Dabei hilft die Anwendung «DamageMap», die Forscher der
Stanford University und der
California Polytechnic State University (Cal Poly) entwickelt haben. Dieses Bildauswertesystem arbeitet mit Künstlicher Intelligenz (KI) und kennzeichnet Gebäude als beschädigt (rot) oder nicht beschädigt (grün). Anstatt Vorher-Nachher-Fotos zu vergleichen, haben sie ein Programm mit maschinellem Lernen so trainiert, dass es sich ausschliesslich auf die Bilder nach dem Brand stützt.
Rot markierte Häuser sind zerstört, grüne intakt.
/
Die Ergebnisse wurden im International Journal of Disaster Risk Reduction veröffentlicht.
«Wir wollten den Prozess automatisieren und ihn für Ersthelfer oder auch für Bürger, die wissen wollen, was mit ihrem Haus nach einem Waldbrand passiert ist, viel schneller machen», sagt der Hauptautor der Studie, Marios Galanis, ein Doktorand in der Abteilung für Bau- und Umwelttechnik an der Stanford School of Engineering. «Unsere Modellergebnisse sind mit der menschlichen Genauigkeit vergleichbar.»
Genauigkeit von 92 Prozent
«DamageMap» soll nicht die Schadensklassifizierung durch Gutachter ersetzen, könnte aber als skalierbares Zusatzinstrument eingesetzt werden, da es schnelle Ergebnisse liefert und die genauen Standorte der identifizierten Gebäude angibt. Die Forscher sprechen von einer Genauigkeit von mindestens 92 Prozent.
«Mit dieser Anwendung könnte man wahrscheinlich die gesamte Stadt Paradise in ein paar Stunden scannen», sagte der Hauptautor G. Andrew Fricker, ein Assistenzprofessor am Cal Poly, und bezog sich dabei auf die nordkalifornische Stadt, die durch das Camp Fire 2018 zerstört wurde. «Ich hoffe, dass dies den Feuerwehrleuten und Rettungskräften mehr Informationen für den Entscheidungsprozess liefern kann und auch den Brandopfern hilft, indem sie Informationen erhalten, die ihnen helfen, Versicherungsansprüche geltend zu machen und ihr Leben wieder in den Griff zu bekommen.»
