Gewinne:
- Fähigkeit zur Verwendung von KI bei der Code- und Workflow-Generierung für die räumliche Datenverarbeitung mit QGIS und Python (Bibliotheken wie GeoPandas)
- Möglichkeit, den von KI erzeugten räumlichen Code anhand kleiner Stichprobendaten zu testen und ihn anhand von Koordinatensystem- und Geometriefehlern zu überprüfen
- Fähigkeit, die Vertraulichkeit von Daten und die Notwendigkeit zu verstehen, das von der KI generierte Skript zu überprüfen, bevor es mit echten Projektdaten ausgeführt wird.
Sich wiederholende räumliche Aufgaben in einer Planungseinheit (Ebenen zuschneiden, Puffer zeichnen, Flächen berechnen, Tabellen kombinieren) nehmen Stunden in Anspruch und führen bei manueller Ausführung zu Fehlern. Es gibt zwei leistungsstarke, kostenlose und Open-Source-Tools, die diese Aufgaben automatisieren: QGIS (eine Desktop-GIS-Software) und Python (eine Programmiersprache mit Bibliotheken für Geodaten wie GeoPandas, Shapely, Rasterio). KI ist unglaublich schnell bei der Generierung von Code und Arbeitsabläufen für diese Tools: Sie entwirft ein funktionierendes Skript aus einer Ein-Satz-Anfrage. Aber KI schreibt Code mit Annahmen, die man nicht sehen kann – falsches Koordinatensystem, falsche Einheit, eine Operation, die stillschweigend Elemente löscht. Aus diesem Grund muss jeder von KI erzeugte räumliche Code gelesen und an einer kleinen Stichprobe getestet werden, bevor er mit echten Projektdaten ausgeführt wird. In dieser Einheit lernen Sie sichere räumliche Automatisierung mit KI, auch wenn Sie nicht wissen, wie man programmiert.
Warum QGIS und Python
Mit QGIS können Sie per Klick analysieren. Es ist leicht zu erlernen und beinhaltet eine Python-Konsole. Mit Python hingegen können Sie sich wiederholende Aufgaben einmal schreiben und in Hunderten von Dateien ausführen. GeoPandas ist die praktischste Bibliothek für Planer, die tabellarische Daten (Pandas) mit Geographie kombiniert: liest Ebenen, filtert, zeichnet Puffer und berechnet Flächen mit einer Codezeile. KI schreibt GeoPandas-Code sehr gut; Aber Code, der gut aussieht, ist nicht immer der richtige Code.
Achtung: Ein von einer KI geschriebenes Skript kann fehlerfrei laufen und dennoch völlig falsche Ergebnisse liefern. „Funktioniert“ und „richtig“ sind zwei verschiedene Dinge. Bei der Validierung geht es nicht darum, dass der Code fehlschlägt, sondern darum, dass das Ergebnis mit einer bekannten Referenz übereinstimmt.
Ein weiteres wichtiges Konzept ist die Reproduzierbarkeit: Eine Analyse, die Sie in einer öffentlichen Einrichtung durchführen, sollte Monate später von jemand anderem mit denselben Schritten wiederholt werden können. Aktionen, die durch manuelles Klicken ausgeführt werden, werden nicht gespeichert und können nicht überprüft werden; wohingegen ein Python-Skript sowohl eine Aufzeichnung der Arbeit ist als auch das gleiche Ergebnis reproduziert. Das Speichern des von Ihnen mit KI erstellten Codes zusammen mit seinen Kommentaren stärkt sowohl die Verantwortlichkeit als auch das Unternehmensgedächtnis. Streben Sie also nach „lesbarem, kommentiertem und gespeichertem Code“ und nicht nach „funktionierendem Code“. Eine gute Angewohnheit ist es, am Anfang jedes Skripts einen kurzen Beschreibungsblock einzufügen, in dem angegeben wird, auf welchen Daten es ausgeführt wird, an welchem Datum und zu welchem Zweck.
Goldene Regeln für die Codegenerierung mit KI
- Geben Sie den Kontext an. Dateiformat, CRS, Spaltennamen, was Sie tun möchten.
- Fragen Sie nach Kleinigkeiten. Ein Shortcode, der eine einzelne Aufgabe erledigt, ist sicherer als ein riesiges Skript.
- Bitten Sie um Klarstellung. Geben Sie der KI aus, was jede Codezeile bewirkt. Führen Sie keinen Code aus, den Sie nicht verstehen.
- Testen Sie es an der Probe. Versuchen Sie es zunächst mit Beispieldaten von 10 bis 20 Datensätzen.
