Ja, vielen Dank für die Begrüßung. Ich möchte jetzt einen Vortrag halten über ein Projekt aus Dresden, wo wir gemeinschaftlich mit der Bevölkerung Gebäudeinformationen in der Karte gesammelt haben. Und Gebäude sind ja sehr wichtig für uns alle. Also wir schlafen dort, wir essen dort, leben dort, verbringen sehr viel Zeit

dort in Gebäuden. Vielleicht investieren wir auch recht viel, zahlen Miete. Also viele Dinge des Lebens, der Gesellschaft etc. drehen sich irgendwie um Gebäude. Und ja, so können wir sagen, dass quasi sowieso kulturell, wirtschaftlich oder auch ökologisch Gebäude oft sehr relevant sind.

Und die aber auch sehr viele Ressourcen brauchen, also Materialien, die in den Bau von Gebäuden geflossen sind oder auch für die Instanzsetzungen wieder, für den Betrieb, Energie zum Heizen, es fallen CO2-Emissionen dann an etc. Also auch hier sind viele Fragen, die hier wichtig sind, zum Beispiel auch der Flächenverbrauch von Gebäuden.

Es gibt Potenziale für die Klimaanpassung an Extremwetterereignisse, wie zum Beispiel Starkregen oder Hochwasser oder auch die Hitzeentwicklung im Sommer. Also welche Gebäude da besonders stark sich aufheizen und eben wirklich vielleicht kaum auszuhalten sind und welche aber dann doch schon ganz gut angepasst sind. Oder auch Klimaschutz wie eben

energetische Sanierung über Energien auf dem Dach etc. Genau, und alle solche Fragen, die auch jetzt wahrscheinlich bei den anderen Vorträgen auch mit thematisiert werden, die erfordern eine gute Wissensbasis, also dass wir quasi über Gebäude Bescheid wissen, dass wir Input bekommen, um dann Modelle zu designen und zu analysieren, um letztendlich auch vielleicht

eine Entscheidungsdurchstimmung für Wissenschaft, für Planung, für Politik hinzubekommen. Und hier finden wir eben zum Teil viele Daten vor, zum Teil aber auch große Wissenslücken, also da haben die Kommunen ganz unterschiedlich aufgestellt. Mal gibt es vielleicht nur von ganz aktuellen neu gebauten Gebäuden Daten, mal nur zu dem Aspekt, also es ist sehr heterogen und hier wollen wir ansetzen, um für verschiedene Gebäudemerkmale quasi eine neue Datenbasis

gemeinschaftlich zu erfassen. Die Projekt-ID, die ist gefördert worden durch einen Wettbewerb, den Science-Wettbewerb mit 40.000 Euro Postpreisgeld. Dieses Projekt in Dresden haben wir letztes Jahr im Wesentlichen durchgeführt und da ging es darum, eben Baukultur und klimagerechte Architektur zu unterstützen, durch dieses Gebäude wissen, was wir gemeinschaftlich erfassen und erforschen wollen.

Wir haben es gemeinsam durchgeführt mit verschiedenen Partnern, zum Beispiel mit das LUB Dresden, also der Universitäts- und Staatsbibliothek, mit einem Zentrum für Baukultur, bunddeutsche Architektinnen und Architekten, technische Sammlungen, das Museum,

städtische Bibliotheken in Dresden etc. und ja, konnten da auch weitere Partner hier noch setzen. Ziel des Projektes waren unter anderem diese Plattform, die ich gleich noch ein bisschen zeigen werde, weiterzuentwickeln und anzupassen für Dresden und auch so ein lokales Netzwerk aufzubauen mit verschiedenen Akteuren, um quasi das gemeinschaftlich voran treiben zu können und vielleicht auch nachhaltig noch darüber hinaus

wieder weitermachen zu können, zu verständigen, würde ich gerne in der Forschung sagen. Wir haben verschiedene sogenannte Science-Aktionen durchgeführt, komme ich auch gleich noch mal genauer dazu, also verschiedene Vortagssialogsformate, Spaziergänge, wo man Gebäudemerkmale erfasst, wir waren auf verschiedenen Ausstellungen vertreten etc.

Ein weiterer wichtiger Punkt war der Wissenstransfer, also von diesem Wissen aus der Forschung hinaus in die Bevölkerung, da geht es oft darum, auch wie erklärt man etwas, wie kommt man ins Gespräch, hat man gerade so eher seine Fachwörter, die man nutzt oder ist es doch eher halbwegs verständlich, wie man das erziert und auch so die nachhaltige Verankerung

Open Data, Open Source, zum Beispiel auch im Projekt sei ich hier genannt. Das Projekt ist angesiedelt in einem weltweiten Forschungsnetzwerk, Halloween Cities Research Program, Halloween deshalb auch, weil quasi die Karten im Bund eingefärbt werden, das zeige ich dann gleich und deswegen quasi die Städte in der Karte eingefärbt werden.

