Heute in Vertretung für Till Adams, Mark Jansen, und der erzählt uns heute, wie es vom Luftbild zur Trassenplanung kommt. Vielen Dank. Ja, vom Luftbild zur Trassenplanung. Ein Vortrag von Till Adams von der Mundiales GmbH.

Till ist todtraurig, dass er nicht hier sein kann. Es ist die erste Foskis seit Beginn überhaupt, dass es Foskis gibt, an der er nicht teilnehmen kann. Er hat es tatsächlich, er hat es ein bisschen erwischt, er ist krank. Er hat mich gebeten, seinen Vortrag zu machen. Ich kenne die Slides, ich kenne die Inhalte, ich kenne das, was dort passiert. Ich hoffe,

ich bringe euch das oder euch und Ihnen das so rüber, dass es auch euch verständlich wird. Ich habe mir tatsächlich auch nochmal Notizen gemacht für den Vortrag. Das ist gar nicht mehr so mein Style. Eigentlich weiß ich das schon noch ein bisschen sicherer, über was ich spreche. Ich hoffe, ihr werdet was lernen, wie man vom Luftbild zu einer Trassenplanung geraten kann.

Till ist Geschäftsführer von der Mundiales GmbH und KUKAG, die in Bonn sitzt. Es ist eine Partnerfirma von der Firma Terrestris. Till Adams hat es gegründet, der Dr. Markus Netheler, den einen oder anderen vielleicht bekannt unter seinem Pseudonym Grasgott vielleicht.

Er ist wirklich einer von den absoluten Graspäpsten, die man sich so vorstellen kann, Hinrich Paulsen. Mundiales hat acht Angestellte, drei CEOs und kümmert sich vor allem um massive GISS-Daten, Prozessierungen und Fernerkundungen. Insgesamt, über die Leute, die sie angestellt haben und ihre Geschäftsführer, haben sie eine ganze Menge,

jahrzehntelange Erfahrungen in diesem ganzen Bereich mit GISS, Open Source und vor allem, wie gesagt, auch Grasgiss. Motto, freie Daten mit freier Software, ist ja mehr oder weniger auch das Motto dieser FOSKISS-Konferenz. Rechts sieht man auch so ein bisschen, welche Menschen sich dahinter verbergen. Unteres Bild ist von der gemeinsamen Klausurtagung aus Barcelona im letzten Jahre.

Was macht Mundiales so insgesamt? Open Source, GISS, Applikationen und vor allem diesen Schwerpunkt auf High Performance Computing, also Cloud Computing und das alles mit diesem Schwerpunkt auf Geoprozessierung. Da ist ein ganz großer fernerkundlicher Anteil drin, den auch der Markus mitbringt, Markus Netheler, und das alles macht letztlich die Mundiales aus.

Kommen wir zur Problemstellung und dem grundsätzlichen Vorgehen, welches in diesem Talk jetzt behandelt wird. Die Frage ist letztlich, in der Trassenplanung möchte man einen Weg finden, wo man eine Trasse anbringen kann, um in diesem Fall jetzt zum Beispiel hier ein Kabel zu verlegen.

Die Idee dahinter hört sich vielleicht trivial an, aber es ist mitnichten trivial. Man sieht ja hier so einen Bagger, da steckt eine ganze Menge an Kosten dahinter. Deshalb muss es die Planung eigentlich so optimal wie möglich sein, um die Kosten, die sich dahinter verstecken, mit diesem Drenching oder was auch immer man hier sieht, um das halt zu minimieren.

