Umweltinformationssysteme - Digitalisierung für eine nachhaltige Planetare Zukunft

Agrarlandschaften sind multifunktionale Räume, deren Management durch die Interessen von Landwirtschaft, Umweltschutz und Gesellschaft beeinflusst wird. Landschaftsmodelle als Grundlage für Prognosen und Entscheidungshilfesysteme zur Lenkung von Maßnahmen in der Agrarlandschaft basieren auf einer Vielzahl von Geodaten verschiedener Qualität und Verfügbarkeit. In diesem Beitrag stellen wir einen Workflow für die Generierung eines kohärenten, rasterbasierten Landschaftsmodells auf Basis heterogener Landnutzungs- und Landbedeckungsdaten vor. Anhand einer Agrarlandschaft im „Alten Land“ von 2 × 2 km² Größe demonstrieren wir die Integration verschiedener Datenprodukte wie das Digitale Landschaftsmodell (ATKIS Basis-DLM), Daten des landwirtschaftlichen Meldesystems InVeKoS und dem Digitalen Zwilling Deutschland, einem LiDAR-basierten räumlichen Modell. Der entwickelte Workflow kombiniert die verwendeten Geodaten zu fünf thematischen Rastern mit einer Bodenauflösung von 20 cm. Aus den thematischen Rastern können angepasste Landschaftsmodelle und entsprechende Karten durch Überlagerung und anschließender Aggregation von Klassen generiert werden. Durch einen kohärenten Klassifizierungsschlüssel ist die Ansprache und Analyse einer hohen Zahl von Klassenkombinationen möglich. Der demonstrierte Ansatz ist insbesondere geeignet, um Gehölze, Saumstrukturen sowie Übergänge zwischen Nutzungen zu visualisieren und zu analysieren. Der Ansatz ist flexibel hinsichtlich der Integration weiterer oder alternativer Datensätze. Er unterstützt die raumbasierte ökologische Forschung, insbesondere durch die detaillierte Darstellung von Agrarlandschaften und deren nicht-produktiven Elementen. Durch die Zunahme immer hochauflösender domänenspezifischer Daten wächst der Bedarf an Integrationsmethoden, wie der hier dargestellten Methode, um mit bestverfügbaren Datengrundlagen den vielfältigen Herausforderungen der Agrarforschung zu begegnen.

Digitale Werkzeuge spielen eine zunehmend bedeutende Rolle in der Landschaftsarchitektur und der Umweltplanung, da sie innovative Möglichkeiten bieten, Planung, Design und Management von Freiräumen zu optimieren. Aktuell stehen Digitale Zwillinge im Fokus von Forschung und Entwicklung. Der Begriff „digitaler Zwilling“ bezieht sich auf eine virtuelle Repräsentation eines physischen Objekts, dem Daten aus der Realität zugewiesen sind. Hierdurch unterscheidet er sich von dem 3D-Modell, das als rein geometrische Repräsentation des Objekts bzw. Freiraumes dient. Der Digitale Zwilling kann um Daten, die in Echtzeit aktualisiert werden, ergänzt werden und liefert detaillierte Informationen über den Zustand, das Verhalten und die Performance des realen Objekts. In der Landschaftsarchitektur und der Umweltplanung ermöglichen digitale Zwillinge eine präzise und effiziente Gestaltung von Freiräumen. Im Studiengang „Landschaftsarchitektur und Umweltplanung“ an der Technischen Hochschule Ostwestfalen-Lippe (TH OWL) werden Studentinnen und Studenten in eine Vielzahl von Schlüsselkonzepten und -technologien zu Digitalen Zwillingen eingeführt. Ein Schwerpunkt liegt auf der Erfassung und Verarbeitung von Geodaten mittels GIS-Technologien, um ein fundiertes Verständnis der natürlichen Umgebung und ihrer Eigenschaften zu entwickeln. Durch praktische Übungen in 3D-Modellierung und Visualisierung werden die Studentinnen und Studenten befähigt, komplexe Landschafts- bzw. Freiraumstrukturen zu erstellen und zu analysieren. Die Studentinnen und Studenten lernen, wie sie Simulationssoftware einsetzen können, um Veränderungen in der Landschaft vorherzusagen und zu bewerten, sei es in Bezug auf Wassermanagement, Erosion oder Vegetationskunde. Die erworbenen Kenntnisse ermöglichen es den Studentinnen und Studenten, adäquate Fragestellungen aus ihrer Fachdisziplin in der Praxis mit Hilfe digitaler Werkzeuge zu bearbeiten.

