KI erfasst Schäden nach einem Tornado-Event

Maria Koliou und ihr Doktorand Abdullah Braik nutzten drei Werkzeuge, um ihre Ziele zu erreichen: Fernerkundung, Deep Learning und Wiederherstellungsmodellierung. Die Fernerkundung nutzt hochauflösende Satelliten- und Luftbilder, um das Ausmass der Schäden über grosse Gebiete hinweg darzustellen. "Diese Bilder sind entscheidend, da sie einen makroskopischen Überblick über das betroffene Gebiet bieten und so eine schnelle, grossflächige Schadenserkennung ermöglichen", so Braik.

Deep Learning analysierte diese Bilder, um das Ausmass der Schäden präzise zu bestimmen. Die Künstliche Intelligenz (KI) haben die Forscher mit tausenden Bildern von früheren Katastrophen trainiert, die mit den Schäden korreliert wurden, die mit herkömmlichen Techniken erfasst worden waren. Die KI erkennt daraufhin sichtbare Anzeichen von Schäden wie eingestürzte Dächer, fehlende Wände und verstreute Trümmer. Anschliessend klassifiziert das Modell jedes Gebäude in Kategorien wie "kein Schaden", "mässiger Schaden", "schwerer Schaden" oder "zerstört".

Die Wiederherstellungsmodellierung verwendet Daten aus der Vergangenheit, Gebäude- und Infrastrukturdetails, um abzuschätzen, wie lange die Wiederherstellung von Häusern und Stadtteilen unter unterschiedlichen Finanzierungs- oder politischen Bedingungen dauern wird und welche Massnahmen ergriffen werden müssen. Durch die Kombination dieser drei Instrumente kann das Modell die Schäden schnell bewerten und die Zeit vorhersagen, die es dauert, diese zu beheben.

"Letztendlich schliesst diese Forschung die Lücke zwischen schneller Katastrophenbewertung und strategischer langfristiger Wiederherstellungsplanung und bietet einen risikoinformierten und dennoch praktischen Rahmen zur Verbesserung der Widerstandsfähigkeit nach einer Naturkatastrophe", so Braik. Die Technologie habe das Potenzial, die Reaktion von Notfallhelfern, Versicherern und politischen Entscheidungsträgern nach einem Sturm zu verändern. (pressetext.com)