Im Auftrag des Bundesamts für Energie entwickelte Adrian F. Meyer als Lead Engineer und Data Scientist einen Workflow zur automatisierten Erfassung von Photovoltaik- und Solarthermieanlagen aus Luftbildern. Die Verarbeitung verbindet die Vorbereitung georeferenzierter Bilddaten, Referenzannotation, Deep Learning und die geometrische Auswertung erkannter Anlagen. Das abgeschlossene Projekt lieferte einen Schlussbericht und einen Datensatz mit erkannten Solaranlagen für grosse Teile der Schweiz. Die Ergebnisse unterstützen die räumliche Bestandsaufnahme und die Weiterentwicklung der Solarenergiestatistik.

Einordnung und Bedeutung

Eine nationale Solaranlagenstatistik benötigt räumlich möglichst vollständige und regelmäßig aktualisierbare Informationen. Luftbilder zeigen installierte Module direkt, allerdings variieren Erscheinungsbild, Größe und Einbausituation stark. Der SolAI-Workflow verbindet deshalb die Bilddetektion mit Georeferenzierung und geometrischer Nachverarbeitung.

Das Ergebnis ist nicht bloß eine Bildklasse, sondern eine räumlich nutzbare Datengrundlage. Für eine operative Fortschreibung ist die Kontrolle von Fehldetektionen ebenso wichtig wie die Erkennung bislang nicht kartierter Anlagen.

01

Die Forschungsfrage

Wie lassen sich Photovoltaik- und Solarthermieanlagen automatisiert lokalisieren und geometrisch auswerten?

02

Der Weg zur Antwort

  1. Georeferenzierte Bilddaten vorbereiten und Referenzannotationen aufbauen.
  2. Deep-Learning-Verfahren zur automatisierten Erfassung entwickeln.
  3. Die Geometrie erkannter Anlagen auswerten.

03

Ergebnisse und Transfer

  • BFE-Schlussbericht zum abgeschlossenen Projekt.
  • Datensatz mit erkannten Solaranlagen für grosse Teile der Schweiz.