KI-basierte Fernerkundung nutzt künstliche Intelligenz (KI) und maschinelles Lernen zur Analyse und Interpretation von Daten, die durch Fernerkundungstechnologien erfasst werden. Konkret werden Satelliten-, Befliegungs- oder Drohnenbilder verschiedener Spektralsignaturen eingesetzt, um Muster in komplexen Daten zu erkennen und zu klassifizieren, wie bspw. verschiedene Landnutzungsklassen, Vegetationstypen oder andere Oberflächenmerkmale.
Klassifikation und Verortung von Logistikimmobilien, Brownfieldflächen, Gleisanschlüssen und Mehr
Durch den Einsatz der KI-basierten Fernerkundung können auch logistikrelevante Objekte wie u.a. Logistikimmobilien, Gleisanschlüsse, Brownfieldflächen, Photovoltaikflächen identifiziert und lokalisiert werden:
So wurden für die Verortung von Logistikimmobilien in Deutschland zur Eingrenzung des Untersuchungsgebiets sämtliche amtliche Gebäudeumrisse in gewerblicher Bodennutzung herangezogen. Im nächsten Schritt wurden diese Gebäudeumrisse inkl. einer sie umgebenden Pufferfläche aus Satellitendaten extrahiert und dienten als Datenbasis für ein künstliches neuronales Netz, das anhand von mehreren Tausend manuell geprüften Einzelfällen auf die Klassifizierung von Logistikimmobilien trainiert wurde. Die hohe Ergebnisqualität wurde durch den Einsatz erklärbarer KI erreicht, die den Forschenden aufzeigt, welche Bildbestandteile zur Klassifikationsentscheidung beigetragen haben.
Interpretation der KI in der Positivklasse
Interpretation der KI in der Gegenklasse
Bildquelle: Fraunhofer IIS / GeoBasis-DE / BKG
Flächendeckender Logistikimmobilienbestand auf digitaler Landkarte
Abbildung: KI-basierte Klassifikation und Verortung von Logistikimmobilien in Deutschland, 2024
Dank dieses hoch automatisierten Ansatzes konnten die Wissenschaftler des Fraunhofer IIS die flächendeckende Erhebung des Logistikimmobilienmarkts in Deutschland für alle Logistikimmobilien ab einer Größe von 2.000 m² verfügbar machen. Der über viele Jahre zuvor über Desk Research Methoden erhobene Datenbestand konnte so von rund 11.000 auf etwa 16.000 Einzelobjekte verbessert werden.
Alle erhobenen Logistikimmobilien sind mit Adresse, Gebäudefläche und weiteren Attributen, wie Altersklasse und Nutzerinformationen im Logistikatlas der L.Immo-Online verortet. Hierfür werden die Geodaten der Logistikimmobilien mit weiteren Informationen u.a. aus öffentlich zugänglichen Kartendiensten, dem Handelsregister, Artikeln und Mitteilungen der Tages- und Fachpresse sowie Experteneinschätzungen verknüpft. Der Zugang zu diesem erweiterten Datensatz ist über einen Analyst-Account auch für die Nutzer der Plattform möglich.
Neutrale, wissenschaftliche Standortbewertung auf Bundes-, Regional-, und Objektebene
Die nunmehr flächendeckende Datenbasis ist in Deutschland einzigartig und eignet sich sehr gut zur detaillierten Analyse der Entwicklung und der Struktur des Logistikimmobilienmarktes in Deutschland. Im Bottom Up Verfahren kann von der Einzelobjekt-, über die Regionalebene bis hin zur Bundesebene eine neutrale strukturelle Bewertung erfolgen.
Definition von Logistikregionen auf Bundesebene
Dort, wo sowohl die Logistikattraktivität, als auch die Logistikintensität überdurchschnittlich stark ausgeprägt sind, kann objektiv von einer Logistikregion gesprochen werden. Aus diesen beiden Betrachtungsperspektiven ergibt sich ein sehr genaues und neutrales Bild der aktuellen geographischen Logistiksituation in Deutschland.
Die Ermittlung der tatsächlichen Relevanz einer Logistikregion basiert auf drei Indizes:
1. Der Attraktivitätsindex
Der Attraktivitätsindex misst die Rahmenbedingungen bzw. das Standortangebot für Logistikansiedlungen. Um die Frage zu beantworten, wie attraktiv eine Region bzw. das regionalökonomische Umfeld verschiedener Standorte für Logistikansiedlungen ist, werden zahlreiche Daten zu demographischen, wirtschaftlichen und infrastrukturellen Faktoren flächendeckend auf Ebene der deutschen Landkreise und kreisfreien Städte erhoben und ausgewertet. Soweit möglich wird dabei auf öffentlich verfügbare Statistiken oder andere bereits existierende Datenquellen zurückgegriffen.
2. Der Intensitätsindex
Der Intensitätsindex gibt auf der feineren Ebene der Postleitzahlgebiete Auskunft darüber, welche Standorte die höchste Logistikkonzentration aufweisen. Als maßgebliche Informationsquelle dient die KI-generierte Logistikimmobiliendatenbasis des Fraunhofer IIS.
3. Der Potentialindex
Der Potentialindex wirft einen Blick in die nahe Zukunft und dient der Abschätzung des zukünftigen Entwicklungspotentials der Logistikregionen. Hierfür wurden messbare Kriterien auf Ebene der Landkreise und kreisfreien Städte identifiziert, die eine Ableitung der Entwicklung wichtiger Regionalfaktoren für die mittelfristige Zukunft ermöglichen. Dieser Index zeigt somit die regionale Verteilung der zu erwartenden Logistikflächenentwicklungen in Deutschland innerhalb der nächsten drei bis fünf Jahre auf.
V. 2.3