Die Validierung von Vegetationsmodellen ist eine wichtige und herausfordernde Aufgabe. Oftmals sind mangelnde Beobachtungsdaten für die Validierung ein Problem. Die Erfassung von Daten durch Freiwillige (Crowdsourcing) kann ein geeigneter Lösungsansatz sein. In diesem Beitrag soll ein System zur Unterstützung der Validierung eines Vegetationsmodells präsentiert werden, das die Datenmenge durch Sammlung und Vereinheitlichung von Daten aus verschiedenen Crowdsourcing-Quellen erweitert, die Aufnahme neuer Daten ermöglicht und den Validierungsprozess für Fachpersonen vereinfacht.

Ein Multisensor-Messsystem, bestehend aus einer SWIR-Hyperspektralkamera, einer RGB- und einer RGB-NoIR-Kamera wurde konfiguriert, um berührungslos den Gesundheitszustand von Salatpflanzen in Hinblick auf einen potenziellen Befall mit Echtem Mehltau zu ermitteln. Am Ende stand ein Labor-Funktionsmuster, das die Möglichkeit bietet, Bilddaten der verschiedenen Sensoren zu fusionieren, Pflanzengewebe in den Bildern zu erkennen und Reflexionsdaten der Hyperspektralkamera unter Verwendung von Algorithmen des maschinellen Lernens hinsichtlich eines Befalls mit Echtem Mehltau zu differenzieren. Die fünf unterschiedlichen Algorithmen des maschinellen Lernens, Random Forest, Support Vector Machine, Gradient Boosting, AdaBoost und Neural Network, zeigten alle sehr gute Ergebnisse im Hinblick auf die Differenzierung von gesunden und infizierten Blattproben. Eine Validierung der Klassifikatoren in Verbindung mit Pflanzen, deren Gesundheitszustand unbekannt ist, fand noch nicht statt. Die durchgeführten Untersuchungen stellen die Grundlage für die Weiterentwicklung des Multisensor-Messsystems zu einem in der Pflanzenproduktion einzusetzenden Prototypen dar, der Pflanzenbestände hinsichtlich des Gesundheitszustandes und bei möglicher Kombination mit Verfahren zur Bestimmung des Wasserversorgungszustands überwachen kann.

Die Rekonstruktion von Gebäuden mittels 3D-Computergrafik ist auf Basis historischer Fotografien herausfordernd, da diese oft von niedriger Qualität und Auflösung sind. Die Super-Resolution-Technologie, insbesondere moderne Deep Neural Network-Ansätze, verspricht, die Bildqualität zu verbessern, und ermöglicht detailreichere Rekonstruktionen. Für eine Evaluation der modernen Super-Resolution-Techniken werden zusätzlich die klassischen Interpolationsmethoden herangezogen und die Ergebnisse miteinander verglichen.

Ziel der Forschung war es, mit MigrantInnen und Geflüchteten besetzte Schlauchboote mittels Fernerkundungsdaten zu detektieren. Die Forschung folgt der Vision, zivilen Rettungskräfte vor Ort Lagebilder zu liefern, um deren Suche nach Booten in Seenot zu unterstützen. Um eine tageszeit- und witterungsunabhängige Bestimmung für die maritime Seenotrettung zu ermöglichen, nutzten wir „Synthetic Aperture Radar“ (SAR). Hierbei wird die Erdoberfläche mithilfe elektromagnetischer Wellen in sehr hoher Auflösung abgetastet. Wir führten zwei Messkampagnen mit einem 12 m langen Fluchtschlauchboot durch, um SAR-Bilder verschiedener Satelliten zu sammeln und werteten die Ergebnisse aus. Damit schufen wir ein umfassendes Verständnis der Radarmuster von Schlauchbooten in SAR-Daten und konnten zeigen, dass eine Detektion möglich ist. Im Rahmen der Arbeit wurden systematisch existierende Schiffsdetektoren untersucht und daraus neue, speziell auf das Testobjekt abgestimmte Detektoren entwickelt.

Der Artikel beschäftigt sich mit der datengetriebenen Prognose von Pegelständen am Fluss Werre unter Verwendung eines einfachen Zuflussmodells im Flussverlauf und basierend auf frei verfügbaren Daten von OpenGeodata.NRW und Open-Meteo. Die große Menge der frei verfügbaren Daten wurde auf Korrelationen mit dem Pegelstand untersucht und auf stündliche Werte ab 1998 für Niederschlag, Pegelstände, Bodenfeuchtigkeit, Temperatur und Bodentemperatur reduziert. Anhand des Zuflussmodells wurde der Merkmalsvektor dann mit den zeitlich nötigen vorhergehenden Werten der Zuflüsse als Zeitreihe modelliert. Mit einem rekurrenten neuronalen Netz, speziell LSTM, konnten die besten Prognosewerte erzielt werden mit einem MSE von 9,75 cm und einem RMSE von 3,12 cm für die prognostizierten Pegelstände.

