Unsere Leistungen
Wir entwickeln sichere KI- und Geodatensysteme für den produktiven Einsatz – von der Forschung bis zur Implementierung.
KI & Automatisierung
Wir liefern strategische KI-Implementierung und Automatisierung für Geo- und Unternehmensworkflows.
KI-Beratung
Strategische KI-Entscheidungen kommen nach wie vor aus Präsentationsfolien statt aus belastbarer Evidenz. Wir unterstützen Engineering-, Daten- und Operations-Teams dabei, das Wesentliche herauszufiltern und KI-Optionen anhand der eigenen Daten und Rahmenbedingungen zu validieren. Das umfasst moderne Sprachmodelle, agentische Systeme, Computer Vision und die Risikoklassifizierung nach dem EU-AI-Act und schließt sachliche Vergleiche zwischen proprietären Diensten und Open-Source-Alternativen mit ein. Wo Datenhoheit entscheidend ist, deployen wir Open-Source-Modelle direkt in Ihre Infrastruktur, damit Sie die volle Kontrolle über Ihre Daten behalten. Wir arbeiten nach Eric Ries' Lean-Startup-Ansatz – build, measure, learn –, sodass Investitionen entlang belegter Ergebnisse skalieren statt entlang von Versprechen.
Entwicklung von KI-Tools
Wir entwickeln Computer-Vision-Systeme für Satelliten-, Luft- und bodengestützte Bilddaten, die Segmentierung, Objekterkennung, Klassifizierung und geometrische Nachbearbeitung umfassen. Zu unseren Referenzprojekten gehört ein End-to-End-CNN-Tool zur Segmentierung von Baugräben mit nachgelagerter Mittellinienableitung und LightGBM-basiertem Geometrie-Snapping, das für die GEO DATA GmbH entwickelt und in der Produktion auf Microsoft Azure mit dynamisch skalierten NVIDIA-GPU-Clustern eingesetzt wird. Zu unseren früheren Arbeiten gehört ein CNN zur Segmentierung alpiner Landoberflächen mit einer Genauigkeit von über 95 % auf Sentinel-2- und Orthophotodaten, unter Verwendung von ResNet50 und U-Net mit fastai. Unser Stack umfasst PyTorch, fastai, scikit-learn, LightGBM, Geopandas, Rasterio, Shapely, NumPy, Azure Machine Learning und Azure Container Apps.
KI-Agenten & Automatisierung
Wir entwerfen und implementieren agentische KI-Systeme für Forschungsautomatisierung, die Orchestrierung von Geo-Workflows und strukturierte Informationsextraktion. Die Pipelines basieren auf PydanticAI, LangChain und CrewAI mit streng typisierten Ausgaben, Evaluations-Harnesses und Kosten-Tracking pro Aufruf und binden je nach Aufgabe und Compliance-Anforderungen Modelle von Anthropic, Mistral, OpenAI und Hugging Face ein. Unser quelloffenes Multi-Agenten-System speaker-finder zeigt die Architektur auf GitHub. Vektordatenbanken und explizite Schema-Validierung sorgen für kontrollierbares, auditierbares Verhalten, und jedes System wird von Anfang an in die Risikoklassen des EU-AI-Act eingeordnet.
Data Science & Analytik
Unsere Arbeit reicht von Data Engineering bis zu georäumlicher Intelligenz.
Datenanalyse
Wir entwickeln ETL-Pipelines, Validierungs-Tools und Analytics-Dashboards für strukturierte und georäumliche Datensätze aus Energie, Geoinformatik und Forschung. Als Referenzprojekt haben wir für einen Verteilnetzbetreiber rekursive CTE-SQL-Analysen und ein NetworkX-basiertes Python-Dashboard zur Validierung von Stromnetz-Topologien entwickelt, ergänzt durch individuelle Python- und SQL-Tools zur Anonymisierung sensibler Mapping-Daten. Außerdem gestalten und kuratieren wir Machine-Learning-Trainings- und Testdatensätze mit geographischem Inhalt. Unser Analytics-Stack umfasst Python, Pandas, NumPy, NetworkX, SQL, PostgreSQL, PostGIS, ArangoDB, MongoDB, Bokeh, Plotly, MLflow, AutoKeras und PyCaret.
