Nutzergenerierte Geodaten werden für viele Anwendungen auch als alternative Quelle zu den amtlichen Daten genutzt. Das wohl populäreste Projekt, das solche Daten sammelt, ist OpenStreetMap (OSM), dessen umfangreiche Datenbank viele Typen geographischer Informationen abdeckt. Mit zunehmender Vollständigkeit werden diese Daten neben praktischen Anwendungen (Visualisierung, Routing, etc.) auch für die Beantwortung raumwissenschaftlicher Fragestellungen interessant. Das Leibniz-Institut für ökologische Raumentwicklung (IÖR) beschäftigt sich beispielsweise seit Jahren mit der Erfassung und Analyse der gebäudebasierten Siedlungsstruktur. Inwiefern der Gebäudedatenbestand von OSM für kleinräumige Analysen der Siedlungsstruktur genutzt werden kann, war bisher offen und wird mit dieser Studienarbeit, gemeinsam betreut von IÖR und dem Institut für Kartographie (TU-Dresden), beantwortet. In der Arbeit erfolgt ein quantitativer Vergleich der Gebäudedaten aus der OSM-Datenbank der mit Gebäudedaten der amtlichen Vermessung, im speziellen der Amtlichen Liegenschaftskarte (ALK) und des Amtlichen Topographisch-Kartographischen Informationssystems (ATKIS). Das Hauptaugenmerk liegt hierbei auf der Untersuchung von Gebäudepolygonen hinsichtlich der Vollständigkeit und Qualität der Gebäudepolygone. Im Rahmen einer Vollständigkeitsanalyse werden verschiedene Bezugsflächen verwendet, auf denen die vergleichenden Ergebnisse visualisiert werden. Für den objektbezogenen Vergleich zwischen den amtlichen und den freien Geodaten werden verschiedene Verschneidungsmethoden herausgearbeitet und hinsichtlich ihrer Aussagekraft bewertet. Stellvertretend für den Gesamtdatenbestand von Deutschland, wurde die Analyse auf ausgewählte Untersuchungsgebiete angewendet. Die Ergebnisse zeigen, dass die Gebäudedaten des OSM-Projektes noch starke Defizite aufweisen, was die Vollständigkeit und die Lagegenauigkeit anbelangt. Unterschiede zeigen sich vor allem hinsichtlich der Gebäudevollständigkeit zwischen Agglomerationsräumen und ländlichen Regionen, die hauptsächlich auf unterschiedlich ausgeprägte Kartieraktivitäten der OSM-Datenerfasser zurückzuführen ist. / User-generated geodata is used in various applications as an alternative solution to the authorative data source. The most popular project, collecting this kind of data, is OpenStreetMap (OSM). A lot of different types of geographical information are covered in this database. In fact of the increasing level of completeness, this data becomes besides practical cases (visualization, routing, etc.) more and more important for answering questions in spatial science. For many years the Leibniz Institute of Ecological Urban and Regional Development (IOER) deals with the analysis of the building related settlement structure. In what way the building data from OSM could be used for small-scale settlement structure analyses is open. This research paper, supervised by the IOER and the Institut of Cartography (TU Dresden), will answer this questions. This student research paper deals with the quantitative comparison between building data from the OSM-database and the authorative building data from the surveying authorities, especially the automated real estate map (ALK) and the Authorative Topographic-Cartographic Information System (ATKIS). The focus of this work is on the analysis of the polygons of buildings. They are examined according to their completeness and their positional consistency. As part of the analysis of completeness, several reference planes are used to visualize the comparative results. Within the geometrical comparison of buildings between authoritative and free geological data different intersection methods are applied and compared according to their significance. The anaylsis was implemented in selected investigation areas, representative for the german nationwide data set. The results illustrate a deficit in the field of building data from OSM, regarding to completeness and positional correctness. Main differences appear especially between urban agglomeration and rural areas. This could be explained by the different mapping behaviour of the members or the therefore required underlying data.