Einerseits liegen bei Umwelt- und anderen Behörden zu vielen umweltbezogenen Sachverhalten umfangreiche Datenbestände vor, die sich voraussichtlich in der Zukunft noch deutlich vergrößern dürften. Andererseits stehen diese Behörden vor wachsenden Aufgaben, um mit den drängenden umwelt- und nachhaltigkeitsbezogenen Themen unserer Zeit umzugehen. Schwierigkeiten beim Versuch, komplexe Umweltthemen mit konventionellen Modellierungsansätzen zu erfassen, verschärft durch den Fachkräftemangel in der Verwaltung, führen zur Idee, durch Verfahren des maschinellen Lernens datenbasierte Entscheidungsunterstützung einzusetzen. Daher ist das Ziel des Simplex4Learning-Ansatzes, die großen und heterogenen Datenbestände der Umweltbehörden für intelligente Analysen mit Methoden des maschinellen Lernens besser zu erschließen und diese Verfahren für Domänenexperten aus dem Umweltbereich (ohne vertiefte ML-Kenntnisse) praktikabel anwendbar zu machen. Dazu werden Methoden der Datenintegration und des Data Warehousing mit Methoden aus AutoML, MLOps und Explainable ML kombiniert. Der vorliegende Beitrag skizziert Motivation und Zielsetzung des Vorhabens, den technischen Lösungsansatz und den vorgefundenen Stand der Technik sowie erste Ergebnisse.

Das Chemikalien-Informationssystem ChemInfo stellt stoffspezifische Informationen zu geeigneten Löschmitteln im Rahmen der Brandbekämpfung zur Verfügung. Historischen Quellen zufolge wurde für 550 Chemikalien der Einsatz von wasserfilmbildenden Löschschäumen (AFFF) empfohlen. Aufgrund des anstehenden Verbots der in den AFFF enthaltenen Fluorverbindungen war eine Neubewertung der betroffenen Einträge hinsichtlich der empfohlenen Löschschäume erforderlich. Auf Basis von experimentellen Untersuchungen und einer Literaturrecherche wurde ein Bewertungsschema für die Auswahl eines alternativen Schaummittels erarbeitet. Mithilfe einer Clusteranalyse konnte eine Klassifizierung der 550 Chemikalien anhand ihrer physikalisch-chemischen Eigenschaften vorgenommen werden, die eine Aussage über ein ähnliches Brand- und Löschverhalten der betrachteten Chemikalien erlaubt. Somit konnte die Zuordnung eines geeigneten, fluorfreien Schaummittels erfolgen. Entsprechend der neu erarbeiteten Löschmittelempfehlungen wurden die betroffenen Einträge in ChemInfo aktualisiert.

Der wachsende Energiebedarf und die zunehmende Größe von Webseiten im Zuge der Digitalisierung stellen eine ökologische Herausforderung dar. Im Jahr 2023 erreichte der Energieverbrauch des Internets in Deutschland 13 TWh [1]. Die durchschnittliche Größe einer Webseite betrug im Jahr 2024 2505.3 Kilobyte (KB) im Vergleich zu 1502.3 KB im Jahr 2016 [2], eine Steigerung von 166 %. Diese Arbeit analysiert die Rolle von Content Management Systemen (CMS) und Webseiten-Buildern bei der Förderung von Nachhaltigkeit im Internet. Von 200 Mio. aktiven Webseiten waren im Jahr 2022 76 Mio. Webseiten von einem CMS abhängig [3]. Der Beitrag dieser Arbeit besteht in der Identifizierung und Bewertung von Nachhaltigkeitsaspekten in führenden CMS. Dafür wird relevante Literatur analysiert, um Aspekte von Webseiten zu identifizieren, die sich auf die Nachhaltigkeit auswirken. Anschließend werden Messungen von Webseiten, die mit verschiedenen CMS erstellt wurden, durchgeführt, um ihre Nachhaltigkeit zu evaluieren. Die Ergebnisse legen nahe, dass die Einbindung von Nachhaltigkeitsprinzipien in CMS die Ressourceneffizienz des Internets erheblich verbessern könnte.

Der „Digitale Zwilling“ ist eine verbreitete Technologie aus dem Kontext „Industrie 4.0“. Für Objekte werden digitale Zwillinge aufgebaut, die die Funktionsweise des Originals systemanalytisch nachbilden, seine Systemzustände erfassen und das Verhalten nachbilden und steuern. In der Praxis werden seit vielen Jahren Umweltinformationssysteme entwickelt, bei denen konsequent Objekte, Prozesse und Wirkbeziehungen der Realität abgebildet werden (z. B. [1]). Durch die Anbindung von Echtzeitdaten, Mess- und Berechnungswerten werden diese Umweltinformationssysteme zu einem „Digitalen Zwilling“ qualifiziert, der im Weiteren „Twin Information System (TwIS) genannt wird. In diesem Beitrag werden der TwIS-Ansatz sowie Ergebnisse der Nutzung des TwIS für das Leipziger Umweltinformationssystem am Anwendungsfall Lärm vorgestellt.

