Eine Punktwolke bildet die Realität in hoher Detailtreue ab – für einen Vermessungsplan werden jedoch keine Millionen einzelner Punkte benötigt, sondern klar definierte geometrische Elemente. Ein Straßenrand soll als Linie vorliegen. Eine Leitplanke soll als zusammenhängendes Objekt erfasst sein. Eine Böschung benötigt eine obere und untere Begrenzung. Bodenmarkierungen müssen als Linien oder Flächen verfügbar sein.

Genau diese Transformation übernimmt unsere KI: Sie analysiert die dreidimensionale Geometrie, klassifiziert relevante Strukturen und erzeugt daraus zusammenhängende, vermessungstechnisch nutzbare Geometrien. Der manuelle Aufwand für Digitalisierung, Nachzeichnung und Strukturierung wird damit erheblich reduziert.

Nicht jedes Objekt besitzt in einer Punktwolke dieselben geometrischen Eigenschaften. Eine Leitplanke unterscheidet sich grundlegend von einer Fahrbahnmarkierung oder einer Böschung. Unsere Lösung kombiniert deshalb Machine Learning, 3D-Geometrieanalyse und regelbasierte Nachbearbeitung – je nach Objektklasse werden unterschiedliche Merkmale wie Höhenunterschiede, lokale Neigungen, Normalenvektoren und räumliche Kontinuität ausgewertet.

Sind Intensitätswerte aus dem LiDAR-System oder geeignete Bilddaten verfügbar, können auch Fahrbahnmarkierungen automatisiert erkannt werden. Geometrie und Reflexions- beziehungsweise Bildinformation werden dabei kombiniert, um zuverlässige Erkennungsergebnisse zu erzielen. Das Resultat sind CAD-fähige Linien oder Flächen mit definierter Objektklasse, die unmittelbar in bestehende Planungs- und GIS-Prozesse integriert werden können.

Böschungen können erhebliche manuelle Auswertungsarbeit verursachen. Unsere Lösung analysiert lokale Höhenänderungen, Neigungen, Normalenvektoren und die dreidimensionale Geländeform. Aus den erkannten Bereichen werden kontinuierliche Linienzüge erzeugt – präzise und ohne aufwendiges manuelles Nachzeichnen.

Vertikale und lineare Strukturen weisen charakteristische geometrische Eigenschaften auf, anhand derer sie zuverlässig aus der Punktwolke heraus klassifiziert werden können. Die benötigten Objektklassen werden vor Projektbeginn festgelegt und können projektbezogen erweitert werden – damit ist die Lösung an individuelle Infrastrukturanforderungen anpassbar.

Die Eingangsdaten werden analysiert und für die automatisierte Verarbeitung strukturiert. Große Straßenkorridore werden automatisch in verarbeitbare Bereiche unterteilt, sodass auch umfangreiche Messkampagnen effizient prozessiert werden können. Erst eine sorgfältige Datenprüfung gewährleistet zuverlässige Ergebnisse in den nachfolgenden Verarbeitungsschritten.

Aus der erkannten Punktgruppe wird jene Geometrie extrahiert, die vermessungstechnisch tatsächlich relevant ist. Dieser Schritt transformiert die rohe Punktmenge in definierte, metrisch verwertbare geometrische Primitive – je nach Objektklasse unterschiedlich:

Einzelne Punktgruppen oder Liniensegmente müssen zu konsistenten Linienzügen verbunden werden. Das System berücksichtigt dabei Richtung, Abstand, Krümmung und geometrische Plausibilität. Anschließend werden überflüssige Punkte reduziert und die Geometrien für CAD und GIS optimiert.

Die erzeugten Objekte werden klassifiziert, mit Attributen versehen und in das gewünschte Ausgabeformat exportiert. So entsteht aus einer unstrukturierten Punktwolke ein vollständig strukturierter digitaler Straßenbestand – direkt nutzbar in CAD, GIS und Asset-Management-Systemen.

Bei langen Straßenabschnitten ist nicht nur wichtig, welches Objekt erkannt wurde, sondern auch wo entlang der Strecke es liegt. Unsere Verarbeitung kann erkannte Linien deshalb automatisch in definierte Streckenabschnitte unterteilen – mit frei wählbarer Segmentlänge von 10, 12,5, 25 Metern oder projektspezifisch. Jedes Segment erhält eine eigene ID und Attribute für GIS, Inventarisierung und Asset Management.