In dieser Bachelorarbeit wird eine Beispiel-E-Learning-Lektion zum Import von GPS Daten in die Kartenherstellungssoftware OCAD erstellt. Dabei liegt im theoretischen Teil der Hauptschwerpunkt auf nutzergenerierten Daten (Volunteered Geographic Infor-mation; kurz: VGI). Nach einer kurzen, allgemeinen Einführung wird auf die Bedeutung der Kartographie im Zusammenhang mit VGI eingegangen. Der zweite Teil beinhaltet Didaktik mit Schwerpunkt E-Learning. Dazu werden das Goal Based Scenario Modell und das Cognitive Apprenticeship Modell kurz vorgestellt und anschließend das Projekt GITTA mit der enthaltenen ECLASS-Struktur näher erklärt. Den immer wichtiger werdenden Content Management Systemen (CMS) widmet sich der dritte Theorieteil. Für die Realisierung der zu erstellenden Lektion wird das Open-Source CMS Joomla! ausführlicher erläutert. Die Implementierung beschreibt die Umsetzung der E-Leraning-Lektion mittels Joomla! und die Nutzung des ECLASS-Modells. Bevor auf die Vorgehensweise eingegangen wird, enthält der Implementierungsteil die Erstellung eines groben Gesamtkonzeptes für eine komplette E-Leraning-Anwendung zu OCAD mit entsprechenden Erläuterungen. Anschließend folgen eine Zusammenfassung und ein Ausblick über die Weiterführung der E-Learning-Anwendung.

Knowledge about land use and land cover represents an important information basis for various planning applications. In particular, urban and suburban regions are subject to a high dynamic development. The detection and identification of changes is therefore an important instrument to follow and accompany the developments by planning. Here, aerial photography and, increasingly, satellite images serve as an important basis for information. The recognition and mapping of changes is still a time-consuming and cost-intensive matter which is mostly realized by visual interpretation of aerial photography and to an increasing degree of high- and ultra-high-resolution satellite images. Within the scope of the present work a new, robust and largely automated process based on a statistical change analysis is developed and presented. Basis for the data are multitemporal high-resolution satellite image data. The generated suspect areas, respectively areas of change, are supposed to function as clues in order to facilitate the process of the visual interpretation of multitemporal image datasets with regard to change mapping, since only marked areas of change have to undergo further examination. Consequently, this process can be used as a tool to ease and accelerate the updating of planning bases in general and maps in particular so far realised by visual interpretation. However, the automation of the process is not only supposed to serve the purpose of saving time and cost but also to bring the interpretation process to a higher level of objectivity. In order to improve the quality of the whole process, for the preprocessing of the image data selected methods of image processing have been integrated. Through the use of additional geo-information reference data for the automated calculation of the areas of change, a further refinement of the results can be reached. The obtained results in the first time-cut (1997-1998) can be proved and verified by a different data-take (1997-2000). To reach a convenient use and a good distribution of the developed method, the process has been implemented by means of the widespread image processing software ERDAS IMAGINE. This allows to make the developed method available for other users, since it can easily be integrated into the working environment of ERDAS IMAGINE. / Das Wissen um die Landnutzung und Landbedeckung ist für planerische Anwendungsgebiete eine wichtige Informationsgrundlage. Gerade urbane und suburbane Regionen unterliegen einer hohen Entwicklungsdynamik. Das Erkennen und Aufzeigen von Veränderungen ist somit ein wichtiges Instrument um Entwicklungen zu verfolgen und planerisch zu begleiten. Luft- und zunehmend Satellitenbilder dienen hierfür als wichtige Informationsgrundlage. Das Erkennen und Kartieren von Veränderungen ist nach wie vor eine zeitaufwändige und kostenintensive Angelegenheit, die überwiegend durch visuelle Interpretation von Luft- und zunehmend auch mit hoch- und höchstauflösenden Satellitenbildern realisiert wird. In dieser Arbeit wird ein neues, robustes, weitgehend automatisiertes, auf einem statistischen Ansatz beruhendes Verfahren der Veränderungsanalyse entwickelt und vorgestellt. Die Datengrundlage bilden multitemporale, hoch auflösende Satellitenbilddaten. Die generierten Verdachts- bzw. Veränderungsflächen sollen als Anhaltspunkte fungieren, um den Prozess der visuellen Interpretation von multitemporalen Bilddatensätzen in Hinsicht auf eine Veränderungskartierung zu erleichtern, da nur als Veränderungsflächen markierte Areale einer