BIGGER PICTURE Katastrophenvorsorge
Beschädigte Gebäude finden, bevor jedes Dach geprüft ist
Nach einer Katastrophe treffen Satellitenbilder schneller ein, als Fachleute jedes Gebäude prüfen können. SKAI unterstützt die erste Karte besonders betroffener Gebiete.

- Auswertung
- Neun Katastrophen
- Erste Einschätzung
- Im Mittel auf ein Sechstel verkürzte Analysezeit
- Untersuchtes Gebiet
- Im Mittel siebenmal größere Fläche
So funktioniert die Idee
Gebäude lokalisieren
Bildmodelle grenzen Gebäude im betroffenen Gebiet ab.
Ereignisspezifische Schäden vermitteln
Fachleute kennzeichnen Beispiele zur Modellanpassung.
Schwerpunkte kartieren
Das Modell überträgt die Prüfung auf das größere Gebiet.
Jedes Dach ist eine offene Frage
Nach Erdbeben oder Sturm vergleichen humanitäre Analysten Satellitenbilder vor und nach dem Ereignis. Eine Stadt kann Zehntausende Gebäude enthalten. Die Einzelprüfungen summieren sich genau dann, wenn Einsatzkräfte rasch einen Überblick brauchen: Wo könnte Unterkunft fehlen, wo der Zugang schwierig sein und wo sollte eine genauere Prüfung beginnen?
Erst Gebäude finden, dann dieses Ereignis kennenlernen
Der UN-Ablauf verbindet drei Werkzeuge. Open Buildings erkennt Gebäude, ein allgemeines SKAI-Modell markiert mögliche Schäden, und Analysten kennzeichnen eine Stichprobe für die Anpassung eines weiteren Modells an dieses Ereignis. Dieses untersucht anschließend die größere Fläche. Die ereignisspezifischen Einschätzungen der Fachleute steuern damit die Auswertung, statt daraus zu verschwinden.
Der Nutzen war ein früherer Überblick
UN Global Pulse berichtete 2024 über die Auswertung von neun Katastrophen. Die untersuchte Fläche wuchs im Mittel auf das Siebenfache, die Zeit bis zu ersten richtungsweisenden Ergebnissen sank auf ein Sechstel und damit unter einen Tag. Das sind Ergebnisse des Arbeitsablaufs: Einsatzorganisationen erhalten schneller ein erstes räumliches Bild und können es im Krisenverlauf erneuern.
Belege: [1]
Die Uhr hängt auch vom Satelliten ab
Die Zeitrechnung setzt brauchbare Bilder voraus. Geeignete Vorher-Nachher-Aufnahmen können selbst Tage benötigen; Wolken können die optische Analyse verhindern. Versetzte Bilder, anderes Licht und ungewohnte Gebäudetypen erschweren die Prüfung zusätzlich. SKAI unterstützt fachliche Schadenskartierung, erkennt aber keine verschütteten Menschen unmittelbar und ersetzt keine Überprüfung vor Ort.
Die Originalquellen
- UN Global PulseAI from Google Research and UN boosts humanitarian disaster response
- Google ResearchSKAI open-source project
- Google ResearchMachine Learning-based Damage Assessment for Disaster Relief