Das hat in London seinen Ursprung mit Halloween London und hat inzwischen Nachahmer gefunden in verschiedensten Ländern weltweit und es wird auch weiter noch wachsen. Wie können jetzt Citizen-Scientists, also quasi Bürgerinnen und Bürger beitragen, da gibt es ganz verschiedene Möglichkeiten in dem Projekt, also man kann eben die Daten erfassen, Crowdsourced eintragen, man kann über einen Balkmassen-Upload

andere Datensätze mit einspielen, die dann dort mit auch das Bild vervollständigen können. Man kann quasi weitere Daten dort bereitstellen, wir haben quasi in Diversity so eine Seite, wo man einfach auch sagen kann, ich habe vielleicht eine interessante Datenquelle, die hier interessant sein könnte, guckt euch das mal an, schreibt man in Diversity mit auf die Liste,

um vielleicht anderen damit eine Anregung zu geben, dass sie dort auch mal vorbeifahren können, um was über Gebäude, über Luftbilder etc. lernen zu können. Man kann natürlich selber auch ein Halloween-Projekt starten, also gerne auf uns zukommen, wenn man da auch Ideen hat für weitere Städte, also Dresden ist jetzt die erste Stadt in Deutschland, die das umgesetzt hat. Man kann eben GitHub-Repositoren mitentwickeln,

Veranstaltungen unterstützen etc., das sind also vielfältige Möglichkeiten und die verschiedenen Veranstaltungsformate, die ich eben erwähnt habe, sind hier in Fotos noch mal so ein bisschen gezeigt, also wir hatten so eine monatliche Dialog- und Vortragsreihe, zum Beispiel hier, wie erkenne ich denn Baualter und Baustile, da hatten wir hier einen Gast, der das uns gut erklären konnte, wir haben Workshops durchgeführt,

hatten oft auch so ein Touchscreen, das hat sich immer sehr bewährt, wo quasi diese Anwendung dann lief und wo auch die Leute gerne eingetragen haben, aber auch sich unterhalten haben, also es war oft so ein Mehrwert, dass dann eine von uns dort stand und man dann dort quasi vielleicht noch halten konnte, ach ja, warum haben sie das eingetragen oder was wollen sie dazu erzählen, was denken sie gerade über die Gebäude dort, also das war auch mal sehr spannend oder eben auch solche Spaziergänge, so wie Mapper sonst.

Komme ich nun kurz zur Anwendung selbst, die ich kurz gerne zeigen möchte, also hier, die können Sie auch dann gerne, oder da könnt ihr auch gerne aufrufen, wir haben quasi die Karte von Dresden hinterlegt, das ist gerade mal hier, es gibt verschiedene Kacheln, Alter und Geschichte

ausgewählt und wir haben jetzt hier das Baujahr mit den bereits eingetragenen Baujahrinformationen zu den Gebäuden oder beispielsweise auch den Baustil, geht so Richtung, ob das eher so ein Plattenbau ist, sage ich mal so platt oder Jugendstil oder Barock, haben wir in Dresden auch, in der Altstadt natürlich einige Gebäude, also da kann man hier quasi dort weiter eintragen,

es gibt Nutzungsinformationen, zum Beispiel hier ist es denn eigentlich nur ein Wohngebäude oder ein Nicht-Wohngebäude oder eine gemischte Nutzung, also ein sehr einfaches Level, sodass man, wenn man das gerne beantworten will, einfach das eintragen kann oder aber auch dann hier detaillierte Sachen, zum Beispiel Anzahl Wohnungen, Klingelschilder zählen, ist hier noch nicht so oft eingetragen worden,

aber das ist halt auch spannend, so wie dicht ist in so einem Gebäude eigentlich gepackt mit Wohnungen, also auch so Richtung Wohnfläche oder Wohnvolumen, kann man dort quasi auch dann weitere Sachen später mit solchen Daten untersuchen. Es gibt einen Füllstand leer, hier sieht man einfach noch mal, wie viele Merkmale worden denn pro Gebäude schon erfasst, also gerade so hier in der Altstadt war der Recht,

viele Merkmale pro Gebäude und wenn ich jetzt mal hier eintrage, das ist jetzt eine sehr einfache Sache, ich sage mal das Gebäude hier unten ist vom Typ freistehend, also das ist natürlich was man jetzt mit Gistdaten einfach ableiten kann, aber Häusereihe, da wird es dann schon ein bisschen schwieriger, das automatisch abzeigen zu lassen,

ich speichere das jetzt, bin angemeldet, brauche einen Account dafür, jetzt ist es quasi eingefärbt, so ich könnte jetzt genauso auch sagen, hier das andere Gebäude ist, oder ich nehme mal hier das Stadion, ist auch freistehend und ich verifiziere den Wert, dann erscheint das hier drüben, ich hoffe man kann es sehen, also dass man quasi auch dann