Also wir wollen kostenoptimiert planen, um neue Kabelnetze zu verlegen. Je nachdem, durch welche Oberfläche ich hindurch muss mit meinem Kabel, sei es ein Asphalt, sei

es ein Wackerstein, sei es eine Rasenfläche, verstecken sich da völlig andere Kosten, je Raumeinheit dahinter. Und am Anfang ist erstmal alles möglich, also wenn ich einen gewissen Raum planen möchte, kann ich von unten links nach oben rechts gehen, aber dann ist halt eine ziemlich

unoptimale Kostenstruktur unter Umständen, die daraus resultiert, sodass letztlich alle Einzelflächen in einer Form mit einem Kostenwert bedeckt werden müssen, um dann ein günstiges Routing herauszukommen, wo man eine Trasse gegebenenfalls hinlegen kann. Das ist aber alles viel zu technisch, das heißt, wenn ich da jetzt einfach einen trivialen

Algorithmus drauf loslasse, dann kommen da sehr technische, potenzielle Trassen raus, sprich die sind mitnichten harmonisch, die springen wie verrückt zwischen Asphalt und Grünstreifen, einfach weil halt der Algorithmus in der Form ja nicht darauf optimiert ist, was schönes zu produzieren, was man letztlich auch für eine weitere Planung verwenden kann.

Das heißt, das ist auf jeden Fall zu, also der Algorithmus muss in einer Form konzipiert werden, dass eben solche Wechsel vermieden werden und gerade Verläufe anzustreben sind und möglichst selten die Technik auch gewechselt wird, sprich, es gibt verschiedene, es gibt natürlich, wie immer im Leben, nicht nur eine Art und Weise ein solches Kabel in die Straße zu verbringen, sondern es gibt verschiedene Techniken, die je nach Untergrund geeignet sind,

die je nach Untergrund verschiedene Kosten haben, die aber auch neben Kosten auch sowas wie Lärm oder Zeitdauer, einfach verschiedene Effekte mit sich bringen. Plus, auch wenn man so eine Verlegetechnik wechselt, haben die halt, also wenn man, ich

sage ich habe Verlegetechnik A, das mache ich für einen Kilometer und dann mache ich einen, den nächsten Kilometer mache ich Verlegetechnik B für 30 Zentimeter, einfach weil es auf dem Luftbild entsprechend genau hier jetzt günstig wäre und dann wieder einen ganzen Kilometer Verlegetechnik A. Das ist für einen Algorithmus völlig legitim, sowas zu produzieren und für jeden, der das in der

anschließenden Planung weiter betrachtet, ist es völlig unmöglich, genau so entsprechend zu arbeiten. Vor allem müssen da noch eine ganze Menge bedacht werden, also wie sind die Besitzverhältnisse, wenn ich dort gehe, kann ich durch öffentlichen Raum einfach durchtrenchen oder muss ich vielleicht da die Besitzverhältnisse herklären und so weiter. Darum muss man das machen. Jetzt zu

dem, wie die Mundialis das gemacht hat. Es ist letztlich ein zweistufiger Prozess, der Schritt eins besteht darin, dass man Oberflächendaten aus Luftbildern bekommt, also quasi eine Ortofotoklassifikation. Die werden dann trainiert um, also ich schaue mir ein Luftbild an, ein Gebiet und trainiere dort manuell einen Klassifikator, diese Testdaten gebe ich weiter und lasse dann das Gesamtgebiet

damit berechnen, dann habe ich Oberflächen. Auf diesen Oberflächen, die dann gewissen Klassen haben, lasse ich dann mein Routing machen und schließlich mache ich ein Post-Processing, das ist auf dieser Grafik gar nicht zu sehen, die letztlich solche

Kriterien, die eben mit dem über Thema harmonisch beschrieben wurden, gerade Verläufe, nochmal so eine Validierung, ob da jetzt irrige Wechsel sind der Bauart und so weiter und so fort. Dann komme ich zu diesen sogenannten potenziellen Trassen. Potenziell enthält ja das Wort Potential. Das was da rauskommt sind keine Trassen, sondern es sind eine Grundgesamtheit.

