Mentoren: Konrad Fröhlich Weingärtner , Dr. Falk Würriehausen 

Künstliche Intelligenz (KI) und insbesondere Large Language Models (LLMs) ermöglichen neue Formen der Interaktion mit Daten und digitalen Diensten. Statt komplexer Suchmasken oder technischer Schnittstellen können Nutzerinnen und Nutzer Informationen einfach in natürlicher Sprache abfragen. KI-gestützte Chatbots eröffnen damit neue Möglichkeiten, Datenbestände, Dienste und Wissen intuitiv zugänglich zu machen.

Entwickelt einen KI-gestützten Chatbot, der Nutzerinnen und Nutzern den Zugang zu Geodaten, Geodiensten und Geoinformationen erleichtert. Der Chatbot soll natürliche Sprache verstehen und Informationen aus dem Geodatenkatalog der GDI-DE sowie weiteren offenen Datenquellen intelligent erschließen und verständlich aufbereiten.

Im Fokus stehen die Themen Tourismus, Verkehr und Nachhaltigkeit. Ziel ist es, relevante Geodaten und Geodienste einfach auffindbar zu machen und komplexe technische Schnittstellen durch eine intuitive Chat-Oberfläche zu ersetzen.

Die Lösung soll beispielsweise Fragen beantworten können wie:

Die Teilnehmenden können unterschiedliche Lösungsansätze verfolgen, von einfachen Such- und Assistenzfunktionen bis hin zu intelligenten Geo-Assistenten mit Kartenvisualisierung, Routing-Funktionen und der Integration weiterer Datenquellen.

Zielgruppe

  • Studierende der Informatik, Geoinformatik und Data Science
  • GIS- und Softwareentwickler
  • Open-Data- und GovTech-Enthusiast
  • KI-Interessierte
  • Fachanwender aus Verwaltung, Tourismus, Mobilität und Stadtplanung

Herausforderung

Geodaten und Geodienste sind in vielen unterschiedlichen Systemen verfügbar und häufig nur über komplexe Suchoberflächen oder technische Schnittstellen zugänglich. Der Geodatenkatalog der GDI-DE enthält umfangreiche Metadaten zu Datensätzen und Geodiensten, deren Potenzial oft nicht vollständig ausgeschöpft wird.

Die Herausforderung besteht darin, einen KI-gestützten Chatbot zu entwickeln, der:

  • natürliche Sprache versteht,
  • Nutzeranfragen intelligent interpretiert,
  • relevante Geodaten und Geodienste findet,
  • Ergebnisse verständlich aufbereitet,
  • verschiedene Datenquellen und Geo-APIs miteinander verbindet,
  • Karten, Suchergebnisse und Analysen benutzerfreundlich visualisiert.

Bedarf

Verwaltungen, Unternehmen, Wissenschaft und Bürger benötigen einen einfachen Zugang zu Geodaten und Geoinformationen. Obwohl zahlreiche offene Geodaten verfügbar sind, erfordert deren Nutzung häufig Fachwissen über Datenformate, Geodienste und technische Schnittstellen.

Gesucht werden Lösungen, die:

  • die Nutzung offener Geodaten erleichtern,
  • Geodatenkataloge verständlicher machen,
  • den Zugang zu Geodiensten vereinfachen,
  • Fachwissen über Geodatenstandards abstrahieren,
  • neue Nutzungsmöglichkeiten für offene Geodaten schaffen.

Mehrwert

Die entwickelten Lösungen können:

  • den Zugang zu Geodaten und Geoinformationen vereinfachen,
  • die Nutzung offener Daten fördern,
  • die Auffindbarkeit von Geodiensten verbessern,
  • Verwaltungsprozesse unterstützen,
  • datenbasierte Entscheidungen erleichtern,
  • das Potenzial von KI im Geodatenbereich demonstrieren.

Technische Aspekte

  • Datenquellen: 
    • Geodatenkatalog der GDI-DE
    • Geoportal Deutschland
    • Weitere Open-Data-Portale
    • OGC-konforme Geodienste (WMS, WFS, OGC API)
    • OpenStreetMap (optional)
    • OpenRouteService (optional)
  • Technische Lösungen:
    • Nutzung der OpenAI API zur Anbindung eines Large Language Models
    • Einsatz eines KI-Modells wie GPT-4.1 mini oder GPT-4o mini für die Verarbeitung natürlicher Sprache, Dialogführung und Tool-Aufrufe
    • Entwicklung der Benutzeroberfläche mit Streamlit (eine Vorlage wird bereitgestellt)
    • Nutzung von Jupyter Notebook als Tutorial- und Entwicklungsumgebung
    • CSW-Abfragen an den Geodatenkatalog der GDI-DE
    • Kartenvisualisierung, z. B. mit Folium
    • Integration externer Geo-APIs und Geodienste
    • Routingdienste, z. B. OpenRouteService (optional)
  • Diese Challenge setzt grundlegendes technisches Verständnis im Umgang mit KI-Frameworks und Large Language Models (LLMs) sowie mit Geodaten, Metadaten und Geo-APIs voraus. Kenntnisse in Python, Jupyter Notebook, Streamlit, Web-APIs, Geodatenstandards (OGC) sowie modernen KI-Frameworks und der OpenAI API sind hilfreich.

Tutorials


Daten und Datenquellen