Informationen mitgeben kann, wie viele Leute sagen denn, dass hier der Wert richtig ist, also für eine Auswertung später oder man kann oft auch Datenquellen angeben, ob das jetzt eine Vordeinschätzung war oder irgendwie aus der Natur etc., also da sind Möglichkeiten drinne, es gibt hier verschiedene Verlinkungsmöglichkeiten, hier dieser Standort, Kategorie oder Kachel, wo man dann auch noch

zu OpenStreet mal weiter käme, um da noch mal auch nachzuschauen, wo natürlich ja auch viele Informationen dort vorliegen, das ist so und man kann jetzt für die Idee da noch manuell Verlinkungen eintragen und dann dort hingehen, Wikipedia-Seite manuell anspielen oder beispielsweise auch historische Karten von dem sogenannten virtuellen Kartenforum, der SLUB, also der Bibliothek in Dresden, hier weitergehen

über das Centroid, also den Schwerpunkt des Gebäudes, komme ich jetzt hier noch mal zu einer neuen Tab an die Stelle von dem Kulturballast in der Altstadt in Dresden und könnt ihr jetzt hier in diesem Kartenarchiv historische Karten raussuchen, um dort auch noch mal nachschauen zu können. Ja, so viel vielleicht als kleiner Einstieg zur Anwendung selbst und

das zeigt noch mal so den allgemeinen Workflow-Account, Gebäude wählen, eintragen, speichern, es ist ein klassischer Aufbau quasi mit einem Frontend in React programmiert, mit einer Schnittstelle mit Express.js, Backend mit Mapnik als Kartenrenner, der dann die Kartenteils ausspielt und einer Datenbank PostgreSQL Postgres, also

echt normal inzwischen eigentlich eine Open Source-Welt bewährt. Wir haben noch ein Dashboard, was aktuell leider nur intern erstmal läuft, aufgrund limitierter Zugänge, weil es auch mal eine kostenlose Version dort ist, mit Grafana, um dort quasi so die Nutzungsutilität noch mal anschauen zu können und es werden auch noch weitere Karten eingebunden, also auch

Open Studio-Hintergrundkarte, die ihr ja schon sehen konntet oder auch weitere Source-Karten kann man auch noch umschalten direkt. Es gibt sieben Kategorien oder Kacheln aktuell, die man gerade auch schon gesehen hat, zu verschiedenen thematischen Schwerpunkten, die eintragbar sind. Es gibt noch weitere, die hier so ein bisschen ausgegraut sind, die quasi aus Kategorien London kommen, aus diesem Forschungsnetzwerk,

wo das so ein einheitliches Bild ist, man gibt und die man jetzt auch nach und nach auch noch aufbreiten, übersetzen kann, ins Deutsche und freischalten kann. Also das ist so ein Prozess, der auch noch anhält und hier sind noch Beispiele für mögliche Gebäudemerkmale aufgezeigt. Es ist Open Source Open Data, wie ich schon gesagt habe. Es gibt aber auch lokale Anpassungen in Projekten,

sodass wir quasi eben auch ein bisschen individuelle Features noch haben, wo wir auch mal gerade noch im Gespräch sind, was ist da eigentlich die beste Versionierungsstrategie jetzt zwischen verschiedenen GitHub-Repositories, dem Core, wie wir jetzt nennen, und den lokalen, dort quasi das wieder hin- und herzuschieben mit Pull-Requests etc., um das Wort quasi dann zu harmonisieren, zu synchronisieren. Die Daten, die Gebäudimetrien sind aktuell von der Stadt Dresden, das totale 3D-Stadtmodell genutzt.

Die Merkmale stehen dann selber unter der OTBL 1.0-Lizenz wie auch OpenStreetLab, allerdings mit einer anderen Namenssendung eben jetzt quasi Kalendresden-Contributors. Es gibt noch einen Standort-Button, der, wo man auch dann zu der Koordinator, wo man sich quasi befindet, hinnavigieren kann.