weiteren Untersuchung unterzogen werden müssen. Das Verfahren kann somit als Werkzeug dienen, die durch visuelle Interpretation realisierte Aktualisierung von Planungsgrundlagen bzw. Kartenwerken zu erleichtern und zu beschleunigen. Die Automatisierung des Verfahrens soll jedoch nicht allein dem Zweck der Zeit- und Kostenersparnis dienen, sondern auch den Interpretationsprozess objektiver gestalten. Um die Qualität des Verfahrens zu erhöhen, werden ausgewählte Methoden der Bildverarbeitung für die Vorverarbeitung der Bilder in das Verfahren integriert. Durch das Einbinden zusätzlicher Geobasisdaten in die automatisierte Berechnung der Veränderungsflächen kann eine weitere Verbesserung der Ergebnisse erzielt werden. Die Ergebnisse, der im ersten Zeitschnitt (1997-1998) untersuchten Datensätze, werden mit Hilfe eines weiteren Zeitschnitts (1997-2000) überprüft und verifiziert. Um eine unkomplizierte Anwendung und Verbreitung der Methode zu erreichen, wurde das Verfahren mit Hilfe der weit verbreiteten Bildverarbeitungssoftware ERDAS IMAGINE realisiert. Dies ermöglicht, das Verfahren auch anderen Nutzern zur Verfügung zu stellen, da es problemlos in die Arbeitsumgebung des Bildverarbeitungssystems ERDAS IMAGINE integriert werden kann

Die Kartographie ist eine Wissenschaft, die in ihrem Charakter starke interdisziplinäre Züge aufweist. Sie zeigt sich in den verschiedensten Facetten und wird darum in den unterschiedlichsten Wissenschaften angewandt. Markantester Charakter ist, schon per Definition, die Modellierung von geowissenschaftlichen Ereignissen und Sachverhalten. „A unique facility for the creation and manipulation of visual or virtual representations of geospace – maps – to permit the exploration, analysis, understanding and communication of information about that space.“(ICA 2003) Aus dieser Definition wird die Charakteristik einer Kommunikationswissenschaft (Brassel) deutlich. Gerade seit dem Paradigmenwechsel der 1970er Jahre fließen zahlreiche weitere Aspekte wie Informatik, Semiotik und Psychologie in das Verständnis von Kartographie ein. Dadurch wird die Karte nicht mehr als reines graphisches Mittel verstanden, sondern als Träger und Übermittler von Informationen verstanden. Der Kartennutzer und dessen Verständnis von Karten rücken dabei immer weiter in den Vordergrund und werden „Ziel“ der kartographischen Verarbeitung. Aus diesem Verständnis heraus, möchte ich in der folgenden Arbeit einen relativ neuen Einfluss und Aspekt der Kartographie vorstellen. Es handelt sich um das Modell der Self-Organizing Maps (SOM), welches erstmalig Anfang der 1980er Jahre von Teuvo Kohonen vorgestellt wurde und deshalb auch, von einigen Autoren, als Kohonenmaps bezeichnet wird. Dem Typus nach, handelt es sich dabei um künstliche neuronale Netze, welche dem Nervensystem des menschlichen Gehirns nachempfunden sind und damit allgemein als eine Art selbständiger, maschineller Lernvorgang angesehen werden können. Im Speziellen sind Self-Organizing Maps ein unüberwachtes Lernverfahren, das in der Lage ist völlig unbekannte Eingabewerte zu erkennen und zu verarbeiten. Durch diese Eigenschaft eignen sie sich als optimales Werkzeug für Data Mining sowie zur Visualisierung von hochdimensionalen Daten. Eine Vielzahl von Wissenschaftlern hat diesen Vorteil bereits erkannt und das Modell in ihre Arbeit einbezogen oder auf dessen Verwendbarkeit analysiert. Deshalb möchte in dieser Arbeit, einige dieser Verwendungsmöglichkeiten und den daraus resultierenden Vorteil für die Kartographie aufzeigen.

Fundamentale Voraussetzung für alle professionellen Kartendienste ist die Möglichkeit zur Kontrolle der grafischen Präsentation. Aus diesem Grund besteht ein starker Bedarf an der visuellen Darstellung von Geodaten. Diese transformiert rohe Informationen in wichtige und entscheidungstragende Werkzeuge. Der Feature Portrayal Service (FPS) hat die Aufgabe, diese Anforderungen umzusetzen und damit wesentlich zur kartographischen Interoperabilität in Geodateninfrastrukturen beizutragen. Der Dienst entstammt dem internationalen Standard SLD 1.1.0 (Styled Layer Descriptor). Es handelt sich um einen Darstellungsdienst, der die interoperable Nutzung von Vektor-Daten, also von so genannten Features, ermöglicht. Dieser spezielle Web Map Service hat die Aufgabe, Geodaten von beliebigen Web Feature Services sowie rohe GML-Daten in einer gewünschten grafischen Ausprägung zu präsentieren. Dabei ist der jeweilige Nutzer in der Lage, eigene Darstellungen zu definieren und auf einen beliebigen Datenbestand anzuwenden. Datenquellen, Darstellungsvorschriften und der Feature Portrayal Service selbst sind insofern unabhängig voneinander, dass diese drei Komponenten auf verschiedenen und voneinander unabhängigen Servern liegen können. Diese Art der Implementierung bezeichnet man als Component WMS.