Geoanalytik
Wir machen aus Satellitenbildern, Luftbildern und räumlichen Datenbanken operative Entscheidungsgrundlagen – durch Segmentierung, Klassifikation, Change Detection und Topologie-Analyse. Wir verarbeiten Satellitendaten, Orthophotos und proprietäre Bilddaten mit PyTorch, fastai, Geopandas, Rasterio und SNAP und führen Training und Inferenz lokal oder in der Cloud auf GPU-Clustern mit dynamischer Skalierung aus. Datenbankseitig arbeiten wir nativ mit PostgreSQL und PostGIS für Vektor- und Raster-Analytik sowie mit ArangoDB für graphbasierte räumliche Topologie. Unsere Referenzarbeit umfasst drei Projekte: alpine Landoberflächen-Klassifikation mit über 95 % Genauigkeit auf Sentinel-2- und Orthophoto-Daten; Baugraben-Segmentierung für die GEO DATA GmbH; und holozäne Landschaftsfaktor-Datensätze, kuratiert über Web-Scraping und Data Wrangling für ein gemeinsames Forschungsprojekt eines Max-Planck-Instituts und eines Helmholtz-Instituts.
Geowissenschaften
Unsere Arbeit basiert auf begutachteter geowissenschaftlicher Forschung. Fünf Forschungsexpeditionen im Himalaya, im Karakorum und in den Anden liefern die Grundlage für unsere Modellierung von Naturgefahren, Oberflächenveränderungen und der Wechselwirkung zwischen Mensch und Umwelt. Zu unseren Veröffentlichungen zählen Beiträge im Journal of Mountain Science, im E&G Quaternary Science Journal sowie ein Kapitel im Springer-Band zur UIS 2024 zu Machine-Learning-Infrastruktur in der Umweltverwaltung. Diese Tiefe wenden wir auf Hochwasserdynamik, glaziale und proglaziale Systeme sowie Geomorphologie an.
Softwareentwicklung
Wir entwickeln produktionsreife Software, Data Engineering und Cloud-Infrastruktur für georäumliche und KI-Workloads.
Data Engineering & Webentwicklung
Wir liefern End-to-End-Data-Engineering, einschließlich Web Scraping, ETL-Pipelines, Validierungs-Tools und webbasierten Oberflächen für Datenerfassung, -prüfung und -visualisierung. Als Referenzprojekte haben wir für einen Geoinformatik-Softwarehersteller eine Flask-basierte Umfrage mit PostgreSQL-Backend und interaktiven Auswahlmenüs entwickelt sowie für einen Verteilnetzbetreiber ETL-Pipelines, die PostgreSQL- und PostGIS-Daten in ArangoDB überführen. Außerdem haben wir für ein Max-Planck-Institut und ein Helmholtz-Institut eine End-to-End-Streamlit-Machine-Learning-Anwendung entwickelt. Die Anwendung erlaubt es Forschenden, eigene Datensätze einzuspeisen, eine Analyseumgebung auszuwählen, zwischen Machine-Learning-Verfahren mit konfigurierbaren Hyperparametern zu wählen und die Ergebnisse zur Unterstützung wissenschaftlicher Hypothesenbildung zu visualisieren. Seit 2023 wird sie als quelloffenes automatedscientificdiscovery-Projekt auf GitHub fortgeführt. Unser Web-Stack umfasst Python, JavaScript, HTML, Flask, Django, FastAPI, Streamlit, Bootstrap, SQLAlchemy, BeautifulSoup4 und Requests.
Cloud-Computing-Lösungen
Wir konzipieren, implementieren und dokumentieren produktionsreife Cloud-Pipelines auf Microsoft Azure, AWS und Hetzner. Als Referenzprojekt haben wir für die GEO DATA GmbH eine Baugraben-Vorhersage-Pipeline End-to-End auf Azure mit dynamisch skalierten NVIDIA-GPU-Clustern implementiert. Das System verbindet MLOps-Praktiken und eine Governance entlang des EU-AI-Act, mit allen Artefakten versioniert und dokumentiert in Azure-DevOps-Repositories. Wir unterstützen außerdem AWS-basierte Machine-Learning-Workloads, etwa die Max-Planck- und Helmholtz-Streamlit-Anwendung. Frühere Cloud-Arbeit umfasst Deep-Learning-Trainings auf Azure mit Sentinel-2- und Orthophoto-Daten. Unser Cloud-Stack umfasst Microsoft Azure, AWS, Hetzner, Docker, Azure Machine Learning, Azure Data Factory, Azure Container Apps, Azure DevOps, GitLab und GitHub.