Resilienzkachel, die könnt ihr euch gerne anschauen, die ist auch mit dabei. Da geht es quasi um diese Themen, mit Extremwetter-Ereignissen, also wie Resilienz in Gebäude gegenüber Starkregen-Einwirkung oder Hitzebelastung im Sommer. Da quasi verschiedene Merkmale, die dort dafür sinnvoll wären und die Datenverlängerung habe ich eben schon ein bisschen gezeigt, also dass man da auch noch Richtung Sichtbarkeit oder auch manche näherer Weiter-Nutzung der Daten ein bisschen was vereinfacht.

Gemapped wurde aufgrund, ja, häufig dann in der Altstadt und in einer näheren Umgebung, dort ist so eine Häufung zu sehen. Hier vom September letzten Jahres haben wir noch mal einen Stand, also dieser morphologische Typ, ob es freistehend ist oder nicht, der wurde sehr häufig, weil er auch sehr einfach zu mappen ist, erfasst.

Das ist die Frage, ob es Wohngebäude ist oder nicht, auch noch recht häufig. Nummer von Hauptgeschossen, also bis zum Dach, Gebäudennutzung, Baustil etc., also ein kleiner Überblick hier, wie häufig so die Merkmale erfasst wurden. Jetzt komme ich noch zu einer Möglichkeit, wie auch ein Kollege jetzt bei uns dort weiterarbeitet,

also mit diesen Beobachtungen, die wir jetzt haben, hier 1.500 knapp zur Anzeige geschossen, jetzt mal eine Vorhersage auf die Grundgesamtheit, also 135.000 Gebäude in Dresden zu realisieren mit dem Exist-Boost-Prediction-KI-Algorithmus. Das sieht dann erst mal so aus quasi, also das quasi als stellvertretende Merkmale werden,

die Gebäude-Shape-Indizes genutzt, das sind sowas auch wie Volumen oder Umfang etc. von dem Gebäude-Gemitrie-3D-Modell, die dann stellvertretend trainiert werden mit diesen Beobachtungen, von den Selbstentseinsdaten und dann aber wieder Rückschüsse auf alle Gebäude erlauben, weil die für alle vorliegen.

Und mit dem Referenzdatensatz, der da in Dresden, der hier tatsächlich auch vorliegt für Anzahlgeschosse, kam dann in dem Fall raus, auch ein bisschen experimentell, dass quasi der Fehler unter eins liegt, der Quadratfehler, also quasi schon vielversprechend, das ist immer eine Sache, wie weit kann man dann mit den KI-Ansätzen dort Dinge rausholen,

mit relativ wenig Beobachtungen, mit vielen Unsicherheiten und das ist quasi jetzt eine mögliche Anwendung, es gibt noch viel, viel mehr, also jeder kann natürlich die Daten herunterladen und auch einfach eigene Fragestellungen damit untersuchen, die einen graderisieren, aber das ist eine Variante, wie man jetzt mit diesen Beobachtungen, die bereits drin sind, weil es oft noch eine Frage ist, schon Ergebnis bekommen kann, ohne dass jetzt 100 Prozent eines Merkmals, also alle Gebäude erfasst sind,

das ist gar nicht mal das Ziel, wäre natürlich schön irgendwann, aber ist gar nicht so das Ziel. Komme ich jetzt zum Fazit, also es wurden 22.000 Merkmale erfasst, ungefähr 100 Personen haben dort bisher mitgewirkt. Wir haben letztes Jahr eben viele Formate dort erprobt und auch Wissenstransfer geleistet,

eben gerade, weil wir halt ins Gespräch gekommen sind durch diese verschiedenen Veranstaltungen in der Stadt Dresden über die Themen, das war immer sehr schön gewesen, die lokalen Partner waren wichtig, gerade zum Beispiel die Station Bibliotheken oder eben die Station Sammlungen des Museums in Dresden, um als auch Multiplikatoren zu fungieren, zum Beispiel auch gibt es ein DLR School Lab an diesen Stationen Sammlungen, wo wir dann dort Praktika veranstalten konnten

mit den Schülerinnen und Schülern, die das dann kennenlernen konnten. Open Data, Open Source, auf jeden Fall sehr wichtig, also gerne auch GitHub, Zenodo, Wirk University vorbeischauen oder auch Social Media, Kanäle und Herausforderungen waren zum Beispiel gewesen, so die Kommunikation, Koordinierung, die erfolgt natürlich aus dem Projekt und die ist recht ressourcen- und zeitintensiv,

also das muss man bei Citizen Science mit einplanen, dass das quasi sehr wichtig ist, dort wirklich ein Schlüssel zum Erfolg ist. Es gab zum Teil datenschutzrechtliche Diskussionen oder Feedback von Bürgerinnen und Bürgern, quasi wo es halt auch Unterschied gibt, das was jetzt rechtlich erlaubt, das wo vielleicht eine Grauzone beginnt und zudem was eigentlich jetzt quasi in der Warnung der Menschen dort okay ist

