KI erkennt zerstörte Häuser nach Katastrophen

Forscher der Stanford University und der California Polytechnic State University (Cal Poly) haben mit “DamageMap” ein Bildauswertesystem entwickelt, das auf der Basis von Künstlicher Intelligenz (KI) und nach einem ausgiebigen Lerntraining anhand von Luftaufnahmen eine Schadensbeurteilung von Gebäuden nach Naturkatastrophen abgeben kann.

“Wir wollten den Begutachtungsprozess automatisieren und ihn für Ersthelfer und Bürger, die wissen möchten, was mit ihrem Haus bei einem Waldbrand passiert ist, viel schneller machen”, sagt Marios Galanis, Entwickler der Stanford University. DamageMap sei nicht dazu gedacht, die Schadensklassifizierung durch Gutachter zu ersetzen. Die Software sei als ergänzendes Werkzeug gedacht, das eine hochwertige Vorauswahl treffen kann. Die Forscher haben es mit einer Vielzahl von Satelliten-, Luft- und Drohnenaufnahmen getestet. Die Trefferquote lag bei 92 Prozent.

“Mit dieser Software können Sie die ganze Stadt Paradise in wenigen Stunden scannen”, so G. Andrew Fricker, Assistenzprofessor an der Cal Poly. Diese nordkalifornische Stadt wurde 2018 durch einen gewaltigen Waldbrand zu großen Teilen zerstört. “Ich hoffe, dass DamageMap wertvolle Informationen für die Entscheidungsprozesse der Feuerwehrleute und Notfallhelfer bereitstellen kann”, so Fricker. Das Programm könne auch Geschädigten helfen, Versicherungsansprüche geltend zu machen und ihr Leben wieder auf Kurs zu bringen.

Beliebige Aufnahmen reichen

Anstatt nach Unterschieden zwischen Vorher-Nachher-Bildern zu suchen, verwendet DamageMap Fotos aller Art, die vor dem Brand entstanden sind, um das Gebiet zu kartieren und Gebäude-Standorte zu lokalisieren. Dann analysiert das Programm die Bilder nach einem Waldbrand, um Schäden durch Merkmale wie geschwärzte Oberflächen, zerstörte Dächer oder das Fehlen von Strukturen zu identifizieren. “Menschen können schnell erkennen, ob ein Gebäude beschädigt ist oder nicht, ohne es mit einem Bild vergleichen zu müssen, das vor dem Feuer entstanden ist”, weiß Krishna Rao von der Stanford University. “Das haben wir dem Programm mithilfe von maschinellem Lernen beigebracht.”

www.pressetext.com