Am Anfang haben sie gesagt, wenn ich mir so ein Gebiet betrachte, ist erst mal alles möglich. Nachdem ich mit diesem Prozess durch bin, ist lange nicht mehr alles möglich und ich habe die Menge an Kandidaten drastisch reduziert, die in eine weitere Planung beispielsweise noch reingegangen wird, wo auch zum Teil ja noch tatsächlich menschliche Input wiederum dabei ist

und andere Softwarepakete diese potenziellen Trassen dann weiterverwenden, um dann wirklich eine finale Trasse daraus zu generieren. Das war High Level, also zwei Komponenten, erste Oberflächenklassifikation, dann ein kostenbasiertes Routing oben drauf und dieses Post Processing, das findet inhärend halt dann noch dazu statt.

Wie funktioniert diese Autofotoklassifikation? Da sind die entscheidenden Player auf der linken Seite zu sehen, da ist einmal die Software Actinia zu nennen, dann die Software Graskis und die Software, wer weiß wie die unterste Software ausgesprochen wird? Poodle, interessanterweise, auch wenn Sie warum? Kleine Fußnote am Rande, es gibt Ogre und es gibt Guddel,

das sind zwei klassische Bekanntheit, Guddel heißt Gedal, was wir alle aus Gedal kennen und das soll sich darauf reimen, Guddel, die Schöne und das Biest, Ogre, Fiona, vielleicht schon mal gehört, ja Poodle, schreibt man es, spricht man es aus, befasst sich mit Point Clouds, letztlich bietet Möglichkeiten und Wege damit zu

arbeiten, Graskis, vielleicht das älteste Open Source-Gis, was es gibt und Actinia letztlich eine Rest-API oben auf Gras oben drauf, die letztlich auch Gras cloudfähig macht, möchte ich mal so sagen, also sprich man hat damit die Power von Gras

in der Cloud und kann dann über eine standardisierte Rest-API Gras Prozesse rechnen lassen und auch diese wiederum können auch mit Unterzuhilfen einmal von Poodle dann entsprechend Dinge machen. Input-Daten sind in der Mitte so ungefähr dargestellt,

da sind einmal Luftbilder zu nennen, da werden verschiedene Indizes gerechnet, grün, also ich bin kein Experte, der NDVI beispielsweise ein Index, der letztlich aus den Luftbildinformationen errechnet werden kann, der als Ein-Eingabeparameter da ist, die Leider-Daten, die in NRW beispielsweise auch verfügbar sind, Open NRW, also Open Data,

Alkis-Daten kommen mit rein, ein Straßennetz, da kommt meines Wissens nach Open Streetmap zur Verfügung, zum Einsatz, das können aber natürlich andere Straßennetze sein, das ist erstmal auch egal und die bereits erwähnten Trainingsdaten, da steht auch noch dieser Block rechts daneben, Segmentierungen, Statistiken,

das heißt dieser Trainingsdaten-Anteil, der dann quasi die Autofloot-Klassifikation auch macht, der ist auch schon wunderbar parallelisierbar, das heißt der nutzt tatsächlich diese ganze durch Actinia bereitgestellte Cloud, Architektur, wunderbar aus, kann man immer noch besser machen sicherlich, aber er partizipiert heute wunderbar davon,

dass man halt quasi parallel rechnen kann und die große Aufgabe quasi von mehreren Komponenten rechnen lässt. Ganz am Ende kommen diese ganzen Input-Daten durch Verwendung dieser tollen Software auf der linken Seite und wir haben eine klassifizierte Rastakarte. Da sieht man so ein paar Eingangsdaten, das ist NRW, auf der ganz linken Seite dann ein Ausschnitt und

dann sieht man so ein Luftbild und da sieht man auch tatsächlich schon einige Probleme, die sich mit den Luftbildern ergeben, also erstmal ist es wunderbar, dass sie als Open Data verfügbar sind, ansonsten wäre es halt nicht so ganz einfach das hier zu machen, aber man sieht hier sind verschiedene Beschattungen drin, also der Schattenfall einfach,

der dort zu erkennen ist und auch Verzerrungen im Gebäude, man müsste es glaube ich in der Mitte oben relativ gut erkennen, da ist irgendetwas relativ verzerrt. Das sind halt einfach Probleme, mit denen man dann umgehen muss, plus dass halt die Aufnahmezeitpunkte auch verschieden sind, sprich jetzt sehen wir hier in den Innenstadtbereich, ich weiß nicht genau, wo es ist, der vielleicht im Juli beflogen wurde, aber wenn man sich ganz NRW anschaut, ist das mit nicht ein