und auch nicht, also welche Informationen möchte ich eigentlich in zum Portal eintragen und welche auch nicht, wie ergebt man da, also das kann man auch gerne noch weiter beforschen, das ist auch wirklich sehr spannend oder auch so die Domain übergreifende Abstimmung, das war jetzt doch recht breit angelegt, weil wir so viele Themen damit eigentlich abbilden mit den Gebäudemerkmalen,

vielleicht kann man das nächste Mal auch sagen, man nimmt nur einen Stadtteil und nur ein Thema und ist damit vielleicht noch mal konkret auch in der Ansprache von Citizen Scientists. Diese Plattform wird quasi weiter als Forschungsinstrument bei uns genutzt, ist auch dauerhaft mit unserem Forschungsdatenzentrum am IOR, also Leibnizitut für ökologische Raumentwicklung Dresden, dort vorgehalten.

In diesem Forschungsnetzwerk, diesem Canon Cities Research Program, sind wir quasi jetzt so Koordinator von diesem European Hub, also in Europa, in Schweden, in Griechenland und Großbritannien zum Beispiel Projekte zu koordinieren oder auch eben Ansprechpartner für neue Initiativen, die es gerne in Zürich, in Hamburg

oder woanders gerne umsetzen möchten. Es gibt Ideen oder zum Teil konkrete Planungen für Weiterentwicklungen, zum Beispiel auch so Usability für mobile Endgeräte, da ist viel noch zu machen, weil es ursprünglich eine Desktop-Anwendung war. Wir doktoren gerade immer so ein bisschen klein rum, dass sich manche Sachen verbessern, aber eigentlich bräuchte es noch mal einen großen Wurf, dass man sagt, das ist doch noch mal eine responsive Design App,

die genau für Smartphones auch gut geeignet ist. Dashboards sind auch viele Ideen, die da im Raum stehen, wie man das noch grafisch auch so die Aktivitäten auf der Plattform vielleicht verdeutlichen könnte. Gamefication hat man auch eine Studierendenarbeit letztes Jahr gehabt, die da Sachen untersucht hat, quasi wie man so mit Belohnungen, mit spielerischen Elementen dort vielleicht arbeiten könnte.

Es gibt gerade noch ein Projekt, Building Trust, da geht es so Richtung Datentreuhändermodelle, also wie quasi sehr sensible Daten zu Gebäuden im Energiebereich, wie zum Beispiel, das könnte Energieverbrauch sein oder Energieträger, den man nutzt oder andere Sachen, die man jetzt keinesfalls vielleicht in so einer Plattform teilen möchte, wie die mit diesen Datentreuhändermodellen quasi gespendet werden können für konkrete Zwecke,

also wo dieser Datentreuhändler inzwischen eben auch technisch ist mit solchen Konjunkturen, die dann dort das gewährleisten, dass nur der erlaubte Zweck für Forschung und Planung beispielsweise dann da zulässig ist mit den Daten, wo vielleicht auch noch irgendwie eine Win-Win-Situation entsteht, wo man vielleicht noch irgendwie bei Steuern oder bei Energiezertifikat

eine Erleichterung bekommt, wenn man das erstellen möchte über eine Behörde. Genau, da sind wir quasi dran, auch bei dieser Energiekachel oder Kategorie, die dann dafür anzupassen, das Projekt läuft jetzt aktuell und da werden wir die Erfahrungen mit reinnehmen und dort weitergehen. Dann bedanke ich mich herzlich für die Aufmerksamkeit. Noch kurz der Hinweis, in Dresden gibt es noch so eine Konferenz im Juni,

da geht es um Flächennutzung, Geodaten, gerne dort anmelden, wenn der Interesse besteht. Und ja, bedanke mich und stehe für Fragen gern zur Verfügung. Ja, vielen Dank. Und wir fangen am besten klassisch wieder mit den Fragen, mit dem weißen Voting an.

Kann man ein automatisches Harvesting von USM, ALK, Alkis einrichten? Gute Frage, es sind aber so technische und rechtliche Fragen, die man da eigentlich dann mit betrachtet. Also rechtlich wäre auf jeden Fall die Sache mit der Lizenz,

dass man das dann quasi gut trennen müsste, welche Daten ist das Open Speed Lab automatisch reingeladen werden, und das ist jetzt nicht der Fall, das war gerade noch nicht der Anspruch, aber die Frage stellt sich sehr berechtigterweise, also genauso wie die Frage natürlich, warum eigentlich das ein extra Projekt ist, gibt es Vor- und Nachteile, warum nicht alles in Open Speed Lab zum Beispiel gemacht wird.

