@masterthesis{Gooren, type = {Bachelor Thesis}, author = {Gooren, Lutz}, title = {K{\"u}nstliche Intelligenz in einer Geodateninfrastruktur}, url = {http://nbn-resolving.de/urn:nbn:de:hbz:1383-opus4-17005}, school = {Hochschule Rhein-Waal}, pages = {63}, abstract = {K{\"u}nstliche Intelligenz in Form von neuronalen Netzen wird in der {\"o}ffentlichen Verwaltung bislang wenig eingesetzt. Im Zuge der Digitalisierung im Bereich der {\"o}ffentlichen Verwaltung m{\"u}ssen bestehende Datens{\"a}tze, welche nicht- oder schwer maschinenlesbar sind, {\"u}ber offene Schnittstellen und Datenstandards bereitgestellt werden. Sch{\"a}tzungsweise 80 \% der erfassten Daten sind in der {\"o}ffentlichen Verwaltung nicht- oder schwer maschinenlesbar. In dieser Arbeit soll gepr{\"u}ft werden, ob ein k{\"u}nstliches neuronales Netz, welches auf der ImageNet Datenbank basiert und durch weitere Beispiele trainiert worden ist, bestehende (nicht-maschinenlesbare) Datens{\"a}tze in Tabellenform aus dem Bereich der Geoinformatik erkennen und in einer passenden Datei mit offenem Datenstandard (teil-)automatisiert speichern kann, um diese f{\"u}r den Einsatz in einer offenen urbanen Datenplattform vorzubereiten. Zudem werden Optimierungsvorschl{\"a}ge f{\"u}r eine Verbesserung des neuronalen Netzes genannt und umgesetzt. Im Laufe der Arbeit ergibt sich, dass das trainierte Modell f{\"u}r den praktischen Einsatz nicht ausreichend genau funktioniert, aber eine gute Basis f{\"u}r weitere Optimierungen liefert, etwa durch eine Vergr{\"o}ßerung des Trainingsdatensatzes, welche die Anforderung einer Steigerung der Rechenleistung voraussetzt.}, language = {de} }