Zeitpunkt, auch nur annähernd ein Zeitpunkt, das heißt man hat manchmal belaubte Bäume drauf, manchmal nicht belaubte, man hat relativ zügig wechselnde Schattierungsverhältnisse, also sprich das kann auf kurzen räumlichen Distanzen sich extrem verändern,

auch innerhalb eines homogenen Bestandes, die man vielleicht betrachtet, also zum Beispiel die Stadtumgrenzen oder sowas, das ist also nicht natürlich irgendwie vorherzusagen, eigentlich wann wird sich die Qualität des Luftbildes jetzt eigentlich massiv ändern in die eine oder andere Richtung, auch

die Leiter Poundkleut sind verfügbar, hier sieht man glaube ich den Kölner Dom und den Kölner Bahnhof, die sind in einer Auflösung tatsächlich, die ist nicht großartig für in diesen Open NRW Daten, aber sie ist ausreichend, um diesen Prozess zu unterstützen, insbesondere um beispielsweise Bäume besser zu detektieren oder andere Objekte, die einfach im

Wege wären, die im Falle einer Trasse, die man dort herlegen würde, halt einfach problematisch wären, also einen alten Baum halt zu fällen, um eine Trasse dort zu legen, ist im Grunde für eine, ist ein Ausschlusskriterium, das dort eigentlich erstmal keine Trasse gehen könne oder aber ein, irgendein anderes, ja, räumliches Objekt existieren halt auch. Wir

erinnern uns, jetzt sind wir bei der Trassenplanung, gerade habe ich erklärt, wie man quasi zu dieser Oberflächenklassifikation kommt, mit verschiedenen Klassen und genau das ist ein Hauptinput für das letztliche Kostenrouting, es sind letztlich die gleichen Akteure, software-seitig auf der linken Seite aufgeführt, wiederum Actinia, das Graskiss und Pudel,

ich selber muss mich auch immer konzentrieren, wie man es ausspricht, ich hoffe, da hat mir keiner einen Bären aufgebunden, dass man das wirklich Pudel nennt und lachte ich jetzt kaputt, aber, nun gut. Neben dieser Klassifikation, die wir gerade eben uns angeschaut haben, wo die herkommt, sind halt noch die Alkis-Gebäude dort relevant, das Straßennetz bereits, sogenannte Störer

und ein relativ ausgebuffter Regelkatalog und Kosten, die sich hinter gewissen Elementen verbergen. Störer sind beispielsweise Laternen, die dort sind und aus diesen Störern lassen sich sozusagen Ausschlussflächen generieren, die dann für das

Routing überhaupt nicht weiter verwendet werden, die als Flächen für eine potenzielle Route oder Trasse überhaupt nicht mehr in Frage kommen. Der Regelkatalog, da ist es halt so, dass, was ich bereits eben erwähnt habe, dass die Technologie nicht zu häufig gewechselt werden sollte, das ist eine von diesen Regeln beispielsweise, aber auch die Besitzverhältnisse der Fläche,

durch die die potenzielle Trasse durchläuft, die sollten ein gewisses, die beeinflussen letztlich als Regel die zu fügenden kommenden Trassen. Dann sind wir auch schon bei Ergebnissen. Das ist ein Ausschnitt aus so einer objektbasierten, überwachten Klassifikation, wie gesagt, die

auch auf Trainingsdaten passiert, die auch je Ort manuell erstellt werden müssen, das ist Stand jetzt, sehr schwierig einen einmaligen Trassen, also einen einmaligen Testdatensatz zu erzeugen für, ich sag mal, Dresden und jenen anzuwenden auf Köln oder irgendwas in dieser Gegend.