Alkis ist auch mal eine Sache, das ist ja das Liegenschaftskataster, das ist ja oft noch sehr limitiert, aber natürlich auch, gerade die tatsächliche Nutzung, also die Nundlandtätzung eines Luhrstücks, auch sehr relevant und in der Richtung gehen wir weiter. Also diese Bulk-Uploads, das ist jetzt mein nächstes Thema, wie wir quasi auch das noch als Datenplattform sehen,

nicht nur die Crowd-Sourced erfassten Informationen reinzubringen, sondern auch solche existieren Datensätze. Ich glaube, da knüpft so ein bisschen die nächste Frage dran an, können Sie automatische Daten aus anderen Quellen beziehen, wie zum Beispiel vom Bauamt und alles automatisiert, also die Daten übernehmen? Es sind eigentlich ähnliche Fragen,

also wir hatten auch in den Workshops, wie wir hatten auch zu Beginn des Projekts, hatten wir auch von der Stadt und von der M-Zone-Alter dort Leute eingeladen und mit dabei und das natürlich spannende Fragen, weil man kommt ins Gespräch, wie kann man die Daten nutzen, wo sind dann Hürden, also wir gehen da weiter und da gibt es zum Teil auch Gespräche, sodass das denkbar wäre. Es gibt auch eine andere Variante, das heißt das Realtime-Verbindung,

die quasi auch mit vorgesehen ist, dass einfach nur Daten jetzt nicht bei uns in der Datenbank liegen, sondern quasi eben wie ein Livestream dazugeblendet werden. Also das wäre auch möglich, weil sie natürlich immer die Frage stellt, wer die Daten hostet, das ist am besten derjenige, der die eben auch betreibt und wartet und aktualisiert und da hätte man natürlich dann auch nicht das gepanzt,

wenn die bei uns liegen und die rechtlichen Fragen kommen dazu. Genau, also es geht in die Richtung. Neben den Input-Daten und den Fragen dazu gibt es eine zweite Fragerunde oder Themenfeld, sag ich mal. Fangen wir mal an mit der Frage, werden die Daten zurzeit in OSM zurückgespielt?

Also wie weit können eure Ergebnisse wieder in die Quellen zurück? Ja, nein, werden nicht. Da hat man auch neulich in den Open-Street-Mestammen zwischen Dresden drüber diskutiert. Das ist eben die rechtliche Seite, also die ist, die jetzt eben hier eigentlich die Hürdeleiter ist. Also wir haben zwar dieselbe OTBL-Lizenz, aber eben eine andere

Namensnennung und damit hat ja quasi haben beide Projekte ihr Recht auf ihre eigenen Namensnennungen. Und das würde quasi in der OTBL von OSM dann eigentlich verschwinden und also gerne auch Ideen liefern. Vielleicht gibt es auch Beispiele von anderen schon solchen Verknüpfungen, also gerade so dieses Organized Mapping oder Guidelines.

Dafür ist ja in OSM auch immer wieder Thema mit Pro und Contra. Zum Teil ja auch nicht gerne gesehen, dass man einfach quasi massenweise Daten reinbringt. Zum anderen natürlich, weil beide Projekte so crowdsourced einfach bottom up mit Daten gespeist sind, stellt sich die Frage natürlich erst recht eigentlich. Also das, weil sie so ähnlich in den Teilen sind.

Bis jetzt, bis jetzt wäre der Weg quasi OSM-ID und OSM-Type haben wir bei uns drinnen. Also auch ob das jetzt ein Ray oder Relation ist, so dass es eindeutig ist und darüber kann es quasi verknüpft werden. Das wäre gerade der Weg dann. Also ich sag mal so im Verhältnis zu den anderen Vorträgen sind hier relativ viele OSM-Fragen drin. Ja, gerne im Hinterkopf behalten, da vielleicht zu gucken,

weil die zweite OSM-Frage zieht jetzt nicht auf den Rückfluss an, aber so ein bisschen systemseitig sind die Daten ein OSM-Fragezeichen. Was ist das Tagging Schema? Genau, das wäre jetzt die Sache, wie rum das gemeint ist. Also das Tagging Schema in OSM, ob es darum geht. Aber das ist sicherlich, das ist wahrscheinlich ja bekannt.

Aber da haben wir ja hier, das ist gerade der Kulturpalast, das ist glaube ich so ein Beispiel. Also eben mit Building, mit dem Key Building. Und dann gibt es nochmal so ein verschiedenes Subkeys. Das nenne ich jetzt mal war auch zum Beispiel. Es ist halt auch sehr unterschiedlich. Ich habe mir das an den Anfang angeguckt, diese Merkmale sind sehr interessant,

aber auch eben oft wirklich nur irgendwie 0,3 Prozent oder so erfasst. Also ich hatte mal, ich wollte ja gerade anklicken, das geht gerade nicht so richtig. Ich hatte mal geschaut, so für Material und Fassadenfarbe oder anderes.

