![\"\"](\"https:\/\/www.business-geomatics.com\/wp-content\/uploads\/2025\/04\/MobileMappingEssen-1024x616.png\")
Messfahrzeug der Stadt Essen inklusive Georadar (hinten). Die Stadt Essen hat 2024 ein Mobile- Mapping-Fahrzeug in einer verbesserten Konfiguration beschafft. Quelle: Stadt Essen<\/p><\/div>\n
Das Forschungsprojekt Twin4Road startete im Dezember 2021. Ziel ist es, mit Hilfe von KI die Zustandserfassung zu automatisieren und eine Infrastrukturdatenbank f\u00fcr den Stra\u00dfenraum aufzubauen. Dazu sollen die Daten des Digitalen Zwillings schnell und einfach zug\u00e4nglich gemacht, umfangreiche Trainingsdaten generiert und die KI-basierten Fachanwendungen als Internetdienst zur Verf\u00fcgung gestellt werden. Wichtig bei Twin4Road ist die Unabh\u00e4ngigkeit von Erfassungssystemen. Die KI verarbeitet Daten beliebiger mobiler Erfassungssysteme.
\nNeben 3D-Punktwolken und Bilddaten k\u00f6nnen auch Bodenradardaten verwendet werden. Das Projekt konnte auf die umfassenden Vorarbeiten und Daten der Stadt Essen zur\u00fcckgreifen, die seit 2017 ein eigenes Fahrzeug betreibt. Die Daten werden fusioniert und gemeinsam ausgewertet. Im Projekt Twin4Road wurden bereits Daten verschiedener Systemtypen, z.B. von Trimble, verwendet. Projektpartner sind die Point Cloud Technology GmbH aus Potsdam als Konsortialf\u00fchrer, die Stadt Essen, das Hasso-Plattner-Institut f\u00fcr Digital Engineering gGmbH und der Landesbetrieb Stra\u00dfenbau Nordrhein-Westfalen.<\/p>\n
F\u00fcr alle Kommunen gedacht Funktionale Vorteile<\/strong><\/p>\n Klassifizierte Daten. In dem Projekt ist wichtig, dass Daten jeglicher Erfassungssysteme von der KI verarbeitet werden k\u00f6nnen. Quelle: Point Cloud Technology GmbH<\/p><\/div>\n Solche zukunftsorientierten Konzepte sind vor dem Hintergrund der heutigen Praxis gerechtfertigt. Verschiedene Dienstleister und Sensortechnologien liefern Daten und Datenformate, wobei eine gemeinsame Verarbeitung oder Visualisierung schlecht m\u00f6glich ist. \u201eFolglich ist die Bedienung der Anwendungen viel zu kompliziert, die Visualisierung im Internet oft auch zu langsam und ein kooperatives Arbeiten erheblich erschwert \u2013 ganz davon abgesehen, dass so an eine erfolgreiche Implementierung von KI \u00fcberhaupt nicht zu denken ist\u201c, so Richter. KI erkennt schon heute bis zu 95 Prozent aller Objekte <\/p>\n Panoramabild (oben) und die mit KI klassifizierte Punktwolke im gleichen Bildausschnitt. Die KI erkennt Objekte, die der Mensch auch erkennen w\u00fcrde, automatisch. www.pointcloudtechnology.com<\/a> <\/p>\n Mit Twin4Road kommt ein Projekt zum Abschluss, mit dem der Mehrwert von Mobile Mapping Daten des Stra\u00dfenraums auf ein neues Level gehoben werden soll. Eine KI lernt dabei, wie Daten aus allen m\u00f6glichen Sensorsys\u00adtemen effizient ausgewertet werden. Digitale Zwillinge gelten als die Zukunft der Geoinformationswirtschaft. Nicht nur die hochgenaue 3D-Vermessung, sondern auch die hohe Aktualit\u00e4t […]<\/p>\n","protected":false},"author":3,"featured_media":22016,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[135],"tags":[],"class_list":["post-22015","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-mobile-mapping"],"yoast_head":"\n
\n<\/strong>
\nZiel des Projektes ist die Erforschung und Erprobung der Grundlagen f\u00fcr eine allgemein verf\u00fcgbare Standardl\u00f6sung f\u00fcr Kommunen und andere Betreiber von Verkehrsinfrastrukturen. Diese wird von Point Cloud Technology angeboten. Kunden k\u00f6nnen dann ihre Daten \u00fcber einen SaaS-Dienst visualisieren und auswerten. \u201eDie Idee ist, eine Art KI-basierte Fachschale f\u00fcr den Digitalen Zwilling des Stra\u00dfenraums anzubieten\u201c, beschreibt Gesch\u00e4ftsf\u00fchrer Dr. Rico Richter. Nicht jede Kommune muss dann zus\u00e4tzlich zur Befahrung entsprechende Viewer und Auswertesoftware anschaffen und Systeme im eigenen IT-Netz installieren. Aus Sicht der KI stehen damit immer mehr Daten zur Verf\u00fcgung, was eine Steigerung der Analysequalit\u00e4t bedeutet \u2013 ein \u00fcblicher Mechanismus bei KI-Anwendungen, von dem in diesem Fall alle Akteure gemeinsam profitieren. \u201eDahinter steht die Idee, wie ein KI-basiertes Stra\u00dfenmanagementsystem der Zukunft f\u00fcr alle rund 830.000 Kilometer Stra\u00dfen in Deutschland aussehen k\u00f6nnte\u201c, beschreibt Richter. Das KI-basierte Software-\u00d6kosystem verfolgt dabei das Ziel, mit m\u00f6glichst geringem Ressourceneinsatz den gr\u00f6\u00dftm\u00f6glichen Nutzen f\u00fcr m\u00f6glichst viele Nutzerinnen und Nutzer zu schaffen. Die Wirtschaftlichkeit einer Cloud-basierten L\u00f6sung ist f\u00fcr Nutzer dabei ein wichtiges Kriterium.