Vorgestellt wird die Neuentwicklung des Abfallentsorgungsanlagenkatasters in Sachsen ABENSA. Die Web-Anwendung stellt vielfältige Informationen über Entsorgungsanlagen für die Öffentlichkeit bereit und bildet damit einen ersten Baustein für ein Online-Portal zur Abfallwirtschaft in Sachsen. Verschiedene Zugänge ermöglichen eine Kriterien- und Karten-basierte Recherche nach Entsorgungs- und Abfallbehandlungsanlagen, deren Ergebnisse visualisiert, kombiniert und exportiert werden können. Ergänzt wird der öffentliche Zugang um eine Administrationsanwendung für die fachlich zuständigen Mitarbeitenden des LfULG, die damit die Datenübernahme in die ABENSA-Datenbank steuern, die Datenqualität kontrollieren sowie Korrekturen und Ergänzungen vornehmen. Die in ABENSA verwalteten Daten werden aus operativen Drittsystemen wie dem Länderinformationssystem für Anlagen LIS-A für das Portal zusammengestellt. Die Umsetzung der Web-Anwendung ABENSA erfolgte auf Basis der Auswertungs- und GIS-Plattform disy Cadenza, in die das Administrationstool als PHP-Anwendung integriert wurde. Zu den Herausforderungen der Umsetzung gehörte die Entwicklung eines gemeinsamen Datenmodells, das die relevanten Angaben der Quellsysteme geeignet berücksichtigt und die gewünschten Auswertungen, sowohl der Öffentlichkeit als auch für behördeninterne Zwecke sowie auch eine Datenhistorisierung, ermöglicht. Die Daten werden mit der Software Cadenza Workbooks anschaulich in interaktiven Dashboards ausgewertet.

Im Rahmen der Digitalisierungsstrategie des Landes Baden-Württemberg (digital.LÄND) hat die Landesanstalt für Umwelt Baden-Württemberg (LUBW) die Möglichkeit und den Auftrag gemeinsam mit Partnern aus der Forschung innovative Lösungen für den Einsatz in der Umweltinformatik zu analysieren bzw. neue Lösungen zu entwickeln. Dieses Kapitel bietet Einblicke in drei Teilprojekte: die Analyse des Onlinedienstes „Umweltdaten und -Karten online“ mit Eye-Tracking, Lasttests mit dem Fraunhofer Open Source SensorThings API Server (FROST®) und potenzielle Einsatzbereiche von künstlicher Intelligenz für die Umweltsuche. Das Kapitel endet mit einer kurzen Reflexion zu Innovationsprojekten und deren Bedeutung für den Arbeitsalltag.

Für die europäische Wasserrahmenrichtlinie werden über die Berichtsplattform WasserBLIcK wasserbezogene Meldedaten verschiedener Verwaltungsebenen gesammelt und an die Europäische Umweltagentur gemeldet. Worin bestehen die Herausforderungen bei der Berichterstattung auf nationaler Ebene? Wie kann ein effizienter Datenfluss organisiert werden, der die Daten von der Entstehung bis zur endgültigen Verwendung in Produkten weitergibt? Die IT-Lösung, die Meilensteine der Entwicklung des wasserbezogenen Daten- und Informationsmanagements im Internet zusammen mit Integrationsmöglichkeiten neuer Technologien und Datenquellen in das bestehende System werden ebenso vorgestellt wie Produkthighlights, die zur Nachnutzung anregen sollen.

Das Naturschutzzentrum Karlsruhe-Rappenwört bietet Besuchenden der Karlsruher Auen beispielsweise durch Ausstellungen, Veranstaltungen und Führungen die Möglichkeit, tiefergreifende Informationen zu Flora und Fauna der Karlsruher Auen zu erlangen. Jedoch ist der Erhalt dieser Informationen an die Öffnungszeiten des Naturschutzzentrums gebunden. Aus diesem Grund wurde ein Chatbot implementiert, dessen Fokus auf organisatorischen Inhalten zum Naturschutzzentrum selbst sowie Fachinformationen zu den Karlsruher Auen liegt. Diese Veröffentlichung zeigt ebenfalls, wie Interessierte auf den Prototypen in einer ersten Evaluation reagiert haben.

Moderne Technologien wie Augmented Reality gewinnen auch im Umweltbildungskontext zunehmend an Bedeutung. Ein Beispiel hierfür ist die erweiterte Anzeige von Umweltdaten in der Realität. Oftmals werden diese in einem spielerischen Kontext eingebunden. Gamification kann hierbei die Begeisterung für Zusammenhänge der Umwelt steigern. In diesem Beitrag wird ein Gamification-Konzept für eine Mobile AR-Anwendung am Beispiel des Auenerlebnispfades Karlsruhe-Rappenwört vorgestellt.