Individuelle Softwarelösungen
Für spezialisierte Anforderungen jenseits von Standardwerkzeugen entwerfen und entwickeln wir individuelle Anwendungen – von agentischen KI-Tools und internen Dashboards bis zu Umfrageplattformen, geometrie-sensitiven Machine-Learning-Utilities und Inferenz-Tools. Als Referenzprojekte haben wir das speaker-finder-Multi-Agenten-System auf GitHub, die quelloffene automatedscientificdiscovery-Machine-Learning-Anwendung, ein LightGBM-basiertes Snapping-Tool für geometrie-sensitive Linienausgabe und ein NetworkX-basiertes Python-Dashboard zur Visualisierung und Validierung von Stromnetz-Topologien entwickelt. Unser Stack umfasst Python, JavaScript, Django, Flask, FastAPI, Streamlit, Bokeh und Plotly, wobei Code, Infrastruktur und Dokumentation versioniert sind, um eine reibungslose Übergabe zu gewährleisten.
Umweltanalyse
Unsere Analyse ist geowissenschaftlich fundiert und umfasst Naturgefahren, Klimafolgen und Umweltveränderungen.
Naturgefahrenanalyse
Wir bieten geomorphologische und fernerkundungsgestützte Analysen von Naturgefahren an, wobei wir uns insbesondere auf die Hochwasserdynamik konzentrieren. Unsere Forschungsergebnisse zu Hochwasserereignissen und zur morphologischen Entwicklung von Flusssystemen wurden im Journal of Mountain Science und im E&G Quaternary Science Journal veröffentlicht. Wir kombinieren Satellitenbilder, fluvial-geomorphologische Analysen und maschinelles Lernen zur Segmentierung, um Risikobewertungen für Eigentümer von Vermögenswerten, Infrastrukturbetreiber, Versicherer und Regierungen zu unterstützen. Unsere Leistungen reichen von einmaligen Bewertungen bis hin zu wiederholbaren Produktionspipelines.
Klimasystemanalyse
Wir liefern datengetriebene Analysen von Klimasignalen und ihren physischen Auswirkungen, basierend auf Satelliten-Zeitreihen, abgeleiteten Indizes und Machine-Learning-Modellen. Unser geowissenschaftliches Fundament – einschließlich der Forschung zu holozänen glazialen und proglazialen Systemen im Himalaya sowie eines kuratierten Datensatzes zu holozänen Landschaftsfaktoren, der für ein gemeinsames Projekt eines Max-Planck-Instituts und eines Helmholtz-Instituts entwickelt wurde, prägt unseren Ansatz bei der Klimaanpassung, der Bewertung von Infrastrukturrisiken und der Resilienzplanung über Zeiträume von mehreren Jahrzehnten. Wir integrieren Satelliten-, Modell- und Beobachtungsdatensätze in kundenspezifische Entscheidungsprozesse.
Umweltüberwachung
Auf Basis von Satelliten- und Luftbildern entwickeln wir wiederholbare, automatisierte Assessment-Pipelines für das kontinuierliche Monitoring von Landoberflächen-Veränderungen, Vegetation, Gewässern und Infrastruktur. Die Pipelines kombinieren Segmentierungsmodelle, Change-Detection-Routinen und operative Dashboards und werden mit Dokumentation geliefert, die für technische und nicht-technische Zielgruppen geeignet ist. Als Referenzprojekt haben wir ein alpines Landoberflächen-Monitoring mit über 95 % Klassifikationsgenauigkeit auf Sentinel-2- und Orthophoto-Daten entwickelt.
Möchten Sie das Potenzial Ihrer Geodaten voll ausschöpfen?
Wir antworten innerhalb eines Arbeitstages.