\nWeitere Kommunen in NRW haben bereits Interesse bekundet. Wichtig ist in diesem Zusammenhang, dass die Kommunen die erhobenen Stra\u00dfendaten ohne Lizenzbeschr\u00e4nkungen und in standardisierten Formaten bereitstellen k\u00f6nnen. Die Komponenten der Datenhaltung, Visualisierung und Auswertung sind unabh\u00e4ngig voneinander. Viele St\u00e4dte beschaffen sich heute sogar eigene Systeme f\u00fcr das Mobile Mapping, um hier maximale Freiheit und Gestaltungsm\u00f6glichkeiten zu haben.<\/p>\n![\"\"](\"https:\/\/www.business-geomatics.com\/wp-content\/uploads\/2025\/04\/klassifizierung-1024x576.jpg\")
\nDar\u00fcber hinaus bietet dieser Ansatz zahlreiche funktionale Vorteile. Die Datenfusion erm\u00f6glicht es z.B. auch, Daten aus verschiedenen Erhebungen vergleichbarer zu machen und so z.B. Zeitreihenanalysen durchzuf\u00fchren. Das Teilen und Exportieren von Daten ist jederzeit m\u00f6glich, ebenso das Zusammenf\u00fchren heterogener Daten. Gro\u00dfe Datenmengen k\u00f6nnen problemlos verarbeitet werden. Funktionalit\u00e4ten bez\u00fcglich Authenti\ufb01zierung (Sicherheit), Rollen oder hierarchischem Zugriff sind einfach und flexibel implementierbar. Zudem werden Kommunen langfristig unabh\u00e4ngig von Methoden, Sensorsystemen und Herstellerl\u00f6sungen bei der Datenerfassung.<\/p>\n
\n<\/strong>
\nBei Twin4Road hat sich bereits gezeigt, dass KI in der Lage ist, bis zu 95 Prozent aller gesuchten Objekte zu identifizieren. Ampeln, Schilder, Fahrbahnmarkierungen, Bordsteine oder Sch\u00e4den k\u00f6nnen sehr gut erkannt werden. \u201eWas das menschliche Auge in den Rohdaten an Objekten erkennt, kann die KI mindestens auch\u201c, sagt Richter und verweist auf andere Bereiche der KI-basierten Analyse, die bereits weit entwickelt sind. \u201eIm Bereich Mobile Mapping stehen wir noch am Anfang, weil die Fusion der entsprechenden Datens\u00e4tze noch nicht so weit fortgeschritten ist und umfassende Trainingsdaten fehlen\u201c, beschreibt Richter.
\nDer Ansatz in Twin4Road profitiert enorm davon, dass verschiedene Sensordaten parallel verarbeitet werden. \u201eDie KI holt das Beste aus den jeweiligen Datens\u00e4tzen heraus und kann so zum Beispiel Informationen \u00fcber Schlagl\u00f6cher oder Spurrillen viel besser erkennen und den Zustand der Stra\u00dfen bewerten\u201c, beschreibt Richter.<\/p>\n![\"\"](\"https:\/\/www.business-geomatics.com\/wp-content\/uploads\/2025\/04\/01_in-pano_default-1024x483.png\")
<\/p>\n![\"\"](\"https:\/\/www.business-geomatics.com\/wp-content\/uploads\/2025\/04\/02_in-pano_point-cloud-1024x483.png\")
Quelle: Point Cloud Technology GmbH<\/p><\/div>\n
\nwww.essen.de<\/a>
\nwww.strassen.nrw.de<\/a>
\nwww.hpi.de<\/a><\/p>\n![\"\"](\"https:\/\/www.business-geomatics.com\/wp-content\/uploads\/2025\/04\/Systemueberblick-1024x512.jpg\")
<\/p>\n","protected":false},"excerpt":{"rendered":"