The process of performing cartographic generalization in an automatic way applied on geographic information is of highly interest in the field of cartography, both in academia and industry. Many research e↵orts have been done to implement di↵erent automatic generalization approaches. Being able to answer the research question on automatic generalization, another interesting question opens up: ”Is it possible to retrieve and visualize geographic information in any arbitrary scale?” This is the question in the field of vario-scale geoinformation. Potential research works should answer this question with solutions which provide valid and efficient representation of geoinformation in any on-demand scale. More brilliant solutions will also provide smooth transitions between these on-demand arbitrary scales. Space-Scale-Cube (Meijers and Van Oosterom 2011) is a reactive tree (Van Oosterom 1991) data structure which shows positive potential for achieving smooth automatic vario-scale generalization of area features. The topic of this research work is investigation of adaptation of this approach on an interesting class of geographic information: road networks datasets. Firstly theoretical background will be introduced and discussed and afterwards, implementing the adaptation would be described. This research work includes development of a hierarchical data structure based on road network datasets and the potential use of this data structure in vario-scale geoinformation retrieval and visualization.

Das Projekt OpenStreetMap als freie Wiki-Weltkarte gewinnt als Quelle von Geodaten für unter-schiedlichste Bedürfnisse innerhalb der Geowissenschaften, des Geomarketings und auch im Alltag immer mehr an Bedeutung. Die kostenlosen, von Freiwilligen einer Community gesammelten geo-graphischen Daten, sogenannte nutzergenerierte Daten, dienen heute vielen Anwendern als Daten-grundlage und stehen in der Konkurrenz zu proprietären Geodaten von kommerziellen Anbietern. Neben Straßendaten sind zahlreiche zusätzliche Daten innerhalb OpenStreetMap verfügbar. Die aktuelle Technologie des Webmapping 2.0 und die dafür zahlreich verfügbaren Open Source GIS Systeme erlauben dem Anwender eine Vielzahl von Möglichkeiten zu Bearbeitung von Geodaten. Die freie Verfügbarkeit von Daten und Software machen die Nutzung und Verarbeitung von Geoda-ten somit auch für kleinere Unternehmen und Privatnutzer bezahlbar. Die vorliegende Studienarbeit stellt ein Verfahren vor, welches es ermöglicht aus OpenStreetMap-Daten Postleitzahlgebiete zu erstellen. Postleitzahlgebiete sind für viele Bereiche der Wirtschaft sehr wichtige Planungsstrukturen. Als Datengrundlage werden OSM-Adressdaten genutzt, aus denen, unter Nutzung von Open Source GIS Software, die Postleitzahlgebiete erzeugt werden. Die Generie-rung ist dabei automatisierbar und ohne die Nutzung grafischer Benutzeroberflächen möglich. Sie liefert als Ergebnis die Postleitzahlgebiete Deutschlands. Diese werden anschließend, unter Berück-sichtigung der ISO-Normen für Geoinformation, mit einem kommerziellen Datensatz verglichen und auf ihre Nutzbarkeit für Geomarketing und andere nützliche Anwendungen hin überprüft. / The OpenStreetMap project as the Free Wiki World Map as a source of gains for a wide variety of geospatial data needs within the geosciences, the geomarketing and in everyday life is becoming increasingly important. The free, a community of volunteers gathered geo-graphical data, so-called user-generated data, now serve many users as basic data and are in competition with proprietary spatial data from commercial providers. In addition to road data within OpenStreetMap numerous additional data is available. The current technology of the Web Mapping 2.0 and the many available Open Source GIS systems provide the user with a variety of options for managing spatial data. The free availability of data and software make the use and processing of geospatial data thus affordable for small businesses and home users. The current work presents a method that allows to create postcode areas from OpenStreetMap data. Postcode areas are very important planning structures for many areas of the economy. The OSM address data are used as data base, out of which the zip code areas are produced by taking advan-tage of Open Source GIS software. The creation is automated and without the use of graphical user interfaces. It provides as result the postal code areas of Germany. Taking into account the ISO stan-dards for geoinformation, the postal code areas are later compared with a commercial data set and their usability for geomarketing and other useful application is tested.

