Fernerkundung und Geodaten

Was macht ein Spezialist für Fernerkundung und Geodaten?

Du wertest Bilder aus, die aus großer Entfernung entstehen: Satellitenaufnahmen, Befliegungen aus dem Flugzeug, Drohnenbilder von einem einzelnen Feld. Daraus entstehen Antworten auf Flächenfragen – wie viel Fläche wird wie genutzt, wie steht die Vegetation, wo ist ein Gebäude entstanden, wie weit reichte die Überschwemmung, wie hat sich ein Waldstück über zehn Jahre verändert.

Die Erkennungsverfahren ähneln denen der allgemeinen Bildverarbeitung, die Randbedingungen aber nicht. Der erste Unterschied ist der Maßstab. Ein Bildpunkt entspricht je nach Quelle wenigen Zentimetern oder mehreren Metern, und davon hängt ab, welche Frage überhaupt beantwortbar ist. Ein einzelnes Fahrzeug ist in der einen Auflösung sichtbar und in der anderen nicht vorhanden.

Der zweite ist die Georeferenzierung. Jeder Bildpunkt hat eine Position auf der Erde, und die muss stimmen. Damit kommen Projektionen, Koordinatensysteme und Geländehöhen ins Spiel – Aufnahmen aus schrägem Blickwinkel verschieben sich über Hügeln, und wer zwei Datensätze in unterschiedlichen Systemen übereinanderlegt, bekommt Ergebnisse, die plausibel aussehen und um mehrere Meter danebenliegen.

Der dritte sind Wolken. Optische Satellitenbilder sind oft teilweise verdeckt, dazu kommen Schatten, Dunst und wechselnde Sonnenstände. Ein Vergleich zweier Zeitpunkte muss deshalb zwischen echter Veränderung und unterschiedlicher Aufnahmesituation trennen – die häufigste Fehlerquelle in diesem Feld. Radardaten helfen, weil sie durch Wolken hindurchsehen, verlangen aber eine ganz eigene Auswertung.

Der vierte ist die Verknüpfung mit Kartendaten. Erkannte Flächen werden erst nützlich, wenn sie mit Feldgrenzen, Flurstücken, Straßennetzen oder Gebäudebeständen zusammengeführt werden. Ein großer Teil der Arbeit passiert deshalb nicht im Bild, sondern zwischen Bild und Karte.

Vom Computer Vision Engineer unterscheidet dich genau dieser Zuschnitt: Der arbeitet an Bildern aus Kameras in Produkten und Anlagen, meist ohne Ortsbezug. Bei dir ist der Ortsbezug der Kern, die Aufnahme kommt aus einer Quelle, die du nicht beeinflussen kannst, und die Auswertung endet in einer Karte statt in einer Klassifikation.

Was du im Praktikum machst

Ein typischer Auftrag ist eine Erkennungsaufgabe auf einem abgegrenzten Gebiet: Flächennutzung klassifizieren, Solaranlagen auf Dächern zählen, versiegelte Flächen abgrenzen, Vegetationszustand über eine Saison verfolgen. Dazu gehört immer die Aufbereitung – Kacheln zuschneiden, Wolken maskieren, Aufnahmen verschiedener Zeitpunkte aufeinander ausrichten.

Häufig kommt ein Vergleich mit Referenzdaten dazu: Was sagt die Auswertung, und was steht im amtlichen Bestand oder in einer Begehung vor Ort? Aus den Abweichungen lernst du mehr über das Verfahren als aus jeder Genauigkeitszahl.

Ein zweiter verbreiteter Auftrag ist Automatisierung: eine Auswertung, die bisher von Hand lief, als wiederholbaren Ablauf bauen, damit sie bei jeder neuen Aufnahme erneut durchläuft.

Was du mitbringen solltest

Python und die üblichen Geo-Werkzeuge – QGIS, GDAL, Bibliotheken für Rasterdaten – oder die Bereitschaft, dich zügig einzuarbeiten. Grundverständnis für Koordinatensysteme ist wichtiger als jede Modellkenntnis, weil Fehler an dieser Stelle unauffällig bleiben und alles Weitere entwerten.

Dazu Ausdauer: Die Datenmengen sind groß, eine Auswertung läuft schon einmal über Nacht, und ein Gebietsausschnitt ist schnell mehrere Gigabyte schwer.

Nützlich ist Interesse an der Fachfrage dahinter. Ob eine Fläche als Grünland zählt, ob ein Schaden nach einem Unwetter versicherungsrelevant ist, ob ein Baumbestand geschädigt ist – das entscheidet nicht das Modell, sondern eine Fachdefinition, die du verstehen musst.

Was du verdienst

Praktika liegen bei rund 1.650 Euro brutto im Monat. Der Einstieg bewegt sich um 4.600 Euro, mit zwei bis drei Jahren Erfahrung zwischen 5.300 und 6.500 Euro. Das sind Erfahrungswerte und keine Zusagen.

Die Spanne hängt stark am Arbeitgebertyp: In der Versicherungswirtschaft und bei Anbietern von Agrarsoftware liegt die Vergütung meist höher als an Forschungseinrichtungen, wo dafür oft eine Promotion und eine stärkere fachliche Vertiefung möglich sind.

Wie es weitergeht

Ein Weg führt tiefer in eine Datenart – Radar- oder Hyperspektraldaten sind eigene Fachgebiete mit wenigen Fachleuten. Ein anderer führt in die Geodaten-Architektur, wo entschieden wird, wie Bilder, Karten und Fachdaten überhaupt zusammenkommen. Und weil viele Fragen des Feldes offen sind, ist die Promotion hier ein üblicher Schritt.