Es ist Stand jetzt nicht so ganz einfach. Wir sehen hier rechts dazu auch eine kleine Legende dazu und man sieht schon, er hat tatsächlich aus diesem Luftbild ganz schön einzelne Elemente erkannt, man sieht da auch vor allem das hellblaue Wasser beispielsweise, ich nehme an, das sind so kleine Swimmingpools, ich weiß es im konkreten Falle

nicht, letztlich haben wir aber jedes Pixel dort, hat eine Klasse zugewiesen bekommen, die tatsächlich auch ganz ansehnlich aussieht. Das ist jetzt wiederum das Ergebnis solcher potenzieller Trassen, das heißt an jeder Oberfläche, an jedem Pixel letztlich habe ich einen Kostenwert dran und diese etwas dünneren, vor allem rötliche Linien sind das Ergebnis solcher einer potenzieller Trasse.

Man sieht eigentlich, dass sie recht schön laufen, also relativ gerade sind, das ist ein Effekt dieses Post-Processing, wenig hin und her switchen, das heißt sie sehen jetzt hier sehr wenige verschiedene Technologien und genau das ist auch genau

das Ziel ja gewesen, das heißt dadurch, dass wir jetzt hier wenige verschiedene Klassen sehen, ist im Grunde das Ziel bestätigt. Hier haben wir die ganzen Ergebnisse dann auch nochmal auf dem Luftbild aufgebracht und man erkennt dann hier in der Mitte, ich hoffe es ist auf der Präsentation auch erkennbar, auch tatsächlich mal ein paar verschiedene Klassen, so in diesem Bereich hier, wo es halt sehr sehr eng wird.

Kurz zur Architektur, ich habe es bereits erwähnt, die Kollegen von der Mundialis sind halt einfach Experten für Cloud-basierte Geoprozessierungen, dementsprechend haben sie auch hier auf eine entsprechende Cloud-Architektur gesetzt, Docker ist so ein Name, der da ganz entscheidend mitspielt und halt in dem Fall Kubernetes auch.

Das ganze ist in OpenShift deployt und hier unten dieser letzte Punkt ist auch ein ganz interessanter Aspekt letztlich, das heißt Infrastructure as Code, das heißt die komplette Infrastruktur dahinter mit den Daten, mit den einzelnen Software-Komponenten,

die wir eben gesehen haben, ist letztlich erzeugt aus Commits, das heißt eine Aktion eines Mitarbeiters, der dort an dieser Prozessierung etwas ändern möchte, committet das und daraufhin läuft so eine ganze Chain von Aktionen ab, die die ganze Infrastruktur letztlich aufzieht. Insgesamt, vor allem möglich ist diese Trassenberechnung wegen dieser Software namens Actinia, Actinia habe

ich bereits kurz vorgestellt, Take Home Message ist, es ist eine Rest-API auf Kraskis und macht damit Kraskis cloudfähig, dazu ist noch ein besonderes Werkzeug, was ich gerne hervorheben möchte, die Actinia Command Execution, das ist letztlich auf meinem lokalen Terminal ein Programm, welches ich installieren kann,

oder welches ja mitkommt sozusagen, dann kann ich meine Kommandos hier machen, über Rest wird kommuniziert mit einer Instanz, wo Actinia läuft, die wiederum spricht mit einem Kraskis oder mit sehr vielen Kraskis Instanzen in einer Cloud und ich mache quasi meine Berechnungen so, wie ich

sie immer gemacht habe und nur ausgeführt werden sie remote in der Cloud und die Ergebnisse liegen sehr schnell wiederum bei mir vor. Insgesamt ist das alles, was man damit abdecken kann, man sieht hier verschiedene thematische Dinge, die man dort mit abdecken kann, ganz wichtig unten rechts dieser Punkt, auch wenn er relativ nicht so prominent hier drin ist, diese API dahinter

ist wunderbar dokumentiert, ich habe hier vorne links dran gehabt, im GitHub Archiv von Mundialis sind entsprechende Links dorthin, das heißt alles mit Swagger oder OpenAPI, wie das jetzt heißt, dokumentiert, sodass sich relativ einfach auch Clients damit erzeugen lassen. Und wie gesagt insgesamt geht das ganze nur dank Actinia und Actinia ist halt seit neuestem auch auf dem Open