Reale Straßennetze sind komplex. Kreuzungen, Einfahrten, Seitenstraßen, Verkehrsinseln oder dicht nebeneinanderliegende Objekte können zu Mehrdeutigkeiten führen. Unsere Verarbeitung betrachtet deshalb nicht ausschließlich einzelne Punkte – die KI berücksichtigt immer auch den räumlichen Kontext.

Unser Ziel ist nicht, den Vermesser zu ersetzen. Die KI übernimmt vor allem repetitive und zeitintensive Digitalisierungsarbeit. Die fachliche Kontrolle bleibt integraler Bestandteil des Prozesses. Damit übernimmt die KI einen großen Teil der manuellen Arbeit, während die vermessungstechnische Verantwortung erhalten bleibt.

Die erzeugten Geometrien werden in jenen Formaten bereitgestellt, die in bestehenden Vermessungs-, CAD- und GIS-Workflows tatsächlich eingesetzt werden. Layerstruktur, Attributschema und Datenorganisation können an kundeneigene Standards angepasst werden.

2D- oder 3D-Polylinien mit definierter Layerstruktur für den Einsatz in AutoCAD, BricsCAD und anderen CAD-Systemen. Layernamen und Datenstruktur können vollständig an bestehende CAD-Standards des Kunden angepasst werden.

GIS-fähige Ausgabe für den direkten Einsatz in bestehenden Geoinformationssystemen und Infrastrukturkataster-Plattformen. Die Geometrien werden mit vollständigem Attributschema geliefert – bereit für die Übernahme in operative GIS-Workflows.

Unsere Lösung ersetzt vorhandene Vermessungs- oder CAD-Systeme nicht. Sie automatisiert gezielt den aufwendigen Verarbeitungsschritt zwischen Punktwolke und CAD beziehungsweise GIS. Der Workflow bleibt kompatibel mit bestehenden Werkzeugen und Datenstandards.

Der wirtschaftliche Vorteil der Automatisierung steigt mit der Datenmenge. Einige hundert Meter Straße können noch manuell ausgewertet werden – bei 20, 50 oder 150 Kilometern wird die manuelle Digitalisierung zum Engpass. Unsere Verarbeitung ist deshalb von Grund auf für große Datenmengen ausgelegt.

Die Lösung deckt das gesamte Spektrum von der einmaligen Bestandsvermessung bis zum kontinuierlichen Infrastrukturmanagement ab. Jede Anwendung profitiert von demselben automatisierten Verarbeitungskern – angepasst an die jeweiligen Anforderungen.

Unsere Lösung wird standardmäßig als Cloud-Service bereitgestellt. Dadurch können auch große Punktwolken verarbeitet werden, ohne dass beim Kunden zusätzliche GPU- oder KI-Infrastruktur aufgebaut werden muss. Neue Messkampagnen können automatisiert hochgeladen, verarbeitet und als fertiges Ergebnis bereitgestellt werden.

Für Projekte mit besonders hohen Anforderungen an Datenschutz, Informationssicherheit oder Datenhoheit kann die gesamte Verarbeitung auch vollständig On-Premise innerhalb der Infrastruktur des Kunden betrieben werden.

Punktwolken können hochdetaillierte Informationen über Straßen, Bauwerke und kritische Infrastruktur enthalten. Der kontrollierte Umgang mit diesen Daten ist deshalb integraler Bestandteil unserer Lösung – nicht eine nachgelagerte Ergänzung.

Kundendaten werden ausschließlich für die vereinbarte Verarbeitung verwendet. Eine Verwendung zur Weiterentwicklung oder zum Training von KI-Modellen erfolgt nicht ohne ausdrückliche Freigabe des Kunden. Damit behält der Kunde die vollständige Kontrolle darüber, wie seine Daten verwendet werden.

Je nach Projekt können alle wesentlichen Verarbeitungsschritte dokumentiert werden. Damit bleibt nachvollziehbar, welche Daten mit welcher Verarbeitung zu welchem Ergebnis geführt haben – eine wichtige Anforderung für Qualitätssicherung, Auditierbarkeit und langfristige Datenqualität.

Je nach Kundenumgebung unterstützen wir unterschiedliche Sicherheits- und Integrationsanforderungen. Die technische Architektur wird an die Sicherheitsvorgaben des Projekts angepasst – nicht umgekehrt.

LiDAR und Mobile Mapping erzeugen heute hochwertige 3D-Daten in immer größerem Umfang. Der Engpass liegt zunehmend nicht mehr in der Datenerfassung, sondern in der Auswertung. Unsere KI automatisiert genau diesen Schritt.