In recent years emotion-related applications like smartphone apps that document and analyse the emotions of the user, have become very popular. But research also can deal with human emotions in a very technology-driven approach. Thus space-related emotions are of interest as well which can be visualised cartographically and can be captured in different ways. The research project of this dissertation deals with the extraction of georeferenced emotions from the written language in the metadata of Flickr and Panoramio photos, thus from user-generated content, as well as with their modelling and visualisation. Motivation is the integration of an emotional component into location-based services for tourism since only factual information is considered thus far although places have an emotional impact. The metadata of those user-generated photos contain descriptions of the place that is depicted within the respective picture. The words used have affective connotations which are determined with the help of emotional word lists. The emotion that is associated with the particular word in the word list is described on the basis of the two dimensions ‘valence’ and ‘arousal’. Together with the coordinates of the respective photo, the extracted emotion forms a georeferenced emotion. The algorithm that was developed for the extraction of these emotions applies different approaches from the field of computer linguistics and considers grammatical special cases like the amplification or negation of words. The algorithm was applied to a dataset of Flickr and Panoramio photos of Dresden (Germany). The results are an emotional characterisation of space which makes it possible to assess and investigate specific features of georeferenced emotions. These features are especially related to the temporal dependence and the temporal reference of emotions on one hand; on the other hand collectively and individually perceived emotions have to be distinguished. As a consequence, a place does not necessarily have to be connected with merely one emotion but possibly also with several. The analysis was carried out with the help of different cartographic visualisations. The temporal occurrence of georeferenced emotions was examined detailed. Hence the dissertation focuses on fundamental research into the extraction of space-related emotions from georeferenced user-generated content as well as their visualisation. However as an outlook, further research questions and core themes are identified which arose during the investigations. This shows that this subject is far from being exhausted. / In den letzten Jahren sind emotionsbezogene Anwendungen, wie Apps, die die Emotionen des Nutzers dokumentieren und analysieren, sehr populär geworden. Ebenfalls in der Forschung sind Emotionen in einem sehr technologiegetriebenen Ansatz ein Thema. So auch ortsbezogene Emotionen, die sich somit kartographisch darstellen lassen und auf verschiedene Art und Weisen gewonnen werden können. Das Forschungsvorhaben der Dissertation befasst sich mit der Extraktion von georeferenzierten Emotionen aus geschriebener Sprache unter Verwendung von Metadaten verorteter Flickr- und Panoramio-Fotos, d.h. aus nutzergenerierten Inhalten, sowie deren Modellierung und Visualisierung. Motivation hierfür ist die Einbindung einer emotionalen Komponente in ortsbasierte touristische Dienste, da diese bisher nur faktische Informationen berücksichtigen, obwohl Orte durchaus eine emotionale Wirkung haben. Die Metadaten dieser nutzergenerierten Inhalte stellen Beschreibungen des auf dem Foto festgehaltenen Ortes dar. Die dafür verwendeten Wörter besitzen affektive Konnotationen, welche mit Hilfe emotionaler Wortlisten ermittelt werden. Die Emotion, die mit dem jeweiligen Wort in der Wortliste assoziiert wird, wird anhand der zwei Dimensionen Valenz und Erregung beschrieben. Die extrahierten Emotionen bilden zusammen mit der geographischen Koordinate des jeweiligen Fotos eine georeferenzierte Emotion. Der zur Extraktion dieser Emotionen entwickelte Algorithmus bringt verschiedene Ansätze aus dem Bereich der Computerlinguistik zum Einsatz und berücksichtigt ebenso grammatikalische Sonderfälle, wie Intensivierung oder Negation von Wörtern. Der Algorithmus wurde auf einen Datensatz von Flickr- und Panoramio-Fotos von Dresden angewendet. Die Ergebnisse stellen eine emotionale Raumcharakterisierung dar und ermöglichen es, spezifische Eigenschaften verorteter Emotionen festzustellen und zu untersuchen. Diese Eigenschaften beziehen sich sowohl auf die zeitliche Abhängigkeit und den zeitlichen Bezug von Emotionen, als auch darauf, dass zwischen kollektiv und individuell wahrgenommenen Emotionen unterschieden werden muss. Das bedeutet, dass ein Ort nicht nur mit einer Emotion verbunden sein muss, sondern möglicherweise auch mit mehreren. Die Auswertung erfolgte mithilfe verschiedener kartographischer Visualisierungen. Eingehender wurde das zeitliche Auftreten der ortsbezogenen Emotionen untersucht. Der Fokus der Dissertation liegt somit auf der Grundlagenforschung zur Extraktion verorteter Emotionen aus georeferenzierten nutzergenerierten Inhalten sowie deren Visualisierung. Im Ausblick werden jedoch weitere Fragestellungen und Schwerpunkte genannt, die sich im Laufe der Untersuchungen ergeben haben, womit gezeigt wird, dass dieses Forschungsgebiet bei Weitem noch nicht ausgeschöpft ist.