Source Weg, den wir hier alle bevorzugen, es ist nämlich seit 2009 auch anerkannt das OSGEO Community Projekt und das ist also die ganz jüngste Anstrengung, die dieses Projekt unternommen hat, also schauen Sie sich diese Software an, die Links

sind hier entsprechend drin, es ist alles bei GitHub, es ist ein Community Projekt und ich kann nur hoffen, dass Ihnen diese Vortrag ein bisschen geholfen hat, wenn Sie dazu mehr wissen wollen, können Sie zum Anschluss gerne mir Fragen stellen, ich gebe mein allerbestes Ihnen da Rede und Antwort zu stehen, ansonsten stehen hier Kontaktinformationen zur Firma Mundialis, wir

haben einen Stand unten von der Firma Terrestris unten, kommen Sie einfach zu uns, sprechen Sie uns an, wir leiten alles weiter und damit danke ich für Ihre Aufmerksamkeit und hoffe Sie haben noch ein paar Fragen oder Anmerkungen. Vielen Dank. So wie sieht es denn aus, haben wir denn Fragen im Saal? Ja, aus hinten.

Jetzt stellvertretend für die archäologische Fraktion, die heute hier ist, Sie sagten am Anfang, dass oder irgendwann in der Mitte ein Naturschutz,

also ein Baum, der ein paar hundert Jahre alt ist, naturgeschützt ist und so, da würde die Trassierung dann nicht durchgehen können. Wieso kann man nicht auch gegebenenfalls in Absprache mit den Denkmalämtern, Bodendenkmalpflegeämtern direkt schon die unter dem Boden liegenden Bodendenkmäler mitkartieren, die sind ja dann auch letztendlich wieder

ausschlaggebend für die Kostenreduktion der Verursacher, die dann bauen und Kabel verlegen oder größeres bauen wollen? Hervorragende Frage. Tatsächlich weiß ich, dass das in dem Prozess dort auch diskutiert wurde. Also das, was ich hier dargestellt habe, ist garantiert nur eine Auswahl. Es fallen an einzelnen

Stellen, je nach Verfügbarkeit, sicherlich auch noch andere Daten erstmal, die in diesen Prozess mit reinkommen. Sei es sowas wie Schutzgebiete, Bodenschutzdenkmäler, wenn sie denn vorhanden sind, die Daten, und dann sind wir aber bei einem Kernproblem, zumindest aus meiner Wahrnehmung, diese Daten existieren nicht flächendeckend oder tun sie, bitte? Oder Sie meinten den Weg andersherum, dass wir das mitkartieren, war das?

Also grundsätzlich sind da sehr, sehr viele Daten vorhanden beim Bodendenkmalamt im Archiv, da kann man nachfragen. Also es wäre eine Minensituation für beide Seiten, für die Archäologie und die Bodendenkmalflege und für den Verursacher, der vorher schon weiß, was auf ihn zukommt.

Es gibt sehr viele Verdachtsmomente. Mittlerweile gibt es auch eine Bodendenkmalkartierung von Bodendenkmälern, die noch nicht ausgegraben sind, von denen man aber weiß, dass sie da sind. Und ein Teil der Daten ist zum Beispiel in Nordrhein-Westfalen auch schon open sourced.