Das gibt es in OSM schon auch vorgesehen, aber es ist quasi ja noch näher gering. Was natürlich wieder heißt, umso spannender ist, wenn man das eigentlich zusammenbringen kann. Also hier sehen wir nochmal Building Architecture, Color, Material. Also wir haben hier quasi ein Technikschirme bei OSM, auch eine Reihe von Merkmalen. Das Column Projekt ist ja in London entstanden, auch aus der Wissenschaft heraus.

Und da ist quasi so die Stoßrichtung, ist jetzt nicht Community getrieben per se, sondern erstmal, dass quasi verschiedene Player aus der Forschung oder Planung sich zusammengesetzt haben und diskutiert haben, das könnte vielleicht relevant sein, auch welche Kategorien man auswählen kann. Und das ist ein Punkt neben anderem, warum quasi das so eine andere Perspektive ist.

In OSM würde es ja so Community getrieben, quasi wachsendes Technikschema, was sehr cool ist. Und das hätte dort, also ja, vielleicht manchmal ein bisschen diskrepantend dann, weil man das jetzt auch nicht überrumpeln wollen würde, dass man einfach ein fremdes Datenmodell irgendwie reinbringt. Das ist ja erst recht nicht gewünscht.

Sonst noch mal eine systemseitige Frage. Stichwort mobile Anwendung und Gamification. Habt ihr auch Street Complete bereits angeschaut und wäre das eine ähnliche Anwendung? Wäre diese sinnvoll? Wir haben es jetzt nicht, also ich kenne Street Complete, aber nicht gezielt diesbezüglich untersucht,

weil die Frage sich erst mal in diesem, es war auch ein recht kurzer Projektzeitraum, letztes Jahr nicht gestellt hatte, weil die Plattform erst mal existierte, die wir haben. Ich weiß gerade nicht genau, inwiefern man Street Complete auch umlenken kann, aber wir sind technisch auf ein anderes Backend, also unter der Prämisse, dass wir quasi jetzt nicht weiter reaktiv einigen können, gerne auch auf mich zukommen,

weil wir da schon ein bisschen auf der Suche sind, wie wir so eine mobile Endgerät-taugliche Version dort nutzen können. Und prinzipiell sollte das dann machbar sein oder eben auch mit anderen Apps dort. Dann noch eine Frage aus dem Chat. Welche Inputvariablen wurden für das ML-Modell zur Vorhersage der Anzahl Stockwerke verwendet?

Wurde die Location-Nachbarschaftsinformation vom Gebäude entkodiert? Genau, also der Ansatz ist dabei erst mal, dass man an die Gebäude Merkmale anspielt, also ableitet eben genau wie so eine Geschichte, wie gerade auch genannt wurde.

Das ist alles möglich, um quasi den Gebäude Merkmale zu geben, die man flächenmäßig für alle z.B. rund 35.000 Gebäude in Dresden breit ableiten kann mit den Daten, die man hat und die dann stellvertretend nutzt, um anhand dessen jetzt mit den wenigen Beobachtungen das zu lernen, wo dann der Zusammenhang ist und dann wieder diesen stellvertretend nutzt und auf alles schließt.

Also der Ansatz ist auf jeden Fall so. Konkret also gerne mehr nochmal an uns schreiben, weil diese Shape-Indices, die ich erwähnt habe, also wo quasi so wie Umfang, Volumen und anderes dort reingehört, das müsste der Kollege sagen, was er dort genau genutzt hatte. Zumindest weiß ich auch von anderen Projekten, wo es um andere Fragestellungen geht,

aber auch mit KI-basierten Gebäudevorhersagemodellen, dass genauso so eine Nachbarschaften oder vielleicht so dichten Minimum Spanning Tree, wie viele Gebäude sind da in der Nähe, das wird da gerne genutzt. Oder Zentralität ist noch so ein Begriff, ob das Gebäude eher in der Nähe von so einem Zentrum, wo man das Stadt sich befindet oder weiter weg peripher liegt.

Also das sind alles Merkmale, die ja zur Beschreibung mit genutzt werden. Also gerne auf mich oder ja, zukommende mir schreiben. Gibt es sonst Fragen aus dem Publikum? Mikro? Ja, das Mikro muss leider mitwandern. Sonst als Info, wir haben jetzt glaube ich 10 Minuten noch bis zum nächsten Vortrag, ich würde die Zwischenzeit, die letzten 5 Minuten einfach trotzdem für Fragen etc. nutzen.