Die zunehmende Verfügbarkeit adressbezogener Daten im Zusammenhang mit der Nutzung geometrischer Raster zur Raumuntergliederung haben die Voraussetzungen für kleinräumige Analysen deutlich verbessert. Bei der Verwendung personenbezogener Daten müssen datenschutzrechtliche Vorgaben eingehalten werden, falls die Rasterzellen zu wenig Fallzahlen enthalten. Vielfach werden diese Rasterzellen ausgeblendet, wodurch Informationen in der Karte verloren gehen. Eine datenschutzkonforme Alternative stellt die Aggregation von Rasterzellen dar, bis die Fallzahlen einen vorgegebenen Grenzwert überschreiten. In diesem Beitrag werden Möglichkeiten vorgestellt und bewertet, nach denen sich datenschutzkonforme Mischrasterkarten erzeugen lassen. Besonderes Augenmerk wird auf die Auflösungsverluste der erzeugten Mischrasterkarten gelegt, um geeignete Datengrundlagen für kleinräumige Analysen zu schaffen.

Für die kleinräumige Modellierung und Analyse von Prozessen im Siedlungsraum spielen gebäudebasierte Informationen eine zentrale Rolle. In amtlichen Geodaten, Karten und Diensten des Liegenschaftskatasters und der Landesvermessung werden die Gebäude in ihrem Grundriss modelliert. Semantische Informationen zur Gebäudefunktion, der Wohnform oder dem Baualter sind in den Geobasisdaten nur selten gegeben. In diesem Beitrag wird eine Methode zur automatischen Klassifizierung von Gebäudegrundrissen vorgestellt mit dem Ziel, diese für die Ableitung kleinräumiger Informationen zur Siedlungsstruktur zu nutzen. Dabei kommen Methoden der Mustererkennung und des maschinellen Lernens zum Einsatz. Im Kern werden Gebäudetypologie, Eingangsdaten, Merkmalsgewinnung sowie verschiedene Klassifikationsverfahren hinsichtlich ihrer Genauigkeit und Generalisierungsfähigkeit untersucht. Der Ensemble-basierte Random-Forest-Algorithmus zeigt im Vergleich zu 15 weiteren Lernverfahren die höchste Generalisierungsfähigkeit und Effizienz und wurde als bester Klassifikator zur Lösung der Aufgabenstellung identifiziert. Für Gebäudegrundrisse im Vektormodell, speziell den Gebäuden aus der ALK, dem ALKIS® oder dem ATKIS® Basis-DLM sowie den amtlichen Hausumringen und 3D-Gebäudemodellen, kann mit dem Klassifikator für alle städtischen Gebiete eine Klassifikationsgenauigkeit zwischen 90 % und 95 % erreicht werden. Die Genauigkeit bei Nutzung von Gebäudegrundrissen extrahiert aus digitalen topographischen Rasterkarten ist mit 76 % bis 88 % deutlich geringer. Die automatische Klassifizierung von Gebäudegrundrissen leistet einen wichtigen Beitrag zur Gewinnung von Informationen für die kleinräumige Beschreibung der Siedlungsstruktur. Neben der Relevanz in den Forschungs- und Anwendungsfeldern der Stadtgeographie und Stadtplanung sind die Ergebnisse auch für die kartographischen Arbeitsfelder der Kartengeneralisierung, der automatisierten Kartenerstellung sowie verschiedenen Arbeitsfeldern der Geovisualisierung relevant.