- Mit Referenz vergleichen. Vergleichen Sie eine Fläche/Entfernung mit einem bekannten Wert.
- Sichern. Stammdaten niemals überschreiben; Arbeit in Kopie.
Schritt für Schritt: Ein sicheres räumliches Skript mit KI
- Klären Sie die Aufgabe. „Wählen Sie Grünflächen aus der Flurstücksebene aus, berechnen Sie deren Flächen, schreiben Sie die Fläche über 5000 m² in eine separate Datei.“
- Identifizieren Sie die Daten. Format (GeoPackage/Shapefile), CRS, relevanter Spaltenname.
- Geben Sie den Code und die Beschreibung an die KI aus. Kommentieren Sie Zeile für Zeile.
- Lassen Sie CRS und Gerätesteuerung durchführen. Fläche in m² oder Schicht in metrischem CRS?
- Mit Beispieldaten ausführen. Überprüfen Sie das Ergebnis visuell.
- Überprüfen Sie dies anhand einer Referenz. Vergleichen Sie die Fläche eines Grundstücks mit dem Wert seiner Eigentumsurkunde.
- Führen Sie es für die Stammdaten aus und schreiben Sie die Ausgabe in die neue Datei.
Schwache Eingabeaufforderung / Starke Eingabeaufforderung
Schwache Eingabeaufforderung: „Fläche der Parzellen berechnen.“
KI schreibt, ohne das Koordinatensystem, Format und die Spalte zu kennen; Das Feld wird möglicherweise in der falschen Einheit oder im falschen CRS angezeigt.
Starke Aufforderung: „Lesen Sie mit GeoPandas einen GeoPackage-Layer („parcels.gpkg“, ein metrisches nationales System wie CRS: EPSG:5254) und schreiben Sie die Fläche jedes Pakets in m² in eine neue Spalte „area_m2“. Original.
Die zweite Eingabeaufforderung erzeugt überprüfbaren, sicheren Code, da sie CRS, Einheit, sichere Ausgabe und Beschreibung enthält.
Vier kopierbare Vorlagen
Aufgabe: Schreiben Sie einen kurzen Python-Code, der die folgende Aufgabe mit GeoPandas erledigt. Kommentieren Sie jede Zeile auf Türkisch. Aktion: [...]Eingabedatei: [...] (Format, CRS: [...], relevante Spalte: [...])Regel: Originaldatei nicht ändern, Ausgabe in NEUE Datei schreiben. Überprüfen Sie vor der Operation, ob CRS metrisch ist. Wenn nicht, warnen Sie.
Aufgabe: Erklären Sie den folgenden Python/GeoPandas-Code Zeile für Zeile und markieren Sie die RISIKEN: Welche Zeile kann Daten löschen/überschreiben, welcher Vorgang setzt CRS oder Volumen voraus, welcher Schritt wäre bei Big Data langsam. Ändern des Codes; einfach erklären und warnen.Code: [...]
Aufgabe: Schreiben Sie einen kleinen TEST-Plan, bevor Sie diesen Code mit echten Daten ausführen. Mit welchen Beispieldaten, mit welchem erwarteten Ergebnis, mit welchem Referenzwert soll validiert werden? Geben Sie eine Checkliste. Code/Aktion: [...]
Aufgabe: Beschreiben Sie die folgende QGIS-Aktion (Klickschritte) sowohl als QGIS-Menüpfad als auch als entsprechenden Python/GeoPandas-Code. Geben Sie Unterschiede und Points of Interest (CRS, Einheit) an.Prozess: [...]
Eine Tabelle: häufige räumliche Operationen und ihre Fallstricke
Transaktion
Was bedeutet
Falle im KI-Code
Überprüfung
Feldkonto
Findet Polygonbereich
Das Feld ist im geografischen CRS bedeutungslos
Vergleich mit bekanntem Gebiet
Puffer
Region rund um die Grenze
Fehler der Einheit (Grad/Meter).
Metrische CRS + Messung
räumliche Aggregation
Verknüpft Ebenen
Falscher Schlüssel/doppelte Registrierung
Kontrolle der Datensatzanzahl
Clip
Schnitte mit Fläche
Datenverlust außerhalb der Grenzen
Eingabe/Ausgabe vergleichen
Rückprojektion
CRS ersetzt
Falsches Ziel-CRS
Bestätigung des EPSG-Codes
drei Mini-Koffer
Fall 1 – Stilles Überschreiben. Ein Planer führt ein von der KI geschriebenes Skript direkt auf der Basisebene aus. Der Code wendet fälschlicherweise einen Filter an, löscht die Hälfte der Ebene und speichert sie in derselben Datei. Da kein Backup vorhanden ist, gehen tagelange Daten verloren. Lektion: Ausgabe immer in neue Datei, Stammdaten immer redundant.
