Sofortmelde-App mit interaktiver Karte für die Stadt Halle (Saale). Hinzu kommt die Verantwortung für zentrale IT-Anwendungen einer Körperschaft des öffentlichen Rechts. Mich interessiert, wie sich offene Geodaten, interoperable Dienste und nutzerzentrierte Anwendungen zu einer tragfähigen digitalen Verwaltung verbinden lassen.
Betriebliche Informationssysteme und Software Engineering
Von der Anforderung zum laufenden System: ERP-Systeme, Datenbankentwicklung und Requirements Engineering bilden den Kern meiner Lehre in der Wirtschaftsinformatik. In studentischen Arbeiten und Praxisprojekten geht es um ERP-Einführung und Prozessautomatisierung in KMU ebenso wie um die Frage, wie sich KI-Methoden verlässlich in bestehende Geschäftsprozesse integrieren lassen.
Ausgewählte Forschungsprojekte
HORDE1
Sensorbasierte Detektion von Lochstrukturen von Feldhamstern und Feldmäusen
27.600 €
Unter dem Akronym HORDE1 (HOles of Rodents DEtection) bereitet eine Kooperation, vertreten durch die Stiftung Lebensraum Thüringen, ein Innovationsprojekt zur sensorbasierten Detektion von Lochstrukturen von Feldhamstern und Feldmäusen auf landwirtschaftlichen Nutzflächen vor. Das Vorhaben knüpft thematisch an die Arbeiten aus CRIFORA an. Gefördert im Rahmen der Thüringer RL Innovationsförderung (Vorbereitung von Innovationsprojekten), kofinanziert von der Europäischen Union aus dem ELER (80 %) und vom Freistaat Thüringen (20 %).
Kofinanziert von der Europäischen Union – Europäischer Landwirtschaftsfonds für die Entwicklung des ländlichen Raums (ELER), GAP-Strategieplan 2023–2027.
CRIFORA
KI-basierte Detektion von Feldhamster- und Feldmausbauen
660.000 €
Der Feldhamster ist in Deutschland vom Aussterben bedroht, die manuelle Kartierung seiner Baue auf Ackerflächen ist aufwendig und lückenhaft. CRIFORA entwickelte mehrere Detektionsverfahren auf Basis von UAV-Sensorik (RGB, Thermal, LiDAR) und KI-gestützter Objekterkennung. Gefördert aus dem ELER, Projektleitung gemeinsam mit M. Haase. Die Ergebnisse sind direkt in die Dissertation eingeflossen und haben zu mehreren peer-reviewten Veröffentlichungen geführt.
Neophyten Feldforschungsprojekt
Erfassung und Management invasiver Neophyten auf landwirtschaftlichen Nutzflächen
210.000 €
Gemeinsam mit dem Julius Kühn-Institut und der Koordinationsstelle Invasive Neophyten wurde ein Werkzeug zur fernerkundungsbasierten Detektion invasiver Pflanzenarten entwickelt, erprobt und angepasst, einschließlich der vegetationskundlichen Erfassung von Trainings- und Kontrollflächen. Zweites Ergebnis war der Aufbau einer bundesweiten Datenbank für ein besseres Neophyten-Management. Rolle: technische Leitung für Detektion und Datenbank.