Ich garantiere, dass ich exakt diesen Input weitergebe. Ich weiß, dass exakt über den Aspekt gesprochen wurde. Mein letzter Wissenstand war, dass da die Informationslage einfach nicht so homogen ist, dass man das so priorisiert dort reinfließen lässt. Wenn Sie das jetzt anders sagen, bin ich schon mal heilfroh, dass ich diesen Vortrag tatsächlich übernommen habe. Dann werde ich

das entsprechend weitergeben und dann wird man mal schauen, inwiefern sich das noch verbessern lässt, weil win-win wollen wir alle. Ich glaube, hier gibt es noch einen Bezug drauf.

Hallo, Andreas Brodowsky aus Paderborn, Nordrhein-Westfalen. Und genau da haben wir das Problem. Wir haben von den kommunalen Seiten immer angestoßen, solche Daten open sourced, open data zu stellen in Nordrhein-Westfalen. Weil wir geben letztendlich unsere kommunalen Daten an die Archäologen weiter. Aber das, was letztendlich vorliegt bei den Archäologen, das kriegen wir nie zurück. Also insofern

wäre es schön. Weil wir auch für unsere kommunalen Planungszwecke natürlich potenzielle Verdachtsflächen lokalisieren könnten. Und hier hätten wir ja sogar kommerzielle Anwendungen, die davon profitieren könnten. Sind Sie aus Nordrhein-Westfalen? Können Sie da was bewirken?

Ich gehe dann. Ich bin aus Nordrhein-Westfalen, aber ich bin nicht vom Amt. Also es wäre etwas, wo wirklich dann halt mal Kommunikation hergestellt werden müsste, intensive. Ja, prima. Aber das habe ich ja nur für euch gemacht.

Super, freut mich. Ich werde es auf jeden Fall weitergeben. Da wird irgendjemand bestimmt mal, vielleicht tauschen wir mal ein Kärtchen aus oder wie insgesamt, dass wir einfach mal in so ein Gespräch reinkommen. Und dann schauen wir mal, was sich da machen lässt. Also mehr Open Data, mehr Gut. Bitte miteinander reden. Das ist schon mal super. Wir haben hier noch eine Wortmeldung. Ach so, hinten ist noch eine Wortmeldung. Die müssen wir uns erst mal... Ja, ich wollte fragen, weil Sie vorhin auch die Probleme hinwiesen. Was die Luftbilder betrifft, könnte

man künftig die Tru-Oto-Fotos besser nutzen, falls die denn mal verfügbar sind oben so? Ja, also es geht um diese Tru-Oto-Fotos, ob die künftig besser geeignet wären statt der normalen Luftbilder oder Oto-Fotos. Also noch sind sie ja nicht open source, aber ich hoffe künftig auch.

Ich bin mir sicher, das zugrunde liegend ist krass letztlich das entscheidende Software. Und ich habe es bereits erwähnt, der Markus, einer der entscheidenden Köpfe auch hinter diesem Prozess, den ich hier vorgestellt habe, der ist

mit Freude jedweder Datenqualität, die sich verbessert, wenn sie entsprechend vorliegt, wenn es nicht schon von Haus aus geht, was ich tatsächlich nicht 100% beantworten kann, dann wird er alle Hebel in Bewegung setzen, dass das wiederum geht. Weil der liebt genau solche Herausforderungen.

Also ich weiß nicht, wie es für Nordrhein-Westfalen ist. Gibt es da schon Flächendeckend Tru-Oto-Fotos wie in Mac -Pom? Gibt es ja schon Flächendeckend Tru-Oto-Fotos? Ist das für Nordrhein-Westfalen auch verfügbar schon? Wissen Sie nicht, ne? Ich glaube für... Genau. Also aus dem Saal heißt das nicht. Ist, ich wiederhole es nochmal, sie sind noch nicht verfügbar.

Obwohl der Wunsch da steht. Genau. Gut. Wir sind jetzt mit der Zeit am Ende. Von daher vielen Dank für den Vortrag und vielen Dank für alle Wortbeiträge.

Vielen Dank.