Ich habe folgende Frage, ist es ja nicht eigentlich grundsätzlich schade, dass man da ein Parallelprojekt zu Open-Street-Map macht und wenn die Daten ja mindestens in gewissen Kriterien und im Tagging-Schema von Open-Street-Map vorhanden wäre,

dann wäre es ja grundsätzlich sinnvoll, dass diese Daten, wo es ein Tagging-Schema zu Open-Street-Map gibt, in Open-Street-Map eingetragen werden und nur diese Daten, die dann eigentlich zweifelhaft sind, dass man die nicht im Open-Street-Map haben will, dass man dort eine separate Datenbank führt. So wie es jetzt ist, ist es eigentlich ein Konkurrenz-Datensammlungsprojekt zu Open-Street-Map

und fördert eigentlich die Qualität von Open-Street-Map in keiner Art und Weise. Eigentlich schade. Ja, das teile ich schon auch. Also das sind verschiedene Sichtweisen, die ja auch in mir existieren, weil ich eben auch dort Open-Street-Mapper mit bin oder auch aus dem Entwicklerteam von dem Projekt hier,

auch aus London sind auch einige quasi, die bei Open-Street-Map sehr aktiv mit dabei sind. Genau, also das ist ein prechter Hinweis. Also es ist halt wirklich, wie so ein Projekt entsteht, ist glaube ich hier ein Punkt, wie ich vorhin schon mal meinte, dass es halt so diese Denkweise doch ein bisschen anders ist und deswegen, ja, das sicherlich schade ist, dass das jetzt nicht

zu einem frühen Stadium genauso wie, ja, wie Gesamtworte erfolgt ist. Das wäre natürlich ein Weg, genau, also diese Datenmodelle anzupassen. Im Moment läuft es eben eigentlich immer darauf hinaus, dass man quasi jetzt, wenn man eine Anwendung damit bauen will, würde man sich jetzt Daten von Open-Street-Map und zum Beispiel von Karl

und Dresden ziehen zu sich, dort sich eine Verknüpfungsvorschrift überlegen oder auch eben eine Datenmodellmigration, was natürlich dann Arbeit macht. Das ist richtig, das sehe ich auch. Genau, das ist jetzt der Weg. Genau, aber ja, gerne auch noch weiter darüber sprechen. Ich sehe den Punkt definitiv, das hat auch einige Nachteile.

Gibt es noch eine abschließende Frage im Publikum? Dann würde ich die letzte jetzt aus dem Chat stellen. Wenn die Daten aus dem Alkes genommen worden wären, hätte man die Gebäudenutzung extrahieren können. Warum wurde das nicht gemacht und oder welche Hindernisse

gab es? Genau, also Alkes amtliche Liegenschaftskataster hat eben die tatsächliche Nutzung, die auch pro Bundeslandwerte wieder unterschiedlich, semantisch also detailliert vorliegt oder nicht, aber es gibt sie, sehr richtig. Wir haben quasi bei dem Projekt gesagt, wir stützen uns erstmal auf diesen Crowdsource, also Bottom-Up-Ansatz, dass wir eine leere

Karte haben und die langsam bunt wird. Das war so eine Motivation mit, also das Projekt ist letzten Jahres März, also ungefähr vom Jahr begonnen und da war es eine Überlegung, jetzt noch nicht gleich die Karte zu füllen mit vielen Exzessierendaten, weil diese Exzessierendaten auch immer ihre Stärken und Schwächen haben. Also das ist ja eigentlich auch bekannt, dass quasi amtlich offene Daten vielen großen Mehrwert bieten. Wir

freuen uns alle, wenn sie offen sind und dennoch sind sie auch nicht frei von Fehlern, also auch dort gibt es Aktualitätsengpässe, verhaltete Daten, Lücken im Datensatz, etc. Was ich meinte zu diesen Bulk-Massen-Uploads ist das auch eine denkbare Variante, auch

die noch reinzubringen, aber hier war quasi der Ansatz erstmal eben Crowdsourcers zu machen und wir hatten auch schon ein bisschen geguckt, quasi Datenqualitätsmäßig zu vergleichen mit eben solchen anderen Datensätzen. Das kann man natürlich auch am besten, wenn man es noch nicht gemischt hat, sondern erstmal noch getrennt voneinander hat. Ja, vielleicht so viel. Ja, wenn es dann keine weiteren Fragen gibt, dann geht das in fünf Minuten weiter. Wir

bleiben inhaltlich eigentlich in der Domäne Gebäudedaten und ja, danke dir Theodor für den zweiten Vortrag und viel Spaß noch.