Fall 2 – Puffer mit falscher Einheit. Ein Team fordert einen Zugangspuffer von 500 Fuß zu den Schulen. KI-Code läuft auf Geo-CRS; Der 500-Grad-Puffer deckt die gesamte Karte ab. Da das Team eine kleine Stichprobe testet, erkennt es den Fehler, bevor er in die Hauptdaten übergeht. Fügt Projektionen zum metrischen CRS hinzu und korrigiert diese. Die Gewohnheit des Testens verhindert eine Katastrophe.
Fall 3 – Erklärendes Lernen. Ein Planer, der keinen Code kennt, erstellt einen Join-Code, indem er jede Zeile von der KI interpretieren lässt. Er sieht in der Beschreibung „Diese Zeile löscht nicht übereinstimmende Datensätze“ und erkennt, dass dadurch einige Parzellen verloren gehen; Es fragt die KI nach einer Version, die auch Nichtübereinstimmungen behält. Das Verständnis des Codes ist Voraussetzung für die sichere Verwendung.
Häufige Fehler
- Läuft direkt auf Stammdaten. Arbeiten Sie immer an der Kopie und schreiben Sie die Ausgabe in die neue Datei.
- „hat funktioniert“ mit „richtig“ verwechseln. Fehlerfreier Code kann zu falschen Ergebnissen führen. Mit Referenz überprüfen.
- CRS und Lautstärke vorausgesetzt. Überprüfen Sie immer das metrische CRS für Flächen- und Distanzoperationen.
- Führen Sie Code aus, den Sie nicht verstehen. Es ist riskant, es auszuführen, ohne nach Erklärungen zu fragen und ohne zu wissen, was die Zeilen bewirken.
- Überspringen Sie den kleinen Test. Die häufigste Fehlerquelle ist die Umstellung auf Big Data, ohne Beispieldaten auszuprobieren.
- Ohne nachzudenken vertrauliche Daten an Cloud-Geräte weitergeben. Geben Sie beim Generieren des Codes keine echten Paket-/Personendaten weiter. Verwenden Sie Stichproben-/anonyme Daten.
Zusammenfassend
QGIS und Python (insbesondere GeoPandas) automatisieren sich wiederholende räumliche Aufgaben bei der Planung; KI generiert schnell Code für diese Tools. Aber KI schreibt Code mit Annahmen, die Sie nicht sehen können: falsches CRS, falsches Volumen, Vorgänge, die Daten stillschweigend löschen. Die sichere Nutzung basiert auf sechs Regeln: Kontext angeben, um eine kleine Erklärung bitten, Klarstellung einholen, anhand eines Beispiels testen, durch Referenz überprüfen, sichern. „Funktioniert“ ist nicht dasselbe wie „richtig“. Auch wenn Sie sich nicht mit Code auskennen, können Sie mit KI eine sichere räumliche Automatisierung durchführen, indem Sie jede Zeile verstehen und keine vertraulichen Daten weitergeben müssen.
Anwendungsaufgabe
Wählen Sie eine sich wiederholende räumliche Aufgabe (z. B. Berechnen von Flächen in einer Ebene und Trennen der Oberkante eines Schwellenwerts). (1) Drucken Sie Code und Zeilenbeschreibung mit der ersten Vorlage an AI. (2) Überprüfen Sie die Risiken des gleichen Codes wie in der zweiten Vorlage und finden Sie mindestens eine Zeile „kann Daten löschen/übernimmt CRS“. (3) Geben Sie einen Testplan mit der dritten Vorlage aus: welche Beispieldaten, welcher Referenzwert. (4) Notieren Sie drei Sicherheitsschritte, die Sie unternehmen werden, bevor Sie den Code mit echten Daten ausführen.
Checkliste
- [ ] Ich habe AI das Format, das CRS und den Spaltenkontext gegeben.
- [ ] Ich habe jede Zeile des Codes erklärt; Ich habe keinen Code ausgeführt, den ich nicht verstand.
- [ ] Ich wollte einen kurzen Einzelfunktionscode.
- [ ] Ich habe es anhand kleiner Stichprobendaten getestet und das Ergebnis visuell überprüft.
- [ ] Ich habe das Ergebnis mit einem bekannten Referenzwert überprüft.
- [ ] Ich habe die Stammdaten gesichert; Ich habe die Ausgabe in die neue Datei geschrieben.
- [ ] Ich habe die tatsächlichen vertraulichen Daten nicht an die Cloud-Appliance weitergegeben; Ich habe anonyme/Beispieldaten verwendet.